天貓精靈把大模型做“小”了
(資料圖片)
編者按：本文來自微信公眾號 光子星球（ID：TMTweb），作者：吳坤諺，編輯：王潘，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載
先有理論還是先有應用？
起碼在涌現(xiàn)能力上，是應用為先。例如大語言模型（LLMs）的涌現(xiàn)能力（emergent ability），以GPT3為代表的主流大語言模型在參數(shù)規(guī)模超過10^22級別后，效果突然大幅提升。
這讓大模型的研發(fā)在短短數(shù)月內(nèi)進入了一場取決于數(shù)據(jù)獲取和算力調(diào)配的競賽，“技術(shù)上有深度但競爭呈紅海”。但就在業(yè)內(nèi)相互比拼參數(shù)多少的時候，天貓精靈在嘗試用億級參數(shù)做AIGC。
4月，天貓精靈公開了首個接入千問大模型的智能硬件demo，近日又透出了一款研發(fā)中的AIGC新型硬件demo——智能隨身眼鏡。目前市場公版暫不清楚升級政策，但從工程體驗來看，具有隨身聊天+語音生成的功能。
據(jù)了解，該款智能隨身眼鏡的載體是天貓商城中在售的CZ0001，原先的設備已經(jīng)搭載了骨傳導結(jié)構(gòu)為基礎的通話、音頻、防水等功能。在實機體驗中，demo通過原搭載在智能眼鏡中的收發(fā)聲單元與測評人流暢交互，形式上也并非一般大模型中展現(xiàn)的一問一答，而是更偏向于溝通的人性化交互。此外，該demo在接收人聲信號后的反應速度較快，在健康、辦公以及游戲等多樣化的消費場景中都展現(xiàn)出了不錯的反應速度，并未出現(xiàn)卡殼的現(xiàn)象。
智能硬件和軟件一樣，存在與大模型相結(jié)合的無數(shù)可能，是大模型的又一個具備豐富的落地應用場景的方向。小度開始做手機，天貓精靈做眼鏡，背后是對智能終端發(fā)展不同的思路。天貓精靈demo的問世，也意味著大模型進入了軟件應用之外的場景，這無疑標志著AIGC硬件會逐漸走入更加個人化的、隨身的垂直使用場景中。
大模型不應厚B薄C大模型領域，我們還在朝著OpenAI緊追慢趕，只是在商業(yè)化領域，國內(nèi)玩家的步伐明顯更快。在今年4月到5月間的大模型井噴期，一眾入局者在公布了自家大模型的同時也給出了商業(yè)化落地的路徑。
就目前來看，國內(nèi)大模型主流的商業(yè)化路徑有兩種：其一是以通用大模型為底座，接入如今豐富的移動互聯(lián)網(wǎng)應用生態(tài)；其二是扎根某個垂類生態(tài)，以特定的具體場景中產(chǎn)出的高質(zhì)量數(shù)據(jù)作為大模型的“涌現(xiàn)”能力的養(yǎng)料。只是在目前已公開的多條路徑中，B端場景占據(jù)多數(shù)。
這其實并不奇怪，面對涌現(xiàn)能力“大力出奇跡”的特點，大模型訓練往往耗資甚巨，落地的想象也浩如煙海。在重資產(chǎn)投入下，選擇在數(shù)據(jù)積累更厚、應用更成熟的垂直領域落地，可以快速進入自我造血的良性循環(huán)。而且，如果考慮成本回收以及變現(xiàn)問題，付費能力更強的B端自然是首選。
比較典型的是，僅4月期間，多家大模型宣布接入辦公場景，如協(xié)同辦公、辦公助手等。但阿里的野心卻遠不止于此，電商起家的深刻烙印，讓阿里在大模型的商業(yè)化落地中將C端放在了與B端相等的位置上，借助已有的語音交互基礎，早在通用大模型通義千問面世前便以天貓精靈語音助手為載體，基于演員“鳥鳥”的類GPT應用。
