9月20日消息，在2024云棲大會(huì)上，極客公園創(chuàng)始人、總裁 張鵬對(duì)話階躍星辰創(chuàng)始人、首席執(zhí)行官姜大昕，月之暗面Kimi創(chuàng)始人 楊植麟，清華大學(xué)人工智能研究院副院長(zhǎng)、生數(shù)科技首席科學(xué)家朱軍，三人對(duì)AGI發(fā)展現(xiàn)狀和未來(lái)展望進(jìn)行了激烈討論和前瞻展望。
2024年，AI 發(fā)展變慢了嗎？過(guò)去18個(gè)月，AGI的發(fā)展是加速還是減速？如何評(píng)價(jià)OpenAI 最新發(fā)布的 O1 模型？強(qiáng)化學(xué)習(xí)將改變什么？大模型時(shí)代的創(chuàng)業(yè)新范式是什么？
姜大昕表示AI 技術(shù)發(fā)展加速， AI 發(fā)展正在經(jīng)歷關(guān)鍵的技術(shù)范式迭代： OpenAI 的大模型 o1 探索出了通過(guò)強(qiáng)化學(xué)習(xí)讓 AI 具備人類(lèi)慢思考（可主動(dòng)反思、糾錯(cuò)的復(fù)雜思考）能力的方式，接下來(lái)提升強(qiáng)化學(xué)習(xí)模型的泛化能力和加速推進(jìn)多模態(tài)理解生成一體化是 AI 技術(shù)進(jìn)一步突破的關(guān)鍵。階躍星辰積極探索新的技術(shù)范式，已經(jīng)在萬(wàn)億參數(shù)模型上實(shí)現(xiàn)了強(qiáng)化學(xué)習(xí)訓(xùn)練的方法論。同時(shí)，持續(xù)打磨更高性能的底層大模型，提升C端產(chǎn)品體驗(yàn)。據(jù)他透露，近期階躍星辰自研的 Step-2 萬(wàn)億參數(shù) MoE 語(yǔ)言大模型已接入智能助手“躍問(wèn)”，展現(xiàn)出更強(qiáng)大的指令跟隨、創(chuàng)作和推理能力。
談到AI產(chǎn)品未來(lái)的可能形態(tài)，楊植麟表示，以后的AI可能要思考或者調(diào)用各種工具，它可能執(zhí)行分鐘級(jí)別、小時(shí)級(jí)別甚至天級(jí)別的任務(wù)，所以產(chǎn)品形態(tài)上可能會(huì)更接近一個(gè)人，它更接近“助理”的概念，幫你完成異步的任務(wù)。這里面的產(chǎn)品形態(tài)設(shè)計(jì)可能也會(huì)發(fā)生很大的變化，想象空間蠻大。
談到未來(lái)18個(gè)可能發(fā)生的事情，朱軍表示，預(yù)想未來(lái)18個(gè)月可能比較令人興奮的一個(gè)進(jìn)展，我希望看到AGI的L3已經(jīng)基本上實(shí)現(xiàn)。至少在智能體，比如我們說(shuō)的世界模型的創(chuàng)建生成、虛實(shí)融合，至少在一些特定場(chǎng)景下的決策能力的巨大的提升。其實(shí)它會(huì)利用我們今天講到的推理、感知等等。
以下為對(duì)話實(shí)錄摘錄：
主持人：從ChatGPT的發(fā)展，引發(fā)了整個(gè)世界對(duì)于AGI這個(gè)事情的理解，發(fā)展到現(xiàn)在也18個(gè)月了。各位的感受是怎么樣的，過(guò)去18個(gè)月，AGI的發(fā)展是加速還是減速？
姜大昕：我覺(jué)得過(guò)去18個(gè)月速度還是在加速的，速度還是非?？斓?。因?yàn)楫?dāng)我們回顧過(guò)去18個(gè)月發(fā)生的大大小小的AI事件以后，可以從兩個(gè)維度去看，一個(gè)是數(shù)量的角度，一個(gè)是質(zhì)量的角度。
從數(shù)量的角度來(lái)看，還是每個(gè)月都會(huì)有新的模型、新的產(chǎn)品、新的應(yīng)用涌現(xiàn)出來(lái)。比如單從模型來(lái)看，OpenAI 2月份發(fā)了一個(gè)sora，我記得當(dāng)時(shí)還是過(guò)年的時(shí)候，把大家轟炸了一下。然后5月份出了一個(gè)GPT-4o，上周又出了o1。OpenAI的老對(duì)手Anthropic它有Claude3到Claude3.5的系列，再加上谷歌Gemini系列、Claude系列、LLaMA的系列，等等。
所以，回顧過(guò)去，我們的感覺(jué)還是GPT-4是一家獨(dú)大，遙遙領(lǐng)先。到了今年就變成了一個(gè)好像是群雄并起，你追我趕的局面，所以感覺(jué)各家是在提速了。
