一览科技CTO陈锡言：大模型阴影下的技术创业机会——链接大模型与用户

　　过去三个月，AIGC 和其背后的大模型浪潮席卷中文互联网，所有人都能享受到人工智能技术升级带来的便利。

　　在公司层面，拥有大模型技术和资源的头部企业获得了最多的关注，而大模型应用层的创业公司虽活跃，但存在感却并不高。

　　甚至随着 ChatGPT 相关功能插件的释放，没有直接参与大模型竞争的应用层企业都有可能被类似于 OpenAI 的企业的一个插件所 覆灭 。

　　那么，作为应用层的创业公司将如何在这种压力下，寻找到属于自己的创新空间、打造独特的业务模式呢？他们的创业价值又将如何得到社会和市场的认可？

　　围绕应用层创业公司如何通过链接大模型与客户发挥价值，一览科技联合创始人兼 CTO陈锡言在「量子位 · 视点」直播中分享了他的从业经验和观点。

　　大模型的出现拉齐了很多公司的 AI 水平，革了很多 AI 服务商的命，同时它又以极快的速度普及，可以称为史上增长最快的月活破亿的应用，颠覆了很多技术、业务和服务。

　　ChatGPT 开始免费之后，基于 OpenAI 生态的一些创业公司其实都是一脸懵。虽然 OpenAI 的 CEO 表示说 不会和客户产生竞争 ， Jesper CEO 也说 更多大模型的出现，让公司已经摆脱了对 OpenAI 的单一依赖。 但这些解释的逻辑其实很无力。

　　ChatGPT 的出众之处，在于除了大模型本身以外，还有自然语言的交互模式，这是自命令行、图像化 UI 之后的最先进人机交互模式。GPT4 提供了通用人工智能的可能性，对话的人机交互形式配上 AGI 之后似乎变得无所不能。文心一言、通义千问等国产大模型也都是如此。

　　在文心一言发布会上，李彦宏曾提出了一个四层模型：芯片、框架、模型、应用。但是他只说了这四层模型，但是没有说这四层模型的关系究竟是金字塔形的，还是倒金字塔形、橄榄形、菱形或别的结构。

　　src=芯片，肯定是卡脖子的核心竞争力。框架，是大公司的游戏。模型的线 亿起步，而百度还说文心同时做了 10 个行业大模型。

　　应用层，现在看起来 ChatGPT、文心一言以及其他大模型的这种交互类应用都是 ToC 的，而且免费。大家都说要做 AI 大基座，要形成自己的应用生态。

　　如果 AI 大基座在模型关系里是底层（在地上），那么它对于应用层的创业者来说是一个平台。但如果 AI 大基座是顶部（在天上），留给应用层创业者的就会是阴影。

　　目前看起来，现在做大模型的 AI 大基座们都表现出了一个 我全要 的状态：说是大基座，实际上包含了全部的四层模型。

　　通用人工智能好像什么都可以做，让很多 SaaS 软件很懵，多年的积累在大模型面前可能变得一文不值。所有软件公司都面临一种情况：被迫拥抱 AI。

　　当 所有应用都值得用 AI 重做一遍 被提出来之后，大模型先把自己母公司各系产品都加上 Copilot，比如浏览器、搜索引擎、即时通讯、办公软件等等。这真的让人很怀疑，我们还做其他软件的价值究竟是什么。

　　我认为能够被简单且精准描述 input、process 和 output 的工作更容易被取缔。

　　例如把图像中所有蓝色改成红色、仅仅做排版的文字编辑、按标准文档回复的客服服务，甚至说当制作一杯咖啡，加多少豆、怎么研磨、加多少水多少奶都非常标准的情况下，口感与手工咖啡的可能差别并不大。

　　现在几乎所有的风头热度都在制作大模型的这些公司，包括创业明星系的、BAT 系的、名校系的。有一件事情可以肯定，创业公司根本就参与不了大模型的开发工作。

　　A100 虽然不好买，但其实购买方法也很多，京东上就有——只不过上次查的时候是 10 万元一张，今天已经变成了 119,999 元。买不买得到并不是问题，买不买得起才是问题。

　　即使创业公司有 5,000 万，买完 500 张后连网线都买不起，电费也只能用花呗。所以创业公司入局大模型如果没有 10 个亿，根本上不了牌桌。

　　src=AIGC 并没有创造新的需求。我要一幅 AIGC 的画，可能等于我要一幅更便宜的画，这是供需市场决定的。AIGC 只是一个工具，而需求侧永远想要更便宜的产品。

　　AIGC 重复了很多业务流程以及供求关系，几乎所有的企业其实都希望 AIGC 来提升生产力，但实际上其实困难重重。

　　AIGC 工具强调个体，个体是打工人，打工人卖的是时间，凑够时间可能就拿到工资了。而 AI 工具作为新事物，还有很多的不确定性，很难说服打工人为了一个不确定的工具去增加学习成本。

