「雷峰網(wǎng)」去年年初ChatGPT引爆全球，大模型一路狂飆，迄今，行業(yè)的熱潮從通用大模型早已轉(zhuǎn)移到領(lǐng)域模型、應(yīng)用、多模態(tài)以及當(dāng)下最火的機(jī)器人。

 

整個(gè)行業(yè)在尋求應(yīng)用落地的過(guò)程中，領(lǐng)域模型應(yīng)運(yùn)而生，有關(guān)于通用大模型跟領(lǐng)域模型誰(shuí)更有價(jià)值的討論仍未停止。有人認(rèn)為通用大模型只是提供一個(gè)底座，具備大學(xué)生的智商，而要想成為一個(gè)專業(yè)領(lǐng)域的研究生，則需要給它投喂更多領(lǐng)域知識(shí)，專門訓(xùn)練一個(gè)領(lǐng)域模型；但也有人斷言隨著模型不斷迭代，一個(gè)通用模型也能表現(xiàn)出很強(qiáng)的專業(yè)能力，這在代碼生成領(lǐng)域已成事實(shí)，例如Claude 3.5 Sonnet 在代碼能力上可媲美一些垂直代碼模型。

 

而對(duì)自研國(guó)內(nèi)首個(gè)UI多模態(tài)大模型的AI 設(shè)計(jì)工具M(jìn)otiff妙多（下簡(jiǎn)稱“Motiff”）來(lái)說(shuō)，其副總裁張昊然告訴AI科技評(píng)論，在尋找商業(yè)化落地的過(guò)程中，大模型廠商會(huì)選擇更大業(yè)態(tài)、更多領(lǐng)域數(shù)據(jù)的商業(yè)場(chǎng)景去做刻意訓(xùn)練，但UI不在這個(gè)領(lǐng)域范疇。

 

同時(shí)在他看來(lái)，Scaling Law對(duì)絕大多數(shù)專業(yè)領(lǐng)域是失效的，因?yàn)閷I(yè)領(lǐng)域沒(méi)有那么大量級(jí)數(shù)據(jù)，自然不能用Scaling Law去評(píng)估，他認(rèn)為如UI這樣的領(lǐng)域模型應(yīng)該存在長(zhǎng)期價(jià)值，通用大模型很難在一個(gè)時(shí)間周期內(nèi)去趕超領(lǐng)域模型。

 

不久前，在IXDC2024國(guó)際體驗(yàn)設(shè)計(jì)大會(huì)上，AI設(shè)計(jì)工具M(jìn)otiff推出了自主研發(fā)的UI多模態(tài)大模型Motiff妙多大模型，這是國(guó)內(nèi)首個(gè)UI大模型。

 

Motiff妙多大模型具備較強(qiáng)的UI理解能力和執(zhí)行開(kāi)放式指令的能力。在五個(gè)行業(yè)公認(rèn)的UI能力基準(zhǔn)測(cè)試集中，Motiff妙多大模型的各項(xiàng)指標(biāo)均超過(guò)了GPT-4o和蘋(píng)果的Ferret UI，同時(shí)在Screen2Words（界面描述與推斷）和Widget Captioning（部件描述）兩大指標(biāo)上也超越了谷歌的ScreenAI，其中Widget Captioning指標(biāo)高達(dá)161.77，刷新SoTA。與Ferret UI、ScreenAI等現(xiàn)有解決方案相比，Motiff妙多大模型能靈活地根據(jù)上下文理解界面元素，達(dá)到“設(shè)計(jì)專家”水平，最接近人類對(duì)UI界面的理解和表述結(jié)果。

Motiff孵化自猿輔導(dǎo)，這家教育界的獨(dú)角獸，在 2021 年又開(kāi)始開(kāi)拓了一些新的商業(yè)方向，猿輔導(dǎo)內(nèi)部嘗試了羽絨服、月子中心、咖啡等多項(xiàng)業(yè)務(wù)，這款產(chǎn)品便是其中之一。張昊然便是從那時(shí)開(kāi)始負(fù)責(zé)Motiff。

