作者丨何思思

編輯丨林覺民

2015年從微軟離職的簡仁賢，創(chuàng)辦了竹間智能，從成立之初，竹間智能就專注于AI技術(shù)的研發(fā)，并在NLP（自然語言處理）領(lǐng)域下足了功夫。

但值得注意的是，彼時國內(nèi)對NLP的研發(fā)還處于空白，也沒有一款成熟的NLP產(chǎn)品出現(xiàn)。竹間智能作為一家初創(chuàng)企業(yè)為何選擇去填補(bǔ)這塊空白？

其實從簡仁賢以往的履歷中就能得到答案“2006年加入微軟負(fù)責(zé)Bing核心產(chǎn)品的研發(fā)、2012年擔(dān)任微軟亞洲互聯(lián)網(wǎng)工程院副院長，負(fù)責(zé)微軟亞太地區(qū)的搜索及AI產(chǎn)品的技術(shù)研發(fā)，并主導(dǎo)開發(fā)微軟小娜(Cortana)......”

可以說，這些寶貴的經(jīng)驗是竹間智能研究NLP的彈藥，但這并不意味著其NLP的研發(fā)之路是一帆風(fēng)順的。創(chuàng)辦初期，簡仁賢帶領(lǐng)團(tuán)隊專心搞研發(fā)，2017年開始嘗試做商業(yè)化探索，2020年形成規(guī)?；l(fā)展。目前竹間智能已經(jīng)為600多家客戶做了NLP的落地。

轉(zhuǎn)眼到2023年，在人們還在談?wù)摯竽Ｐ驮趺醋龅臅r候，竹間智能就推出了大模型工廠(LLM Factory)。很多人認(rèn)為，這是其長期深耕NLP技術(shù)，厚積薄發(fā)的結(jié)果，簡仁賢也并不否認(rèn)這一點。

同時，雷峰網(wǎng)還了解到，早在2021年GPT 2剛出來時竹間智能就開始研究，并逐漸把機(jī)器學(xué)習(xí)平臺往大模型上遷移。因為在簡仁賢看來，等大模型火了之后再做就來不及了，很多東西等所有人看明白后再去做就是紅海了。

反觀國內(nèi)大模型的發(fā)展，確實如此。從大模型的概念火出圈后，國內(nèi)出現(xiàn)了多家大模型產(chǎn)品，諸如百度的文心一言、阿里商務(wù)千義通問、訊飛星火認(rèn)知、商湯日日新...比比皆是，有關(guān)大模型的討論也都是“參數(shù)是多少、做到什么程度了等等?！?/span>

簡仁賢坦言，現(xiàn)在人們更愿意每天在媒體上面看谷歌怎么樣了，Meta怎么樣了，OpenAI怎么樣了，誰誰誰怎么樣了，這些都是趨勢，不能反映企業(yè)內(nèi)部的問題，這時大模型廠商真正要做的是，在企業(yè)預(yù)算資源有限的情況下，幫助企業(yè)把大模型融入到業(yè)務(wù)系統(tǒng)中，做增強(qiáng)，做賦能。

“竹間智能不會開發(fā)布會嘩眾取寵，也不會向別人吹噓自己的技術(shù)有多牛，而是讓每個人都用到這項新技術(shù)，創(chuàng)造出能給用戶帶來價值的大模型產(chǎn)品。”

對此，簡仁賢還特別舉例道：“如果你和家里人說我有個大模型，他們可能無法理解你在說什么，但如果你說有個APP，你只需跟它說幾句話，它就能幫你寫信，他們反而能迅速理解并接受，他們才不會關(guān)心你背后是大模型還是什么。”

以下是雷峰網(wǎng)和簡仁賢的對話：

像特斯拉Model一樣，做量化，讓大模型更平民化

雷峰網(wǎng)：從什么時候開始關(guān)注大模型的？

簡仁賢：實際上我們已經(jīng)在大模型的研究領(lǐng)域耕耘超過兩年的時間。自2021年GPT2問世，我們就開始關(guān)注了，并將機(jī)器學(xué)習(xí)平臺向大模型開發(fā)方向遷移。

雷峰網(wǎng)：大模型工廠(LLM Factory)是大模型火了之后開始做的嗎？

簡仁賢：不是，從2021年起，盡管大模型當(dāng)時并未大熱，竹間就開始關(guān)注大模型了，2022年中開始研究，現(xiàn)在我們已在內(nèi)部進(jìn)行應(yīng)用實踐。

