首页 产业新闻 为什么很多AI应用创新往往诞生在中国?

为什么很多AI应用创新往往诞生在中国?

产业新闻 11

    2023年6月,英国《金融时报》一篇名为Gaming industry puts generative AI to the test的深度报道流传于中文互联网。

    文中提到了一款名为“Justice Mobile”的手游,游戏中的NPC能跟玩家随意聊天,能和玩家吵架,诗词歌赋张口就来。

    跟传统游戏角色依赖提前安排的对话脚本不同,游戏里的NPC更像一个活生生的人,有自己的个性。

    专栏作者称赞这款游戏为“生成式人工智能在全球主流游戏中首次创新尝试”——游戏开发商NetEase成立了AI实验室,将宋代文学作品作为大模型的训练材料,以驱动人物NPC的响应、语言和表情。

    想必你已经猜到了,它就是网易的首款AI游戏《逆水寒》手游。

    如果说即将发售的《黑神话:悟空》将满足我们对中国首款3A游戏的所有想象,那么《逆水寒》问世的意义,在于未来“AI对游戏业的影响将远大于PC显卡和移动互联网”。

    图源备注:图片由AI生成,图片授权服务商Midjourney

    同样引起现象级传播的中国AIGC应用,必然少不了2023年诞生的“妙鸭相机”,算是全球首款用真人图片生成写真图片的应用。

    这股“换脸风”还吹到了国外,Befake、Remini等AI换脸工具先后问世,为AIGC的商业实践添了一把火。

    这让人不禁想问:任何一项新技术的诞生,为何率先进入商业应用环节的通常是中国?

    AIGC的下半场:为什么成本很重要

    一个共识是,这些首创应用都需要大量数据量和算力,而算力依托于云计算平台能力和硬件水平。

    无论是妙鸭数亿级的数据量,还是《逆水寒》中NPC和玩家的每一次互动、捏脸、作词,都涉及AI模型的调用,需要算力的支持,百万用户同时在线,对GPU资源供应能力和网速是一个巨大挑战。

    因此一个关键的因素是——成本。

    目前AI推理仍然要巨额成本,而在AI时代,成本越低,试错成本越低,转化为商业应用的可能性也就越大。

    如果反推的话,将AI推理部署到阿里云的网易伏羲团队具备了某种成本优势。

    而这种优势可能会继续被放大,因为全球大模型的价格普遍出现了下调——最终一个企业和地区的综合实力(用户量、社区规模、电力基建等)将决定自身的竞争优势。

    今年5月,OpenAI宣布GPT-4o支持免费试用,调用API价格降到5美元/百万token;谷歌随将Gemini1.5Flash的价格下探到0.35美元/百万token;而Anthropic的API价格,已经直接打到0.25美元/百万token。

    在国内,阿里云通义千问旗下9款核心商业化和开源模型集体降价。其中对标GPT-4的长文本模型Qwen-long,API价格下降97%,低至0.5元/百万Token,是GPT-4价格的1/100,为全球最低。

    那么自然而然会跟上第一个问题:降价到底为了什么?其实就两个字:应用。或者说,为商业化做铺垫。

    如果再追问:为什么企业都迫不及待地想商业化了?那是因为AIGC行业真的出现了困境。

    在市场观察者看来,在AI平台访问量达到瓶颈的形势下,大模型公司高昂的成本逐渐成为负担。

    一来“人贵”,行业平均税后人才成本差不多在100万元。

    二来“卡贵”,做大模型的乞丐版配置是50台GPU,而一张A100显卡价格已超过1万美元。

    成本激增,竞争也在加剧。大模型中的“红皇后效应”,意味着企业如果不以两倍速奔跑就等同于原地踏步。大家都迫切找到实际应用场景和可持续的盈利模式。

    阿里云智能集团资深副总裁、公共云事业部总裁刘伟光认为:“AI推理成本只有每年有十倍甚至百倍的降低,才能真正推动各行各业的AI应用的爆发。”