從質(zhì)量的角度來(lái)看，我覺(jué)得有三件事情可能給我的印象非常的深刻。
第一件事情，GPT-4O的發(fā)布。因?yàn)槲铱此?，認(rèn)為它是在多模融合這樣的一個(gè)領(lǐng)域上了一個(gè)新的臺(tái)階。在GPT4O之前，是有GPT4V，它是一個(gè)視覺(jué)的理解模型，有Dalle、Sora，這是視覺(jué)的生成模型。還有Whisper這是聲音模型。所以原本這些孤立的模型到了4O這里都融合在一起了。
那為什么融合這件事情非常的重要？是因?yàn)槲覀兊奈锢硎澜绫旧砭褪且粋€(gè)多模的世界，所以多模融合一定是有助于更好的去為我們的物理世界建模，去模擬世界這樣一件事情。
第二件事情，特斯拉發(fā)布的FSD V12。大家知道它是一個(gè)端到端的大模型，它把感知信號(hào)變成一個(gè)控制序列。智駕是一個(gè)非常有代表性的，它是一個(gè)從數(shù)字世界走向物理世界一個(gè)真實(shí)的應(yīng)用場(chǎng)景。所以，我覺(jué)得FSDV12它的成功，意義不僅在于智駕本身，這套方法論可以認(rèn)為是為將來(lái)的智能設(shè)備如何和大模型相結(jié)合，更好的去探索物理世界指明了一個(gè)方向。
第三件事情，上周的O1，我對(duì)它的理解，它第一次證明了語(yǔ)言模型其實(shí)也可以有人腦的慢思考，就是系統(tǒng)2的能力。而我們覺(jué)得系統(tǒng)2的能力它是歸納世界所必備的一個(gè)前提條件，是一個(gè)基礎(chǔ)的能力。所以，我們一直認(rèn)為，AGI的演進(jìn)路線可以分為模擬世界、探索世界、最后歸納世界。而過(guò)去幾個(gè)月的時(shí)間我們看到GPT4O、FSD V12和O1分別在這三個(gè)階段或者這三個(gè)方向上都取得了非常大的突破，而且更重要的是為將來(lái)的發(fā)展也指明了一個(gè)方向。所以無(wú)論是從數(shù)量還是質(zhì)量上來(lái)說(shuō)，都是可圈可點(diǎn)。
楊植麟：我覺(jué)得整體也是屬于加速發(fā)展的階段，核心可以從兩個(gè)維度來(lái)看（AI的發(fā)展），第一個(gè)維度是縱向的維度，也就是說(shuō)你的智商是一直在提升的，這個(gè)主要現(xiàn)在的反應(yīng)方式還是你去看文本模型能做到多好。第二個(gè)是橫向的發(fā)展。除了文本模型之外，剛才姜總提到的，也會(huì)有各種不同的模態(tài)，這些模態(tài)會(huì)做一個(gè)橫向的發(fā)展，更多的讓你這個(gè)模型具備更多的技能，能夠去完成更多的任務(wù)，然后同時(shí)跟縱向的智商的發(fā)展相結(jié)合。
在這兩個(gè)維度上，我覺(jué)得都看到了非常大的進(jìn)展，比如說(shuō)在縱向的維度上，其實(shí)智商是一直在提升的，比如說(shuō)我們?nèi)绻タ锤?jìng)賽數(shù)學(xué)能力，去年是完全不及格，到今年已經(jīng)能做到90多分，像代碼基本上也是一樣，能夠擊敗很多專業(yè)的編程選手，包括因此也產(chǎn)生了很多新的應(yīng)用機(jī)會(huì)，比如說(shuō)像現(xiàn)在比較流行的類(lèi)似curser這樣的，通過(guò)自然語(yǔ)言直接去寫(xiě)代碼的這樣的軟件也越來(lái)越普及，這是技術(shù)發(fā)展的結(jié)果。包括我們?nèi)タ春芏嗑唧w的技術(shù)指標(biāo)，現(xiàn)在的語(yǔ)言模型能支持的上下文的長(zhǎng)度，我們?nèi)绻ツ赀@個(gè)時(shí)間點(diǎn)去看的話，大部分的模型都只能支持4K-8K的，但是從今天去看你會(huì)發(fā)現(xiàn)4K-8K已經(jīng)是非常低的數(shù)了，128K是一個(gè)標(biāo)配，已經(jīng)有很多可以支持1M甚至10M的長(zhǎng)文本的長(zhǎng)度。所以，它這個(gè)其實(shí)也是后面你的智商不斷提升的一個(gè)很重要的基礎(chǔ)。
