每經(jīng)記者 黃海    每經(jīng)編輯 董興生    

7月4日，2024世界人工智能大會暨人工智能全球治理高級別會議（WAIC 2024）在上海正式開幕。WAIC行至第七年，被外界比喻為“百模大戰(zhàn)”的大模型之爭也走到了新階段，100多場專業(yè)論壇、500余家企業(yè)、超1500個展品??人工智能加速落地進行時，潮水最終將流向何處？今年的世界人工智能大會，給出了更為細致的描繪。

醫(yī)療、教育、出行、生產(chǎn)??AI賦能的邊界不斷外延，未來已來，大模型已無處不在。但樂觀背后，問題仍在。數(shù)不勝數(shù)的大模型究竟該如何從競爭中突圍？多模態(tài)大模型是不是整個行業(yè)的未來？在這之后，新的機會又在哪里？

帶著一系列問題，7月4日下午，《每日經(jīng)濟新聞》記者（以下簡稱“NBD”）與蜜度首席技術(shù)官劉益東聊了聊。蜜度是一家以人工智能技術(shù)為核心的語言智能和垂直大模型企業(yè)，這次大會期間，蜜度發(fā)布了蜜巢政務大模型3.0，并推出了20多個政務大模型場景化應用。

圖片來源：企業(yè)供圖

對于多模態(tài)問題，劉益東表示，眼下多模態(tài)大模型能夠解決實際場景中的多模態(tài)內(nèi)容問題，是行業(yè)應用需求的必然。

在劉益東看來，今年是大模型場景落地元年，且非常關(guān)鍵。“今年能夠搶住幾個適合的場景，并且能夠把它規(guī)模化，我覺得基本上就能夠在大模型的研發(fā)應用包括商業(yè)運作循環(huán)里面占據(jù)先發(fā)優(yōu)勢。如果今年不能達到場景落地，那規(guī)?；哪繕藭絹碓诫y。”

以下為部分采訪實錄。

NBD：“百模大戰(zhàn)”進入落地階段，競爭更加激烈，你怎么看待當前的行業(yè)競爭？

劉益東：我覺得，“百模大戰(zhàn)”從一個側(cè)面反映了，這一輪的大模型背景下，市場的需求肯定非常廣闊，而且有很好的市場預期，所以大家才會投身到里面做創(chuàng)新型的應用。另一個方面來看，必然會導致競爭很激烈，大家都要有自己的特色。

NBD：以蜜度為例，現(xiàn)階段頭部垂類大模型公司的優(yōu)勢體現(xiàn)在哪幾個維度？

劉益東：第一點是數(shù)據(jù)。數(shù)據(jù)、算力、算法是大模型研發(fā)的關(guān)鍵三要素。持續(xù)不斷地有新的高質(zhì)量數(shù)據(jù)流入，就意味著模型可以階段性地有新知識推動迭代。我們從2012年到現(xiàn)在不斷從互聯(lián)網(wǎng)上積累語料數(shù)據(jù)，會成為我們的模型持續(xù)迭代的動力。

第二點，任何大模型的研發(fā)，不管是通用的還是垂類的，未來必然要在商業(yè)化場景落地，帶來商業(yè)價值。最好是能讓產(chǎn)出慢慢超過投入，進入到盈利的螺旋上升的過程。蜜度在過往的12年時間，我們服務的B端、G端客戶有3萬多家，商業(yè)化道路起點比別人要高一點。

第三點，政務場景對數(shù)據(jù)的安全性、保密性要求很高，內(nèi)部信息化資源的軟硬件國產(chǎn)化比例比較高，在本地部署是強需求。我們在過去的半年多時間已經(jīng)接觸了40多個場景客戶，有幾個場景已經(jīng)落地完成。與一些初創(chuàng)團隊相比，蜜度的經(jīng)驗可能帶來先發(fā)優(yōu)勢。

圖片來源：每經(jīng)記者 黃海 攝

NBD：你提到盈利，目前，蜜度預估的盈利時點是什么時候？客戶情況如何？

劉益東：今年是行業(yè)場景落地元年，且非常關(guān)鍵。今年，你能夠搶住幾個適合的場景，并且能夠把它規(guī)?；矣X得基本上就能夠在大模型的研發(fā)應用包括商業(yè)運作循環(huán)里面占據(jù)先發(fā)優(yōu)勢。如果說今年不能達到場景落地，那規(guī)?；哪繕藭絹碓诫y。

我們期待的是，到今年年底能夠達到收支平衡。我們整個（研發(fā)）團隊其實還是維持一個比較精干的20人團隊。母公司有成熟的產(chǎn)品營銷和工程化體系，有分散在全國的營銷觸角。

我們現(xiàn)在政務類服務過的客戶有3萬多個，大模型在跟進的項目有40多個。這兩天也一直在暢想未來，說得長遠一點，是一個5年計劃，5年以后我們服務的這種政務大模型的落地場景項目加在一起可能有1萬個。

NBD：但做政務模型對準確性以及價值觀的要求很高，這部分如何實現(xiàn)？

劉益東：輸出的準確性，我覺得至少從兩個層面可以去支撐，我們也是這么做的。

第一個層面是從模型本身的能力上，我為什么一直在強調(diào)數(shù)據(jù)對大模型的重要性，行業(yè)里面專業(yè)的數(shù)據(jù)讓模型來學，那么模型在服務這個行業(yè)的時候，它輸出的內(nèi)容和質(zhì)量可以跟這個行業(yè)的話語體系趨同。

第二個是在工程階段，我們現(xiàn)在為客戶提供的服務并不是直接來源于模型輸出的內(nèi)容，我們用的是一套檢索增強的模式。檢索客戶場景的專業(yè)知識，經(jīng)過排序之后找到最相關(guān)的片段，然后再丟到模型里，數(shù)據(jù)質(zhì)量相對來說是收斂的。