 

近日，Motiff副總裁張昊然在IXDC2024國(guó)際體驗(yàn)設(shè)計(jì)大會(huì)上接受了AI科技評(píng)論的訪談，跟我們分享了Motiff多模態(tài)大模型背后的訓(xùn)練故事、商業(yè)模式的選擇、對(duì)出海的認(rèn)知等等思考。

 

以下是為對(duì)話實(shí)錄，稍經(jīng)整理：

 

1  Motiff多模態(tài)大模型的訓(xùn)練過(guò)程

AI科技評(píng)論：一家主營(yíng)業(yè)務(wù)是教育培訓(xùn)的公司，為什么會(huì)來(lái)做UI多模態(tài)大模型？

張昊然：在21年10月，我們寫(xiě)下了Motiff的第一行代碼，結(jié)合團(tuán)隊(duì)的能力、擅長(zhǎng)的事情，最終定位到AI結(jié)合專業(yè)工具可能會(huì)是一個(gè)新機(jī)會(huì)，往下細(xì)拆選擇了UI設(shè)計(jì)領(lǐng)域。

 

整個(gè)決策過(guò)程經(jīng)歷了宏觀到微觀，選擇SaaS，選擇專業(yè)工具，選擇產(chǎn)研領(lǐng)域的專業(yè)工具，選擇UI設(shè)計(jì)。

 

AI科技評(píng)論：當(dāng)時(shí)看到的整個(gè)UI設(shè)計(jì)的市場(chǎng)規(guī)模是多大？

張昊然：當(dāng)時(shí)的預(yù)測(cè)和今天看到 Figma 的結(jié)果可能差不多，但今天對(duì)總規(guī)模更樂(lè)觀了。

Figma是領(lǐng)域頭部產(chǎn)品，前年的營(yíng)收是4億美金，去年是6-7億美金，今年預(yù)測(cè)大概能到10億。最大的巨頭即將獲得了 10  億美金的 ARR，隨著 AI 技術(shù)的發(fā)展，我認(rèn)為總體市場(chǎng)規(guī)模會(huì)更大。

 

AI科技評(píng)論：什么時(shí)候開(kāi)始做Motiff妙多大模型？

張昊然：我們其實(shí)不是ChatGPT出來(lái)后才開(kāi)始做妙多這個(gè)產(chǎn)品，21年 GPT-3 還沒(méi)有出現(xiàn)，當(dāng)時(shí)用了很多AI1.0時(shí)代的技術(shù)，例如深度學(xué)習(xí)，已經(jīng)產(chǎn)生了很高的效率。當(dāng)時(shí)驗(yàn)證了這個(gè)方向是可行的，我們認(rèn)為AI 是這個(gè)工具到下一個(gè)代際的重要變量，大模型只是產(chǎn)品迭代過(guò)程中一項(xiàng)新技術(shù)出現(xiàn)。所以大模型對(duì)我們來(lái)說(shuō)并不是所謂的新創(chuàng)業(yè)機(jī)會(huì)，而是考慮新技術(shù)的出現(xiàn)如何增強(qiáng)當(dāng)下的產(chǎn)品。

 

AI科技評(píng)論：為什么不選用通用大模型來(lái)進(jìn)行微調(diào)的方式，而是要選擇自研？

張昊然：通用大模型在處理UI相關(guān)任務(wù)時(shí)，表現(xiàn)是弱的，這是事實(shí)。比如說(shuō)讓它去認(rèn)知一個(gè)UI界面，通常只能到比較表層的認(rèn)知，很難從 UI 專業(yè)角度去理解，通用模型沒(méi)有太多專業(yè)領(lǐng)域的知識(shí)輸入跟訓(xùn)練，所以我們需要去訓(xùn)一個(gè)專業(yè)模型來(lái)處理UI設(shè)計(jì)任務(wù)。

 