包括最近的很多進(jìn)展，它不光只是說(shuō)Scaling，Scaling還是會(huì)持續(xù)。而且很多進(jìn)展也來(lái)自于你的后訓(xùn)練算法的優(yōu)化，來(lái)自于你數(shù)據(jù)的優(yōu)化，這些優(yōu)化它的周期是會(huì)更短的。所以，這個(gè)周期更短導(dǎo)致你整體AI發(fā)展節(jié)奏也會(huì)進(jìn)一步加快，包括我們最近在數(shù)學(xué)上看到的很多進(jìn)展，其實(shí)也是得益于這些技術(shù)的發(fā)展。
橫向上當(dāng)然也產(chǎn)生了很多新的突破，當(dāng)然Sora可能是影響力最大的，在這里面完成了這個(gè)視頻生成。包括最近有特別多新的產(chǎn)品和技術(shù)出來(lái)，現(xiàn)在你已經(jīng)可以通過(guò)一個(gè)論文直接生成基本上你看不出來(lái)是真是假的雙人的對(duì)話。類(lèi)似這樣的不同模態(tài)之間的轉(zhuǎn)化、交互和生成，其實(shí)會(huì)變的越來(lái)越成熟。所以，我覺(jué)得整體是在加速的過(guò)程中。
朱軍：AGI這里面大家最關(guān)注的還是大模型，剛才兩位也講了去年包括今年大模型也發(fā)生了很多重要的變化。整個(gè)的進(jìn)展我是非常同意剛才講到的，在加快。
另外，我想補(bǔ)充一點(diǎn)，大家在解新的問(wèn)題，這個(gè)速度也在加快了，我們說(shuō)它的Leaning corve在變的更陡。原來(lái)如果你看語(yǔ)言模型，可能從2018年最早去做的，到去年以及到今年，大家走了五六年的路。但其實(shí)從去年開(kāi)始，上半年大家還是關(guān)注語(yǔ)言模型，下半年在討論多模態(tài)，從多模態(tài)理解再到多模態(tài)生成。我們?cè)倩剡^(guò)頭看的話，比如說(shuō)圖像或者視頻，其實(shí)視頻最明顯，從今年的2月份，當(dāng)時(shí)很多人被震驚到了，因?yàn)樗芏鄾](méi)有公開(kāi)，就說(shuō)怎么去突破？有很多的討論。但事實(shí)上我們現(xiàn)在看到這個(gè)行業(yè)里面，大概用了半年的時(shí)間，已經(jīng)做到了可以去用，而且達(dá)到了一個(gè)很好的一些效果，在時(shí)空一致性上。所以大概走了半年的路。
所以這里面加速的一個(gè)最核心的原因，現(xiàn)在大家對(duì)這種路線的認(rèn)知和準(zhǔn)備上，達(dá)到了比較好的程度。當(dāng)然我們還有物理的條件，比如說(shuō)像云的設(shè)施，計(jì)算的資源的準(zhǔn)備上，不像ChatGPT當(dāng)時(shí)出來(lái)的時(shí)候，大家當(dāng)時(shí)更多的是一種不知所措，我覺(jué)得很多人可能沒(méi)準(zhǔn)備好去接受這個(gè)，所以中間去花了很長(zhǎng)時(shí)間去學(xué)習(xí)、去掌握這個(gè)。當(dāng)我們掌握了之后再發(fā)現(xiàn)這個(gè)進(jìn)展的話，再去做新的問(wèn)題，其實(shí)它的速度是越來(lái)越快的。
當(dāng)然，這個(gè)可能不同的能力它再輻射到實(shí)際的用戶的角度來(lái)說(shuō)，有一些快慢之分，當(dāng)然也分行業(yè)。這個(gè)可能在廣泛的角度來(lái)說(shuō)，大家可能沒(méi)感知到。但是從技術(shù)來(lái)說(shuō)，其實(shí)這個(gè)進(jìn)展我感覺(jué)是曲線越來(lái)越陡，而且可能對(duì)后邊我們要預(yù)測(cè)未來(lái)的話，包括向更高階的AGI發(fā)展，我是比較樂(lè)觀的，可能會(huì)看到比之前更快的速度去實(shí)現(xiàn)了。
主持人：最近OpenAI剛剛出的O1的新的模型，也是在專業(yè)人群里形成了非常多的影響，現(xiàn)在還在很豐富的討論。怎么評(píng)價(jià)O1進(jìn)展的意義？
姜大昕：確實(shí)我看到一些非共識(shí)，有些人覺(jué)得意義很大，有些人覺(jué)得也不過(guò)如此。我覺(jué)得大家如果去試用O1的話，可能第一印象是它的推理能力確實(shí)非常驚艷，我們自己試了很多Query，覺(jué)得推理能力確實(shí)上了一個(gè)很大的臺(tái)階。
