AI十年浮沉，与改变命运的大模型

AI起起落落这十年，成也场景，败也场景。

编者按：本文来自微信公众号远川研究所（ID：YuanChuanInstitution），作者：陈彬，编辑：李墨天，创业邦经授权发布。

2019年，前谷歌CEO埃里克·施密特向白宫递交了一份颇为“诡谲”的报告。这份长达750页的文件，核心观点其实只有一句话：若美国再不加大投资，中国将彻底主导AI领域[1]。

施密特此举其实有“骗经费”之嫌：一年前，谷歌曾迫于舆论压力退出了一个政府AI项目，他一直对此耿耿于怀。但报告本身却并非胡诌。同年，美国数据创新中心也发布了一份报告，声称中国AI实力全球第二，且在数据等层面比美国更具优势[2]。

在全民追赶GPT的今天，这则旧闻读起来颇有几分“魔幻感”。

报告甚至上升到了“国家安全”的高度

然而，施密特口中的AI，与如今人们谈论的GPT并非一个东西。

以GPT为代表的AI，指的其实是大模型。它拥有生成图像、音频、视频等内容的能力，像是个文艺青年。但彼时让美国人深感威胁的，多指识别型AI（小模型）。它擅长各类数据分析工作，如同一个木得感情的运算机器。

大模型走红前，识别型AI曾被寄予了太多改变世界的厚望，在中国催生了一段群雄并起、热钱涌动的黄金岁月。巅峰时期，中国AI初创企业的融资金额甚至超过了美国——李开复将其形容为“有三个AI专家就能估值7亿、靠AI概念就能忽悠投资人”，也不怪美国人感到焦虑。

只是好景不长：后来VC陆陆续续退出，曾经风头无两的独角兽也褪去了身上的光环，残暴的欢愉最终以残暴终结。

对此，百度集团执行副总裁、百度智能云事业群总裁沈抖曾打过这么一个比方：大模型出现前的AI像是氧气——本身很有价值，但自己不会燃烧，必须找到可燃物才能把价值给发挥出来。这里的“可燃物”，指的是落地场景。

AI起起落落这十年，成也场景，败也场景。

旧范式的困境

2016年，谷歌AlphaGO不仅彻底颠覆了围棋，也改变了当时的AI创业。一时间，VC、科学家、大学教授，乃到各路乡镇企业家，无一不在谈论着AI商业化的可能性。短短一年时间，国内诞生了528家AI企业，催生371起AI投融资，同比涨幅达到了38.9%；同一时间，中国AI企业申请了9000多项AI专利，几乎是美国新增专利数的两倍有余[3]。

不过，整个行业闭眼狂奔的同时，鲜有人会注意到初冬的号角已经悄悄吹响。2019年，繁荣戛然而止。

首先是融资遇冷：这一年的AI融资金额仅有186亿元，相比2018年直接腰斩了一个0。受此影响，AI初创企业的数量也大幅缩水，仅有鼎盛时期的1/20。至于那些从竞争中幸存、成功“上岸”的AI企业，其财务状况仍旧惨不忍睹。据不完全统计，近九成AI企业都处于严重亏损的状态[4]。

大起大落背后，是AI长期以来的产业化困境。

2021年之前，业界三大主流AI技术分别是计算机视觉、语音识别、自然语言识别，本质都属于识别型AI。单从技术层面来看，上述技术都具备着充分的下游应用空间，想象力充足。

例如在“AI+安防”领域，2020年时已有453亿元的市场，且增速可观，预计到2025年时市场规模将再翻一番[6]。

可下游需求不断扩大，并无法拯救亏钱的AI企业。识别型AI的技术特点，决定了它是一门技术、投入与产出不成正比的生意。

识别型AI采用的是小模型——这是一种专为特定任务而生的技术。在实际训练小模型时，研究员只需给AI灌入标注过的特定数据，便能让AI获得对应的能力。如果想要一个能抓“闯红灯”的AI，那么无需教它语文数学，只要让它从小学习各种闯红灯的视频即可。

小模型的优点在于简单、高效，专用向的AI能够很好地完成对应任务。但其缺点同样明显：由于没学过其他知识，一个AI只能解决一个问题。譬如一个抓闯红灯的AI，显然不会具备识别超速、违规变道的能力。

识别不同元素需要不同的标注数据

由于小模型不具备通用性，导致识别型AI只能成为一门类手工作坊的定制生意。

且具体到实际应用中，一个需求有时还需要定制不止一个AI。例如在工业领域，在制造冶金钢卷时有缺陷检测这一步骤。如果将这项工作交由AI，定制起来其实相当麻烦。因为钢卷分为冷轧、热轧，所以AI企业需要同时用“冷轧-合格”“冷轧-缺陷”“热轧-合格”“热轧-缺陷”四组数据训练四遍[7]。其繁琐程度，与“五彩斑斓的黑”有的一拼。

定制需求繁琐的同时，对人力要求还不低——这活儿可不是月薪三千的大学生能干的。

出于业务需要，头部AI企业都聘请了大批科学家、博士生与教授作为研究员，而AI研究员又是出了名的“高薪岗位”。2015年，谷歌为了不让知名研究员伊利亚（Ilya Sutskever）跳槽，曾开出过200万美元/年的高薪——后来桑达尔·皮查伊继任谷歌CEO时，其基本工资是同一个数字。

财新曾对国内AI企业招股书做过一笔测算，发现：它们每挣1块钱，就要花掉0.75元的人力成本。再算上定制AI的算力、数据开销、以及其他成本，几乎做一单亏一单。

人们这才惊奇地发现，AI这门生意似乎远不如想象中那么性感。

陷入死局后，AI企业们只能寄希望于一场“推翻重来”式变革。幸运的是，没过几年，暴风雨真的来了。

通用性的价值

红杉资本率先嗅到了风雨欲来的气息。2022年9月，红杉发表了文章《Generative AI: A Creative New World》，预言一场全新的科技竞赛即将来临。投资人同行很快闻风而动，一度冷清的AI圈再度人声鼎沸。

这篇文章发布仅半年，有头有脸的科技公司们几乎全部一头扎进了AI浪潮之中，要用人工智能把每个行业都重新做一遍。

例如当下火热的直播行业，大模型应用的空间就相当广阔。对于那些养不起专业直播团队的商家，如今只需输入商品信息，百度的文心一言能够自动生成话术、配音以及数字人主播，直接包揽了整个流程。

企业无需再花钱雇主播、想话术、搞培训，能轻松实现7*24小时直播，对中小企业而言无疑是个重大利好。

本文（含图片）为合作媒体授权创业邦转载，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。