AI科技評(píng)論：哪些UI場(chǎng)景已經(jīng)可以用AI來(lái)實(shí)現(xiàn)？

張昊然：我們把整個(gè)UI的場(chǎng)景分為三個(gè)部分，第一個(gè)部分是設(shè)計(jì)師日常的工作，也是一個(gè)可抽象、可量化的操作，比如說(shuō)要完成一個(gè)設(shè)計(jì)稿，需要多少步驟，這些步驟中可以找到一些規(guī)律，這里面有非常多是可用AI解決的，原因是這些操作有特別大的共性跟重復(fù)性；

第二部分是團(tuán)隊(duì)協(xié)作，設(shè)計(jì)團(tuán)隊(duì)之間的協(xié)作，設(shè)計(jì)團(tuán)隊(duì)跟研發(fā)團(tuán)隊(duì)的協(xié)作，大家在協(xié)作中需要共同面對(duì)的問(wèn)題是保證設(shè)計(jì)的一致性。一致性怎么理解？例如今天我們看到的微信界面，背后可能有超過(guò)100個(gè)設(shè)計(jì)師在做同一款產(chǎn)品的不同模塊，那怎么保證整個(gè)團(tuán)隊(duì)不同的人做出的東西是風(fēng)格統(tǒng)一？這很關(guān)鍵。一致性需要一套實(shí)踐去約束，目前最廣泛的實(shí)踐是通過(guò)設(shè)計(jì)系統(tǒng)的方式，而這里面有大量低效的工作，Motiff的一個(gè)方向就是對(duì)設(shè)計(jì)系統(tǒng)的工作流提效。

第三部分是針對(duì)大模型出現(xiàn)后對(duì)整個(gè)UI領(lǐng)域生產(chǎn)力的改變，即生成UI的能力。這是大模型出現(xiàn)后才帶來(lái)的改變，以前的AI技術(shù)并不能實(shí)現(xiàn)生成功能，大模型對(duì)自然語(yǔ)義、對(duì)圖片的理解能力比原來(lái)更強(qiáng)，輸出也更有結(jié)構(gòu)性，這使得AI在生成UI的領(lǐng)域有了更多新的可能。這是我們研究的一個(gè)方向。

 

AI科技評(píng)論：這對(duì)應(yīng)了Motiff的三個(gè)模塊，AI工具箱，AI設(shè)計(jì)系統(tǒng)，AI生成UI。

張昊然：是的。AI生成UI一直是我們研究的一個(gè)大命題。

 

AI科技評(píng)論：Motiff的訓(xùn)練選擇的是最經(jīng)典的整合專家模型，是參照了別的多模態(tài)模型的訓(xùn)練過(guò)程嗎？

張昊然：當(dāng)然有大量的學(xué)習(xí)跟參照。這源于開(kāi)源技術(shù)的迅速發(fā)展，開(kāi)源才使得更專注領(lǐng)域的團(tuán)隊(duì)去訓(xùn)練領(lǐng)域模型變得更可能；市面上也有非常多成功的領(lǐng)域模型給了我們很大的信心，像醫(yī)療、法律領(lǐng)域的。大家的邏輯都一樣，用更多的領(lǐng)域知識(shí)和數(shù)據(jù)再訓(xùn)練，讓領(lǐng)域模型更好為行業(yè)服務(wù)。

 

AI科技評(píng)論：您是產(chǎn)品背景，您是從什么時(shí)候開(kāi)始關(guān)注大模型的？

張昊然：從GPT-3進(jìn)入公眾視野的時(shí)候?？吹椒浅ｓ@艷，雖然我沒(méi)辦法去訓(xùn)練實(shí)操，但是有更多的精力去嘗試應(yīng)用。

 

AI科技評(píng)論：您看論文嗎？

張昊然：去年可能是我有生之年看過(guò)最多的一年。創(chuàng)業(yè)者要有意愿去follow前沿，因?yàn)檫@是一個(gè)非常大的技術(shù)革命。

 