　　很多 ToB 业务一旦成熟之后，商务关系往往比业务本身更重要。系统被弱化了，甚至有些老板对技术部的要求就是，只要不宕机，做成什么样都不影响公司赚钱。我听到最无力反驳的一句话，客户的工作方式不变，自己公司单独变化有什么用。

　　我们不得不承认，很多场景尤其是创意类工作场景，使用 AI 并不是一个很体面的事情。如果借助 AI 制作了东西，或是使用 AIGC 节省出了更多时间来休息摸鱼，打工人自然不想承认，也永远不能承认。

　　AIGC 工具现在更多的是个体的赋能，而不是对企业的赋能。希望大家记住这句话，这是我们创业的一个机会。

　　比如：一个计算机只能执行「+1」和「X2」两个运算，如果输入「1」，问最少几个步骤可以得到 63。GPT4 肯定是倒推法，方法是正确的，但每次都会算错一览科技CTO陈锡言：大模型阴影下，比较好笑的是它知道算错了，还能拼命扯回来。比如在某一步骤中「X2」，然后得到 70，突然发现超了，这时他告诉你最后再减 7，也能得到 63。

　　我不觉得稳定和精准是一个大模型应该有的必要属性，我也不相信语言模型能解决数学问题。这是我的一个比较偏执的世界观，有可能是错的。

　　大家有没有注意到，书法作为我们国家很重要的一种艺术形式，到现在为止却没有一个书法的 AI 模型出现。这可能是价值问题导致的，书法 AI 模型它可能就没有价值。

　　比如说这个字是启功写的，这字是苏轼写的，如果第三种字是 AIGC 写的，很有可能会被扔掉。因为书法很强调个人风格、审美和个人 IP。

　　理发师这样的职业是需要极其信任和安全的，如果一个黑化的理发师拿着刀在我面前，我可以说大哥别伤害我，打感情牌可能还有一线生机。但如果对面是一个机器人，它仅仅是一个杀戮机器，我毫无办法。

　　大模型本身的泛化能力仍然受限于数据集。如果说某个行业会被取缔的话，那最简单的一个判定标准就是该行业能否组织足够多、足够好的标注数据；如果数据质量非常多非常好，大概率机器会代替人完成。

　　但如果是那种不容易被标注的，比如说一个艺术作品，它不仅包含了创作者的情绪和感情，还包含了观看者当下的情绪，大概率不会被替代。就像我们常说的 1000 个人心中有 1000 个哈姆雷特 ，这个复杂度很难得到有效标注，标注的意义也不大。

　　我认为在科学面前，AIGC 和圣经是一样的，不是因为他们权威，而是因为在科学面前，他们都需要被摒弃。

　　AI 虽然可以处理和模拟一些既定的任务，但它们缺乏人类的直觉、情感以及对抽象概念的理解，这是无法模拟的。

　　我们有个客户是影视行业的上市公司，老板最开始要求全公司都要用 AI，100 多号人响应号召使用一堆五花八门的工具，后来缩减到只剩 ChatGPT 和 Midjourney，到最后就什么都不用了。直到后来找到我们来提供企业级的 AI 工具，和现有的工作流做无缝打通。

　　所以其实企业永远需要信息系统，如果又懂业务又懂技术的话，做大模型和企业之间的链接者是一个不错的选择。

　　AIGC 对于内容创作者，其实是一个特别好的时代。以前很庞大的创作组织，现在可能只需要几个人。

　　另外，ChatGPT 一本正经的胡说八道，或是天马行空的奇思妙想，这种能力特别适合做内容创作。

　　当我第一次看到 MaaS，也就是 Model as a Service 的时候，我是绝望的，要被大公司逼近绝路的感觉。但是最近我又看到一个词 Fine Tuning as a Service，我觉得特别有趣，一看就是程序员想到的。这个词让我感受到了程序员乐观、积极向上的情绪。

　　其实淘金热中最赚钱的是卖牛仔裤的。在整个 AIGC 大背景下，除了刚才那些直接创业的机会，我认为还会有一些炙手可热的工作岗位或是可以形成服务的。

　　随着 AI 工具的不断发展， AI 如何与人类的价值观保持一致，以及 AI 系统如何保证自己的可解释性等等将会成为重点。AI 对齐工程师，是要保证 AI 系统在任何时候都能和人类的价值观保持一致，保证人类的利益，以及保证人类对 AI 的控制权，甚至必要的时候拔网线、断电等等。