    一个基本的商业规律是,价格下降,获客越快,越能摊平研发成本,推理成本进一步降低,最后进入“利润增长—研发加强—技术创新”的正循环中。

    更为重要的是,这波价格战基本集中在API,也就是说企业在“抢夺”开发者,只有吸引的开发者足够多,当API和公共云集合,才能出现更繁荣的应用生态。

    生态越完善,使用场景越多,用户规模越大,生成的新数据才越能够反哺大模型性能的提升。

    这便是通过应用落地反向创新的路径——成本,不管是训练成本还是电力等基建成本,成为了AIGC竞赛的下半场。

    寻找丰富的应用场景:中国需要“下围棋”

    打造一个好的AIGC的商业模式,极低的试错成本很重要,丰富的应用场景也很重要。

    前工信部部长苗圩就有过一个形象的比喻:中国大模型想突围,要学会“下围棋”。下围棋,就是寻找应用落地场景。

    从大数据时代到AI时代,中国通过“规模化—降本—创新”正循环的模式,诞生了很多数智化奇迹。

    中国作为工业大国,如今需要挖掘更多的应用场景,加快AIGC对产业第三次赋能迭代。

    《云上的中国》系列图书和纪录片就纪录了数字化和智能化对产业的改造。

    比如攀枝花的“钢铁大脑”,成宜高速和三一重工的数字孪生技术应用,水果烘干机企业接入工业互联网,这些工业项目所产生的数据,都被汇聚到一个叫“云”的平台上,然后再通过对数据的挖掘和边缘计算,产生新的数据资产,进而改变上下游,诞生新的商业模式。

    如今《云上的中国》新的纪录片又为我们展示了一个个人工智能时代下的工业改造案例。

    以挖掘机为例,如果说三一重工是通过传感器收集数据,那么如今的“虚拟游戏AI应用”收集数据的方法则更为新奇:在一个游戏的仿真环境里,只要变换不同卡车、挖掘机的模型,通过游戏化操作就可以生成大量的训练数据。

    玩家以为自己在玩游戏,实际上是在生成新数据,然后交给AI处理,最后迁移到真实的物理机器上面。

    操作者只要在办公室里喝喝咖啡,就能远程控制机器去进行抢险、下矿坑等危险操作--这已经在现实中落地了。

    再以汽车行业为例。智能座驾是中国新能源汽车的优势项目。为了保持领先优势,中国车企通过大模型一直在做迭代:理想汽车开发MindGPT、问界M9接入盘古大模型、吉利研发星睿AI大模型……它们的终极目标,是将汽车变成具有人格化的“汽车机器人”。

    比如以前“帮我把车窗打开”的智能语音是命令式、规则式的,而引入大模型后,可以变成自然语言的交互方式,比如“我有点闷,透透气吧”,人机互动会变得更为平等。

    大模型还会根据车主习惯,推荐旅游路线、附近美食等等,相当于是一个私人助理。

    当然,若要实现工业级应用和赋予汽车“人性”,终究离不开强大的算力和极低的训练成本,目前国内AI算力较为稀缺,汽车类应用模型想要活下去,必须借助云平台的能力。

    像目前国内车企算力第一的吉利星睿,其算力能达到102亿亿次/秒,语言大模型总训练数据量超过3万亿token,而它又是基于阿里云搭建的“云计算、大数据、AI”一体化的计算平台,不仅算力足够,训练成本也是同行业最低。

    “中国不需要这么多通用大模型,我们需要的是垂直应用大模型。”吴晓波老师在纪录片《云上的中国》第三季总结道。

    低成本低门槛的工具:普通人的创业机会

    近三十年来,中国在信息革命的时代巨轮中诞生了三次互联网创业潮。

    第一波是PC互联网基础设施创业,诞生了阿里、网易等企业;第二波是2012年之后的移动互联网应用创业,形成了激进彻底的本土化创新;而第三波创业潮,或许将由大模型和人工智能驱动。

