相比于ChatGPT問(wèn)世時(shí)的火爆，大模型“聊天”的魅力似乎正在悄然消退。

在本月最新文章中，網(wǎng)絡(luò)分析公司Similarweb表示，隨著新鮮感的消失，ChatGPT的流量正在下降。據(jù)初步估計(jì)，今年6月ChatGPT網(wǎng)站的全球訪問(wèn)量下降了9.7%，這是該網(wǎng)站訪問(wèn)量首次錄得環(huán)比下降。在美國(guó)市場(chǎng)上，該網(wǎng)站訪問(wèn)量環(huán)比降幅錄得10.3%。

很明顯，“Chat”并不是大模型的全部，只靠寫(xiě)詩(shī)、作畫(huà)也無(wú)法重構(gòu)人類社會(huì)。

不過(guò)，自問(wèn)世以來(lái)，大模型“聊天”一直在向垂直領(lǐng)域下沉，不斷重塑著人們的生活。

國(guó)際權(quán)威期刊《JAMA Internal Medicine》一項(xiàng)研究表明，當(dāng)需要仔細(xì)回答患者提問(wèn)時(shí)，醫(yī)生平均回復(fù)長(zhǎng)度是52個(gè)單詞，聊天機(jī)器人是211個(gè)單詞。它的回復(fù)不僅內(nèi)容更多，而且質(zhì)量更好，更加富有同理心。在評(píng)估中，78.6%的人更喜歡聊天機(jī)器人的回答，而不是醫(yī)生的回答。

將大模型投入產(chǎn)業(yè)應(yīng)用，也正在成為國(guó)內(nèi)外眾多企業(yè)的選擇。不久前在上海閉幕的第六屆世界人工智能大會(huì)(WAIC)上，京東等不少企業(yè)介紹了自己的解決方案和相關(guān)思考。圍繞“貼合行業(yè)場(chǎng)景”，有人選擇讓通用大模型下沉向行業(yè)，也有人選擇直接打造垂直大模型。

頭腦風(fēng)暴一下：除了更好地理解“場(chǎng)景”，人工智能今后還會(huì)往哪些方面發(fā)展?

京東探索研究院院長(zhǎng)、京東科技智能服務(wù)與產(chǎn)品部總裁何曉冬表示，通向真正的人工智能，多模態(tài)是必經(jīng)之路?！叭耸冀K是一個(gè)核心存在，所有技術(shù)最后都要服務(wù)人。未來(lái)的AI需要通過(guò)語(yǔ)言、視覺(jué)和語(yǔ)音和人類進(jìn)行交流，所以未來(lái)的AI也必須理解語(yǔ)言、語(yǔ)音。做好多模態(tài)，才能更好的服務(wù)好人類?！?/p>

在當(dāng)下的競(jìng)爭(zhēng)環(huán)境中，“場(chǎng)景落地”，才是大模型的終極目標(biāo)。

大模型應(yīng)用落地，理解場(chǎng)景是關(guān)鍵?

今年WAIC最熱門(mén)的話題之一，就是如何讓大模型應(yīng)用落地。

這本身不難理解：國(guó)內(nèi)外大模型不能局限于“聊天”?；谥悄芙换?，它本身就是一種提升生產(chǎn)效率的工具。任何大模型，未來(lái)最終都要落地于具體的行業(yè)應(yīng)用，提高生產(chǎn)力;在大模型競(jìng)爭(zhēng)中，中國(guó)和其他國(guó)家相比各有千秋，雖然存在差距，但中國(guó)行業(yè)多、發(fā)展成熟，這或許是一個(gè)可以“超車(chē)”的機(jī)會(huì)。

從數(shù)據(jù)來(lái)看，在算力等方面，中國(guó)未必就處于劣勢(shì)。

中國(guó)工程院院士鄔賀銓曾指出，按2022年年底的數(shù)據(jù)，美國(guó)占全球算力36%，中國(guó)占31%，單看算力總規(guī)模，中國(guó)與美國(guó)確實(shí)有差距，但差距并不大;若以GPU和NPU為主的智能算力規(guī)模來(lái)看，2021年美國(guó)智算規(guī)模占全球智算總規(guī)模15%，中國(guó)占26%。

