相比于ChatGPT問世時的火爆，大模型“聊天”的魅力似乎正在悄然消退。

在本月最新文章中，網(wǎng)絡(luò)分析公司Similarweb表示，隨著新鮮感的消失，ChatGPT的流量正在下降。據(jù)初步估計，今年6月ChatGPT網(wǎng)站的全球訪問量下降了9.7%，這是該網(wǎng)站訪問量首次錄得環(huán)比下降。在美國市場上，該網(wǎng)站訪問量環(huán)比降幅錄得10.3%。

很明顯，“Chat”并不是大模型的全部，只靠寫詩、作畫也無法重構(gòu)人類社會。

不過，自問世以來，大模型“聊天”一直在向垂直領(lǐng)域下沉，不斷重塑著人們的生活。

國際權(quán)威期刊《JAMA Internal Medicine》一項研究表明，當(dāng)需要仔細(xì)回答患者提問時，醫(yī)生平均回復(fù)長度是52個單詞，聊天機(jī)器人是211個單詞。它的回復(fù)不僅內(nèi)容更多，而且質(zhì)量更好，更加富有同理心。在評估中，78.6%的人更喜歡聊天機(jī)器人的回答，而不是醫(yī)生的回答。

將大模型投入產(chǎn)業(yè)應(yīng)用，也正在成為國內(nèi)外眾多企業(yè)的選擇。不久前在上海閉幕的第六屆世界人工智能大會(WAIC)上，京東等不少企業(yè)介紹了自己的解決方案和相關(guān)思考。圍繞“貼合行業(yè)場景”，有人選擇讓通用大模型下沉向行業(yè)，也有人選擇直接打造垂直大模型。

頭腦風(fēng)暴一下：除了更好地理解“場景”，人工智能今后還會往哪些方面發(fā)展?

京東探索研究院院長、京東科技智能服務(wù)與產(chǎn)品部總裁何曉冬表示，通向真正的人工智能，多模態(tài)是必經(jīng)之路。“人始終是一個核心存在，所有技術(shù)最后都要服務(wù)人。未來的AI需要通過語言、視覺和語音和人類進(jìn)行交流，所以未來的AI也必須理解語言、語音。做好多模態(tài)，才能更好的服務(wù)好人類。”

在當(dāng)下的競爭環(huán)境中，“場景落地”，才是大模型的終極目標(biāo)。

大模型應(yīng)用落地，理解場景是關(guān)鍵?

今年WAIC最熱門的話題之一，就是如何讓大模型應(yīng)用落地。

這本身不難理解：國內(nèi)外大模型不能局限于“聊天”。基于智能交互，它本身就是一種提升生產(chǎn)效率的工具。任何大模型，未來最終都要落地于具體的行業(yè)應(yīng)用，提高生產(chǎn)力;在大模型競爭中，中國和其他國家相比各有千秋，雖然存在差距，但中國行業(yè)多、發(fā)展成熟，這或許是一個可以“超車”的機(jī)會。

從數(shù)據(jù)來看，在算力等方面，中國未必就處于劣勢。

中國工程院院士鄔賀銓曾指出，按2022年年底的數(shù)據(jù)，美國占全球算力36%，中國占31%，單看算力總規(guī)模，中國與美國確實有差距，但差距并不大;若以GPU和NPU為主的智能算力規(guī)模來看，2021年美國智算規(guī)模占全球智算總規(guī)模15%，中國占26%。

但差距依然值得重視，例如深度學(xué)習(xí)框架還需要經(jīng)受考驗、繼續(xù)打磨;例如生成式AI拓展到產(chǎn)業(yè)應(yīng)用，需要將多個大模型高效融合，由此帶來很多問題;例如大模型需要海量數(shù)據(jù)訓(xùn)練，但目前中文可供訓(xùn)練的語料挖掘還不足;例如大模型訓(xùn)練所依賴的英偉達(dá)A100芯片，被限制向中國出口……中國依然面臨眾多挑戰(zhàn)。

在新一輪全球人工智能競賽中，大模型本身確實是必啃的“硬仗”。但中國其實有一個出“奇兵”的機(jī)會。

數(shù)據(jù)、算力和“鈔能力”對大模型而言缺一不可，但大模型的發(fā)展同樣離不開“場景”。本質(zhì)上，大模型改變的是人類獲取信息和服務(wù)的方式。它不僅需要滿足信息匹配的需求，更要讓AI精準(zhǔn)地理解人類的用途，精準(zhǔn)地完成人類交付的任務(wù)。“精準(zhǔn)”，就基于對場景的理解。

在WAIC大會上，京東探索研究院院長、京東科技智能服務(wù)與產(chǎn)品部總裁何曉冬表示，伴隨著大模型的出現(xiàn)，世界未來必然會走向智能交互時代，讓機(jī)器更好地幫助我們完成專業(yè)域、更廣泛的任務(wù)。何曉冬表示，訓(xùn)練好大模型就需要場景，“場景和數(shù)據(jù)是這個時代訓(xùn)練大模型的抓手。”

