大模型的中期戰(zhàn)事

吳洋洋

ChatGPT自去年11月末發(fā)布至今已經整整半年，全球有關生成式AI或者大語言模型（Large Language Models， LLMs）的投資仍然持續(xù)高漲，不同國家在這個領域的技術發(fā)展水平也正在拉開差距。這種差距，既表現在大模型的迭代速度上，更表現在各家大模型在應用場景端的落地速度上。

在美國硅谷，自5月中旬到6月中旬，幾乎所有大公司都在忙著召開年度開發(fā)者大會，發(fā)布他們在AI領域的重要成果。先是Google，5月11日發(fā)布其第二代大語言模型PaLM 2，相較于一代模型，它能夠理解更多種類的語言，并開始具備寫代碼的能力。只隔一天，5月13日，OpenAI CEO薩姆·奧特曼（Sam Altman）就在Twitter上宣布，所有ChatGPT Plus付費用戶都可以試用“聯網”與“插件”功能了，而在此之前，這些功能只有部分開發(fā)者才有試用資格。

5月24日微軟也召開了開發(fā)者大會，宣布Copilot（注：基于GPT的AI助手）登陸Windows 11，用戶可以獲得操作系統級的AI功能；Bing將成為ChatGPT的默認搜索引擎插件，開發(fā)者為OpenAI開發(fā)的插件，也適用于Copilot。通過云計算平臺Azure AI Studio，客戶還能自定義公司的Copilot。

OpenAI在應用端的進展仍是最為迅猛的。在ChatGPT開放付費用戶試用聯網與插件兩個功能后不到一周，ChatGPT的iOS版發(fā)布，最先只在美國地區(qū)上線，一周后，能夠在蘋果應用商店中下載這款應用的國家市場就擴展到了42個。

GPT引發(fā)的大模型開發(fā)熱潮，還將一家芯片公司推向其發(fā)展歷史上的巔峰—英偉達。盡管2024財年第一財季顯示這家企業(yè)在總收入和凈利潤兩項指標上出現大幅“雙降”，同比分別下滑13%和21%，但由于其AI芯片收入同比增長了14%，財報發(fā)布當天，英偉達的股價飆升了近30%，市值凈增長2000億美元—相當于一個阿里巴巴、兩個英特爾（注：阿里巴巴當天市值2099億美元，英特爾1209億美元）。

不僅如此，5月29日在臺北舉辦的COMPUTEX大會上，英偉達CEO黃仁勛宣布一款名為“GH200 Grace Hopper”的芯片已經正式投產，這是一個CPU與GPU封裝在一起的超級芯片。將256個超級芯片GH200連接在一起，就能組成一個數據中心DGX GH200，4個這樣的數據中心，其算力就能夠超過天河2號（目前中國最強的超級計算機）。

GPU比CPU更適合AI的并行計算，這個邏輯在黃仁勛口中不斷被強調，然后很快就被資本市場接受了。黃仁勛在臺北發(fā)表演講的次日，英偉達市值首次超過萬億美元，成為繼蘋果、微軟、亞馬遜和Alphabet之后，第5個市值過萬億的公司（Facebook也曾在這個名單上，不過已經滑落很久了）。

自ChatGPT發(fā)布，中國公司就處于追趕狀態(tài)。硅谷公司紛紛展示自己在AI時代的野心并在產品落地方面取得實質進展的時候，中國公司還處于模型開發(fā)和產品內測階段。進入6月以來，雙方的差距沒有縮小，而是被進一步拉大了：OpenAI的基礎模型、微軟的操作系統、英偉達的AI芯片和蘋果的AIGC設備都亮相了—硅谷公司在AI新紀元的版圖已基本構建完成，而中國公司多數還掙扎在基礎模型的開發(fā)上，加之“如何監(jiān)管大模型”的問題依舊懸置，各家的應用類產品到底何時可以被許可上市，目前仍沒有時間表。

以下是2023年6月全球不同市場在人工智能領域的進展。

全球篇

#OpenAI大幅更新大模型API，綁定更多開發(fā)者

6月13日，OpenAI大幅更新了其大語言模型的應用程序接口（API）方案，包括推出新的函數調用（function calling）功能、支持更長token（服務端生成的一串字符串）的API，以及降低使用價格等等。