然后我們?nèi)ニ伎妓澈蟮囊饬x究竟是什么，我能想到的有兩點(diǎn)：1.它第一次證明了Large language model，就是語(yǔ)言模型，它可以有人腦的慢思考的能力。它和以前GPT的范式，或者GPT的訓(xùn)練，它叫，Predict next Token，它只要這樣訓(xùn)練了，就注定了它只有system 1的能力。而O1是用了一個(gè)強(qiáng)化學(xué)習(xí)的訓(xùn)練框架，所以帶來(lái)了系統(tǒng)2的能力。
系統(tǒng)1的體現(xiàn)，它是一個(gè)直線性思維，雖然我們看到GPT4有時(shí)候可以把一個(gè)復(fù)雜的問(wèn)題拆解成很多步，然后分步去解決，但它還是直線性的。系統(tǒng)1和系統(tǒng)2最大的區(qū)別在于，系統(tǒng)2能夠去探索不同的路徑，它能夠自我去反思、自我去糾錯(cuò)，然后不斷的試錯(cuò)，直到找到一個(gè)正確的途徑，這是系統(tǒng)2的特點(diǎn)。這次O1，它是把以前的模仿學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合起來(lái)了，使得一個(gè)模型同時(shí)有了人腦系統(tǒng)1和系統(tǒng)2的能力。所以我覺(jué)得從這個(gè)角度來(lái)看，它的意義是非常大的。
第二，它帶來(lái)了一個(gè)Scaling Law的新方向，我理解O1試圖回答的一個(gè)問(wèn)題，就是說(shuō)RL（強(qiáng)化學(xué)習(xí)）究竟怎么去泛化。因?yàn)閺?qiáng)化學(xué)習(xí)它不是第一個(gè)，DeepMind一直走的是強(qiáng)化學(xué)習(xí)的路線，從AlphaGo到AlphaFold到AlphaGeometry，其實(shí)它在強(qiáng)化學(xué)習(xí)上是非常厲害的。但以前強(qiáng)化學(xué)習(xí)的場(chǎng)景都是會(huì)為特定場(chǎng)景去設(shè)計(jì)，AlphaGo只能下圍棋，AlphaFold只能去預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)。所以這次O1的出現(xiàn)，它是在RL強(qiáng)化學(xué)習(xí)通用性和泛化性上了一個(gè)大的臺(tái)階，而且它scale到了一個(gè)很大的規(guī)模，所以我把它看成scaling帶來(lái)新的技術(shù)范式，我們不妨稱之為RL Scaling。而且我們看到有意思的一點(diǎn)，O1并沒(méi)有到很成熟的階段，它還是一個(gè)開(kāi)端，但是這個(gè)恰恰讓人覺(jué)得非常的興奮，這就等于OpenAI跟我們說(shuō)，我找到了一條上限很高的道路，而且你仔細(xì)去思考它背后的方法，你會(huì)相信這條路實(shí)際上是能走得下去。所以O(shè)1從能力上來(lái)講，我覺(jué)得它展示了Language model可以有系統(tǒng)2的能力，從技術(shù)上來(lái)說(shuō)它帶來(lái)新的scaling范式，所以它的意義還是非常大的。
朱軍：我的看法，它是代表著一個(gè)顯著的質(zhì)變。我們也對(duì)AGI大概做了一些分級(jí)，學(xué)術(shù)界，包括產(chǎn)業(yè)界大家有L1-L5的分級(jí)。其實(shí)L1的話相當(dāng)于聊天機(jī)器人，就是像ChatGPT等，之前大家做了很多對(duì)話的。L2叫推理者，實(shí)際上可以做復(fù)雜問(wèn)題深度思考的推理。L3叫智能體，回應(yīng)吳總講的“數(shù)字世界”走向“物理世界”，我要去改變的，我要去交互的。L4是創(chuàng)新者，它要去發(fā)現(xiàn)、創(chuàng)造一些新的東西，或者發(fā)現(xiàn)一些新的知識(shí)。L5是組織者，它可以去協(xié)同，或者某種組織方式更高效來(lái)運(yùn)轉(zhuǎn)，這是大家對(duì)于AGI L1-L5的分級(jí)，當(dāng)然每一級(jí)也有narrow和general的區(qū)分，在某些Task上展示出來(lái)。比如O1在L2的narrow場(chǎng)景下，在一些特定任務(wù)下已經(jīng)實(shí)現(xiàn)了人類(lèi)達(dá)到很高階的智能水平。我覺(jué)得從分級(jí)角度來(lái)看，它確實(shí)代表著整個(gè)行業(yè)巨大的進(jìn)步。