雷峰網(wǎng)：為什么開始的這么早？

簡仁賢：大模型火了之后，后期投入的企業(yè)面臨逐漸飽和的市場，也就是紅海。越早開始，積累的經(jīng)驗就越豐富，而后期投入則不可避免地要面對各種問題，這些問題我們往往已經(jīng)解決過，現(xiàn)在的道路已經(jīng)相對平坦。我們在自然語言處理（NLP）領(lǐng)域的深耕已有近8年，大語言模型也是NLP領(lǐng)域，最大的突破是生成式AI以及將大語言模型訓(xùn)練工程實現(xiàn)，現(xiàn)在企業(yè)面對的挑戰(zhàn)是如何克服大模型的落地的種種挑戰(zhàn)，將大語言模型應(yīng)用到業(yè)務(wù)場景中，達(dá)到業(yè)務(wù)的效果，而不是只有炫技。近8年來，企業(yè)對我們的信任度高，我們也深入理解他們在NLP的需求，有助于企業(yè)將大語言模型落地。

雷峰網(wǎng)：大模型工廠(LLM Factory)具體可以做什么？

簡仁賢：大語言模型工廠(LLM Factory)的運行機(jī)制非常復(fù)雜，整條模型訓(xùn)練微調(diào)的流水線從數(shù)據(jù)梳理清洗，人工標(biāo)注，到選擇預(yù)訓(xùn)練基礎(chǔ)模型，實驗不同的微調(diào)方法，不同人物進(jìn)行多次微調(diào)，并評估模型結(jié)果，再加入人工反饋強(qiáng)化學(xué)習(xí)機(jī)制，上下文學(xué)習(xí)，等等，進(jìn)而自動化地完成模型交付。如今，我們已經(jīng)拓展了原有積累多年的自動化機(jī)器學(xué)習(xí)平臺和數(shù)據(jù)標(biāo)注運營平臺，因此在這個系統(tǒng)上，我們可以訓(xùn)練微調(diào)出許多不同的大模型，依照企業(yè)的需求，實現(xiàn)專屬于企業(yè)的定制化行業(yè)大模型的落地。

各種模型都可以有不同大小的 size, 不同數(shù)量級的參數(shù)，這就好比我們喜歡的衣服有S、M、L、XL、XXL各種尺碼，我們可以從以前的S尺碼模型做到現(xiàn)在的M、L，甚至是XL尺碼的模型。而且，我們所做的是能批量生產(chǎn)的模型，就像特斯拉的Model系列一樣，我們并非只做一款模型，而是要能生產(chǎn)出N款模型。

雷峰網(wǎng)：竹間做這件事情，對企業(yè)最大的好處是什么？

簡仁賢：對于絕大多數(shù)的企業(yè)客戶來說，他們無法投入數(shù)千萬資金進(jìn)行從0開始的基礎(chǔ)大模型的預(yù)訓(xùn)練，即使有資金也無法做得到，數(shù)據(jù)，算力，know-how，維護(hù)等。那竹間提供的大模型工廠(LLM Factory)可以在短時間內(nèi)，快速且低成本的，幫助企業(yè)構(gòu)建自己的大模型，將其部署到本地并與現(xiàn)有系統(tǒng)融合，從而協(xié)助企業(yè)進(jìn)行業(yè)務(wù)的升級?？蛻魧⒖梢灾苯涌吹叫Ч?，竹間提供從準(zhǔn)備數(shù)據(jù)，模型微調(diào)，最有效的微調(diào)方法，將微調(diào)訓(xùn)練的know-how開發(fā)到EmotiBrain的模型工廠中，而且成本相對較低，無需自備GPU資源，既可以享有定制化的大模型。

雷峰網(wǎng)：所以讓客戶低成本的享受大模型的能力，也是我們重點要做的？

簡仁賢：我們的目標(biāo)就是將人工智能平民化，讓所有的企業(yè)都有自己的大模型，都能負(fù)擔(dān)得起的大模型，甚至我們設(shè)定一個目標(biāo)：成立99萬大模型試驗室，讓企業(yè)在99萬的預(yù)算內(nèi)即可打造一個企業(yè)自有的大模型，讓大模型變得更為平民化。此外，我認(rèn)為企業(yè)所需的并非僅僅是一個大模型，而是多個大模型，使用 EmotiBrain Model Factory，能高效訓(xùn)練微調(diào)大模型，更能進(jìn)一步降低成本。