AI科技評(píng)論：在整個(gè)Motiff 妙多大模型訓(xùn)練過(guò)程中遇到的最大困難是什么？

張昊然：最大的困難是數(shù)據(jù)的有效性驗(yàn)證。我們從非常多的來(lái)源收集了近千萬(wàn)的數(shù)據(jù)，判斷哪些數(shù)據(jù)有用，哪些數(shù)據(jù)有害，是比較困難的。一般來(lái)說(shuō)驗(yàn)證數(shù)據(jù)有效性的方法是消融實(shí)驗(yàn)，但是大模型的訓(xùn)練成本太高，所以沒(méi)辦法每個(gè)數(shù)據(jù)消融。

 

AI科技評(píng)論：Motiff是一個(gè)自研模型，但是底層的視覺(jué)模型和語(yǔ)言模型都是拿的開(kāi)源或者別家的，自研的部分在哪里？

張昊然：關(guān)鍵問(wèn)題是我們?nèi)绾味x“自研”。在我的定義里，如果我們自己研究出一個(gè)新的東西，跟別人不一樣，能帶來(lái)價(jià)值，這個(gè)自己研究的過(guò)程可叫“自研”。

 

從這個(gè)角度，Motiff 妙多大模型雖然借鑒了很多行業(yè)通用的訓(xùn)練方法，但要解決問(wèn)題的過(guò)程是我們自己研究的，最終也產(chǎn)出了不錯(cuò)的交付成果，我認(rèn)為這就是自研。

 

某種程度上，一輛暢銷的電動(dòng)車的發(fā)動(dòng)機(jī)不是自己的，電池也不是自己的，很多東西都是組裝的，這輛車叫自研嗎？我認(rèn)為當(dāng)然也是。

 

AI科技評(píng)論：領(lǐng)域數(shù)據(jù)是UI多模態(tài)大模型表現(xiàn)優(yōu)劣的關(guān)鍵因素嗎？

張昊然：是，我們擁有高質(zhì)量的數(shù)據(jù)，這是一種長(zhǎng)時(shí)間的積累，對(duì)于所有的AI工程，數(shù)據(jù)其實(shí)是一個(gè)非常強(qiáng)的累積工作，得靠很多方式去收集、標(biāo)注，如何組織一個(gè)規(guī)?；膱F(tuán)隊(duì)、如何提高標(biāo)注的生成質(zhì)量，這些都是AI領(lǐng)域的核心壁壘。

 

AI科技評(píng)論：數(shù)據(jù)的處理依然是難點(diǎn)？

張昊然：標(biāo)注的方法中標(biāo)注的維度是不斷變化的，以及對(duì)數(shù)據(jù)質(zhì)量好壞的評(píng)估，這兩件事是難點(diǎn)。因?yàn)闃?biāo)注維度會(huì)隨著應(yīng)用場(chǎng)景的變化去變化，可能第一次想到的標(biāo)注維度已經(jīng)夠詳細(xì)了，但面向一個(gè)新的產(chǎn)品設(shè)計(jì)問(wèn)題時(shí)，又發(fā)現(xiàn)原來(lái)的標(biāo)注維度是不夠的。

 

這是一個(gè)值得大家去反復(fù)思考、完善的事情，目前看來(lái)第二點(diǎn)才是更難的點(diǎn)，因?yàn)槟Ｐ陀?xùn)練中數(shù)據(jù)好的好壞、大家各自評(píng)價(jià)標(biāo)準(zhǔn)不同，模型的效果就不同，這個(gè)過(guò)程非常主觀，我們也找到了一些方法反復(fù)去評(píng)估、提升。

 

AI科技評(píng)論：獲取千萬(wàn)量級(jí)的預(yù)訓(xùn)練數(shù)據(jù)花了多長(zhǎng)時(shí)間，遇到哪些困難？

張昊然：因?yàn)?Motiff 在 AI 工作上有持續(xù)的積累，所以從幾年前我們就開(kāi)始收集 UI 界面相關(guān)的數(shù)據(jù)了。此外，Motiff 也積累了很多的 UI 專家模型，這又進(jìn)一步節(jié)約了數(shù)據(jù)收集的時(shí)間。

