各大数据厂商、人工智能(AI)厂商竞逐AI大模型,市场正在分化为通用与垂直两大路径。两者在参数级别、应用场景、商业模式等方面差异正在显性化。业内认为,在生成式人工智能(AIGC)开启的AI 2.0时代中,商业化落地将是抢占这场竞逐制高点的决定性因素。


(资料图)

什么是钢铁冶金行业的智能金相分析?如何检测智能硅片瑕疵?面板玻璃瑕疵包括哪些方面……这些工业制造的各类专业问题,如今都可以在“奇智孔明AInnoGC”这款生成式AI引擎中找寻准确回应。与“写一首藏头诗”等通用性AI话题相比,“奇智孔明”更侧重工业垂直内容。

这款大模型是由港股上市公司创新奇智最新推出的。这家由李开复担任董事长的AI公司,成立仅5年时间,去年营收15.58亿元。从披露的财报来看,过去3年,其“AI+制造”的业务收入占总体收入的比例分别是42%、52%、61%,处于持续提升通道。

通用与垂直,正在成为大模型时代的两种不同玩法。从参数级别来看,与通用大模型相比,工业预训练大模型参数相对较小。不同于ChatGPT等依托于公开互联网数据的通用预训练大模型,创新奇智工业预训练大模型是基于行业(或企业)内部的业务数据知识打造的。

在此基础上,从应用场景来看,工业大模型更倾向于“解决方案”式的交付方式。创新奇智CEO徐辉对证券时报记者举例说,能够理解需求的动态交互,对于制造类工业企业非常重要,需要把生成式AI能力带入到客户业务中,并最终形成解决方案。“具体来看,我们会将大模型率先应用于金融及工业软件等信息智能领域,打破垂类信息孤岛,提升产业白领的生产力;进而会基于大模型平台技术,自研工业预训练大模型,将之应用于多模态、跨垂类的行业场景,为制造、金融等行业打造软硬结合的全栈行业解决方案,提升企业运营效率和信息智能,推进数字化转型。”

还有一个明显差别是,垂直大模型往往需要支持私有化部署。“由于企业的很多业务数据、物流数据、财务数据等都是非常核心的私域数据,很难想象华星光电或者是中石油会把数据拿给人家去训练。”徐辉说。

相比在C端让用户以较低的门槛使用AI生成内容,B端被部分市场人士认为将是AIGC更主要的商业模式。

中国信通院相关人士表示,在从制造大国迈向制造强国的道路上,一些在智能制造赛道上领跑的AI企业,也因此正摩拳擦掌加快投入布局,试图在AIGC开启的AI 2.0时代中,占领竞争制高点。

无论何种模式,商业化都成为核心问题。从目前拥有大模型的AI玩家来看,都在快速推进赋能和商业化。

以百度为例,今年4月上旬,基于文心交通大模型和生成式AI的底层支撑,百度地图下一代版本V18就曾迎来重大更新,通过核心技术和产品体验的双重升维。4月17日,百度又官宣文心一言接入百度内部智能工作平台,针对智能工作场景推出系列全新功能,现阶段仅应用于百度内部办公场景,开启人机协作工作新范式。

徐辉也认为,不能做“只烧钱的AI公司”,不能在财务上仅仅表现为增收不增利。“相较而言,To B业务整体表现或许不太性感,但相对更为扎实。”

为了护航产业健康发展,本月中旬,国家互联网信息办公室发布《生成式人工智能服务管理办法(征求意见稿)》,明确“生成式人工智能产品提供服务前需申报安全评估和算法备案”。在业内看来,这意味着国家对AIGC的监管治理提上日程。

“多国对AIGC监管力度的加强,意味着数据安全和隐私保护已经成为AIGC发展的前提和关键。”奇安信方面向记者透露,目前奇安信已深入布局生成式人工智能模型安全的各个方面,并提供咨询服务。徐辉也对记者表示,监管能让行业更健康发展。“行业发展要尊重数据的隐私,To B企业私有化部署的特点让我们更放心地去运用AIGC技术赋能企业。”

“AI 2.0时代,横向平台化非常重要,未来中国肯定会诞生非常先进的大模型平台公司,但未来应该也会有更多的‘纵’,即把大模型技术在平台的基础上运用到各个行业。”徐辉打了个比方,正如电和冷冻技术的发明非常伟大,但商业意义上更成功的是将电和冷冻技术应用到不同场景的人,譬如冰箱和冰柜;而比冰箱和冰柜还要赚钱的,则是可口可乐,因为它改变了人类的生活方式。

(文章来源:证券时报)

推荐内容