“函數調用”功能，可以讓開發(fā)者在調用GPT的API時，通過一個自定義參數，調用外部軟件或數據源，從而更精確地控制GPT的回答。像“今天天氣怎么樣”的提問，開發(fā)者可以自定義函數調用的數據來源，比如告訴GPT“被問到天氣信息時，可以從‘高德天氣這個平臺獲取數據”。用戶一旦能自主控制數據來源，可有效避免GPT在沒有數據時編造一個答案來回復。

OpenAI今年3月推出的“插件”（Plugin）功能，也是讓GPT能夠連接到模型以外的軟件或數據，從而在回答特定問題時給出更有針對性的答案。此番推出“調用函數”，二者的區(qū)別在于，之前的插件功能只能在ChatGPT里使用，而函數調用可以讓開發(fā)者對接自己公司的內部API，利用GPT分析內部數據。

OpenAI此前的戰(zhàn)略是鼓勵開發(fā)者更多地為GPT開發(fā)公用插件，形成一個“App Store”一樣的“插件市場”，讓GPT模型和ChatGPT這個智能機器人更好用，而OpenAI將因此成為一個平臺型公司。函數調用功能，則會賦予開發(fā)者更多權限以利用GPT開發(fā)更多本地化的應用，它是OpenAI充分發(fā)揮其大模型優(yōu)勢的另一種方向，目標同樣是想將更多開發(fā)者牢牢綁定在其基礎模型上。

此外，OpenAI 6月13日更新的API支持更長token—16k，是原來的4倍，并對所有用戶開放。這個長度與其競爭對手Anthropic的大模型Claude相比仍然處于弱勢。更長的token意味著模型能夠處理的文檔長度更長，16k的token使得GPT現在可以一次處理約20頁長度的英文文本，但Claude更強大，它一次性處理的文字量已等同于一本《了不起的蓋茨比》（約7.2萬token）這樣的書籍。

不過，OpenAI這一輪降價策略，有助于它在模型競爭中繼續(xù)保有優(yōu)勢。對于最流行的嵌入模型text-embedding-ada-002，OpenAI直接把價格砍掉了75%，至每1k token的價格為0.0001美元。最流行的聊天模型gpt-3.5-turbo的token輸入價格也下調了25%，每1k token的輸入價格為0.0015美元。輸出價格保持不變，為每1k token 0.002美元。

#微軟測試

Copilot版Windows 11

繼5月發(fā)布Copilot全家桶后，微軟在6月上線了Copilot版Windows 11做測試。與ChatGPT、Midjourney等軟件級AI工具不同，Windows Copilot是一個操作系統級的AI助手，而且是生成式的。

只要點擊圖標，它就能在側邊欄出現。你可以向它提出這臺電腦系統操作層面的問題，比如當你提問“能否讓我的電腦變得更適合工作”，Windows Copilot就會提議你開啟專注功能和深色模式。用戶點選Yes，它就可以自動調用這些功能。你還可以讓它調用你電腦上已安裝軟件的功能，比如你可以問Windows Copilot“有什么音樂適合工作時候聽”，它就會主動打開Spotify并且搜索相關歌單；你甚至可以讓它幫你工作，比如當你面對一篇論文PDF或者一段Word文檔里的文字時，可以直接讓Windows Copilot幫你總結提 煉。

蘋果手機里的Siri也是系統級的AI助手，不過在蘋果把其模型從普通深度學習切換為生成式AI之前，Siri還做不了Windows Copilot現在做的事。

蘋果在AI領域落后了嗎？事實是—

#蘋果開辟了新戰(zhàn)場

——增強現實（AR）

當所有技術公司開發(fā)者大會的關鍵詞都是“AI”的時候，蘋果將公眾的視線再度拉回到“硬件”。6月5日的蘋果開發(fā)者大會（WWDC）上，在介紹完新款MacBook Air、新款芯片M2 Ultra和一系列操作系統更新后，蘋果CEO蒂姆·庫克（Tim Cook）用40分鐘—整場發(fā)布會近乎一半的時間，發(fā)布了號稱具有革命性意義的新硬件Apple Vision Pro。

“就像Mac將我們帶入了個人計算時代、iPhone引領我們進入移動計算時代一樣，”庫克說，“Apple Vision Pro將引導我們來到空間計算（spatial computing）時代。”

