對于絕大多數(shù)AI創(chuàng)業(yè)者來說，AGI的技術信仰是月亮，商業(yè)化能賺到錢的應用則是六便士，而一家中國公司，卻將月亮和六便士都握在了手中。
彩云科技的CEO袁行遠，一直將AGI作為自己的終生目標。大模型被認為是通往AGI之路，所以彩云科技決心為這條AGI之路掃清阻礙，通過優(yōu)化Transformer架構，助力大模型效率提升，為此開發(fā)出DCFormer全新通用模型架構。
敢于啃最難啃的骨頭，讓彩云科技與許多只敢停留在應用層的AI公司，形成了鮮明對比。
這并不意味著彩云科技全是一群離群索居、不食人間煙火的極客。他們也打造了AI時代的爆款應用，如彩云小夢、彩云小譯和彩云天氣。其中2021 年上線的彩云小夢1.0，是全球領先的 AIRPG 平臺，同時發(fā)布了海外版Dreamily，目前已經(jīng)吸引了60%中國大陸用戶、30%歐美用戶、10%東南亞用戶，在平臺上進行AI寫作。
可以看到，彩云科技的AI商業(yè)化表現(xiàn)也很出色，是國內(nèi)為數(shù)不多能夠實現(xiàn)盈利的AI公司。
只追求月亮會餓死，只追求商業(yè)化會活得庸俗。在AI的理想與現(xiàn)實之間，彩云科技究竟是如何找到平衡點的？
AGI通用人工智能，被認為是人工智能領域的圣杯。而大模型，是目前通往AGI的必由之路。2023年大模型技術火爆全球，但技術進化才剛剛開始。比如大模型的核心技術突破——Transformer架構，就有一系列問題有待解決。
想摘下AGI的圣杯，AI行業(yè)必須先跨越Transformer架構的瓶頸：
1.效率瓶頸。大模型在并行計算過程中需要頻繁重寫檢查點（checkpoint），延長了訓練周期。增強Transformer架構的計算效率，可以大幅縮減計算時間，提升大模型的開發(fā)效率。
2.能源瓶頸。大模型參數(shù)規(guī)模邁向超萬億，會消耗巨額電力資源，有新聞報道，一個十萬億或五十萬億參數(shù)的大模型就能用光一座小城市的所有電量。為了減少耗電量和能源負擔，提升大模型的計算效率，縮短計算時間，已經(jīng)刻不容緩。
3.普及瓶頸。一味追求scale-up的大模型技術，對算力、存儲、傳輸、運維等各個資源的需求也直線上升，會帶來高昂的落地成本和部署難度。AI的廣泛應用和普及，才能推動各行各業(yè)智能化，所以大模型必須從追求“變大”到“變聰明”，底層Transformer架構的優(yōu)化勢在必行。
正如袁行遠所說，“沒有（計算）效率的提升，AI就是鏡花水月”。
為了有一天人類能真正將AGI這枚月亮抱在懷里，彩云科技從一開始就瞄準了底層架構，主動擔起了優(yōu)化Transformer架構的技術挑戰(zhàn)，也成為在這一領域率先取得顯著成果的中國公司。
2024年5 月，彩云科技全新大模型論文《Improving Transformers with Dynamically Composable Multi-Head Attention》發(fā)布在arXiv平臺，并順利被AI頂會ICML2024收錄，論文評分高達7分，遠高于今年平均分。同時受邀在今年7月登臺發(fā)表演講，成為9473篇論文中唯二斬獲Oral論文的中國企業(yè)，另一家是華為。
大家想必都很好奇，論文中發(fā)布的DCFormer架構到底有什么過人之處？
我們可以把大模型訓練，看作是一個大型復雜任務，需要很多個打工人（注意力頭），背著自己的參數(shù)集和數(shù)據(jù)在干活。
而Transformer的核心組件——多頭注意力模塊（MHA），將查找選擇回路和變換回路給綁定在一塊兒了，交給同一個注意力頭。試想一下，當一個打工人既得關注查找，又得關注變換，專注性就會受到損害，而且完成的工作大概率也跟別人有重復，這就降低了整個組織的效率。
那更合理的辦法是什么呢？當然就是多雇些人、專事專辦唄。讓不同的“注意力頭”關注不同方面，一群專業(yè)的人靈活協(xié)作，干的活效率更高，質(zhì)量也更好。
所以DCFormer框架，就是給注意力頭“減負”，來提高大模型的效率。
彩云科技提出的可動態(tài)組合的多頭注意力（DCMHA），解除了MHA注意力頭的查找選擇回路和變換回路的固定綁定，讓它們可以根據(jù)輸入動態(tài)組合。這就為DCFormer框架帶來了幾個變化：
1.靈活性提高。由于DCMHA允許根據(jù)輸入動態(tài)組合不同的查找和變換回路，讓應用了DCFormer的模型，能夠更靈活地處理復雜任務。
2.表達能力提高。MHA的固定綁定導致模型無法充分捕捉輸入數(shù)據(jù)的多個不同特性，表達能力也受到影響。DCMHA從根本上提升了模型的表達能力。
