机器视觉公司，在玩一局玩不起的游戏

有个著名咨询公司曾经预测过：未来只有两种公司，有人工智能的和不赚钱的。
    它可能没想到，还有第三种——不赚钱的AI公司。
    去年我们报道过“正在消失的机器视觉公司”，昔日的“AI四小龙”（ 商汤、旷视、云从、依图），在商业化盈利上各有各的不顺。不过，随着GPT系列产品又掀起一股“大炼模型”的热潮，这些AI公司又支棱起来了。
    商汤科技此前曾披露，下一步的发展战略是通用人工智能（AGI），继续推进“大装置+大模型”，并发布了1800亿参数的中文语言大模型 “商量”。
    
    旷视科技也表态，会坚定投入生成式大模型的研发，保持核心技术能力长期领先。
    云从科技公开的定增预案中，为云从“行业精灵”大模型研发项目，募集资金不超过36.35亿元。
    依图科技没有公开消息，但在此前的融资中曾因AI大模型和国产芯片等被看好。
    
    无论是上一轮，以BERT、GPT-3为代表的“预训练+精调”大模型，还是此刻正红火的，以ChatGPT、GPT-4、文心一言等为代表的“预训练+精调+提示+RLHF（人类反馈）”的大语言模型，已经成为各大头部科技公司“秀肌肉”、相互竞争的重要工具。
    谷歌、百度等大厂跑着入场，各路大模型“神仙斗法”。这场狂欢派对，成了机器视觉公司不得不玩、又玩不起的游戏。
    尴尬的“长衫”
    最近，CV公司参与到大模型这局游戏中，出现了这样的画风：语气一会儿大，一会儿怂。
    在公开信息中，都表示自己会加大投入，去解决基础技术、基础问题。云从的管理者说要“投一二十亿解决算力问题”“我们是技术公司，研发投入不会低”；商汤的有关人士称，要做“统一化标准化的大模型”“加速构建通用人工智能的核心能力”；旷视也对标OpenAI，要“做影响物理世界的 AI 技术创新”。
    
    谈到大模型技术和产品本身，底气又不足了。
    这个说“基础大模型要有长期布局，NLP难点很多，短期内与境外领先企业会存在较大差距”，那个说“中国AI公司有商业化的压力，不能像OpenAI那样不计代价的创新”。
    “预期管理”算是被你们玩明白了。
    年轻人流行说自己是“脱不下长衫的孔乙己”，CV公司对于大模型这种不尴不尬的处境，其实也和“孔乙己”有相似之处。
    CV公司在底层技术、基础设施、人才、资金、生态等领域的积累，不如头部科技企业优势显著。所以，自然也不可能真的跟谷歌、OpenAI、BATH（百度、阿里、腾讯、华为）正面打擂台，烧钱去做通用的基础大模型（foundation model）。
    新一轮大语言模型，完整技术栈、工程实现能力、算力成本、数据积累等都有极高的门槛，AI公司自研大语言模型的难度前所未有。 OpenAI 在2022年就花掉了5.44亿美元，收入只有3600万美元，这是国内CV公司不具备的家底儿。
    当然，外界也不应该过度放大CV公司的责任，非要将巨头才能承担的创新压力放在CV公司身上。
    但是，CV公司又有着“AI-native原生企业”的光环，也确实积累了很多技术储备， 所以也不能直接躺平，像ISV集成商、软件公司一样依附大厂，欢欣鼓舞地等着集成或调用API就好。
    昔日的“AI四小龙”还是要撑起“技术自立”的架子，努力融入这波炼大模型的热潮里，于是，又将模型数量和参数规模的比拼，拉升到了新的竞争水平。
    比如云从有NLP、视觉领域的预训练模型，商汤在“AI大装置SenseCore”的基础上，构建的日日新大模型体系就包含了通用视觉模型、中文语言模型、图片生成模型……其中，仅“商量”大模型的参数规模，就和GPT-3差不多。
    今天大家都感慨，孔乙己脱下长衫不容易，换个角度，“大模型”这件长衫，CV公司是不是有必要穿上呢？
    玩不起的游戏
    从2018年的预训练大模型到2023年的大语言模型，大模型走过了一个从萌芽到繁荣的小周期，种类、功能也丰富起来，我们已经见过很多AI企业、高校和科研机构、行业公司所打造的各种各样的大模型。
    问题来了：
    第一，大模型的“智能涌现”，需要在超大规模的数据和充分的训练才能出现，只有不计投入的基础模型能做到。
    很多面向行业的预训练大模型，由于数据和训练不足，无法达到“智能涌现”的临界点，这也是为什么此前预训练大模型那么多，却只有ChatGPT的到来，才证实了“通用人工智能”的可行性。
    在基础模型的鲁棒性、泛化性极大提升的今天，一味盲目地“训大模型”，结果就是“大小班同上”，基础大模型和行业大模型一起，消耗本就不充沛的算力，进一步推高计算成本，让AI企业背上更重的负担。
    