    无论是基础设施,还是移动端创新,前两次创业潮都具有高门槛、高资金的特征,而第三次创业的一个最明显的优势是:在不断迭代的AI工具帮助下,创业成本和门槛将大幅下降——这将是每个中国普通人通过创业致富的机会。

    除了对工业的改造,《云上的中国》纪录片还提到不少普通人抓住AI机遇的故事。

    在创业之前,张华只是一个不懂编程的运营,也是一位“女儿奴”。

    2023年AIGC的火热,让他进行了一次“尝鲜”:把女儿的游玩经历制作成一个绘本。他利用了ChatGPT生成了一个故事,再结合文生图工具Midjourney将故事生成10张情节连贯的图片,最后装订成册,一本专属于女儿的绘本就做成了。

    看着女儿爱不释手,张华萌生了一个创业想法:能不能通过AI工具,做一个以孩子为主角,可自由创作的绘本产品呢?

    在验证了需求的真实性和市场规模后,张华的“童话故事”上线微信小程序——国内首个基于AIGC能力的儿童绘本故事制作产品。

    在张华看来,童话故事本质是一个互联网产品。

    “最好的互联网产品其实是刚需、高频的,它需要提供一个用户的使用场景,用户只有觉得有价值才会愿意重复使用,未来我们才能商业化。”

    和AI赋能工业一样,复杂的中国社会并不缺丰富的应用场景,这意味着每一个细分场景都有可能被AI重做一遍,升级成一种新的服务方式。

    所以在每个被颗粒化的场景中,都蕴藏着创业的机会,而这一切都取决于极低的试错成本。

    正如吴晓波老师所说的:“这一轮创业,创业者创建一个平台型公司的机会越来越少,但创业的颗粒度会变得越来越细。”

    由于监管和法规限制,国外大模型用不了了,张华决定改用国内大模型阿里云通义系列。

    令他意外的是,借助阿里云后,每个月的IT开销仅不到1万元。上线一年后,“童话故事”用户增长了700倍。

    这一切都给了张华信心。他希望将家庭阅读场景的互动做透,甚至想把产品打造成AI家庭助手,然后推向全球。

    一个完全不懂编程的运营,做一件十年前靠砸钱才能成功的事儿,看似不太靠谱。但他借助了大模型这个“外脑”,团队只要解决前端的场景和内容设计就可以了。

    “云”上的中国:一个澎湃的时代

    和PC互联网和移动互联网时代的路径一样,我们即将迎接一个技术颠覆的时代,也同样走向一个大基础设施的时代——一个“云”上的中国。

    因为大模型越是发展,云计算等算力要求也就越高,算力将更多地建立在大规模GPU集群的基础上,包括网络储存的提升,所以AIGC的推理和训练成本,可能越来越走向云端。

    而更便宜的算力,不仅仅是只由“摩尔定律”中的晶体管密度所决定,公共云的技术红利和规模效应能带来算力的持续优化。

    可以预见的是,随着基础设施价格的下降,AIGC领域或将迎来新一轮的创新,而商业模式的比拼将变得愈发激烈。

    所以创投圈里一个明显的趋势是:资金流逐渐向头部大模型集中,潜在投资者的兴趣更多地转向了应用层面的创新和落地。

    而绑定好一个大平台,将对企业和普通创业者产生至关重要的影响,它不仅能提供算力和极低的资费,去赋能工业升级,也能为个人提供创造财富的机会。

    未来一切的剧变便是AI普惠性所带来的科技向善的一面,也是《云上的中国3》及其第三季纪录片试图告诉我们的——走遍100家AI公司,得到中国AI创业所有答案。这部由吴晓波老师领衔策划并参与一线调研的作品,第一次全面展现了AI浪潮中,中国各行各业的场景创新和颠覆式发展、企业正在寻找的新的增长极,以及对AIGC的应用和发展全景式的梳理和思考。

    我们期待这个即将到来的澎湃时代。