百模大戰(zhàn),誰是下一個ChatGPT?
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?

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇,探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今,五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD,AI含量差幾何?
- 6 光計算迎來商業(yè)化突破,但落地仍需時間
- 7 東陽光:2024年扭虧、一季度凈利大增,液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”,“淘寶們”終于不忍了?
- 10 優(yōu)必選:營收大增主靠小件,虧損繼續(xù)又逢關(guān)稅,能否乘機(jī)器人東風(fēng)翻身?