相比于需要“調(diào)教”的通用大模型以及偏向B端應用的垂類大模型，接入大模型的天貓精靈demo可以應對更復雜的交互場景，支持基于人類反饋進行強化學習。當人類詢問一個問題（Query）時，天貓精靈demo會首先經(jīng)過貓耳算法將其轉(zhuǎn)換為文本，隨后通過大模型產(chǎn)生個性化的對話回復，最后再到個性化的語音合成給出回答。整個過程還有Multi-Turn對話系統(tǒng)來支持，確保低時延、支持多輪對話以及隨時打斷。
只是在接收并理解人聲信號的時候，天貓精靈demo還是出現(xiàn)了語義理解錯誤的問題。而且實際測試非常日常且生活化，對于復雜問題的處理可能還沒到位。
更值得一提的是，天貓精靈demo所展現(xiàn)出的智能交互水平并非基于參數(shù)量在十萬億以上的通義千問大模型，而是基于相對更小、在外界看來是作為通用大模型“知識蒸餾”的中小模型。
資料顯示，天貓精靈接入的個性化大模型在參數(shù)規(guī)模上是億級到十億級，通過針對消費場景的不斷微調(diào)和強化學習，以低于行業(yè)標桿OpenAI研究的涌現(xiàn)參數(shù)標準做到了近似千億級大模型的生成水平，在計算資源消耗大幅降低的同時兼顧了清晰的商業(yè)模式。
這是國內(nèi)大模型進一步有效控制大模型成本的“個性化”嘗試。雖然涌現(xiàn)能力原理的面紗還是未能揭開，但天貓精靈demo的出現(xiàn)顯然是大模型訓練路線中的一次有效探索。
至于商業(yè)化的落地，天貓精靈demo也是業(yè)內(nèi)難得的面向消費場景的大模型應用。
無論是移動互聯(lián)網(wǎng)應用中催生的多元化平臺生態(tài)，還是區(qū)塊鏈應用催生的NFT、數(shù)字藏品，面對新生事物，C端用戶往往付費意愿更強。造成這一現(xiàn)象的根本原因在于決策人，B端的決策人往往是企業(yè)領導、采購部門，他們并非產(chǎn)品的直接使用者，而且需要考慮成本、預算、適用性等多個維度，而C端的決策者是自己，不僅更容易在大模型的認知焦慮下驅(qū)使付費，決策相對非理性，而且成交周期短，更容易進入自我造血的循環(huán)。
只是在類GPT應用中，C端用戶由于GPT鎖區(qū)而苦于沒有落地產(chǎn)品可以使用和體驗，如今面世的大模型又將商業(yè)化重心落腳于B端。至少目前，阿里的天貓精靈AIGCdemo選擇了人數(shù)相對少的路徑，而且落地的想象也足夠豐富。
生活化的“無感”既然個性化大模型和智能終端的結(jié)合是一個豐富、有落地應用場景的方向，為何卻鮮少有人嘗試？這一問題的答案或許能自元宇宙的前車之鑒中探求。
和元宇宙風口相似，大模型的應用同樣存在不同企業(yè)的認知基礎上分化出的不同方向。只是曾經(jīng)的元宇宙卻無法為消費者帶來足夠沉浸的體驗，而大模型卻具備這樣的潛力。
以如今大模型基本的NPL文本生成為例，我們僅需要登錄大模型的入口，輸入問題指令即可快速獲得回答，而元宇宙所追求的沉浸式賽博空間，于消費者而言不僅缺乏硬件設備支持，同時以目前公用網(wǎng)絡帶寬連云游戲都難以cover的情況，大量消費者共處在某一個賽博空間中娛樂、生活的愿景只能停留在春秋筆法中，難以落地。
只是目前多數(shù)大模型也只是達到了消費場景的初步需求。
在消費場景中，用戶需要和追求的是“無感”的使用體驗，即要求更多具有沉浸感的交互能夠在無意識的情況下自然下發(fā)生。通常，“沉浸感”的說法常常出現(xiàn)在游戲、XR等偏重虛擬現(xiàn)實體驗的領域，而在在大模型需求的多模態(tài)交互語境下，沉浸感自然可以進一步解釋為"無感"的交互方式。”
簡單來說，即使做不到像3A大作一樣呈現(xiàn)光怪陸離的世界以供體驗，也需要像我們?nèi)粘３鲂兄袝o意識地打開天氣APP看看天氣，打開打車軟件叫個車。僅需簡單對比使用體驗便不難看出，目前對C端用戶的“無感”體驗上，大模型玩家們的功力還遠遠不夠。
