AI大模型、中模型、小模型誰主沉浮？

大模型，小應(yīng)用；中模型，大應(yīng)用；小模型，廣應(yīng)用。

一、對通用人工智能十年前的疑問

前幾天參加了2024中國移動全球合作伙伴大會，主題是“智煥新生 共創(chuàng)AI+時代”。

自從2023年初ChatGPT火爆以來，我對人工智能大模型一直持謹(jǐn)慎態(tài)度。事實上，我接近10年前就在硅谷看過很多通用人工智能的項目，OPEN AI也是當(dāng)時剛剛成立，我在看一些相關(guān)領(lǐng)域的項目時對這個方向或賽道存在一定的疑問，就此與當(dāng)時硅谷的眾多創(chuàng)業(yè)者進行過交流，但當(dāng)時沒有一個人能夠解釋清楚我的疑問。可以說，這個疑問在這一次中國移動全球合作伙伴大會上終于得到答案。以下先說下這個疑問的具體內(nèi)容。

我們不要一遇到新的技術(shù)，就以為它會帶來無限遐想的發(fā)展空間，那一方面是因為沒完全了解這個技術(shù)的確切含義，另一方面是在不完全清楚技術(shù)內(nèi)涵的前提下吸引投資者關(guān)注。事實上，無論任何技術(shù)都會有最基本的、普遍性的規(guī)律約束存在，但人們往往會在遇到新技術(shù)時把這些規(guī)律給忘了。尤其是在人工智能領(lǐng)域，這個問題表現(xiàn)得最為空出。這個一切技術(shù)都會有的最重要的普遍規(guī)律之一就是：

任何實用的技術(shù)都需要平衡成本與性能，因此一切實用的產(chǎn)品定義必須在一開始就清楚地界定實現(xiàn)的范圍和性能表現(xiàn)，需要用盡可能低成本的硬件去實現(xiàn)足夠滿足需求的產(chǎn)品。一切實際的產(chǎn)品實現(xiàn)目標(biāo)都不能是無限擴張的。因為實際能獲得的硬件性能無論多么強大，永遠都會是有限的。如果用有限的硬件性能去實現(xiàn)無限擴張的“通用智能需求”（“通用人工智能”這個概念很容易成為失控的、無限擴張的功能和性能需求），其實際產(chǎn)品表現(xiàn)與收縮為明確界定范圍的需求相比，肯定是后者更為可靠和品質(zhì)更為優(yōu)異。如果用品質(zhì)更為可靠的專業(yè)產(chǎn)品相互累積或聯(lián)網(wǎng)，不是也可以實現(xiàn)通用人工智能嗎？而且其性能表現(xiàn)還更為可靠和優(yōu)異，產(chǎn)品成本也可控。這么來看，就存在一個疑問：開發(fā)通用人工智能合理的理由是什么？

現(xiàn)在人工智能AI+的發(fā)展趨勢，事實上證明了我當(dāng)時的疑問在相當(dāng)大程度上是有道理的。所謂AI+就是在各個具體領(lǐng)域的專業(yè)應(yīng)用。

但我也已不得不意識到，不管怎樣，通用人工智能的確是在市場上火爆起來了，那么就得對這個火爆的原因給出一個合理的解釋。

完全通用的人工智能現(xiàn)在都稱為“大模型”，我們就把各個專業(yè)、行業(yè)或企業(yè)領(lǐng)域的應(yīng)用稱為“中模型”，延申到終端或家庭里的稱為“小模型”。現(xiàn)在的實際情況就是：大模型小應(yīng)用，中模型大應(yīng)用，小模型廣應(yīng)用。

模型越小，產(chǎn)品定義的功能和性能目標(biāo)就收縮得越小、越清晰，需要的硬件計算量就越小，成本越低且實現(xiàn)的產(chǎn)品功能和性能更為可靠和穩(wěn)定。

二、大模型的小應(yīng)用是什么？

大模型的火爆有多種原因，有些甚至是人為的。但的確有一個客觀存在的成功原因：就是它“成為一個新的更好的通用人機接口”，這一點是此前從來沒有任何人清楚闡釋的。這可以說是我在這次展會上最大的收獲之一。

計算機領(lǐng)域的進步和革命有很多，但人們可能更多關(guān)注到計算能力，芯片集成度等技術(shù)上的進步。但很多影響非常大的革命性進步表現(xiàn)在人機接口上。以下是計算機和網(wǎng)絡(luò)在過去幾十年革命性的人機接口進步。