雷峰網(wǎng)：和以前相比，客戶的態(tài)度有轉(zhuǎn)變嗎？

簡仁賢：我們之前也推廣過大模型，花費了大量時間去教育市場和客戶，但是由于門檻比較高，客戶也需要購買GPU，當(dāng)時很多客戶并沒有充足的預(yù)算，也無法理解大模型能帶來的實際效果，所以推廣效果并不明顯。

隨著今年大模型的爆發(fā)，現(xiàn)在大多數(shù)客戶都明白了大模型能夠給企業(yè)帶來什么樣的價值。目前，我們正在與數(shù)十個客戶進(jìn)行商談，他們對大模型還是比較接受的。

大模型自研與否不重要，關(guān)鍵要走最后一公里路

雷峰網(wǎng)：您怎么定義竹間在大模型方面的服務(wù)模式？

簡仁賢：我們提供Model-as-a-Service，模型即服務(wù)，這意味著我們的產(chǎn)品和工具平臺可以快速幫助客戶構(gòu)建模型，而且這個模型可以迅速地與企業(yè)的業(yè)務(wù)系統(tǒng)進(jìn)行連接。這就避免了客戶需要購買大量的GPU，或是糾結(jié)于如何選擇合適的模型，或者是走進(jìn)大筆經(jīng)費的無效投入。我們會根據(jù)客戶的需求幫他們定制適合的模型，無論是70億參數(shù)，130億參數(shù)，還是650億參數(shù)的大模型，都在我們大模型工廠(LLM Factory)的服務(wù)范圍內(nèi)。

雷峰網(wǎng)：具體怎么幫企業(yè)選擇合適的模型？

簡仁賢：EmotiBrain 有大模型商店，里面有預(yù)訓(xùn)練好的行業(yè)大模型，不同任務(wù)的專有模型，我們還擁有一套實際的Benchmark系統(tǒng)，可同時訓(xùn)練，評估，及比較多個大模型。比如，設(shè)定三種模型，三種不同的微調(diào)訓(xùn)練方法，以及三種不同的訓(xùn)練數(shù)據(jù)，就可以訓(xùn)練出27種不同的模型。完成訓(xùn)練后，我們的Benchmark 系統(tǒng)可以對訓(xùn)練結(jié)果進(jìn)行比較，然后根據(jù)客戶的不同業(yè)務(wù)場景與目標(biāo)，為他們選擇最合適的模型，企業(yè)不再需要花大錢組建模型訓(xùn)練團(tuán)隊。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))：竹間的大模型是自研的還是？

簡仁賢：我們的大模型開發(fā)有兩種方式：一是自主研發(fā)，二是基于其他預(yù)訓(xùn)練的大模型進(jìn)行開發(fā)。

種方式我們都采用，快速在企業(yè)場景中，落地應(yīng)用，快速驗證可商用化。如果堅持所有事情都從零開始，在企業(yè)落地階段，可能并不現(xiàn)實。

雷峰網(wǎng)：所以您認(rèn)為，大模型是不是自研已經(jīng)不重要了？

簡仁賢：坦率來說，目前絕大多數(shù)的生成式AI都是基于谷歌開發(fā)的 Transformer 開發(fā)出來的模型， 如果谷歌沒有開源Transformer，OpenAI就沒法開發(fā)出ChatGPT，也就不會有GPT 4；之后谷歌的PaLM 2也用了 GPT-4 來生成訓(xùn)練數(shù)據(jù)。此外，最流行的開源大模型是基于Meta開源的LLaMA模型(參數(shù)權(quán)重需要商用許可)，大多數(shù)2023年發(fā)布的大模型也都是機(jī)遇開源的基礎(chǔ)模型框架來訓(xùn)練的，或者是基于不同模型用不同數(shù)據(jù)與不同訓(xùn)練方法開發(fā)出來的，未來的軟件世界，實用的，可商用化的，都不會是原始的基礎(chǔ)模型。

雷峰網(wǎng)：那什么才是最重要的？

簡仁賢：真正重要的是，最后用大模型驅(qū)動做出的產(chǎn)品是否有實際應(yīng)用價值。就像我剛才舉的例子，Transformer是谷歌開源的，但是在谷歌的PaLM 2中使用的訓(xùn)練數(shù)據(jù)是從GPT 4產(chǎn)生的語料中獲取的。那么GPT 4的訓(xùn)練語料是誰做的呢？并不一定是GPT 4，可能是收集其他軟件的人類使用數(shù)據(jù)，如 Twitter, Reddit, 等。因此，未來軟件的新范式應(yīng)該是：誰能夠做出讓用戶享受到成果的產(chǎn)品，誰能夠把最后一公里打通，就是最有價值的，當(dāng)然要能保障數(shù)據(jù)安全，模型安全，并與人類對齊。

