新火种AI|实属罕见!四大AI顶流同台,有哪些关键信息值得关注?

作者:小岩

编辑:彩云

在有着“AI春晚”之称的2024年智源大会上,非常难得的一幕出现了:当下国内的四大AI顶流公司——月之暗面,百川智能,智谱AI,面壁智能齐聚一堂,十分罕见的同台了。

从体量上来说,四家大模型公司都称得上是独角兽级别,它们的创始人聚在一起,分享各自对大模型未来的观点和看法,这对于整个行业来说,无疑是值得标记的一笔。

有意思的是,这四家大模型独角兽掌舵人——百川智能的CEO王小川,智谱AI CEO张鹏,月之暗面CEO杨植麟以及面壁智能联合创始人,CEO李大海都出身于清华,是名副其实的师出同门。

关于价格,安全等话题:四家独角兽给出的答案各有侧重。

在智源大会上,四位出身于清华的大模型独角兽掌舵人一同出席了《尖峰对话:通往AGI之路》环节。

在对话中,大家对于大模型的价格战问题表达了自己的看法。王小川就公开表示,价格战对于中国发展大模型是特别好的事,自己也是积极看待的。目前打响的大模型价格战,主要是云厂商之间的竞争。包括火山引擎,阿里云,腾讯云,百度云等。

可在此之前,王小川是旗帜鲜明的反对价格战的,表示这是巨头间的游戏,百川智能不愿意掺和进去。

其实王小川先前的想法并非个例。零一万物创始人李开复也在大会别的环节上表示,当下AI市场存在一个比较严重的问题,就是很多大公司没有认识到软件的价值,不愿意为软件付费。结果很多大模型公司来竞标,结果却是越竞越低,做到最后做一单赔一单,没有利润。也正因此,他认为,零一万物坚决做to C,不做“赔钱的to B”。而智源研究院的院长王仲远也认为,当下选择大模型优先考虑的肯定不是性价比,而是能否真正为自己的产品赋能。在此基础之上,大模型的价格终归会达到一个合理的水平。

大模型是否是通往AGI的基石:大家所存在的共识与非共识。

除了对于降价潮这样的“周边问题”表达看法,对于“大模型是否是通往AGI之路的基石”这一热点话题,四位掌舵人也给出了自己的看法和观点。

月之暗面的杨植麟认为,大模型的第一性原理,就是要不断提升模型的规模。这件事从本质上来说,是在做压缩,压缩就会产生智能。当然,这个过程会面临很多的挑战,诸如数据流失,某些领域的数据资料较为稀缺等。由此可见,数据是当前存在的最大的问题和变量,而规模定律或大模型本身并没有什么问题。

杨植麟还表示,“如何定义AGI”这件事至关重要,但不必急于现在就给出一个精确量化的定义。AGI可能更多地是一种定性的概念,一种感觉上的共识。其核心作用在于,能够使社会和个人对未来可能发生的变化有所准备。毕竟,这项技术的发展速度可能异常迅猛。

百川智能的王小川则认为,“基石”这个词是没有问题的,但它只是在逼近AGI。从根本上说,这需要一个范式的转变,而今天大家看到的规模定律的成效只是迈出的第一步。王小川认为,从某种程度上说,我们目前已经进入了AGI的时代,这个时代有能力吸引更多的科学家和资源,共同迈向AGI。但仅凭目前公开的规模定律无法完全实现AGI, 光靠Scaling Law,也是做不到AGI的。

智谱AI的张鹏则肯定大模型是基石之一。他认为,当下人工智能的从业者很“实用主义”,大家都十分关心到底能不能真正的解决问题,到底能不能真的向每个人心中定义的AGI路径上进行推动。目前来说,Scaling Law还在生效,还在往前前进,大模型也依然在很有效地推进。但说到未来能否真的帮助人们到达顶峰,尚未可知。

或许是因为面壁智能的李大海出自数学专业,他的表达较为严谨。他表示,大模型一定是当前所有技术里,可以在通往AGI这个方向上走得最远的,但它能否直达,现在来看还有很多未知因素。李大海表示,“联想到《思考:快与慢》的观点,人脑有两个系统:快速直观的感性思考与慢速细致的理性思考。现在的云端大模型主要是在处理人的大脑系统,一是“快思考”的工作;二是“慢思考”的系统,即要做各种各样推理,搜索空间去做搜索,组合,从而来完成一个任务”。

想要实现“慢思考”的能力,需要大模型通过Agent技术外部化或者把它内化为自己的能力,抑或通过端侧大模型的部署来实现。未来的大模型是否有这样的能力?这需要大家去进行进一步的探索。

由此可见,在短期内对对AGI的进展进行评估,会是一个极具挑战性的问题。

大模型是否应该开源?大家普遍共识:开源并不会削弱竞争力。

近期斯坦福的三位学生抄袭面壁智能MiniCPM大模型的事件正闹的沸沸扬扬,而面壁智能的李大海也在会上首次公开做出了回应。他表示,“我们完全没有想到我们的工作会以这种方式出圈,挺惶恐的”。