• 圖形顯示器

• 鼠標(biāo)

• 圖形用戶接口GUI，視窗系統(tǒng)

• 編輯軟件的所見即所得

• 瀏覽器

• 門戶網(wǎng)站

• 搜索網(wǎng)站

• 語音輸入和控制

• 智能手機APP桌面圖標(biāo)

為什么是這樣？因為人機接口直接影響人類使用計算機的方便性。越簡單方便的人機接口，就可以使越多非專業(yè)的人使用計算機。以上人機接口的進步極大地方便了人們對信息技術(shù)的使用。通用人工智能的最大價值，體現(xiàn)在它的另一個名稱叫“生成式人工智能”，它為人們使用信息技術(shù)提供了更為通用和簡潔的人機接口，使得人們可以用更為接近自然語言的方式與計算機進行文字、語音、圖像和視頻的交互。在過去，搜索網(wǎng)站的人機交互已經(jīng)相當(dāng)簡單，只要輸入關(guān)鍵詞，就可以獲得大量搜索出的鏈接。但這個還存在一定的問題，一是搜索是非常簡單和機械地只有在結(jié)果中存在輸入的關(guān)鍵詞，才會被搜索軟件選擇到。另一方面是它還需要人們在其中進行選擇。大模型則提供了盡可能接近于人與人之間的交互方式。搜索的結(jié)果并不是直接對應(yīng)是否存在關(guān)鍵詞，而是已經(jīng)顯得是理解了輸入的問題語義，根據(jù)語義來生成對應(yīng)的結(jié)果，很少再需要人們進行大量選擇了。ChatGPT這個名稱中的“Chat”就是聊天的意思，它已經(jīng)把搜索過程變成了聊天。后面的“GPT”意思是英文“Generative Pre-Trained Transformer”的縮寫，意思是生成式預(yù)訓(xùn)練Transformer模型。Transformer這個詞原意是“變換器”，“變形金剛”“變壓器”也是這個詞。但在人工智能領(lǐng)域極少人把這個詞翻譯成中文，一般都是說“Transformer模型”，有人提出把這個詞根據(jù)發(fā)音翻譯成“純思法模”。所以，雖然人們經(jīng)常談?wù)摰氖怯眠@個工具來寫報告、生成論文、圖片、視頻......但最關(guān)鍵的要點就在其名稱中的“聊天”與“生成”。至于具體實現(xiàn)的人工智能的功能是否為大模型來產(chǎn)生，其實并不重要。大模型本身也是一個特殊的深度學(xué)習(xí)算法，以往其他的深度學(xué)習(xí)算法產(chǎn)生的人工智能成果是可以與大模型結(jié)合起來應(yīng)用的。

人機接口影響極大，但其市場空間卻遠沒有其在媒體上表現(xiàn)得那么大。用它生成各種文字、圖片、視頻內(nèi)容的水平確實已經(jīng)非常高了，例如，用它生成的明星圖片，已經(jīng)和拍攝的真人照片很難區(qū)分開了，并且品質(zhì)很容易做到比實際照片更好。類似如下我寫本文時臨時用“豆包”簡單發(fā)個指令就生成的明星照片。

如果生成得更專業(yè)一些就如下圖。

引自公眾號 Al星顏繪的Al生成明星圖片

那么，這類生成的結(jié)果或產(chǎn)品有什么用呢？我們可以直接想到的一點是作為廣告用途，那我們先來看下這個市場有多大。根據(jù)市場監(jiān)督局公布的數(shù)據(jù)，2023 年全國從事廣告業(yè)務(wù)的事業(yè)單位和規(guī)模以上企業(yè)廣告業(yè)務(wù)收入為 13120.7 億元。這么一看市場規(guī)模還是很大的，但是，其中廣告設(shè)計和制作環(huán)節(jié)全年實現(xiàn)收入分別為 246.6 億元和 231.1 億元，在整個廣告行業(yè)收入中的占比約為 1.88%。要看生成式人工智能在廣告設(shè)計里面再能占多少，又得打一個很大的折扣。

當(dāng)然，大模型的應(yīng)用可以非常廣，但在其他絕大多數(shù)應(yīng)用領(lǐng)域，大模型也就只是承擔(dān)一個比較方便的人機接口而已，這個環(huán)節(jié)很快就體現(xiàn)不出什么直接的商業(yè)價值。就如同圖形用戶接口，語音輸入等沒有直接的商業(yè)價值一樣。所以，大模型是小應(yīng)用。

