久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

“大模型只是技術升級而不是革命”，“裝備大模型化是商業化落地的最佳線路”，“大模型未來最大的挑戰可能是能耗問題”……

4月16日在宇視合作伙伴大會上，宇視總裁張鵬國對國內大模型發展提出了自己的見解，這些洞見和觀察，也是一直以來關于國內大模型發展的爭論點。

對此，觀察者網請宇視AI首席科學家李聰廷來進一步談談這些問題，將大模型應用落地的最新探索報告給大家。

觀察者網：如何理解大模型只是技術升級而不是革命，現在AI技術的熱度和期待值很高，這么說會不會把技術發展的可能性給限制了？

李聰廷：技術受關注是好事，更多學術或企業從業者投身其中，加速技術進步和落地。理性的看，從深度學習小模型再到今天的大模型，學習效率低即依賴大量算力和標記數據的問題沒有解決，不可避免出現低級錯誤的問題也沒有解決，引用Yann Lecun的話：“機器學習與人類和動物相比很糟糕”。因此，大模型只是技術升級而不是革命。

大模型作為技術升級帶來的紅利，已經給商業化落地帶來很多商機，給不少企業帶來未來的增量或者效率提升。也正因為現在的大模型技術不是最終解，使類似Yann Lecun這樣的科學家把精力放到研究面向未來的新的技術路徑，應該說理性看待當下大模型技術，反而加大了找出未來路徑的可能性。

圖靈獎獲得者楊立昆（Yann Lecun）

觀察者網：圖靈獎獲得者楊立昆（Yann Lecun）批評Sora不是世界模型，認為生成式路線注定無法通往AGI，對此你怎么看？

李聰廷：世界模型是對物理定律和環境規則的理解和對齊，Sora目前的確做不到這一點。現在的AI水平距離AGI還很遙遠，但已經消耗了巨大的算力和能耗，以chatGPT為例，每天需要耗費50萬度電，相當于1.7萬個美國家庭的耗電量，其學習效率與人腦天壤之別，這不得不引發學者們思考新的出路。

對當前技術路線的未來悲觀，并不代表對過去和當下的否定。Yann Lecun 2022年的“From Machine Learning to Autonomous Intelligence”講座，開篇提到“AI can do pretty amazing things today”，是對過去和當下的肯定，然后才提出當下技術路線無法通向AGI。

舉個例子，當下輔助駕駛已經在新能源車上普及，提升了駕駛體驗，但L4級別的自動駕駛落地遙遙無期，不可避免出現未知錯誤的問題難以根本解決。“當下最優解，不是最終解”這句話是對當前大模型技術現狀相對客觀的總結。

觀察者網：在千行百業落地的國產模型，要為解決各種細碎的問題，為細分場景專門優化，那么在同等的任務上，未來表現出的能力，還會與國際上頂尖的通用大模型有差距嗎？有可能展現出大模型公司搞不定的能力嗎？

李聰廷：通用大模型，是基礎設施，有點像Android這樣的操作系統，有兩個特點。一是投入大，只有少數巨無霸企業能夠持續投入；二是生態壁壘墻厚，占先機建立廣大用戶基礎后，留給追趕著的機會就不多了。大模型技術是在美國爆發，因此OpenAI、Google、Meta等美國企業已占據了先機，中國企業或機構處于追趕狀態，我們不得不面對和正視這個差距。

通用大模型首先在C端獲得了大量用戶，人們可以與它對話、提問、寫作、作畫、作曲等，這種體驗是以前AI做不到的，一時間人們誤以為AI已經追上甚至超越人類水平。但在一些細分場景落地過程中，特別B端場景落地過程中，人們很快發現其精度過低、成本過高，無法落地。

例如，使用市面上任何一個通用大模型識別迪拜車牌，正確率低于20%。又比如，宇視作為產品和解決方案輻射全球200多個國家和地區的全球化公司，資料翻譯很消耗人力，但通用大模型會把“槍機”形態的網絡攝像機直譯成“gun camera”，因為它不具備“box camera”這類專業詞匯的知識庫。因此，是細分場景落地催生了行業大模型。

在中國，我們深入去看每一個細分行業，幾乎都能找到一兩家甚至更多具備很強產品研發能力的企業。這類企業在國內市場充分競爭廝殺，國外產品型公司很難與之競爭。這類企業，已經在將自身產品與行業大模型結合，推出更有競爭力的產品。總的來說，行業大模型落地產品，我國并不落后。

大模型化的攝像頭提升了夜間觀測的能力，用于觀察和保護猛禽

觀察者網：裝備（工具）的模型化能戰勝模型的裝備（工具）化，或者說，+AI能戰勝AI+，這個判斷有哪些產業發展歷史上的經驗可以佐證？

李聰廷：現在的大模型階段已有不少例子，比如一年前MidJourney V5和Stable Diffusion這類文生圖大模型出現在公眾眼前的時候，有人驚呼圖片編輯工具市場要顛覆了。但今天看Adobe Illustrator 、Photoshop這類工具的用戶并沒有流失，在Adobe推出firefly大模型并集成到自家工具中后，其用戶基礎更穩固了。背后的本質是，大模型技術可以提升工具中部分模塊的效率，還遠遠達不到替代工具本身。而且今天，訓練調優一個自己的行業或垂直大模型門檻并沒有那么高。

回顧上一個階段，即2014年深度學習技術在產業界開始爆發到大模型技術應用前，一度很多人也認為AI新勢力會顛覆傳統應用/工具/裝備的公司。早期，這類公司的算法處于領先，同時在大量資金注入和人才加盟的背景下，很快入場做產品。最后發現產品的技術點非常多，傳統產品公司過去踩過的坑，AI新勢力不得不重新踩一遍。

好不容易過了產品研發關，又遇到了制造瓶頸，制造特點是單個環節看似極其沒有技術含量，但數百萬器件bom的管理和流水運作，有極高的門檻。制造門檻后面還有渠道門檻，渠道門檻后面還有規模采購成本門檻。最后AI新勢力不得不轉向提供算法授權的商業模式，但很快傳統產品公司完成了算法追趕，算法紅利消失后，這種商業模式也折戟了。

上述例子表明，裝備（工具）企業被大模型技術新勢力企業趕超的可行性很小，但那些跟不上大模型技術升級的裝備（工具）企業有可能被其它裝備（工具）企業淘汰掉。