雷峰網(wǎng)：這樣一來，微軟谷歌做的事情豈不是都沒有價值了？

簡仁賢：實際上，OpenAI并不僅僅是做底層的工作，他們也在進(jìn)行應(yīng)用開發(fā)。微軟也同樣如此，他們使用GPT 4為Office全家桶和Bing等產(chǎn)品做了升級，他們所做的就是“最后一公里”的工作。谷歌也是一樣，與OpenAI一樣開發(fā)AGI，并且在為自己的產(chǎn)品以大模型的能力升級，谷歌和微軟的大模型都還是閉源的。

大模型+知識+應(yīng)用，才是未來軟件的范式

雷峰網(wǎng)：業(yè)界有人說以前的軟件范式是信息+連接，未來是知識+陪伴，您認(rèn)為未來軟件的新范式是什么樣的？

簡仁賢：我認(rèn)為未來軟件的范式是“大模型+知識+應(yīng)用?！?/span>

雷峰網(wǎng)：多了一個“應(yīng)用，”這個邏輯是怎么推論出來的？

簡仁賢：我始終堅信，能夠觸及用戶的產(chǎn)品才是最具價值的。比如，在我們今天談?wù)摽萍紩r，全球近80億的人口中，大部分人對大模型這些高科技概念并不了解，他們碰不到、摸不到、看不到。目前要把大模型用好，需要很好的提示詞，這個99%以上的人是不會的，絕大多數(shù)的人他們只關(guān)心自己所使用的產(chǎn)品的性能能不能給他們帶來價值，所以應(yīng)用最重要。

我在之前幾次演講中也提到過，模型與用戶之間存在著一道巨大的鴻溝。那么，如何架設(shè)一座橋梁跨越這個鴻溝呢？這座橋就是應(yīng)用，就是產(chǎn)品。因此，我認(rèn)為未來的軟件范式是“模型+知識+應(yīng)用”。如果只有模型和知識，卻沒有應(yīng)用，那么它就無法被人們所接受。

模型是否有價值？我舉個例子，如果你回家跟家里的老人和孩子說：我有一個大模型，他們可能無法理解你在說什么。但如果你說：我有一個應(yīng)用程序，你只需對它說幾句話，它就能幫你寫信。這樣他們就能迅速理解并接受，他們不會關(guān)心這個應(yīng)用程序背后是否有大模型。

因此，企業(yè)的目標(biāo)應(yīng)該是讓每個人都能使用到技術(shù)，而不是向外界夸耀自己的技術(shù)有多么強(qiáng)大。我們的愿景是讓每個人都能擁有一個機(jī)器人。

雷峰網(wǎng)：機(jī)器人的概念怎么理解？

簡仁賢：機(jī)器人的中樞就是大模型，但這個機(jī)器人是一個應(yīng)用，它可以幫助人們完成任務(wù)。這就是我們的價值觀——只有模型是沒有用的，正如OpenAI一樣，盡管它的很多論文很難懂，但是它創(chuàng)造出了ChatGPT這個應(yīng)用，給大模型一個與人類溝通的一個界面，將大模型到應(yīng)用的全過程實現(xiàn)了，讓全世界都能在一個界面上利用大模型完成各種任務(wù)，因此它才能如此成功。

雷峰網(wǎng)：那竹間應(yīng)用層的產(chǎn)品接入大模型的能力了嗎？

簡仁賢：我們原有的4個產(chǎn)品都已經(jīng)具備大模型的能力，并且已開發(fā)的四種應(yīng)用也是基于大模型的原生產(chǎn)品，我們的SaaS 產(chǎn)品也已經(jīng)接入大模型了，也已經(jīng)開放給許多客戶試用了。

做好數(shù)據(jù)梳理，幫企業(yè)落地模型才是王道

雷峰網(wǎng)：與通用大模型相比，竹間做大模型的意義是什么？

簡仁賢：通用人工智能，AGI，并不能真正解決企業(yè)的業(yè)務(wù)問題，絕大多數(shù)的公司都不能把自己的私有數(shù)據(jù)上傳出去。因此，每一家企業(yè)都會想要建立自己的大模型，這為我們帶來了萬億級別的商機(jī)，即如何幫助企業(yè)快速建立大模型。發(fā)布會所看到的大模型并不一定具備可商用化的質(zhì)量，我們重視的是如何將模型打造成可商用化的大模型，務(wù)實地幫助企業(yè)實現(xiàn)大模型的落地。

