03 AI熱“兩極化”，中間真空

大模型讓AI公司越來越重。

4月10日，商湯在公布“日日新SenseNova”大模型體系的同時，其實還提到另一個關(guān)鍵點，即依托于AI大裝置SenseCore實現(xiàn)“大模型+大算力”的研發(fā)體系。

為了滿足大模型海量數(shù)據(jù)訓(xùn)練的需求，原本可以輕裝上陣的算法公司，開始自己做云，也自建人工智能數(shù)據(jù)中心（AIDC）。

另一個案例就是毫末，這家自動駕駛公司為了用大模型訓(xùn)練數(shù)據(jù)，也建了自己的智算中心。

這些垂類的AI巨頭和獨角獸，之所以要自己做的這么重，最重要的原因之一，就是市面上幾乎沒有高性能的現(xiàn)成產(chǎn)品可以滿足。

近年來，大模型參數(shù)量以指數(shù)級的速率提升，而數(shù)據(jù)量隨著多模態(tài)的引入也將大規(guī)模增長，因此就必然會導(dǎo)致對算力需求的劇增。例如，過去5年，超大參數(shù)AI大模型的參數(shù)量幾乎每一年提升一個數(shù)量級。過往的10年，最好的AI算法對于算力的需求增長超過了100萬倍。

一位商湯員工表示，商湯上海臨港AIDC的服務(wù)器機(jī)柜設(shè)計功耗10千瓦~25千瓦，最大可同時容納4臺左右英偉達(dá)A100服務(wù)器，但普通的服務(wù)器機(jī)柜普遍設(shè)計功耗以5千瓦居多，而單臺A100服務(wù)器的功耗即高達(dá)4.5千瓦左右。

科技巨頭就更是如此，每個巨頭都希望在自己的生態(tài)中形成閉環(huán)，一定程度上也是因為整個國內(nèi)開源的生態(tài)不夠強(qiáng)大。

目前，大模型產(chǎn)業(yè)鏈大致可以分為數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、模型產(chǎn)品三個層次。在國外，AI大模型的產(chǎn)業(yè)鏈比較成熟，形成了數(shù)量眾多的AI Infra（架構(gòu)）公司，但這一塊市場在國內(nèi)還相對空白。

而在國內(nèi)，巨頭們都有一套自己的訓(xùn)練架構(gòu)。

比如，華為的模型采用的是三層架構(gòu)，其底層屬于通識性大模型，具備超強(qiáng)的魯棒性的泛化性，在這之上是行業(yè)大模型和針對具體場景和工作流程的部署模型。這種構(gòu)架的好處是，當(dāng)訓(xùn)練好的大模型部署到垂類行業(yè)時，可以不必再重復(fù)訓(xùn)練，成本僅是上一層的5%~7%。

阿里則是為AI打造了一個統(tǒng)一底座，無論是CV、NLP、還是文生圖大模型都可以放進(jìn)去這個統(tǒng)一底座中訓(xùn)練，阿里訓(xùn)練M6大模型需要的能耗僅是GPT-3的1%。

百度和騰訊也有相應(yīng)的布局，百度擁有覆蓋超50億實體的中文知識圖譜，騰訊的熱啟動課程學(xué)習(xí)可以將萬億大模型的訓(xùn)練成本降低到冷啟動的八分之一。

整體來看，各個大廠之間的側(cè)重點雖然有所不同，但主要特點就是降本增效，而能夠?qū)崿F(xiàn)這一點，很大程度上就是受益于“一手包辦”的閉環(huán)訓(xùn)練體系。

這種模式在單一大廠內(nèi)部固然有優(yōu)勢，但從行業(yè)角度而言，也存在一些問題。

國外成熟的AI產(chǎn)業(yè)鏈形成了數(shù)量眾多的AI Infra公司，這些公司有的專門做數(shù)據(jù)標(biāo)注、做數(shù)據(jù)質(zhì)量、或者模型架構(gòu)等。

這些企業(yè)的專業(yè)性，能夠讓他們在某一個單一環(huán)節(jié)的效率、成本、質(zhì)量上都要比大廠親自下場做得更好。

比如，數(shù)據(jù)質(zhì)量公司Anomalo就是Google Cloud和Notion的供應(yīng)商，它可以通過ML自動評估和通用化數(shù)據(jù)質(zhì)量檢測能力，來實現(xiàn)數(shù)據(jù)深度觀察和數(shù)據(jù)質(zhì)量檢測。

這些公司就像汽車行業(yè)的Tier 1，通過專業(yè)的分工，能夠讓大模型企業(yè)不必重復(fù)造輪子，而只需要通過整合供應(yīng)商資源，就能快速地搭建起自己模型構(gòu)架，從而降低成本。

但國內(nèi)在這一方面并不成熟，原因在于：一方面國內(nèi)大模型的主要玩家都是大廠，他們都有一套自己的訓(xùn)練體系，外部供應(yīng)商幾乎沒有機(jī)會進(jìn)入；另一方面，國內(nèi)也缺乏足夠龐大的創(chuàng)業(yè)生態(tài)和中小企業(yè)，AI供應(yīng)商也很難在大廠之外找到生存的空間。

以谷歌為例，谷歌愿意將自己訓(xùn)練的數(shù)據(jù)結(jié)果分享給它的數(shù)據(jù)質(zhì)量供應(yīng)商，幫助供應(yīng)商提高數(shù)據(jù)處理能力，供應(yīng)商能力提升之后，又會反過來給谷歌提供更多高質(zhì)量數(shù)據(jù)，從而形成一種良性循環(huán)。

國內(nèi)AI Infra生態(tài)的不足，直接導(dǎo)致的就是大模型創(chuàng)業(yè)門檻的拔高。

王慧文剛下場做光年之外的時候曾提出5000萬美金的投入，這筆錢其實是李志飛為他算的，具體可以分為2000萬美金搞算力，2000萬美金找人，1000萬美金做數(shù)據(jù)。這體現(xiàn)出一個直接的問題，如果將在中國做大模型比喻成吃上一頓熱乎飯，那必須從挖地、種菜開始。

目前，在AI 2.0的熱潮中，一個重要的特點就是“兩極化”：最熱門的要么是大模型層、要么就是應(yīng)用層。而類似AI Infra（架構(gòu)）的中間層，反而有很大的真空。

別都盯著造輪子，能造一顆好的螺絲也很重要。

04 結(jié)語：巨頭&創(chuàng)新者

王小川和百度的隔空口水戰(zhàn)，成為最近大模型混戰(zhàn)中一個熱鬧的插曲。

“高富帥”李彥宏認(rèn)為，中國基本不會再出OpenAI，用巨頭的就可以了。

“直男”王小川說，行業(yè)中有些人（李彥宏）對未來的觀點從來就沒有判斷對過，一直活在平行宇宙里。

除了陳年恩怨，這大體上可以看作是巨頭和創(chuàng)業(yè)者之間的立場對立：巨頭都喜歡包攬一切，而創(chuàng)業(yè)者則喜歡打破常規(guī)。

而科技行業(yè)的成功似乎更依仗于創(chuàng)新。畢竟，從打造AlophaGo的DeepMind，到發(fā)布ChatGPT的OpenAI，沒有一個是從巨頭中孵化出來的。

這就是創(chuàng)新者的窘境。

對于科技巨頭而言，自己造輪子固然重要，但能找到、孵化出下一個OpenAI又未嘗不可呢？

       原文標(biāo)題 : 百模大戰(zhàn)，誰是下一個ChatGPT？