三、中模型大應(yīng)用

將人工智能與各個行業(yè)相結(jié)合，是商業(yè)價值最高的。而這些領(lǐng)域的人工智能應(yīng)用在過去早就存在，未必一定要采用大模型技術(shù)。或者，即使采用大模型技術(shù)，也未必完全是ChatGPT的模式。更重要的是，很可能不會采用英偉達的芯片，也可以說，只有不采用英偉達芯片的人工智能才是大應(yīng)用。安防、通過人臉進行身份驗證、車牌識別停車場管理系統(tǒng)等，是我們?nèi)粘Ｉ钪薪佑|到的最多人工智能的應(yīng)用案例，這些應(yīng)用早在大模型出現(xiàn)之前很早就有了。當(dāng)然，采用了大模型以后，可以使這些傳統(tǒng)的人工智能應(yīng)用獲得更好的擴展。例如，以往車輛識別的數(shù)據(jù)結(jié)構(gòu)化是預(yù)先設(shè)定了提取數(shù)據(jù)的要素，如車牌號、車輛顏色、型號等。但采用大模型，可以對獲得的視頻自然增加很多其他的結(jié)構(gòu)化數(shù)據(jù)。例如識別出動物的種類（如貓、狗等）的毛色花紋，狀態(tài)，所處背景，是否在吃食......這樣用戶可以通過輸入一定的問題，很容易從海量的數(shù)據(jù)庫中挑選出輸入要求的圖片或視頻來。例如輸入要求：找出正在吃貓糧的黃色貓，系統(tǒng)可以迅速把符合條件的圖片或視頻找出來。這個要求可能看起來沒那么大用處，但如果是在街道上攝像頭的視頻數(shù)據(jù)，輸入這樣的要求：請找出某年月日上午某時間段范圍內(nèi)經(jīng)過某十字路口的白色奇瑞瑤光車型，系統(tǒng)就可以迅速把相應(yīng)的視頻找出來。這就是極有價值的。

另外，采用大模型技術(shù)，可以使得技術(shù)水平不是那么高的產(chǎn)品代理商也可以針對自己的特定應(yīng)用來進行訓(xùn)練，從而可以滿足其特定的應(yīng)用。而所耗費的計算能力卻非常少，從不僅而成本很低，而且非常有利于針對各種特定的應(yīng)用進行定制和優(yōu)化。

這類應(yīng)用在浙江宇視的產(chǎn)品系統(tǒng)中都已經(jīng)非常成熟了。

以下是浙江宇視的各種行業(yè)大模型，也就是本文所稱的“中模型”。

四、小模型廣應(yīng)用

以下是浙江宇視應(yīng)用到家庭或非常狹窄場合的“小模型”。

這類小模型的人工智能算法因針對性極強，應(yīng)用范圍及場景極為有限，因此所需要的訓(xùn)練硬件性能要求非常小，它甚至可以把人工智能算法和應(yīng)用都直接集成在攝像頭里。這不僅成本極低，而且安裝部署非常簡單。

越是到終端，當(dāng)然市場就越大越廣。因此，小模型會是廣應(yīng)用。

也就是說，決定人工智能的真正未來命運和前途的關(guān)鍵，在于非英偉達芯片的應(yīng)用領(lǐng)域，而不是媒體上熱炒的美國式人工智能概念。為什么性能最強的英偉達芯片對應(yīng)的人工智能領(lǐng)域難以獲得大的應(yīng)用，原因在于其應(yīng)用的產(chǎn)品目標(biāo)永遠比英偉達芯片的性能更高遠，甚至于接近無限。

技術(shù)應(yīng)用的成功與否，并不完全在于其技術(shù)能力是否最強，更重要的還在于其產(chǎn)品定義是否在現(xiàn)實可用的技術(shù)能力范圍之內(nèi)。我在過去文章一再地強調(diào)過，技術(shù)的普遍規(guī)律是產(chǎn)品定義與技術(shù)能力相互的匹配。只有通過產(chǎn)品定義上的功能與性能簡化和約束，使其落在有限成本控制范圍內(nèi)可用的硬件技術(shù)性能范圍之內(nèi)，這樣的產(chǎn)品才有可能成功。如果技術(shù)能力最強，卻總是提出比其能力更高的產(chǎn)品定義，縱使擁有最強的硬件能力，也難以做出好的產(chǎn)品。