 

一個(gè)困難是高質(zhì)量的手機(jī)界面量級(jí)極小，想獲得訓(xùn)一個(gè)大模型級(jí)別的手機(jī)界面數(shù)據(jù)是困難的。

 

AI科技評(píng)論：在多模態(tài)大模型訓(xùn)練中，要將不同模態(tài)之間的數(shù)據(jù)有效地融合非常困難，妙多如何克服這個(gè)難題？視覺(jué)語(yǔ)言如何轉(zhuǎn)換成自然語(yǔ)言？

張昊然：從模型角度來(lái)說(shuō)，需要添加模態(tài)之間的轉(zhuǎn)換器（Connector）。從數(shù)據(jù)角度。需準(zhǔn)備模態(tài)對(duì)齊數(shù)據(jù)。從訓(xùn)練角度，則是固定專家模型參數(shù)，訓(xùn)練模態(tài)轉(zhuǎn)換器（Connector）。

AI科技評(píng)論：在我們的模型訓(xùn)練過(guò)程中，為什么選擇從第二階段（對(duì)齊訓(xùn)練）開(kāi)始領(lǐng)域遷移，而不是從第一階段（獨(dú)立預(yù)訓(xùn)練）就引入領(lǐng)域知識(shí)？

張昊然：在第一階段就去做領(lǐng)域數(shù)據(jù)的訓(xùn)練是可行的，我們其實(shí)也在探索會(huì)不會(huì)更好，但它面臨兩個(gè)現(xiàn)實(shí)的問(wèn)題，第一階段去做成本巨高，因?yàn)橛?xùn)練量很大，不確定性也會(huì)很多；第二點(diǎn)是訓(xùn)練越接近最后一步，可控性越強(qiáng)，所以在對(duì)齊之后做領(lǐng)域的遷移訓(xùn)練，對(duì)模型的規(guī)訓(xùn)能力越強(qiáng)。

 

AI科技評(píng)論：打榜跟在實(shí)際生產(chǎn)環(huán)境中的表現(xiàn)相差多大？有投資人說(shuō)現(xiàn)在如果有創(chuàng)業(yè)者說(shuō)他的產(chǎn)品打榜排名多少，他們看都不會(huì)看。

張昊然：打榜跟實(shí)際生產(chǎn)環(huán)境中的表現(xiàn)有相關(guān)關(guān)系，但不是因果關(guān)系。我們的產(chǎn)品更在意的是在專業(yè)領(lǐng)域的任務(wù)實(shí)現(xiàn)是不是夠好，而且打榜用的是公用的評(píng)測(cè)集，放到行業(yè)中會(huì)有一定的滯后性。

 

AI科技評(píng)論：UI這塊的評(píng)測(cè)集的滯后性很大嗎？

張昊然：至少我們現(xiàn)在關(guān)注的一些能力從專業(yè)角度來(lái)說(shuō)非常重要，但其實(shí)都還沒(méi)有被納入公開(kāi)的評(píng)測(cè)集中。

 

例如，一些公開(kāi)的評(píng)測(cè)集中，有對(duì)某個(gè)組件到底是什么、怎么使用的理解，但卻沒(méi)有對(duì)組件的分類、分類是否準(zhǔn)確的評(píng)測(cè)，這是非常務(wù)實(shí)的一個(gè)需求，因?yàn)樵O(shè)計(jì)師在應(yīng)用場(chǎng)景中會(huì)有組件歸類的訴求，所以這是評(píng)測(cè)集跟實(shí)際需求的gap。

 