或許這會是中國的機(jī)遇所在。

拿工業(yè)來說，中國擁有41個工業(yè)大類、207個工業(yè)中類、666個工業(yè)小類，是全世界唯一擁有聯(lián)合國產(chǎn)業(yè)分類中所列全部工業(yè)門類的國家;在互聯(lián)網(wǎng)方面，中國有大量電商、社交、搜索領(lǐng)域的企業(yè)，擁有成熟經(jīng)驗和龐大數(shù)據(jù)，大模型和這些行業(yè)、場景的結(jié)合，或許會帶來大量機(jī)遇。

例如電商。網(wǎng)經(jīng)社此前發(fā)布的《2022年度中國電子商務(wù)市場數(shù)據(jù)報告》顯示，2022年國內(nèi)網(wǎng)絡(luò)零售市場交易規(guī)模達(dá)137853億元;中國網(wǎng)絡(luò)零售用戶規(guī)模達(dá)8.45億人，占網(wǎng)民整體的79.2%。這個“大場景”下涌現(xiàn)了直播、社交、美妝、母嬰等“子場景”，電商、物流、客服……它們都可能成為大模型應(yīng)用落地的入口。

理解場景之后，AI的下一站是多模態(tài)能力?

圍繞行業(yè)場景，一些“解決方案”已經(jīng)出爐。

據(jù)何曉冬介紹，通過5分鐘的形象和數(shù)據(jù)采集，基于大模型能力，京東可以重構(gòu)整個數(shù)字人形象，并推向應(yīng)用場景。比如在電商這個場景中。言犀虛擬主播已經(jīng)在京東上線了4000+品牌直播間，累計帶動8億GMV(商品交易總額)。

不過重視場景應(yīng)用，或許只是大模型全球競賽的現(xiàn)在，而非將來。

何曉冬表示，人們不要只關(guān)注到ChatGPT帶來的語言大模型。實際上，大模型技術(shù)在很多其他模態(tài)上也在迅速應(yīng)用起來，比如語音識別和語音合成，比如視覺領(lǐng)域的圖像識別和視頻合成——當(dāng)然也包括數(shù)字人。“數(shù)字人既有形象，又有語音，還有手勢，還有語義，還有各種情緒在里面。”

何曉冬表示，多模態(tài)是必經(jīng)之路，無論是發(fā)明神經(jīng)網(wǎng)絡(luò)或者是注意力機(jī)制，其實都是基于對人本身學(xué)習(xí)機(jī)制的理解和靈感的激發(fā)，從而去引領(lǐng)我們發(fā)明一系列模型。有趣的是，今年不少參會企業(yè)，似乎都對“數(shù)字人”情有獨(dú)鐘，由此可見各界對多模態(tài)能力的重視。

今年WAIC大會上，騰訊云MaaS(Model-as-a-Service)一站式服務(wù)迎來升級。騰訊云行業(yè)大模型能力將被應(yīng)用到金融風(fēng)控、交互翻譯、數(shù)智人客服等場景中。通過平臺提供的AI生成算法、生成式動作驅(qū)動，再結(jié)合行業(yè)大模型能力，企業(yè)可以獲得個性化、專業(yè)、逼真的數(shù)字員工。數(shù)字人，其實就涉及到多模態(tài)能力。

《人機(jī)共生——大模型時代的十大AI趨勢觀察》報告指出，多模態(tài)技術(shù)的發(fā)展正在助力AI解決更為復(fù)雜的問題。擁有圖像和語音的感知、輸入，大模型未來可以基于動作、表情、情感等信息進(jìn)行分析，提升自己的交互能力和表現(xiàn)能力。目前基于文本的交互，也將走向基于語義的交互，強(qiáng)化對人類情緒的感知和表達(dá)。

需要承認(rèn)的是，在多模態(tài)等通往未來的賽道上，挑戰(zhàn)依然存在。

ChatGPT-4早已開始接受圖像作為輸入介質(zhì)，它已經(jīng)能簡練地指出圖片的違和之處。如下圖所示，當(dāng)用戶提問，“這張圖片有什么不尋常之處”時，GPT-4簡練地回答出“一名男子正在行駛中的出租車車頂上，使用熨衣板熨燙衣服。”

在今年的WAIC大會上，談及國內(nèi)外在大模型方面的差距，曠視科技聯(lián)合創(chuàng)始人、CTO唐文斌對《科創(chuàng)板日報》表示，不管是基礎(chǔ)語言模型還是多模態(tài)模型，國內(nèi)外都存在一定的距離。“不過，這是可以迎頭趕上的。在應(yīng)用的探索上，也處于相對初期的狀態(tài)。但未來會是繁榮的生態(tài)。”

方興未艾，眼下正是國內(nèi)企業(yè)積極作為之時。

在接受觀察者網(wǎng)采訪時，何曉冬表示，未來通用人工智能有兩個方向要走，一個方向是多模態(tài)，大模型必須具有視覺能力，未來甚至可以更進(jìn)一步延伸向嗅覺、觸覺;另外一個方向是走向具身智能，包括機(jī)器人、機(jī)械臂、無人車等，讓通用人工智能走向物理世界。