雷峰網(wǎng)：具體怎么幫企業(yè)做落地？

簡仁賢：我們提供的服務(wù)相當(dāng)于預(yù)先訓(xùn)練好基礎(chǔ)模型，將該模型部署到我們的大模型工廠(LLM Factory)）上，再將其部署到客戶端，允許客戶使用自己的數(shù)據(jù)來訓(xùn)練自己的模型，并自動集成到企業(yè)的應(yīng)用中。

雷峰網(wǎng)：這是我們和其他廠商相比，最具優(yōu)勢的地方嗎？

簡仁賢：對。像Open AI的GPT-4，由于模型參數(shù)龐大，需要的訓(xùn)練數(shù)據(jù)與維護(hù)工作量龐大，尋要的GPU資源更高達(dá)24000張A100-80G的GPU，是不可能將GPT-4這樣的模型部署到客戶端去操作。更實際的，企業(yè)并不需要上千參數(shù)量的大模型，大部分的需求，用7B或13B都能完成。我們的通用大模型和模型工廠部署到客戶端，結(jié)合客戶的數(shù)據(jù)和行業(yè)know-how，再進(jìn)行參數(shù)調(diào)整，便能微調(diào)訓(xùn)練出一個7B-65B的大模型。這個模型留在客戶端，屬于客戶所有，而不是我們。我們更提供了終端的應(yīng)用，讓企業(yè)能快速享受到大模型帶來的業(yè)務(wù)價值。

雷峰網(wǎng)：其實這也在一定程度上解決了數(shù)據(jù)安全的問題？

簡仁賢：我們的大模型服務(wù)強(qiáng)調(diào)的是數(shù)據(jù)安全和模型安全，事實上，模型安全更為重要，因為企業(yè)的許多know-how都融入了模型中。如果一個企業(yè)創(chuàng)建了一個模型，然后將這個模型交給了他人，可能整個企業(yè)的機(jī)密就無法保障了。大模型是根據(jù)訓(xùn)練的數(shù)據(jù)來生成結(jié)果的。因此，模型安全至關(guān)重要，我們的模型工廠首先能保證數(shù)據(jù)安全，其次能保證模型安全，確保企業(yè)的所有數(shù)據(jù)都萬無一失。

雷峰網(wǎng)：安全問題保證了，對于竹間來說做大模型最難的是什么？

簡仁賢：數(shù)據(jù)梳理。數(shù)據(jù)梳理和數(shù)據(jù)標(biāo)注是兩個概念。

其實對于我們來說，創(chuàng)建大模型不難的，因為我們有know-how，真正的難點在于客戶需要整理數(shù)據(jù)。舉例來說，如果要整理過去10年雷峰網(wǎng)的所有文章，篩選出所有與人工智能相關(guān)的文章，你們公司有誰可以完成這項任務(wù)？需要多長時間？這是一項復(fù)雜的任務(wù)，需要大量的人力。

雷峰網(wǎng)：所以說，這也是對客戶的挑戰(zhàn)？

簡仁賢：對。在國內(nèi)，高質(zhì)量，梳理過的數(shù)據(jù)短缺是一大問題，特別是有效的中文數(shù)據(jù)更是稀缺，缺少能使用到模型訓(xùn)練微調(diào)的高質(zhì)量的數(shù)據(jù)。創(chuàng)建企業(yè)定制化的大模型主要取決于企業(yè)自身是否有數(shù)據(jù)積累。如果沒有，就很難進(jìn)行，需要從數(shù)據(jù)收集和準(zhǔn)備訓(xùn)練數(shù)據(jù)做起。只能使用通用大模型來解決通用問題，例如撰寫文章、修改文章等簡單任務(wù)。當(dāng)然，很多國內(nèi)外的大企業(yè)或上市公司都擁有自己的數(shù)據(jù)，但缺乏的是數(shù)據(jù)梳理方法——如何沉淀優(yōu)質(zhì)數(shù)據(jù)，然后去訓(xùn)練模型？這是最大的挑戰(zhàn)。