即使是被業(yè)內(nèi)奉為標桿的ChatGPT，用戶在付費使用時也需要經(jīng)歷解鎖設備、打開網(wǎng)頁、輸入對應問題三個環(huán)節(jié)，期間還需要不斷通過prompt來獲取想要的內(nèi)容。至于當下越來越多的、搭載在某個應用生態(tài)的大模型，則與曾經(jīng)的元宇宙應用相似。由于不能搶了平臺原生應用的“風頭”，往往需要用戶在平臺生態(tài)中找到入口，相對網(wǎng)頁載體更加麻煩。
換句話說，假設將大模型進入我們?nèi)粘Ｉ畹臓顟B(tài)稱為 AI 2.0 ，如今的應用體驗充其量是 AI 1.5 。
這樣的儀式化過程就像早期的互聯(lián)網(wǎng)，個人計算機只能通過電話線和網(wǎng)絡交換器核心進行連接，并使用modem將電話線傳輸?shù)?00HZ到3400HZ的模擬信號波形轉(zhuǎn)換為計算機可以處理的信號，因此彼時也將上網(wǎng)戲稱為“沖浪”。這樣的復雜流程天然與消費場景相悖，即使大模型能憑借優(yōu)異的工具特性牢牢抓住老板和打工人們，也難以融入我們的日常生活之中。
與之相比，以智能硬件為入口反而是大模型接入日常消費場景的一記“妙手”。
生活化才是未來如果將時間回撥至兩年前，那時無論是智能穿戴設備還是大模型，都不會想到今天兩者的結(jié)合。
彼時大模型只是在NPL（自然語言處理）、CV（計算機視覺）兩條AI賽道爆發(fā)后的科研嘗試，以阿里為代表的頭部大廠將參數(shù)量卷到10萬億級別時，缺乏明確的商業(yè)路徑和巨大的算力投入讓大模型止步于研究階段。而智能穿戴設備同樣也走進平臺期，相對普通用戶而言稍顯雞肋的豐富功能與品牌溢價讓增長愈發(fā)乏力，入局者不得不將目光放向?qū)】倒δ芨鼮橹匾暤闹欣夏晔袌觥?/p>
此外，兩者更大的相同點在于技術(shù)存在實際冗余。
由OpenAI測算出的大模型涌現(xiàn)規(guī)模是百億級，可2021年，國內(nèi)的大模型的參數(shù)已經(jīng)卷上10萬億。以天貓精靈demo為代表的智能眼鏡所需的骨傳導、算法、發(fā)聲單元或是其他智能穿戴設備的技術(shù)功能也日趨成熟。而更能體現(xiàn)技術(shù)冗余的，則是兩者在應用形式上遲遲難以發(fā)生變化。
隨著時間的催化，技術(shù)上冗余會不斷匯聚，由此也有可能迸發(fā)出新的應用形式。
只是業(yè)務方向的嘗試多種多樣，當局者迷才是一眾先行者的眾生相。例如令曾在3G時代大力發(fā)展視頻通話業(yè)務的運營商始料不及的是，該業(yè)務會在4G時代進入尋常百姓家。
回到天貓精靈一系列大模型測試之上，我們緣何判斷這將是一條可行路徑？
因為就目前而言，demo作為新型應用形式已經(jīng)達成了使用體驗的躍進。其一是智能穿戴設備所預設的實現(xiàn)用戶信息交互、人體健康監(jiān)測、健康放松及生活娛樂等功能都可以在語音這一模態(tài)的輸出下得以觸達，其二是大模型也能借由消費品載體進入我們的生活。
這條路徑的終點，是人人都能擁有鋼鐵俠的賈維斯（漫威漫畫中的強人工智能）。
阿里巴巴集團首席執(zhí)行官張勇在4月的阿里云峰會上說的“所有產(chǎn)品都將接入AI大模型”所言非虛。只是根據(jù)實測結(jié)果，天貓精靈demo距離落地還有一段不小的距離。
在個性化大模型的訓練中采用億級參數(shù)，也可能商業(yè)化成本管控之下的結(jié)果，但這并不妨礙demo作為行業(yè)的一次有效創(chuàng)新。大模型的落地路徑無數(shù)，如果大模型確是一次堪比第二次工業(yè)革命的浪潮，那么率先亮出“燈泡”以“先聲奪人”，不知這是否是一件好事。