AI科技評(píng)論：為什么不在開(kāi)源的UI MLLMs上直接微調(diào)一個(gè)領(lǐng)域模型？

張昊然：據(jù)我所知目前還沒(méi)有開(kāi)源的UI MLLMs。但如果有，我們選不選開(kāi)源標(biāo)準(zhǔn)是看如何能讓產(chǎn)品 效果更好，一個(gè)開(kāi)源模型的封裝往往更后置，我們對(duì)它的控制力會(huì)更弱，優(yōu)化空間也更小，所以我們權(quán)衡后選擇了最經(jīng)典的整合專家模型這個(gè)方案。

 

AI科技評(píng)論：聽(tīng)您講Motiff要對(duì)標(biāo)Figma，但是Figma并沒(méi)有加入太多大模型的能力，Motiff要從哪幾個(gè)維度對(duì)標(biāo)？

張昊然：其實(shí)不是對(duì)標(biāo)，是革新，用AI能力去革新現(xiàn)有的設(shè)計(jì)工具，我們要做一個(gè)AI時(shí)代的設(shè)計(jì)工具，就要去看Figma定義了哪些，我們要看這些能不能重新定義，我們專注這件事。

 

AI科技評(píng)論：如何解決大模型帶來(lái)的超高推理成本這一行業(yè)痛點(diǎn)？

張昊然：越大的模型推理成本越高，但并不是所有任務(wù)都需要超大的模型。構(gòu)建不同尺寸的多模態(tài)模型，可以緩解這個(gè)問(wèn)題。此外，在功能設(shè)計(jì)上也有一些巧妙規(guī)避推理的方法。推理成本高應(yīng)該是每個(gè)大模型應(yīng)用的痛點(diǎn)，但是結(jié)合 Motiff 更靈活的 AI 產(chǎn)品形態(tài)， Motiff妙多大模型有更多更靈活的選擇。

 

AI科技評(píng)論：您覺(jué)得大模型時(shí)代的產(chǎn)品跟上一個(gè)時(shí)代的產(chǎn)品有什么不一樣嗎？

張昊然：挺多不同的，尤其是產(chǎn)品力完全不同，過(guò)去的AI產(chǎn)品往往解決的是一個(gè)領(lǐng)域非常小的場(chǎng)景問(wèn)題，是用大數(shù)據(jù)、海量的數(shù)據(jù)去解決小問(wèn)題，例如深度學(xué)習(xí)里最典型的例子就是人臉識(shí)別。

 

產(chǎn)品思維也在發(fā)生改變?，F(xiàn)在整個(gè)行業(yè)處于先訓(xùn)一個(gè)模型，再找應(yīng)用場(chǎng)景的狀態(tài)，有時(shí)候可能發(fā)現(xiàn)問(wèn)題后再去匹配模型的狀態(tài)。做AI產(chǎn)品的成本也大幅下降。以前得確定技術(shù)能商業(yè)化、評(píng)估有多大收益，才能下定決心去做那么大規(guī)模的訓(xùn)練。但是現(xiàn)在大模型訓(xùn)練出來(lái)后被調(diào)用的成本是低的，這給了行業(yè)很多新機(jī)會(huì)。人們能夠更低門檻、更大限度、更高頻次地去調(diào)用AI能力，從而去產(chǎn)生更多產(chǎn)品創(chuàng)新。這是大模型時(shí)代帶來(lái)的本質(zhì)的不同。

2 國(guó)內(nèi)TOB、海外TOC

AI科技評(píng)論：在商業(yè)模式選擇上一開(kāi)始就說(shuō)要TOB？

張昊然：其實(shí)沒(méi)有。對(duì)于這類協(xié)同SaaS的用戶拓展來(lái)說(shuō)，總結(jié)下來(lái)有兩套路徑，一個(gè)是PLG（Product Led Growth，產(chǎn)品驅(qū)動(dòng)增長(zhǎng)）一個(gè)是SLG（Sales Led Growth，銷售驅(qū)動(dòng)增長(zhǎng) ），這倆其實(shí)不矛盾，可能是一體兩面或者相輔相成去看待。

 