    第二，大模型的商业化路径，标准化API是比较基础的一种，而基础模型API有虹吸效应。
    简单来说，通过API接入AI能力，技术是决定性因素，基础模型的能力强、受众广泛，很容易通过API经济完成商业化，而行业大模型面对的领域较窄，很难通过“规模效应”来摊薄研发成本。
    随着一个又一个大模型被推向市场，大家恍然发现：原来我们并不缺大模型，缺的是商业化路径。
    目前，大模型的商业化还比较有限，C端通用产品贴成本定价，B端盈利前景不明朗，根据 A16Z 对美国 LLM 创业调研，纯模型厂商只能拿走0-10%的价值，并且要长期对标OpenAI的定价策略，会面临很大的商业化压力。
    通用基础模型和行业大模型一起面向市场和客户，结果就是，在商业价值分配上产生博弈。AI巨头“神仙斗法”，打造出的通用基础大模型会吸引产业和用户的最多关注。
    而大量行业大模型，要么在训完后无人问津，浪费了前期投入；要么无法满足产业需求，商业化前景受限；或者跟通用基础大模型的能力有冲突，导致商业化达不到预期。
    同为AI创业型公司的出门问问创始人李志飞，就在一次采访中直言：“不是所有人都要去做通用大模型，贸然进入，难度很大，商业竞争很激烈，想不清商业模式到最后会很痛苦。”
    所以，大炼模型，可能是CV公司目前玩不起的一局游戏。
    轻装上阵的路
    你可能会问，现在大模型这么火，不训大模型怎么能吃到这波红利，在新一轮AI热潮里建立优势呢？
    CV公司要轻装上阵，可能要尝试这样几条路，去探索大模型热潮中的机会：
    1.跟基础大模型平台建立更紧密地联系。
    自己开发大模型难度太大，训练成本、存算成本过高，社区生态支持也不够充足。可以站在巨人的肩膀上，接入基础模型的能力打造小模型，与基础模型的商业模式形成差异。
    此前CV公司盈利难的一个挑战是：机器视觉要进入腰尾市场，存在着海量的碎片化需求，客户体量比较小、数量多，项目规模不大，这对CV公司的开发效率提出了很高的要求。
    通用的成熟型算法，无法满足细分需求，但全靠算法工程师来定制开发不现实，也不够经济划算。基础大模型，将算法开发推进到工业化阶段，减少了编程工作量，提高了开发效率，定制化算法的性价比提高，也就更容易为企业所接受。
    对于CV公司来说，算法进入工业化大生产阶段，将碎片化需求全面覆盖、规模化复用，整体营收能力自然也就上来了。
    2.深入到具体行业中去，构筑能产生差异化的应用产品。
    基础模型要走向产业，必须进一步精调，CV公司就有相应的优势。
    很多高度专业化或复杂的工作，比如金融、建筑设计、编程、办公、客服等，需要精准的垂类知识；一些特定领域，比如医疗、司法，非结构化数据比较稀缺。没有足够的语料来“投喂”，基础模型在这些场景就会欠缺一些“常识”，比如GPT-4就写不好中文诗。
    据说，GPT-3.5的训练数据集全部为私有数据集，其中关键的SFT训练集，有89.3%的数据是定制的。
    CV公司大多有自己聚焦的垂直领域，比如依图的智能医疗，旷视的物联网，云从的智慧园区，商汤的智慧城市、智慧出行等，可以结合在相关领域沉淀的差异化数据集，利用精调或prompt的方式，打造出更加精确、可靠的小模型，更容易部署，为AI应用加速AI的快速落地。
    3.建立更具韧性的生态合作护城河。
    CV公司在大模型技术上的积累，就会变成AI 2.0时代的底牌，也可以作为与AI巨头、算力提供商的生态合作筹码。
    比如这一轮大模型，对提示学习、人类反馈的强化学习RLHF等提出了很高的要求，让模型在人类的引导下，发现知识的使用方式，理解人类的偏好，这在国内都属于很新的领域，提示师、专业标注师很少。有媒体报道，OpenAI的标注员，本科学历52.6%，硕士学历36.8%，这就不能全部靠众包模式来进行数据标注，必须拥有自己的垂直领域的标注团队。
    
    比如医疗领域，医学图像还没有建立起自然图像那么大级别的数据库，而对医学图像的标注是很难的，不像自然图像标注，普通人一看就知道是什么，医学图像的数据标注涉及到器官、癌变等专业知识，就需要针对性地积累。
    这样的高水平技术人员，恰恰是CV公司这种AI-native原生企业的重要资源，可以与产业链上下游开展更紧密地合作，从而保障产品和服务的竞争力和可持续性，吸引客户更多地将数据放入自己的产品中，形成马太效应。
    大模型开辟了一条蕴藏着极大价值和可能性的新路，被寄托了太多期待和野心。要有大模型能力，不代表要自己训大模型。
    重复建设的热潮终会褪去，届时，大模型商业化的考验才刚刚开始。
    对于CV公司来说，脱下“大模型”的长衫，是为了留住商业化的“底裤”。集体弄潮只是只是一时热闹，保存实力才能在AI江湖中走得更远。