剛才技術(shù)上姜總也講了，它將過(guò)去強(qiáng)化學(xué)習(xí)或者其他一些技術(shù)，其實(shí)在研究里已經(jīng)做了很多東西，但實(shí)際上它在大規(guī)?；Ｐ蜕夏軌蜃龀鰜?lái)的效果，這還是從工程上，或者從實(shí)現(xiàn)上來(lái)說(shuō)對(duì)行業(yè)很大的觸動(dòng)。當(dāng)然它也會(huì)錯(cuò)發(fā)或者激發(fā)出來(lái)很多未來(lái)的探索，或者實(shí)際的研發(fā)，可能會(huì)走向從narrow到general的躍遷。剛才講到速度，我相信它會(huì)很快，因?yàn)榇蠹乙呀?jīng)有很多準(zhǔn)備了，我也期待這個(gè)領(lǐng)域里更多將L2做得更好，甚至更高階的能實(shí)現(xiàn)。
楊植麟：我覺(jué)得它的意義確實(shí)是很大，主要意義在于它提升了AI的上限。AI的上限是說(shuō)，你現(xiàn)在去提升5%、10%的生產(chǎn)力，還是說(shuō)10倍的GDP，我覺(jué)得這里最重要的問(wèn)題就是你能不能通過(guò)強(qiáng)化學(xué)習(xí)進(jìn)一步scaling，這是完全提升了AI上限的東西。我們?nèi)绻碅I歷史上七八十年的發(fā)展，唯一有效的就是scaling，唯一有效的就是加更多的算力。但在O1提出之前，可能也有很多人在研究強(qiáng)化學(xué)習(xí)，但都沒(méi)有一個(gè)非常確切的答案，強(qiáng)化學(xué)習(xí)如果和大語(yǔ)言模型，或者和training processin這些東西整合在一起，它能否持續(xù)提升。比如GPT4這一代模型的提升，更多是確定性的提升，我在一樣范式下把規(guī)模變得更大，它肯定是確定性的提升。但是我覺(jué)得O1的提升并不是一個(gè)完全確定性的，這樣的提升。
所以在之前大家可能會(huì)擔(dān)心現(xiàn)在互聯(lián)網(wǎng)上大部分優(yōu)質(zhì)數(shù)據(jù)都已經(jīng)被使用完了，然后你可能繼續(xù)使用這個(gè)數(shù)據(jù)也沒(méi)有更多數(shù)據(jù)可以挖掘，所以你原來(lái)的范式可能會(huì)遇到問(wèn)題。但AI有效了，你又需要進(jìn)一步scaling，那你這個(gè)scaling從哪里來(lái)，我覺(jué)得很大程度上解決了這個(gè)問(wèn)題，或者說(shuō)至少證明了它初步可行。初步可行的情況下，可能我們會(huì)有越來(lái)越多人投入去做這個(gè)事情，最終你要做到10倍GDP的最終效果，它完全有可能，我覺(jué)得是一個(gè)很重要的開(kāi)端。
我覺(jué)得對(duì)很多產(chǎn)業(yè)格局上，或者對(duì)于創(chuàng)業(yè)公司新機(jī)會(huì)來(lái)說(shuō)也會(huì)發(fā)生一些變化。比如我覺(jué)得這里很關(guān)鍵的一個(gè)點(diǎn)，你的訓(xùn)練和推理算力占比是會(huì)發(fā)生很大的變化，這個(gè)變化我不是說(shuō)訓(xùn)練的算力會(huì)下降，訓(xùn)練的算力還會(huì)持續(xù)提升。與此同時(shí)，推理的算力提升會(huì)更快，那這個(gè)比例的變化本質(zhì)上會(huì)產(chǎn)生很多新的機(jī)會(huì)，可能這里很多新的創(chuàng)業(yè)公司的機(jī)會(huì)。一方面，如果你達(dá)到一定的算力門(mén)檻，它可以在這里做很多算法的基礎(chǔ)創(chuàng)新，那你可以在基礎(chǔ)的模型上甚至取得突破，所以我覺(jué)得這個(gè)很重要。
對(duì)于算力相對(duì)小一點(diǎn)的公司，它也可以通過(guò)后訓(xùn)練的方式，在一些領(lǐng)域上做到一些效果，這里也會(huì)產(chǎn)生更多的產(chǎn)品和技術(shù)機(jī)會(huì)，所以我覺(jué)得整體也是打開(kāi)了創(chuàng)業(yè)相關(guān)的想象空間。
主持人：這一波AI新的變化，接下來(lái)會(huì)對(duì)AI相關(guān)的產(chǎn)品帶來(lái)什么樣的連鎖反應(yīng)，這個(gè)變化如何發(fā)生？