这个具体事件要追溯到5月20日,面壁智能开源了MiniCPM大模型之后。5月29日,三位斯坦福的本科生在该模型基础上做了非常简单的高斯叠加,就号称是自己的模型。这个模型一下子变得很受欢迎,因为该团队宣称这个模型的多模态能力跟GPT4-V完全对标,但是参数只有后者的1%,并且只需要500美金就能够训练出来。

事件发生仅仅过了一天,开元社区的热心参与者便发现了事情的真相,并将此曝光。

在大会上,李大海对于这一事件进行了表态。他表示,3位本科生所提到的“模型的多模态能力跟GPT4-V完全对标,但是参数只有后者的1%”是真实的,面壁智能确实具备这样的实力,但其耗费的成本远远不止500美金,其实是需要花很多钱的。李大海认为,这件事让面壁智能更加坚定了开源的力量。开源力量很强大,不光有做原创工作的人,还有很参与者贡献需求,贡献反馈,这也是开源生态重要组成部分。持续做开源贡献,势必能够给公司带来正向收益。

百川智能同样是开源的参与者,王小川解释了开源的动机:“第一,开源在市场上有这个需求,2023年6月开源了第一版,9月份开源了第二版。去年,中国对大模型充满热情与紧迫感,开源策略在市场上产生了积极影响。作为认真开源的商业化厂商,百川获得了市场的认可,这对我们来说是一个巨大的鼓舞,无论是在人才储备还是资本关注方面,都为行业树立了标杆。第二,开源也体现了一种心态。我们认识到模型的快速迭代,今天的领先并不意味着明天的竞争力。因此,开源并没有削弱我们的商业竞争力”。更重要的是,众多公司参与开源,共同推动中国生态追赶美国,保护知识产权,这会使整个生态持续繁荣的发展。

四家独角兽大模型公司的同台是具有极其重要的意义的,这不仅体现了行业内的合作精神和开放交流的态度,也会推动整个行业的发展和创新。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/30269.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

天地图 uniapp使用笔记

官网地址&#xff1a;天地图API 效果&#xff1a; <template><view><!-- 显示地图的DOM节点 --><view id"container" class"content"></view><!-- END --><!-- 数据显示 --><h3>城市名称(IP属地)&#x…

Fisnar Liquid Control 操作维修手LC Pump Manual Twinmixer Maintenance 中文

Fisnar Liquid Control 操作维修手LC Pump Manual Twinmixer Maintenance 中文

Jquery 正则匹配字母、数字、-

Jquery 正则匹配字母、数字、- Jquery正则方式一Jquery正则方式二 本文主要讲述页面日常开发过程中需要校验输入参数时&#xff0c;采用正则校验的方式的使用方法&#xff0c;一共有两种形式&#xff0c;其中本文用到的正则公式主要是匹配字母、数字、中横线如下 Jquery正则方式…

DAY03 HTML

文章目录 一 表格1. 表格的语法2. 表格的可选标记3. 不规则的单元格&#xff08;合并单元格&#xff09;4. 表格的属性5. 表格的大小 二 列表1. 有序列表2. 无序列表3. 属性4. 列表的嵌套5. 定义列表【了解】 三 表单(重点)1. 表单的语法2. 表单的控件分类3. input元素4. selec…

智慧工地系统源码,支持项目级、公司级、集团级多级权限划分,支持PC端、手机端

智慧工地的核心是数字化&#xff0c;它通过传感器、监控设备、智能终端等技术手段&#xff0c;实现对工地各个环节的实时数据采集和传输&#xff0c;如环境温度、湿度、噪音等数据信息&#xff0c;将数据汇集到云端进行处理和分析&#xff0c;生成各种报表、图表和预警信息&…

Deflate内部实现(LZ77无损压缩算法)超详细图解算法版~

无损压缩算法 第一阶段&#xff1a;重复消除 — LZ77无损压缩算法算法介绍举例压缩算法思路图解压缩过程 第二阶段&#xff1a;位减少huffman位减少 概览 Gzip Deflate 编码&#xff08;LZ77哈夫曼&#xff09; Brotli LZ77哈夫曼二阶上下文建模 Deflate 分两个阶段压缩数据…

【Linux】Centos升级到国产操作系统OpenAnolis

一、前言 Anolis OS 7生态上和依赖管理上保持跟CentOS7.x兼容&#xff0c;一键式迁移脚本centos2anolis.py&#xff0c;实现CentOS7.x到Anolis OS 7的平滑迁移 使用迁移脚本前需要注意如下事项&#xff1a; 迁移涉及到软件包的重新安装&#xff0c;是不可逆过程&#xff0c;…

基于SpringBoot的社区医院管理服务系统

开头语&#xff1a;你好呀&#xff0c;我是计算机学姐码农小野&#xff01;如果有相关需求&#xff0c;可以私信联系我。 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot框架 工具&#xff1a;Eclipse&#xff0c;Navicat&#xff0c;Maven…

如何提高PMC在异常停线情况下的应急处理能力?