但差距依然值得重視，例如深度學(xué)習(xí)框架還需要經(jīng)受考驗(yàn)、繼續(xù)打磨;例如生成式AI拓展到產(chǎn)業(yè)應(yīng)用，需要將多個(gè)大模型高效融合，由此帶來(lái)很多問(wèn)題;例如大模型需要海量數(shù)據(jù)訓(xùn)練，但目前中文可供訓(xùn)練的語(yǔ)料挖掘還不足;例如大模型訓(xùn)練所依賴的英偉達(dá)A100芯片，被限制向中國(guó)出口……中國(guó)依然面臨眾多挑戰(zhàn)。

在新一輪全球人工智能競(jìng)賽中，大模型本身確實(shí)是必啃的“硬仗”。但中國(guó)其實(shí)有一個(gè)出“奇兵”的機(jī)會(huì)。

數(shù)據(jù)、算力和“鈔能力”對(duì)大模型而言缺一不可，但大模型的發(fā)展同樣離不開(kāi)“場(chǎng)景”。本質(zhì)上，大模型改變的是人類獲取信息和服務(wù)的方式。它不僅需要滿足信息匹配的需求，更要讓AI精準(zhǔn)地理解人類的用途，精準(zhǔn)地完成人類交付的任務(wù)?！熬珳?zhǔn)”，就基于對(duì)場(chǎng)景的理解。

在WAIC大會(huì)上，京東探索研究院院長(zhǎng)、京東科技智能服務(wù)與產(chǎn)品部總裁何曉冬表示，伴隨著大模型的出現(xiàn)，世界未來(lái)必然會(huì)走向智能交互時(shí)代，讓機(jī)器更好地幫助我們完成專業(yè)域、更廣泛的任務(wù)。何曉冬表示，訓(xùn)練好大模型就需要場(chǎng)景，“場(chǎng)景和數(shù)據(jù)是這個(gè)時(shí)代訓(xùn)練大模型的抓手?！?/p>

或許這會(huì)是中國(guó)的機(jī)遇所在。

拿工業(yè)來(lái)說(shuō)，中國(guó)擁有41個(gè)工業(yè)大類、207個(gè)工業(yè)中類、666個(gè)工業(yè)小類，是全世界唯一擁有聯(lián)合國(guó)產(chǎn)業(yè)分類中所列全部工業(yè)門(mén)類的國(guó)家;在互聯(lián)網(wǎng)方面，中國(guó)有大量電商、社交、搜索領(lǐng)域的企業(yè)，擁有成熟經(jīng)驗(yàn)和龐大數(shù)據(jù)，大模型和這些行業(yè)、場(chǎng)景的結(jié)合，或許會(huì)帶來(lái)大量機(jī)遇。

例如電商。網(wǎng)經(jīng)社此前發(fā)布的《2022年度中國(guó)電子商務(wù)市場(chǎng)數(shù)據(jù)報(bào)告》顯示，2022年國(guó)內(nèi)網(wǎng)絡(luò)零售市場(chǎng)交易規(guī)模達(dá)137853億元;中國(guó)網(wǎng)絡(luò)零售用戶規(guī)模達(dá)8.45億人，占網(wǎng)民整體的79.2%。這個(gè)“大場(chǎng)景”下涌現(xiàn)了直播、社交、美妝、母嬰等“子場(chǎng)景”，電商、物流、客服……它們都可能成為大模型應(yīng)用落地的入口。

理解場(chǎng)景之后，AI的下一站是多模態(tài)能力?

圍繞行業(yè)場(chǎng)景，一些“解決方案”已經(jīng)出爐。

據(jù)何曉冬介紹，通過(guò)5分鐘的形象和數(shù)據(jù)采集，基于大模型能力，京東可以重構(gòu)整個(gè)數(shù)字人形象，并推向應(yīng)用場(chǎng)景。比如在電商這個(gè)場(chǎng)景中。言犀虛擬主播已經(jīng)在京東上線了4000+品牌直播間，累計(jì)帶動(dòng)8億GMV(商品交易總額)。