　　刚才说到每个企业都值得拥有自己的模型，那么在大模型基础上，通过微调或者蒸馏等方式，得到一个企业专有的模型，也是一个很重要的事情。

　　数据治理指的是在一个组织内部对数据质量、数据整合、数据隐私、业务流程等做合理的管理体，保证数据的准确性、一致性以及可用性。首先要数据可用，才有机会训练模型。

　　大多数企业的数据化程度是不足的。其实越是在线化业务的公司，或者做数据服务的公司，数据化程度越偏低，很多互联网企业的数据化程度甚至远不如一些工厂。

　　高质量的标注数据会成为 AI 系统的核心竞争力。前几天我看新闻，北京还提出了一个概念，要做统一的数据标注服务，大家也都看到了数据标注是一个非常重要的业务。

　　src=前段时间 babyAGI 和 autoGPT 比较火，火得快，凉的也快，但是留下了几个词很有价值，比如「思维链」和「任务队列」，有的地方解释成「工作流」。

　　左图是 babyAGI 第二版的工作流程图，核心就是把第一个问题形成一个问题列表，然后放到队列里面，对每一个问题做相应地执行，然后通过 ChatGPT 解读相应的答案，再对答案生成若干个问题，类似于金字塔的结构，通过逻辑树的方式逐渐地去找解决方案的本质。

　　右图指的是 autoGPT 第一版里面最重要的几步，也是把一个问题拆解成多步，然后列出相应的计划，但是它比 babyAGI 多了一步，就是检查这个东西对不对的概念，然后批评、反省。这个步骤对一个智能型的 AI 系统而言，是非常重要的。

　　从这两个开源项目里面，我们能学到很多做大模型还没有触及到的，或是比较有特色的 AI 系统的地方。我的想法是对它们做改进之后，使用专家系统来设置自己的业务工作流，提前录入到系统里面。

　　一览科技凭什么在应用层做 AI 视频工具，或者说在应用层 AI 这个产品上，我们具有什么样的优势？

　　src=第一个优势，数据积累。一览已经做了很多年的商用视频，服务了数千家企业用户，全球范围签约了数十万的视频创作者，积累了很多的商业视频数据，这些数据是独有的，且在创作以及视频交易的过程中，还会不断产生新的数据，具有成长性。

　　第四个优势，创作的安全性。通用人工智能 AGI 有很多的风险及不确定性，但在内容创作上的包容度以及 AI 对齐和内容安全措施已经相对完善，涉政、涉恐、涉黄、涉暴的预警措施相对完善。

　　我们选择了一个适合自己的垂直的领域，并且在这个领域上具有一定的优势，这是一览 AI 视频工具在应用层的特色。

　　我们提前把工作流注入到 AI 系统里，然后由 AI 一步步执行。在我看来，Step by Step 这个过程并不应该由通用人工智能来执行，应该由人类专家来输入。

　　src=第一步，通过一句话生成若干个创意。生成创意的过程，等于头脑风暴，这特别适合 AIGC。我们可以输入几个关键词，比如宫廷、狗血、爱情、伦理、逆袭、反转，它就能够瞬间输出很多个创意。

　　第二步，在工作流程之中开始角色设计。角色设计需要哪些东西，比如人物的性格特征，行为习惯，体貌特征，对话风格，包括性别、年龄等。

　　src=现在有了角色和创意，把这些内容输入给 AI 来生成剧情，剧情里面一定要有冲突和反转，这也是我们要提前录入进去的设置，然后就可以快速生成若干个剧情，同时批量生成几百字甚至几千字的脚本。我们可以选择 1 个最有挑战的剧情，接下来根据剧情，我们还可以生成一系列概念图。

　　另外，大家也知道 Token 的限制，其实对于剧情，我们也可以把一个剧情分解成若干个段落，每个段落再进行扩展，这也是一个能让剧本逐渐丰满的过程。

　　评估反馈，大家可以理解为剧本评分，相当于 autoGPT 里面的批评环节。这个过程中，我们可以产生更多的信息、更多的数据。

　　src=经过剧本评估之后，这些情节段落进行不停的调整和优化，然后进入下一步，再次生成视觉化的创作，不断打磨作品质量。

　　AIGC 可以提高所有生产工作或者创作的平均水平，但是它只能让未来比过去更好。但如果以前都变得一样好时，原来的更好就变成了现在的平庸。当 AI 工具全面普及，平庸的创作会无比廉价，人类的未来属于真正的工匠的技术创业机会——链接大模型与用户。

　　src=毋庸置疑，AI 工具普及和 AIGC 内容爆炸都是历史浪潮的一部分，不可倒退，无法避免。从媒体到时尚到建筑，再到其他一切，都会充满了不可避免的、普遍的平庸。但乐观的人总能找到自己的方式翻出不一样的浪花。最后用马斯克最近发的一个推特献给大家。

　　量子位发起的 CEO/CTO 系列分享活动，不定期邀请前沿科技领域创业公司 CEO/CTO，分享企业最新战略、最新技术、最新产品，与广大从业者、爱好者探讨前沿技术理论与产业实践。欢迎大家多多关注 ～