在工业生产中&#xff0c;异常停线是一个常见且令人头疼的问题。它不仅会导致生产进度受阻&#xff0c;还可能造成资源浪费和成本增加。因此&#xff0c;提高PMC&#xff08;生产计划与控制&#xff09;在异常停线情况下的应急处理能力&#xff0c;对于确保生产线的稳定运行和提…

晨持绪科技:抖音小店的前景究竟怎么样

随着移动互联网的迅猛发展&#xff0c;短视频平台快速崛起并逐渐成为人们日常生活中不可或缺的一部分。作为国内领先的短视频平台&#xff0c;抖音在近年推出了“抖音小店”功能&#xff0c;为商家提供了一个新兴的、流量巨大的电商渠道。这一功能的推出不仅改变了传统的购物方…

算法期末整理

一 算法概述 算法的概念 通俗地讲&#xff0c;算法是指解决问题的一种方法或一个过程。更严格地讲&#xff0c;算法是由若干条指令组成的有穷序列。 算法的性质 1.输入&#xff1a;有0个或多个由外部提供的量作为算法的输入。 2.输出&#xff1a;算法产生至少一个量作为输出。…

跨境电商必备?揭秘原生IP的作用

一、什么是原生IP&#xff1f; 原生IP&#xff08;Native IP&#xff09;是指由互联网服务提供商&#xff08;ISP&#xff09;或服务器提供商直接分配给用户的IP地址&#xff0c;这种IP地址直接与用户设备或网络相连&#xff0c;也就是指这个IP的注册地址和服务器机房所在的国…

某宝APP参数通过SDK把APP参数转URL参数链接方法

app里参数无法在电脑端或者在没有XX宝的手机里支付, 所以需要转成H5参数进行代付操作 出某xx宝 支付sdk转h5链接方式算法

爆赞!GitHub首本Python开发实战背记手册,标星果然百万名不虚传

Python (发音:[ paiθ(ə) n; (US) paiθɔn ] n. 蟒蛇&#xff0c;巨蛇 )&#xff0c;是一种面向对象的解释性的计算机程序设计语言&#xff0c;也是一种功能强大而完善的通用型语言&#xff0c;已经具有十多年的发展历史&#xff0c;成熟且稳定。Python 具有脚本语言中最丰富…

安防监控视频平台LntonAIServer视频智能分析平台烟火检测

LntonAIServer烟火检测技术是一种先进的技术&#xff0c;它结合了人工智能的强大能力&#xff0c;专门用于识别和检测烟雾或火焰的存在。这种技术在现代社会的许多领域中都发挥着至关重要的作用&#xff0c;尤其是在安全监控和火警预警系统等关键领域&#xff0c;它的应用更是不…

Advanced RAG 08:使用 Self-RAG 打造高质量、可追溯的 RAG System

编者按&#xff1a; RAG 技术通过检索并利用外部知识源&#xff0c;能够较为有效地提升生成内容的准确性和多样性。然而&#xff0c;经典 RAG 流程也存在一些不足&#xff0c;例如不必要的检索会浪费计算资源&#xff0c;并可能引入无关内容或错误信息&#xff0c;影响生成质量…

【ai】如何在ollama中随意使用hugging face上的gguf开源模型

【背景】 ollama的pull命令可以直接pull ollama列表中现有的模型&#xff0c;但是ollama可以直接pull的模型大都是英语偏好&#xff08;llama2有直接可以pull的chinese版本&#xff09;&#xff0c;而hugging face上则有大量多语种训练的模型&#xff0c;如果能直接使用huggin…

香港优才计划申请打分、材料、递交攻略,2024年获批后我来分享

香港优才计划这两年很多人弄啊&#xff0c;糖爸作为获批过来人&#xff0c;我来给大家分享香港优才计划申请攻略。 一、香港优才计划如何计算分数&#xff1f; 香港优才计划申请条件分2部分&#xff1a;第一是基本资格要求&#xff0c;第二是计分制度&#xff1b; 基本条件简…

【PL理论】(33) 类型系统:推导树证明 φ ⊢ e∶t | 继续定义关系:γ ⊢ e∶t

&#x1f4ac; 写在前面&#xff1a;本章我们将讲解推导树证明&#xff0c;推导树实际上就是推理规则的应用。只要学会如何选择并应用适当的推理规则&#xff0c;证明就不是难事了。 目录 0x00 推导树证明 &#x1d753; ⊢ &#x1d486; ∶ &#x1d495; 0x01 继续定义关…

《Linux运维总结:基于ARM64架构CPU使用docker-compose一键离线部署alertmanager v0.27.0高可用集群》

总结&#xff1a;整理不易&#xff0c;如果对你有帮助&#xff0c;可否点赞关注一下&#xff1f; 更多详细内容请参考&#xff1a;《Linux运维篇&#xff1a;Linux系统运维指南》 一、部署背景 由于业务系统的特殊性&#xff0c;我们需要面对不同的客户部署业务系统&#xff0…