3.效率提高。查找和變換被固定綁定，會導致不同的注意力頭學習到相似的信息，造成功能上的重復冗余，不僅降低了計算效率，還會浪費計算資源。通過可動態(tài)組合的多頭注意力（DCMHA）解綁之后，DCFormer框架實現(xiàn)了對Transformer架構1.7—2倍的提升，也可以讓模型成本進一步下降。
總結一下，DCFormer框架從底層改變了注意力頭的組合方式。如果說打破Transformer計算瓶頸，加速AGI進程，是彩云科技的逐月之旅。那么DCFormer框架，就是彩云科技為夢想所打造的一座天梯，讓大模型在上面實現(xiàn)了效率、性能、成本優(yōu)化等多方面的飛躍。
沿著DCFormer的天梯望過去，一個大模型為核心的AI時代，好像離我們真的不遠了。
避免這一輪大模型的AI浪潮走向泡沫，必須讓技術致用，形成商業(yè)閉環(huán)。賺到六便士，是AI獲得長期生命力的前提。
從技術到商業(yè)的轉化，彩云科技同樣敢為人先。目前，彩云科技的AI應用已經(jīng)獲得了在DCFormer架構的一系列助益，有望實現(xiàn)商業(yè)騰飛。
比如既有能力的大幅升級。作為國內(nèi)首個分鐘級天氣預報，街道級定位精度的天氣預報服務，彩云天氣基于DCFormer帶來的模型效率提升，有望在未來將分鐘級的高準確率預測時長從2小時擴展到3—12小時，能力進一步提升。
再比如全新能力的拓展。彩云科技旗下AI RPG平臺彩云小夢，采用了全新的DCFormer架構，V4、V5版本有望擴展到2000-5000字的創(chuàng)作，再通過故事工程優(yōu)化，目標是一年內(nèi)可以輕松創(chuàng)作出達到專業(yè)作家水平的5萬字長度中篇故事，同時小夢角色扮演的故事體驗，也能達到專業(yè)編劇的水平。憑借優(yōu)異的性能，彩云小夢在小說續(xù)寫、AI陪伴等領域，已經(jīng)實現(xiàn)了用戶使用時長斷崖式的領先。
不難看到，DCFormer架構為彩云科技的AI產(chǎn)品化、AI商業(yè)化，奠定了騰飛的基礎條件。也證明，唯有基于底層技術創(chuàng)新，AI產(chǎn)品才能避免同質(zhì)化競爭，打造出極具說服力和差異化的產(chǎn)品體驗，從而建立碾壓式的市場優(yōu)勢。
大模型爆火以來，國外做底層創(chuàng)新、國內(nèi)做應用改良，似乎成了慣例。
中國AI企業(yè)不敢向底層創(chuàng)新下大力氣，更希望低頭撿起六便士，并不是不愿意抬頭追逐月亮，而是技術代際的現(xiàn)實差距、算力資源受限的實際情況、商業(yè)回報的約束和壓力，都是切實存在的。
而提到那些敢于逐月的AI公司，我們第一時間想到的是國內(nèi)科技巨頭，很少人知道彩云科技是國內(nèi)最早做LLM（大語言模型）的公司之一，而且敢于追逐AGI的夢想，向底層技術發(fā)起沖鋒。
既能仰頭逐月，也能低頭搞好商業(yè)化，彩云科技可以作為一個國內(nèi)AI公司找到技術和商業(yè)平衡點的成功樣本。
彩云科技區(qū)別于主流AI公司的獨特之處，在于其是個少見的“三有少年”：
有信仰。作為一個體量較小的科技公司，彩云科技利用效率更高的模型架構，在與世界頂級人工智能企業(yè)的對抗中取得優(yōu)勢。如果沒有AGI的技術信仰，一個小公司是想不到、不敢做優(yōu)化Transformer架構這件事的。
有技術產(chǎn)品化的能力。Transformer架構由谷歌率先提出，卻被OpenAI摘了桃子，ChatGPT成為這一輪LLM里程碑，這得益于chatbot聊天機器人功能的產(chǎn)品化程度更高，更貼近大眾。彩云科技的成功也在于此，并沒有單純地只發(fā)paper，而是盡快將DCFormer與產(chǎn)品集成，讓技術盡快轉化為產(chǎn)品落地。這種技術產(chǎn)品化的能力，可以讓底層創(chuàng)新快速投向市場，形成良性循環(huán)。
有長坡厚雪的環(huán)境。創(chuàng)新，需要長期耐心地投入；產(chǎn)品化，需要深入行業(yè)和用戶之中的經(jīng)驗和感覺。這就是巴菲特所說的“長坡厚雪”，要有足夠強的盈利和長期增長的賽道。這是很多AI初創(chuàng)企業(yè)所缺乏，但彩云科技恰好具備的。十年間，彩云科技打造的數(shù)款足夠成熟和商業(yè)化的AI產(chǎn)品，為技術創(chuàng)新營造了長坡厚雪的良好環(huán)境。
“三有少年”彩云科技，找到了理想與現(xiàn)實之間的平衡點，正沿著DCFormer架構的天梯，朝著AGI的月亮飛翔。這條彩云逐月之路，也讓我們看到了AI產(chǎn)品化、商業(yè)化的清晰增長路徑。
免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