提出“空間計算”這一概念的同時，Apple Vision Pro也獲得了一個新稱謂—空間計算機（spatial computer）。

相較于Meta的Quest系列頭顯設備，蘋果的Vision Pro完全拋棄了手柄，讓用戶通過眼睛注視、手指捏合或者開口說話，就能控制設備。“在系統中導航只需要動動眼睛，每個元素都能回應你的目光，感覺就像在用意念控制一切。”蘋果人機交互副總裁艾倫·戴伊（Alan Dye）在產品介紹中說。

通過一項叫作EyeSight的技術，當有其他人出現在附近，Vision Pro就會變得“透明”—通過外部顯示屏，實時呈現頭顯用戶的眼睛。反之，當用戶完全沉浸于一種虛擬體驗—看電影、打游戲或者專注于一次正念訓練時，Vision Pro的鏡片就會被遮蔽起來，讓周圍人知道該用戶“并不在與外界交流的狀 態(tài)”。

這款頭顯定價3499美元，價格相當于高配版MacBook Pro。產品發(fā)布后，蘋果的股價沒有大漲，反而微跌。不過，媒體界對這款產品的態(tài)度比投資者樂觀很多，《經濟學人》稱其為“AIGC時代的新iPhone”，言下之意，它可能是最適配AIGC內容的硬件。

一位自稱曾負責開發(fā)該設備的蘋果前員工Sterling Crispin在Twitter上發(fā)文，稱蘋果在這款設備中用到了初級的腦機接口技術，可通過身體和大腦數據來檢測用戶本人的精神狀態(tài)：AI模型會嘗試通過眼球追蹤、大腦的電活動、心跳、肌肉活動、大腦的血密度、血壓、皮膚電導等測量數據，來預測頭顯佩戴者是否處于好奇、注意力分散、害怕、專注、回憶過去等認知狀態(tài)。

并且，通過監(jiān)測瞳孔變化，蘋果Vision Pro對用戶即將要點擊什么內容做出預測，因為人的瞳孔在點擊之前會有反應—還沒點擊，人已經在期待點擊后會發(fā)生的事情。因此，設備通過監(jiān)測用戶的眼動、接收大腦的生物反饋，實時設計用戶交互界面，這是通過眼睛實現的一種簡單的“腦機接口”。

此外Vision Pro頭顯設備還在以用戶察覺不到的方式，利用快速閃爍視覺或聲音監(jiān)測佩戴者的反應，利用機器學習和來自身體和大腦的信號，預測用戶的注意力集中程度、放松程度或學習效果，通過更新虛擬環(huán)境來不斷優(yōu)化用戶這些狀態(tài)。

#歐洲議會通過

《人工智能法案》草案

監(jiān)管層面，6月最重要的新聞是歐洲議會通過了《人工智能法案》（AI Act）草案。

6月14日，歐盟《人工智能法案》有了里程碑式的進展：歐洲議會以499票贊成、28票反對和93票棄權通過了全部草案，為歐洲議會、歐盟成員國和歐盟委員會的“三方”談判鋪平了道路。

該談判將在2023年6月至12月西班牙擔任歐洲理事會輪值主席國期間繼續(xù)。順利的話，正式法案預計將在今年年底獲批，并在24個月后，也就是2026年開始對相關企業(yè)產生實際影響。

該法案重點對兩個層面的事務作出了規(guī)定：

其一，法案禁止使用實時（real-time）面部識別技術。不過，非實時（post）的識別技術并沒有被禁，意味著已存檔的監(jiān)控錄像仍可以被用來做面部識別。

其二，法案要求披露生成式AI訓練數據的版權。AI Act不會將ChatGPT等生成式AI判定為高風險（這是OpenAI積極游說的結果），但對這些需要大量數據訓練的AI新增了透明度和風險評估要求，比如要求徹底記錄任何用于訓練AI的原始內容，包括文本、圖像、視頻和音樂。OpenAI、Google和微軟等公司都被要求申明，訓練AI時所使用的材料不存在版權問題。

如果技術公司的行為違反《人工智能法案》，極端情況下，該公司全球年收入的6%可能會用于繳納罰款。這項法案標志著AI監(jiān)管取得里程碑式的進步，但提出的問題可能多于解決的問題。比如，法案提高了訓練生成式AI的門檻，初創(chuàng)公司將更難與大公司競爭，投資者也不太樂意將資金投入到在歐盟運營的公司。OpenAI CEO薩姆·奧特曼就曾聲稱，如果不能滿足歐洲的法規(guī)，OpenAI可能退出歐洲市場。不過，沒過幾天他就改口了。