楊植麟：這是很好的問(wèn)題，我們現(xiàn)在還是處于產(chǎn)業(yè)發(fā)展的早期。產(chǎn)業(yè)發(fā)展的早期有一個(gè)特點(diǎn)，還是技術(shù)驅(qū)動(dòng)產(chǎn)品會(huì)更多，所以很多時(shí)候你的產(chǎn)品會(huì)去看當(dāng)前的技術(shù)是怎么發(fā)展，然后把它最大化的價(jià)值提取出來(lái)，所以這個(gè)問(wèn)題首先非常好，可能我們根據(jù)這個(gè)新的技術(shù)進(jìn)展，再返過(guò)來(lái)推一下現(xiàn)在產(chǎn)品應(yīng)該做什么變化。
現(xiàn)在的技術(shù)發(fā)展有幾個(gè)點(diǎn)：
一個(gè)，我覺(jué)得這里面會(huì)有很多探索新的PMF（product market fit）的機(jī)會(huì)。我覺(jué)得PMF指的是兩個(gè)東西的平衡：一方面是由于你需要做這種系統(tǒng)2的思考，導(dǎo)致你的延時(shí)增加。對(duì)用戶來(lái)說(shuō)，延時(shí)增加是一個(gè)負(fù)向的體驗(yàn)，因?yàn)樗杏脩舳枷Ｍ冶M快能拿到結(jié)果；第二個(gè)點(diǎn)，它確實(shí)能提供更好的輸出，能拿到更好的結(jié)果，甚至能完成一些跟更復(fù)雜的任務(wù)。等于說(shuō)新的PMF產(chǎn)生的過(guò)程或者探索的過(guò)程，其實(shí)是要在在延時(shí)增長(zhǎng)的用戶體驗(yàn)下降和最后結(jié)果產(chǎn)生質(zhì)量更高的用戶價(jià)值的上升之間找到一個(gè)平衡點(diǎn)。所以你要讓這個(gè)增量的價(jià)值是大于體驗(yàn)的損失，我覺(jué)得這個(gè)很重要。所以在這里面更高價(jià)值的場(chǎng)景，特別是生產(chǎn)力的場(chǎng)景，我覺(jué)得會(huì)率先有一些東西出來(lái)。因?yàn)槿绻闶且粋€(gè)娛樂(lè)場(chǎng)景，大概率你可能很難忍受這種延時(shí)上的增加。所以，我覺(jué)得這是比較重要的一點(diǎn)
產(chǎn)品形態(tài)上，我覺(jué)得也會(huì)發(fā)生一些變化。因?yàn)槟阋脒@種思考的范式，所以現(xiàn)在同步及時(shí)的類(lèi)似聊天的產(chǎn)品形態(tài)一定會(huì)發(fā)生變化。因?yàn)橐院蟮腁I，可能它不光是現(xiàn)在思考個(gè)20秒、40秒，它已經(jīng)可能要思考或者調(diào)用各種工具，它可能執(zhí)行分鐘級(jí)別、小時(shí)級(jí)別甚至天級(jí)別的任務(wù)，所以你的產(chǎn)品形態(tài)上可能會(huì)更接近一個(gè)人，它更接近“助理”的概念，幫你完成異步的任務(wù)。這里面的產(chǎn)品形態(tài)設(shè)計(jì)，我覺(jué)得可能也會(huì)發(fā)生很大的變化。所以這里面，我覺(jué)得新的想象空間蠻大的。
朱軍：我覺(jué)得大模型或者大規(guī)模預(yù)訓(xùn)練的技術(shù)代表著整個(gè)范式的變化，前面也聊到很多，不光是語(yǔ)言，到多模態(tài)，到具身、空間智能，中間還是想我怎么去讓智能體能夠有交互，能夠在這個(gè)過(guò)程中來(lái)學(xué)習(xí)。從智能的角度來(lái)看，包括從AGI發(fā)展上，它是一個(gè)必然，因?yàn)闆Q策、交互實(shí)際上是我們說(shuō)的智能里面非常核心的能力的體現(xiàn)。我們每時(shí)每刻其實(shí)都在做決策，我們面對(duì)的是一個(gè)未知的開(kāi)放環(huán)境，所以對(duì)于智能來(lái)說(shuō)，它的發(fā)展路徑上，在整個(gè)規(guī)劃里面大家也是朝著這個(gè)方向走。
現(xiàn)在所有這些進(jìn)展，包括剛剛討論很多的O1，包括做視頻生成，或者3D，這些東西大家最后要指向的有兩個(gè)方向：
一個(gè)是給消費(fèi)者看到的這些數(shù)字內(nèi)容，就是說(shuō)看上去很好看、很自然，能夠講故事，能夠讓大家參與講故事、能夠交互。這肯定是一個(gè)很重要的方向，在數(shù)字內(nèi)容上。
另外一個(gè)方向，指向?qū)嶓w、指向物理世界。