目前專業(yè)工具的付費(fèi)群體分為C和B，B就是企業(yè)付費(fèi)給員工使用，C的主要市場(chǎng)來(lái)源是個(gè)體設(shè)計(jì)師或者小型團(tuán)隊(duì)，例如Freelancer，這部分在國(guó)際化市場(chǎng)中的體量非常大。

 

國(guó)內(nèi)的Freelancer在UI領(lǐng)域偏少，更多還是在企業(yè)工作，所以我們目前的階段性做法是海外主要TOC，國(guó)內(nèi)TOB會(huì)重一點(diǎn)。這是階段性的選擇，不是一成不變的，原因是，第一點(diǎn)我們覺(jué)得Motiff 在國(guó)內(nèi)的產(chǎn)品力競(jìng)爭(zhēng)優(yōu)勢(shì)非常明顯，第二點(diǎn)是國(guó)內(nèi)沒(méi)有C，那么國(guó)內(nèi)只能TOB。

 

AI科技評(píng)論：海外TOC的增長(zhǎng)策略是什么？

張昊然：海外TOC更符合我們團(tuán)隊(duì)現(xiàn)在的能力，因?yàn)橐粋€(gè)中國(guó)公司出海要靠銷售去打，大部分公司其實(shí)不具備這個(gè)能力，或者說(shuō)過(guò)往的經(jīng)歷證明了這樣的團(tuán)隊(duì)是極少的。

 

AI科技評(píng)論：大多數(shù)技術(shù)方向都是這種狀況嗎？

張昊然：當(dāng)然也有例外，WPS 近些年在某些國(guó)家的出海 TOB 據(jù)說(shuō)做得不錯(cuò)。但也有一些其它國(guó)產(chǎn)的協(xié)同辦公產(chǎn)品，有錢有組織力，卻鎩羽而歸。關(guān)鍵還是能否找到匹配的區(qū)域性市場(chǎng)，以及在區(qū)域性市場(chǎng)里還具備較強(qiáng)的企業(yè)連接能力。

 

AI科技評(píng)論：Motiff最初就決定要出海嗎？

張昊然：是的，首先出海意味著你的市場(chǎng)天花板可能會(huì)高幾十倍，從一片湖到真正的一片海。其次，越工具化的東西越適合全球化，內(nèi)容或業(yè)務(wù)屬性越強(qiáng)的越難，這是個(gè)共識(shí)。Motiff是個(gè)工具性很強(qiáng)的產(chǎn)品，所以它天然適合國(guó)際化。

 

AI科技評(píng)論：Motiff國(guó)內(nèi)外版本有什么不同？

張昊然：功能層面沒(méi)什么不同，同時(shí)海外和中國(guó)在支付、服務(wù)、安全性上也有一些差異化訴求，我們會(huì)針對(duì)化滿足。

 

AI科技評(píng)論：就像飛書(shū)一樣，國(guó)內(nèi)的版本很多都是按照國(guó)外的用戶使用習(xí)慣來(lái)設(shè)計(jì)的，Motiff沒(méi)有這樣的設(shè)計(jì)差異嗎？

張昊然：就像剛才說(shuō)的，UI并不是一個(gè)強(qiáng)內(nèi)容或業(yè)務(wù)屬性的行業(yè)，相反，它的工具屬性極強(qiáng)，就像“全世界的扳手都長(zhǎng)得差不多”。

 

AI科技評(píng)論：隨著這一波生成式AI爆發(fā)，中國(guó)AI企業(yè)出海面臨的共同問(wèn)題有哪些？

張昊然：我可能不具備能力來(lái)總結(jié)共同問(wèn)題，我覺(jué)得企業(yè)各有各的問(wèn)題。挑戰(zhàn)往往是針對(duì)領(lǐng)域、用戶場(chǎng)景而不同，如果一定要說(shuō)共性問(wèn)題，海外直接建立銷售的能力對(duì)大多數(shù)企業(yè)來(lái)講是很難的，在這種情況下就要考慮TOC。

 