國內篇

#多家AI初創(chuàng)公司新獲融資，騰訊頻頻參投

6月，多家中國AI初創(chuàng)公司獲得融資，且其中3家公司背后出現了一個共同投資者—騰訊。這3家企業(yè)分別是由美團前聯合創(chuàng)始人王慧文創(chuàng)立的光年之外，商湯科技前副總裁、通用智能技術負責人閆俊杰參與創(chuàng)立的Mi n iMa x，以及深言科技—創(chuàng)始人兼CEO豈凡超是清華大學計算機科學與技術系2017級博士畢業(yè)生。

騰訊在大語言模型領域的自研進度，慢于老對手百度和阿里巴巴。2022年10月，騰訊才完成首個萬億參數的AI大模型“混元NLP大模型”的訓練。作為對照，百度和阿里巴巴都于2021年推出過各自的大模型。今年2月，騰訊曾成立混元助手（HunyuanAide）項目組，計劃推出類ChatGPT的對話產品。不過這款產品迄今尚未發(fā)布。百度和阿里巴巴則分別于今年3月和4月推出了自己的類ChatGP T產品。

6月19日在騰訊云舉辦的行業(yè)大模型技術峰會上，騰訊直接發(fā)布了“行業(yè)大模型”，面向十大行業(yè)（金融、文旅、政務、傳媒、教育等）提供解決方案。

避開面向C 端用戶的類ChatGPT產品，直接發(fā)布面向B端用戶的“行業(yè)大模型”，且不按照行業(yè)慣例給這個模型起個名字—騰訊的做法，可能是為了避免被拿去跟同行的聊天機器人比較。不過，還有一個可能性，那就是騰訊判斷監(jiān)管層面希望國內生成式AI的發(fā)布不要那么高調。

#國內大模型產品

幾乎都未獲得公測許可

目前，普通國內用戶無法使用ChatGPT，也幾乎沒有公開途徑體驗國內現已發(fā)布的各種生成式AI產品。

百度旗下的文心一言在今年3月發(fā)布后，僅開放了內測和“小范圍”公測。金山辦公4月發(fā)布的WPS AI迄今未開啟公測。阿里云旗下的對話式產品“通義千問”今年4月發(fā)布后同樣未能開放公測。

阿里云旗下另一款名為“通義聽悟”的產品，是國內至今唯一開放公測的大模型應用。這款應用在6月1日上線，與文心一言、WPS A I等需要生成新內容的應用不同，其主要功能是把錄音轉換為文字或做些翻譯工 作。

6月20日，國家網信辦官網發(fā)布了一份公告，公布了境內現已備案的“深度合成服務算法”名單。這些算法幾乎都與生成式AI技術相關，應用場景包括文本生成、圖像生成和視頻生成。

根據網信辦官網的答記者問，這些備案基于的是今年1月開始施行的《互聯網信息服務深度合成管理規(guī)定》（以下簡稱“《規(guī)定》”）。《規(guī)定》所稱的“深度合成技術”就是指“利用深度學習、虛擬現實等生成合成類算法制作文本、圖像、音頻、視頻、虛擬場景等網絡信息的技術”，基本囊括主流生成式AI的應用場景。

根據這份《規(guī)定》，“具有輿論屬性或者社會動員能力的深度合成服務提供者”和“深度合成服務技術支持者”均需履行備案手續(xù)，備案內容和《互聯網信息服務算法推薦管理規(guī)定》的要求一樣，須填報服務提供者的名稱、服務形式、應用領域、算法類型、算法自評估報告、擬公示內容等信息。

6月20日公示的是上述《規(guī)定》實施后的首批備案名單，列出的算法共41款，那些只在新聞發(fā)布會上聽過、從未在實際應用市場上見過的產品皆在其列。其中，由阿里系公司提供或支持的數量最多，共有14款，主要涉及智能客服、智能辦公等領域。數量緊隨其后的是騰訊系公司，提供或支持的算法有6款，主要涉及語音和音樂的合成以及智能辦公場景。百度、抖音、美團、科大訊飛各自有2款算法進入該名單，主要涉及圖片生成、視頻特效、智能客服、語音認知及大模型領域。

根據一位要求匿名的業(yè)內人士的說法，“一些公司及其產品即使進入備案公示名單，它們什么時候能上市，監(jiān)管層面也沒有時間表。”