當(dāng)百度創(chuàng)始人李彥宏激動(dòng)地高呼：“一個(gè)只靠想法就能賺錢(qián)的時(shí)代來(lái)了！”普通人的機(jī)會(huì)到底在哪里？每個(gè)創(chuàng)業(yè)者都有自己的答案，但經(jīng)歷了幾代技術(shù)革命浪潮的李彥宏認(rèn)為，智能體將最先引爆。
每個(gè)人、每個(gè)企業(yè)都有自己的“AI焦慮”：如果未來(lái)智能體成為主流，每個(gè)企業(yè)都將擁有自己的數(shù)字員工，那么人類(lèi)員工會(huì)不會(huì)被AI替代？
過(guò)去24個(gè)月，AI行業(yè)最大的變化是大模型基本消除了幻覺(jué)，不再一本正經(jīng)地胡說(shuō)八道。大模型一大弱點(diǎn)已經(jīng)被消除，比如，百度用檢索增強(qiáng)技術(shù)解決文生圖的幻覺(jué)，我們看到越來(lái)越多大模型生成的文字、圖片不再“一眼假”“機(jī)器味兒”。
但是，普通人與大模型廠(chǎng)商之間存在天然信息差，“AI焦慮”自然也不同，當(dāng)普通人焦慮自己會(huì)被AI替代，還是能抓住AI致富之時(shí)，大模型廠(chǎng)商在焦慮：到底大模型會(huì)不會(huì)是技術(shù)泡沫？因?yàn)楸然糜X(jué)更大的問(wèn)題正在到來(lái)。
近期，Scaling Law（尺度定律）撞墻的爭(zhēng)論甚囂塵上，國(guó)外知名科技媒體《The Information》爆料，OpenAI下一代旗艦?zāi)Ｐ蚈rion改進(jìn)大幅放緩，與GPT-4相比，Orion性能提升微乎其微，合成數(shù)據(jù)越訓(xùn)越像舊模型，編碼性能甚至還在退步。
當(dāng)全球大模型摸著ChatGPT過(guò)河之際，大模型廠(chǎng)商必須要思考：下一代模型的方向在哪里？
智能體將最先爆發(fā)
當(dāng)你走過(guò)家門(mén)口的連鎖理發(fā)店時(shí)，也許你不會(huì)意識(shí)到，櫥窗上精美的發(fā)型大片竟然是由智能體生成的；當(dāng)你穿行于地鐵站時(shí)，也許你也不會(huì)意識(shí)到，站臺(tái)上的廣告大片竟然也是智能體生成的。以往這樣一張照片需要請(qǐng)模特、發(fā)型師、攝影師，還需要租場(chǎng)地，動(dòng)輒數(shù)萬(wàn)到數(shù)十萬(wàn)的成本。
大模型生成的圖片正在接近于真實(shí)照片。從李彥宏在2024百度世界大會(huì)上展示的樣片來(lái)看，大模型已經(jīng)可以真實(shí)還原車(chē)型、車(chē)標(biāo)、天壇、愛(ài)因斯坦等物體和真人。以前拍一組品牌宣傳海報(bào)花費(fèi)的幾十萬(wàn)成本，在“數(shù)字設(shè)計(jì)師”面前接近于0。
“數(shù)字設(shè)計(jì)師”是一類(lèi)智能體，“農(nóng)民院士”又是一類(lèi)智能體。在云南省普洱市瀾滄拉祜族自治縣，有幾十萬(wàn)農(nóng)民急需學(xué)習(xí)農(nóng)業(yè)技術(shù)，但一位農(nóng)民院士顯然分身乏術(shù)，于是“農(nóng)民院士”智能體誕生了。“我想問(wèn)一下旱稻什么時(shí)候種最好？”“旱地稻受到病蟲(chóng)害怎么辦？”面對(duì)潮水般涌來(lái)的農(nóng)業(yè)技術(shù)問(wèn)題，它都能提供及時(shí)的幫助，幫農(nóng)民解決實(shí)際生產(chǎn)難題。
在百度文心智能體平臺(tái)上，已有15萬(wàn)家企業(yè)和80萬(wàn)名開(kāi)發(fā)者參與創(chuàng)造智能體，其中甚至有11歲的小學(xué)生。李彥宏把智能體比作AI時(shí)代的新載體，就像PC時(shí)代的網(wǎng)站，移動(dòng)時(shí)代的自媒體賬號(hào)，這給了普通人一個(gè)新的致富機(jī)會(huì)。
智能體的門(mén)檻似乎已經(jīng)降低到人人都能上手的程度，從百度展示的案例來(lái)看，目前智能體在代替?zhèn)鹘y(tǒng)PC官網(wǎng)、人工客服、咨詢(xún)律師等方面已經(jīng)較為成熟。
但是，智能體真的可以解決千行百業(yè)所有的實(shí)際問(wèn)題嗎？傳神語(yǔ)聯(lián)創(chuàng)始人何恩培認(rèn)為，今天企業(yè)還不敢完全依賴(lài)智能體干活，仍然需要人類(lèi)監(jiān)督，但它們正在變得越來(lái)越自主。
大模型最擅長(zhǎng)的還是處理數(shù)據(jù)、搬運(yùn)語(yǔ)言和文字，但要真正深入企業(yè)的工作流，還需要解決一個(gè)難題：在企業(yè)不愿意拿出數(shù)據(jù)的情況下，如何快速訓(xùn)練出一位足以應(yīng)對(duì)行業(yè)問(wèn)題的“專(zhuān)家”智能體？
Scaling Law“撞墻”
雖然OpenAI高管多次怒斥Scaling Law“撞墻論”，但多種跡象表明，這將成為很多基礎(chǔ)大模型的共同難題。一直以來(lái)，Scaling Law被大模型業(yè)界公認(rèn)為“大模型時(shí)代的牛頓定律”，大模型廠(chǎng)商都遵循這一定律并堅(jiān)定相信“大力出奇跡”會(huì)持續(xù)奏效，不斷擴(kuò)大預(yù)訓(xùn)練數(shù)據(jù)、訓(xùn)練算力，從而擴(kuò)大模型參數(shù)規(guī)模。