AI科技評(píng)論：Motiff海外的團(tuán)隊(duì)建設(shè)是怎樣的？

張昊然：我們?cè)谛录悠隆⒈泵烙蟹止?，但更多還是從運(yùn)營(yíng)的角度去考慮，而不是銷售角度。

 

AI科技評(píng)論：出海戰(zhàn)場(chǎng)主要是新加坡？

張昊然：我們并不限制國(guó)家，Motiff從發(fā)布到現(xiàn)在兩個(gè)月，在十多個(gè)國(guó)家已經(jīng)積累了不錯(cuò)的用戶量，在不同國(guó)家表現(xiàn)也有差異。還是回到工具屬性的問(wèn)題，大家的gap是小的，其實(shí)更多是看有沒(méi)有更高效或者ROI（投資回報(bào)率）好的渠道，能獲得更多曝光。

 

AI科技評(píng)論：外界一直流傳著一種預(yù)判是隨著通用大模型的不斷發(fā)展，垂直模型和領(lǐng)域模型未來(lái)不需要了，是一種偽命題，您怎么看？

張昊然：這有可能會(huì)發(fā)生，各種論斷各不相同，我當(dāng)下的認(rèn)知是有部分的模型應(yīng)該存在長(zhǎng)期價(jià)值，通用大模型很難在一個(gè)時(shí)間周期內(nèi)去趕超領(lǐng)域模型。

 

這背后的原因非常樸實(shí)，對(duì)于通用模型來(lái)說(shuō)，很難拿到高質(zhì)量的專業(yè)領(lǐng)域數(shù)據(jù)，一個(gè)模型訓(xùn)練的壁壘還是訓(xùn)練數(shù)據(jù)。通用大模型的好處是數(shù)量多，大力出奇跡，但是Scaling Law對(duì)絕大多數(shù)專業(yè)領(lǐng)域的效果都是失效的。原因是專業(yè)領(lǐng)域沒(méi)有那么多數(shù)據(jù)，不符合大力出奇跡。所以沒(méi)有那么大量級(jí)的數(shù)據(jù)時(shí)，就談不上一個(gè)所謂的Scaling Law。

 

現(xiàn)實(shí)世界中的數(shù)據(jù)分布往往越不專業(yè)的越容易獲得、數(shù)量越多，越專業(yè)的數(shù)據(jù)越稀疏。有沒(méi)有一些領(lǐng)域會(huì)被大模型卷到呢？我覺(jué)得會(huì)，現(xiàn)在行業(yè)面臨最大的挑戰(zhàn)是找不到商業(yè)化應(yīng)用的場(chǎng)景，大模型廠商首先會(huì)選擇有更大商業(yè)業(yè)態(tài)、更多領(lǐng)域數(shù)據(jù)的場(chǎng)景，但目前UI不在這個(gè)領(lǐng)域范疇。

 

AI科技評(píng)論：在您看來(lái)，大模型帶給UI領(lǐng)域怎樣的影響？

張昊然：我們剛開(kāi)始做Motiff這個(gè)項(xiàng)目時(shí)，還沒(méi)有大模型技術(shù)，當(dāng)時(shí)用的是深度學(xué)習(xí)等方式去解決任務(wù)式的問(wèn)題，我們都覺(jué)得它在效率上已經(jīng)足夠好了。大模型出現(xiàn)后，它是技術(shù)層面的大變革，使得原來(lái)很多不可想象的事情變?yōu)榭赡埽F(xiàn)在的界面生產(chǎn)工作流是產(chǎn)品經(jīng)理、UI設(shè)計(jì)師、研發(fā)的整個(gè)流程，大模型能有效縮短現(xiàn)有的工作流。

 

人很多時(shí)候受限于效率跟時(shí)間，當(dāng)技術(shù)無(wú)限壓縮生產(chǎn)流程，使得意圖到實(shí)現(xiàn)的路徑變短，最終生產(chǎn)力、生產(chǎn)關(guān)系也都會(huì)發(fā)生改變?！咐追寰W(wǎng)(公眾號(hào)：雷峰網(wǎng))」

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。