文生視頻、文生音樂、單次處理200萬字，2024年AI席卷一切？

本文來源：物聯(lián)傳媒

本文作者：露西

2月，OpenAI發(fā)布文生視頻大模型Sora，特點在于Sora可以根據(jù)用戶提供的文本創(chuàng)建連貫、逼真的視頻，且時長能做到60S，遠(yuǎn)超行業(yè)平均文生視頻長度。一般認(rèn)為，Sora將在廣告、短視頻、影視、游戲等行業(yè)引發(fā)變革。

3月，文生音樂應(yīng)用模型Suno V3引發(fā)大范圍關(guān)注，因其只需要一句提示語（比如描述音樂風(fēng)格和主題），就能創(chuàng)作出滿足用戶需求的音樂作品，歌曲時長可達(dá)2分鐘，并且無需用戶具有專業(yè)樂理知識。如果產(chǎn)品成熟，未來有可能替代廣告、電視、影視等行業(yè)部分音樂創(chuàng)作。

國內(nèi)，上周AI大模型明星企業(yè)月之暗面宣布旗下Kimi智能助手已支持200萬字無損上下文輸入，半年內(nèi)單次可以處理的數(shù)據(jù)長度從20萬級躍遷到了200萬級。Kimi描述如此大規(guī)模輸入能力的價值，在于過去要10000小時才能成為專家的領(lǐng)域，現(xiàn)在只需要10分鐘，Kimi就能接近這個領(lǐng)域初級專家的水平。比如用戶上傳英偉達(dá)過去幾年的完整財報，就可以讓Kimi成為英偉達(dá)財務(wù)研究專家，幫用戶分析總結(jié)英偉達(dá)歷史上的重要發(fā)展節(jié)點。目前，支持200萬字上下文的Kimi正在內(nèi)測階段。預(yù)計，這樣的能力將在客戶咨詢等行業(yè)將產(chǎn)生影響。

無論是Sora、Suno V3、Kimi還是ChatGPT，它們都是基于AI大模型的變革性的、軟件形態(tài)的生產(chǎn)效率工具，屬于生成式AI的范疇。適用的行業(yè)并非是單純的互聯(lián)網(wǎng)或移動互聯(lián)網(wǎng)，而是一個個正在生成內(nèi)容并且早有固化知識庫的行業(yè)，無論內(nèi)容形態(tài)是文字、圖像、視頻或者其他。

所以，又有一大批與AI相關(guān)的科技上市公司，正在被投資者詢問對Kimi、對生成式AI的看法與是否布局。

人工智能的發(fā)展經(jīng)歷了3個階段

大模型將人工智能的關(guān)注點從感知智能轉(zhuǎn)向生成式內(nèi)容

人工智能第一個階段是上世紀(jì)末的專家系統(tǒng)時代，特征是將專家的領(lǐng)域知識轉(zhuǎn)變?yōu)橛嬎銠C(jī)模型，用以推理并得出與專家相同的結(jié)論。

第二階段是不久前的“機(jī)器學(xué)習(xí)+深度學(xué)習(xí)”時代，在以CNN、RNN為代表的神經(jīng)網(wǎng)絡(luò)的賦能下，比如車牌識別、人臉識別這類計算機(jī)視覺應(yīng)用，識別準(zhǔn)確率從過去的92%、93%，提高到了99%以上，在該階段有部分產(chǎn)品徹底實現(xiàn)了產(chǎn)品化、規(guī)?；瘧?yīng)用。

第三階段即是眼下的大模型時代，起源是2017年谷歌發(fā)表的一篇論文《AttentionIsAllYouNeed》，里面提出了革命性的Transformer深度神經(jīng)網(wǎng)絡(luò)，一舉將深度學(xué)習(xí)的模型參數(shù)提高到了上億級別，并且在之后的迭代發(fā)展中，模型參數(shù)被逐步提升到了幾十億、幾百億甚至幾千億，意味著模型的復(fù)雜程度和學(xué)習(xí)能力逐步提高，越來越有接近人的表現(xiàn)。

也就是說，大模型產(chǎn)品并非采用上個時代模型參數(shù)受限的CNN、RNN架構(gòu)，而是借助Transformer另起爐灶，達(dá)到了一種類似“小孩開竅”的「涌現(xiàn)」現(xiàn)象——當(dāng)模型突破某個規(guī)模時，能力水平直線上升。

這也就是技術(shù)積累到一定程度后，近年我們尤其覺得AI能做的事情更多了，并且效果更好，比如文本生成、語言理解、知識對話、邏輯推理等等。

再由于Transformer是一項新技術(shù)，無論是傳統(tǒng)玩家還是新興企業(yè)都處在接近的起跑線，業(yè)界參與大模型的玩家就非常多、類型非常廣，各方都希望通過大模型抓住新一輪產(chǎn)業(yè)機(jī)會。

對AI的焦慮、炒作背后

還有哪些真相？

與媒體或資本的炒作不同，業(yè)內(nèi)也對大模型、生成式AI有清醒的認(rèn)知。

首先，生成式AI很難完全取代人類，更強(qiáng)調(diào)對智力工作進(jìn)行替代或加強(qiáng)，衡量標(biāo)準(zhǔn)可以是對人類工作的替代率達(dá)到10%還是20%甚至30%、40%，但無論如何，更高要求的工作可能還需人類完成。

其次，大模型能力可分為知識、推理、執(zhí)行三層結(jié)構(gòu)?，F(xiàn)在很多生產(chǎn)力工具解決的是知識層的問題，推理層還鮮少進(jìn)入，執(zhí)行層的想象空間最大。

另外，有些大模型的商業(yè)化可能是形成標(biāo)準(zhǔn)化的產(chǎn)品，但也有些大模型商業(yè)模式是“產(chǎn)品+服務(wù)”，其服務(wù)階段要完成對企業(yè)業(yè)務(wù)的咨詢、對數(shù)據(jù)的理解、對模型的訓(xùn)練/部署/調(diào)優(yōu)等工作，實現(xiàn)起來更加復(fù)雜。

這也是為什么，除了存在追逐熱點的一批企業(yè)，也存在另一批直白表達(dá)對生成式AI保持觀望的公司，相比于成為技術(shù)的創(chuàng)新者，行業(yè)中的大多數(shù)應(yīng)該在等待著成熟的AI應(yīng)用，為真正的核心業(yè)務(wù)發(fā)展帶來增益。

至于在AI浪潮中受益最早并且最大的公司，極有可能是英偉達(dá)。因為大模型的技術(shù)壁壘在于數(shù)據(jù)、算力和算法，而英偉達(dá)可稱為是全球算力市場金字塔尖的企業(yè)。

想了解更多智能產(chǎn)品和企業(yè)？那就來IOTE 2024 第二十一屆國際物聯(lián)網(wǎng)展·上海站

時間：2024年4月24-26日

地點：上海世博展覽館

展會亮點：全球超300+家參展企業(yè)、展會面積超13,000㎡、專業(yè)觀眾30,000+，覆蓋全產(chǎn)業(yè)鏈、10+平行專業(yè)論壇（主題覆蓋RFID、智能傳感器、高精度定位、智慧園區(qū)、智慧工廠、智慧健康養(yǎng)老、智慧應(yīng)急減災(zāi)、智慧能源）。