現(xiàn)在可能最好的一個(gè)結(jié)合點(diǎn)就是和機(jī)器人來(lái)結(jié)合在一起。其實(shí)現(xiàn)在已經(jīng)有好多例子在展示出來(lái)，我們也看到很好的一些進(jìn)展，比如用了預(yù)訓(xùn)練的范式，如何讓機(jī)器人的能力具有通用性；比如我們自己實(shí)驗(yàn)室做多的例子，像四足機(jī)器人，過(guò)去大家在不同場(chǎng)地上，你要讓它跑起來(lái)都需要用很多的人工調(diào)參。但現(xiàn)在你在一個(gè)仿真環(huán)境里面，或者用一些AI的方式來(lái)生成一些合成數(shù)據(jù)，讓它在里面大規(guī)模地訓(xùn)練，訓(xùn)練出來(lái)的策略可以灌到機(jī)器人上，它相當(dāng)于換了一副大腦，可以讓它的四肢更好地協(xié)同起來(lái)，同樣一套策略可以做各種場(chǎng)地的適應(yīng)。其實(shí)這還是一個(gè)初步的例子，現(xiàn)在大家也在關(guān)注更復(fù)雜的控制決策，就像空間智能、具身智能。
就像剛才講到智能體是AGI的L3，所以現(xiàn)在用到L1、L2的進(jìn)展之后，后面肯定會(huì)提升到L3，讓機(jī)器人更好地做它的推理規(guī)劃，然后更好更高效地和環(huán)境做交互，更好地完成我們的復(fù)雜任務(wù)。因?yàn)楝F(xiàn)在很多時(shí)候任務(wù)相對(duì)來(lái)說(shuō)分散，給它定義成一個(gè)簡(jiǎn)化的。未來(lái)，我們很快可以看到它可以接受復(fù)雜的指令、完成復(fù)雜的任務(wù)，通過(guò)它內(nèi)嵌的思維鏈或者過(guò)程的學(xué)習(xí)方式，能夠完成復(fù)雜任務(wù)。所以到那個(gè)時(shí)候，智能的能力又有一個(gè)很巨大的提升。
主持人：雖然意料未來(lái)都很難，至少心里會(huì)有一個(gè)期待，比如在下一個(gè)18個(gè)月里，我們希望看到什么樣的進(jìn)展，在AGI的領(lǐng)域里？
朱軍：因?yàn)楝F(xiàn)在整個(gè)是一個(gè)加速，其實(shí)很多時(shí)候我們預(yù)測(cè)通常會(huì)過(guò)于保守。如果回到你的問(wèn)題，我預(yù)想未來(lái)18個(gè)月可能比較令人興奮的一個(gè)進(jìn)展，我希望看到AGI的L3已經(jīng)基本上實(shí)現(xiàn)。至少在智能體，比如我們說(shuō)的世界模型的創(chuàng)建生成、虛實(shí)融合，至少在一些特定場(chǎng)景下的決策能力的巨大的提升。其實(shí)它會(huì)利用我們今天講到的推理、感知等等。
因?yàn)槲仪耙欢螘r(shí)間領(lǐng)了一個(gè)任務(wù)，就是對(duì)L4做專門(mén)的分析，就是到底我們?nèi)笔裁?？做了L4的。其實(shí)最后調(diào)研或者是分析下來(lái)，你會(huì)發(fā)現(xiàn)如果我們要做科學(xué)發(fā)現(xiàn)或者做創(chuàng)新，它需要的那些能力，可能目前是散落在各個(gè)角落里面，當(dāng)然現(xiàn)在可能還缺一個(gè)系統(tǒng)怎么把這些東西集成在一起，給它做work。所以我覺(jué)得如果更激進(jìn)一點(diǎn)，我甚至覺(jué)得未來(lái)18個(gè)月可能在L4上也會(huì)有顯著的進(jìn)展。當(dāng)然這里面我講的是嚴(yán)肅的科學(xué)發(fā)現(xiàn)，其實(shí)L4還有一些創(chuàng)意的表達(dá)上，目前我們?cè)谀撤N意義上已經(jīng)達(dá)到了，比如說(shuō)藝術(shù)創(chuàng)造、圖生視頻，一定程度上它已經(jīng)幫大家放大你的想象，或者讓你的想象可以具象化。所以，我對(duì)整個(gè)于是還是比較樂(lè)觀的，我覺(jué)得至少L3或者未來(lái)L4有一些苗子了。
到今年年底，希望將我們本來(lái)做的視頻模型能夠以更加高效、更可控的方式提供給大家。