不過(guò)重視場(chǎng)景應(yīng)用，或許只是大模型全球競(jìng)賽的現(xiàn)在，而非將來(lái)。

何曉冬表示，人們不要只關(guān)注到ChatGPT帶來(lái)的語(yǔ)言大模型。實(shí)際上，大模型技術(shù)在很多其他模態(tài)上也在迅速應(yīng)用起來(lái)，比如語(yǔ)音識(shí)別和語(yǔ)音合成，比如視覺(jué)領(lǐng)域的圖像識(shí)別和視頻合成——當(dāng)然也包括數(shù)字人?！皵?shù)字人既有形象，又有語(yǔ)音，還有手勢(shì)，還有語(yǔ)義，還有各種情緒在里面。”

何曉冬表示，多模態(tài)是必經(jīng)之路，無(wú)論是發(fā)明神經(jīng)網(wǎng)絡(luò)或者是注意力機(jī)制，其實(shí)都是基于對(duì)人本身學(xué)習(xí)機(jī)制的理解和靈感的激發(fā)，從而去引領(lǐng)我們發(fā)明一系列模型。有趣的是，今年不少參會(huì)企業(yè)，似乎都對(duì)“數(shù)字人”情有獨(dú)鐘，由此可見(jiàn)各界對(duì)多模態(tài)能力的重視。

今年WAIC大會(huì)上，騰訊云MaaS(Model-as-a-Service)一站式服務(wù)迎來(lái)升級(jí)。騰訊云行業(yè)大模型能力將被應(yīng)用到金融風(fēng)控、交互翻譯、數(shù)智人客服等場(chǎng)景中。通過(guò)平臺(tái)提供的AI生成算法、生成式動(dòng)作驅(qū)動(dòng)，再結(jié)合行業(yè)大模型能力，企業(yè)可以獲得個(gè)性化、專業(yè)、逼真的數(shù)字員工。數(shù)字人，其實(shí)就涉及到多模態(tài)能力。

《人機(jī)共生——大模型時(shí)代的十大AI趨勢(shì)觀察》報(bào)告指出，多模態(tài)技術(shù)的發(fā)展正在助力AI解決更為復(fù)雜的問(wèn)題。擁有圖像和語(yǔ)音的感知、輸入，大模型未來(lái)可以基于動(dòng)作、表情、情感等信息進(jìn)行分析，提升自己的交互能力和表現(xiàn)能力。目前基于文本的交互，也將走向基于語(yǔ)義的交互，強(qiáng)化對(duì)人類情緒的感知和表達(dá)。

需要承認(rèn)的是，在多模態(tài)等通往未來(lái)的賽道上，挑戰(zhàn)依然存在。

ChatGPT-4早已開(kāi)始接受圖像作為輸入介質(zhì)，它已經(jīng)能簡(jiǎn)練地指出圖片的違和之處。如下圖所示，當(dāng)用戶提問(wèn)，“這張圖片有什么不尋常之處”時(shí)，GPT-4簡(jiǎn)練地回答出“一名男子正在行駛中的出租車(chē)車(chē)頂上，使用熨衣板熨燙衣服?！?/p>

在今年的WAIC大會(huì)上，談及國(guó)內(nèi)外在大模型方面的差距，曠視科技聯(lián)合創(chuàng)始人、CTO唐文斌對(duì)《科創(chuàng)板日?qǐng)?bào)》表示，不管是基礎(chǔ)語(yǔ)言模型還是多模態(tài)模型，國(guó)內(nèi)外都存在一定的距離?！安贿^(guò)，這是可以迎頭趕上的。在應(yīng)用的探索上，也處于相對(duì)初期的狀態(tài)。但未來(lái)會(huì)是繁榮的生態(tài)?！?/p>

方興未艾，眼下正是國(guó)內(nèi)企業(yè)積極作為之時(shí)。

在接受觀察者網(wǎng)采訪時(shí)，何曉冬表示，未來(lái)通用人工智能有兩個(gè)方向要走，一個(gè)方向是多模態(tài)，大模型必須具有視覺(jué)能力，未來(lái)甚至可以更進(jìn)一步延伸向嗅覺(jué)、觸覺(jué);另外一個(gè)方向是走向具身智能，包括機(jī)器人、機(jī)械臂、無(wú)人車(chē)等，讓通用人工智能走向物理世界。