文生視頻、文生音樂(lè )、單次處理200萬(wàn)字，2024年AI席卷一切？

本文來(lái)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(diǎn)在于Sora可以根據用戶(hù)提供的文本創(chuàng )建連貫、逼真的視頻，且時(shí)長(cháng)能做到60S，遠超行業(yè)平均文生視頻長(cháng)度。一般認為，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(lè )應用模型Suno V3引發(fā)大范圍關(guān)注，因其只需要一句提示語(yǔ)（比如描述音樂(lè )風(fēng)格和主題），就能創(chuàng )作出滿(mǎn)足用戶(hù)需求的音樂(lè )作品，歌曲時(shí)長(cháng)可達2分鐘，并且無(wú)需用戶(hù)具有專(zhuān)業(yè)樂(lè )理知識。如果產(chǎn)品成熟，未來(lái)有可能替代廣告、電視、影視等行業(yè)部分音樂(lè )創(chuàng )作。

國內，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(wàn)字無(wú)損上下文輸入，半年內單次可以處理的數據長(cháng)度從20萬(wàn)級躍遷到了200萬(wàn)級。Kimi描述如此大規模輸入能力的價(jià)值，在于過(guò)去要10000小時(shí)才能成為專(zhuān)家的領(lǐng)域，現在只需要10分鐘，Kimi就能接近這個(gè)領(lǐng)域初級專(zhuān)家的水平。比如用戶(hù)上傳英偉達過(guò)去幾年的完整財報，就可以讓Kimi成為英偉達財務(wù)研究專(zhuān)家，幫用戶(hù)分析總結英偉達歷史上的重要發(fā)展節點(diǎn)。目前，支持200萬(wàn)字上下文的Kimi正在內測階段。預計，這樣的能力將在客戶(hù)咨詢(xún)等行業(yè)將產(chǎn)生影響。

無(wú)論是Sora、Suno V3、Kimi還是ChatGPT，它們都是基于A(yíng)I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(dòng)互聯(lián)網(wǎng)，而是一個(gè)個(gè)正在生成內容并且早有固化知識庫的行業(yè)，無(wú)論內容形態(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(xún)問(wèn)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(gè)階段

大模型將人工智能的關(guān)注點(diǎn)從感知智能轉向生成式內容

人工智能第一個(gè)階段是上世紀末的專(zhuān)家系統時(shí)代，特征是將專(zhuān)家的領(lǐng)域知識轉變?yōu)橛嬎銠C模型，用以推理并得出與專(zhuān)家相同的結論。

第二階段是不久前的“機器學(xué)習+深度學(xué)習”時(shí)代，在以CNN、RNN為代表的神經(jīng)網(wǎng)絡(luò )的賦能下，比如車(chē)牌識別、人臉識別這類(lèi)計算機視覺(jué)應用，識別準確率從過(guò)去的92%、93%，提高到了99%以上，在該階段有部分產(chǎn)品徹底實(shí)現了產(chǎn)品化、規?；瘧?。

第三階段即是眼下的大模型時(shí)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)習的模型參數提高到了上億級別，并且在之后的迭代發(fā)展中，模型參數被逐步提升到了幾十億、幾百億甚至幾千億，意味著(zhù)模型的復雜程度和學(xué)習能力逐步提高，越來(lái)越有接近人的表現。

也就是說(shuō)，大模型產(chǎn)品并非采用上個(gè)時(shí)代模型參數受限的CNN、RNN架構，而是借助Transformer另起爐灶，達到了一種類(lèi)似“小孩開(kāi)竅”的「涌現」現象——當模型突破某個(gè)規模時(shí)，能力水平直線(xiàn)上升。

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

再由于Transformer是一項新技術(shù)，無(wú)論是傳統玩家還是新興企業(yè)都處在接近的起跑線(xiàn)，業(yè)界參與大模型的玩家就非常多、類(lèi)型非常廣，各方都希望通過(guò)大模型抓住新一輪產(chǎn)業(yè)機會(huì )。

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)內也對大模型、生成式AI有清醒的認知。

首先，生成式AI很難完全取代人類(lèi)，更強調對智力工作進(jìn)行替代或加強，衡量標準可以是對人類(lèi)工作的替代率達到10%還是20%甚至30%、40%，但無(wú)論如何，更高要求的工作可能還需人類(lèi)完成。

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

另外，有些大模型的商業(yè)化可能是形成標準化的產(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(xún)、對數據的理解、對模型的訓練/部署/調優(yōu)等工作，實(shí)現起來(lái)更加復雜。

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

至于在A(yíng)I浪潮中受益最早并且最大的公司，極有可能是英偉達。因為大模型的技術(shù)壁壘在于數據、算力和算法，而英偉達可稱(chēng)為是全球算力市場(chǎng)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(lái)IOTE 2024 第二十一屆國際物聯(lián)網(wǎng)展·上海站

時(shí)間：2024年4月24-26日

地點(diǎn)：上海世博展覽館

展會(huì )亮點(diǎn)：全球超300+家參展企業(yè)、展會(huì )面積超13,000㎡、專(zhuān)業(yè)觀(guān)眾30,000+，覆蓋全產(chǎn)業(yè)鏈、10+平行專(zhuān)業(yè)論壇（主題覆蓋RFID、智能傳感器、高精度定位、智慧園區、智慧工廠(chǎng)、智慧健康養老、智慧應急減災、智慧能源）。