我解釋一下高效和可控。可控，比如你想表達(dá)一個(gè)故事，不是簡(jiǎn)單地將一段話或者一個(gè)圖片給它動(dòng)起來(lái)，我們是希望你可以連續(xù)地講，而且它不光是人的一致性，還包括物體等各種主題的一致性，還包括交互性；高效，它一方面解決對(duì)算力成本的考量，因?yàn)槟闳绻胍?wù)很多人，讓大家用的話，首先你成本要降下來(lái)，不然這個(gè)本身就是燒錢(qián)，一直賠錢(qián)。另外一個(gè)更重要的，還是從體驗(yàn)上。就使用者來(lái)說(shuō)，因?yàn)樗氡磉_(dá)自己的創(chuàng)意，他可能需要多次和系統(tǒng)來(lái)交互，一方面是驗(yàn)證，另外一方面是啟發(fā)，所以這個(gè)過(guò)程也需要你的模型系統(tǒng)能夠比較高效，比如說(shuō)終極目標(biāo)達(dá)到實(shí)時(shí)，能夠讓大家快速嘗試。等到這個(gè)階段，我相信大家的用戶體驗(yàn)，包括用戶量都會(huì)有一個(gè)巨大的提升，這是我們今年想重點(diǎn)突破的。當(dāng)然長(zhǎng)遠(yuǎn)的話，可能明年18個(gè)月會(huì)走向?qū)嶓w的虛實(shí)融合的場(chǎng)景了。
楊植鱗：我覺(jué)得接下來(lái)最重要的，可能是開(kāi)放性的強(qiáng)化學(xué)習(xí)，比如說(shuō)你在產(chǎn)品上跟用戶交互，在一個(gè)真實(shí)的環(huán)境里面完成任務(wù)，然后自己去進(jìn)化。當(dāng)然，我覺(jué)得O1一定程度上說(shuō)明這個(gè)方向有比之前更強(qiáng)的確定性，我覺(jué)得這個(gè)會(huì)是一個(gè)重要的里程碑，也是AGI路上現(xiàn)在僅甚唯一的一個(gè)重要問(wèn)題了。所以，我覺(jué)得這個(gè)會(huì)很關(guān)鍵。
張鵬：對(duì)，18個(gè)月已經(jīng)是很長(zhǎng)了，如果看看看過(guò)去18個(gè)月走的路。你未來(lái)3個(gè)月，有什么可以透露的嗎？
楊植鱗：我們還是希望能夠在產(chǎn)品和技術(shù)上持續(xù)地創(chuàng)新，至少可能在一兩個(gè)重要領(lǐng)域能夠做到世界最好，但是有新的進(jìn)展會(huì)盡快跟大家分享。
姜大昕：第一，我也很期待強(qiáng)化學(xué)習(xí)能夠進(jìn)一步泛化。另外一個(gè)方向其實(shí)我也很期待，應(yīng)該說(shuō)期待了很久就是在視覺(jué)領(lǐng)域的理解和生成一體化的事情。因?yàn)樵谖淖诸I(lǐng)域，GPT已經(jīng)做到了理解生成一體化，但遺憾的是在視覺(jué)領(lǐng)域，這個(gè)問(wèn)題當(dāng)然不是遺憾，它非常難。所以在目前為止，我們看到的視覺(jué)的理解和生成，這兩個(gè)模型是分開(kāi)的。即使像剛才說(shuō)的多模融合，如果大家仔細(xì)看GPT4，它其他模態(tài)都解決了，它唯獨(dú)不能生成視頻，所以這是一個(gè)懸而未決的事情。
它為什么很重要呢？如果我們解決了視頻理解生成一體化，我們就可以徹底建立一個(gè)多模的世界模型，有一個(gè)多模的世界模型以后，可以幫助我們真正產(chǎn)生非常長(zhǎng)的視頻，也就是說(shuō)解決Sora（音譯）目前的技術(shù)缺陷。還有一個(gè)，它可以和具身智能相結(jié)合，它可以作為機(jī)器人的大腦去幫助智能體更好地探索物理世界，所以我也是非常期待的。
張鵬：你未來(lái)年底之前，有什么我們值得期待的你的進(jìn)展？
姜大昕：我也是期待一方面模型和技術(shù)的進(jìn)步，另外一方面產(chǎn)品能帶給用戶更多更好的體驗(yàn)，其實(shí)階躍有一款產(chǎn)品叫“躍問(wèn)”，在上面，用戶可以體驗(yàn)我們最新的萬(wàn)億參數(shù)的模型，它不光是理科很強(qiáng)，而且它的文學(xué)創(chuàng)作能力也很強(qiáng)，經(jīng)常給大家?guī)?lái)一些驚喜。同時(shí)，躍問(wèn)上還有一個(gè)新的功能叫“拍照問(wèn)”，我們看到用戶經(jīng)常拍張照片去問(wèn)食物的卡路里，去問(wèn)寵物的心情，問(wèn)一個(gè)文物的前世今生，包括Mata眼鏡的發(fā)布，還有Apple Intelligence，它今年都突出了視覺(jué)交互的功能。所以我們?cè)谲S問(wèn)上也有體現(xiàn)，而且我們會(huì)努力一步步把這個(gè)功能做得越來(lái)越好。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