雷峰網(wǎng)：怎么幫客戶解決這個問題？

簡仁賢：在數(shù)據(jù)梳理的過程中，不存在所謂的“彎道超車”，必須積累行業(yè)經(jīng)驗和know-how。作為B端的服務(wù)提供者，我們在金融、能源、制造、消費、傳媒等領(lǐng)域已經(jīng)積累了豐富的經(jīng)驗。我們具有能為企業(yè)整理數(shù)據(jù)的know-how和工具，如果只提供大模型而不協(xié)助整理數(shù)據(jù)，不能微調(diào)大模型，那么客戶將無法有效使用大模型。

不做C端，瞄準(zhǔn)B端，堅持做企業(yè)級大模型產(chǎn)品

雷峰網(wǎng)：和前幾個月相比，您對大模型的發(fā)展有改觀嗎？

簡仁賢：近期大模型的發(fā)展和我?guī)讉€月前的預(yù)測存在一些出入。谷歌并未開源其模型，目前仍保持閉源狀態(tài)。Meta目前是開源領(lǐng)域中最大的企業(yè)，也是大模型的主要貢獻(xiàn)者。與谷歌和微軟保持閉源策略不同，Meta的LLaMA是開源的(參數(shù)權(quán)重除外)，其在整個開源世界的影響力遠(yuǎn)超谷歌和。

目前，大模型呈現(xiàn)兩大發(fā)展趨勢：一是保持閉源并走向超大型模型；另一是堅持開源并走向中大型模型。有些創(chuàng)業(yè)公司或大廠在做的大模型都同質(zhì)性太高，沒有差異化，其結(jié)果大同小異。但我認(rèn)為，未來有價值的工作會是在訓(xùn)練微調(diào)的技術(shù)上精進(jìn)，并將微調(diào)工作規(guī)模化，為企業(yè)大模型落地走完最后一公里路，而不是處在于做同質(zhì)性的大模型。

雷峰網(wǎng)：閉源大模型和開源大模型爭奪市場有什么不同？

簡仁賢：閉源大模型爭奪的是C端市場，而開源大模型爭奪的是B端市場。

雷峰網(wǎng)：為什么谷歌、微軟不開源？

簡仁賢：簡單來說，他們需要通過這些模型來提高他們主營業(yè)務(wù)的獲利，以提高他們的競爭力，對業(yè)務(wù)有價值的核心技術(shù)，誰會開源？

雷峰網(wǎng)：聽下來發(fā)現(xiàn)，竹間更傾向于做B端，那會不會像谷歌微軟一樣做超級巨大模型？

簡仁賢：我們的目標(biāo)并非是直接為三、四億用戶服務(wù)的超大模型，這是大企業(yè)的工作。我們的目標(biāo)是為數(shù)萬家有大模型需求的企業(yè)提供大模型支持與解決方案落地。另一個現(xiàn)實是：目前沒有任何非AI企業(yè)有足夠的計算資源和預(yù)算來開發(fā)通用大模型。1萬個GPU的費用超過2億美元，我們的客戶，絕大多數(shù)現(xiàn)階段都無法投入這么大的資金去開發(fā)超大模型，尤其是當(dāng)這么大的模型并不是直接解決業(yè)務(wù)問題的。

我們在與客戶交流的過程中發(fā)現(xiàn)，他們的需求不是高考，獲取律師資格、取得MBA，他們需要的是解決自己的業(yè)務(wù)問題，而中大型模型就足以滿足這一需求。

雷峰網(wǎng)：您認(rèn)為大模型廠商應(yīng)該把重點放在哪些方面？

簡仁賢：我們應(yīng)該思考的是如何使企業(yè)在有限的預(yù)算下能夠負(fù)擔(dān)起新的AI技術(shù)，幫助他們實現(xiàn)內(nèi)部增強(qiáng)。這才是大模型發(fā)展的重點，科技的進(jìn)展日新月異，如何把握住最新技術(shù)，了解客戶的需求，將合適的技術(shù)與產(chǎn)品落地到企業(yè)業(yè)務(wù)中才是我們最關(guān)注的重點。企業(yè)無法直接引入像ChatGPT這樣的模型。實際上，由于不可控的因素，數(shù)據(jù)安全的隱憂，許多國家和企業(yè)已經(jīng)開始限制使用ChatGPT。在這種情況下，企業(yè)如果想要享受大模型的能力，對我們來說就意味著巨大的商業(yè)機(jī)會。

在有限的預(yù)算內(nèi)，幫助企業(yè)將大模型融入業(yè)務(wù)系統(tǒng)，才是真正值得我們關(guān)心的大模型發(fā)展趨勢。

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