立志比肩GPT-5的零一萬(wàn)物，自Yi開(kāi)源版本之后，又發(fā)布了閉源大模型Yi-Large。

據悉，Yi-Large閉源模型，在中外權威指令遵循評測集中，Yi-Large的表現均優(yōu)于國際前五大模型。

事實(shí)上在去年5月，零一萬(wàn)物成立6個(gè)月后就發(fā)布了旗下首款中英雙語(yǔ)大模型Yi系列。并且從一開(kāi)始，李開(kāi)復就定下了一個(gè)宏偉且艱難的目標：「成為World's No.1」。

打一出生就是「當紅辣子雞」的零一萬(wàn)物也依靠大廠(chǎng)背景團隊、優(yōu)異模型表現，達到了10億美元的估值。

在YI-Large的發(fā)布會(huì )上，李開(kāi)復還宣布，零一萬(wàn)物已啟動(dòng)下一代Yi-XLarge MoE模型訓練，將沖擊GPT-5 的性能與創(chuàng )新性。

但作為AGI信徒的零一萬(wàn)物，更多需要思考在追趕GPT-5的同時(shí)，不影響自身AGI的發(fā)展道路？

一、激烈的市場(chǎng)，零一萬(wàn)物距離AGI有多遠？

在接受APPSO采訪(fǎng)時(shí)，李開(kāi)復說(shuō)：我們是務(wù)實(shí)的AGI信仰者，我們一定要用最少的芯片，最低的成本訓練出我們能訓練最好的模型。同時(shí)我們會(huì )不斷的去摸索，找TC-PMF。

據悉，目前零一萬(wàn)物海外生產(chǎn)力應用總用戶(hù)接近千萬(wàn)，今年ToC單一產(chǎn)品預計收入達1億元人民幣。

但這1億人民幣的單一產(chǎn)品應收，只能夠代表TC-PMF，而不能夠代表零一萬(wàn)物已經(jīng)在A(yíng)GI層面上實(shí)現TC-PMF。

要知道，與NLP、VC等弱模型不一樣的是，具象化之后的AGI，就是一個(gè)無(wú)所不能的、集各領(lǐng)域行業(yè)專(zhuān)家知識于一身的智能體，是一個(gè)能夠實(shí)現幫助需求方完成一整套需求落地，并且在過(guò)程中具有適應性和主動(dòng)型的通用人工智能。

AGI的實(shí)現背后一定程度上需要高昂的成本，這其中的費用或許并不是百億、千億美金就能達到的。

但李開(kāi)復也曾表示，零一萬(wàn)物不會(huì )用純大力出奇跡的唯一思維，追求能不能用一百億美金，一千億美金實(shí)現大模型在場(chǎng)景中落地。

相對于行業(yè)內不理性的ofo式流血燒錢(qián)打法，零一萬(wàn)物更偏向于讓大模型能夠用健康良性的ROI蓄能長(cháng)跑。

但零一萬(wàn)物需要思考的是，即便通過(guò)找到TC-PMF來(lái)發(fā)展，就一定能夠做到距離AGI越來(lái)越近嗎？

在A(yíng)GI的發(fā)展中，認知人工智能是通往AGI最清晰、最明確和最直接的途徑。

雖然有多個(gè)認知架構項目已經(jīng)持續活躍了幾十年，但迄今為止，沒(méi)有一個(gè)顯示出足夠的商業(yè)前景，被廣泛采用或受到特別充分的資助。

原因是多方面且復雜的，但一個(gè)共同的特點(diǎn)是：它們正在以模塊化和低效的方式運行，并且缺乏深入的學(xué)習反饋和認知理論。

回過(guò)頭來(lái)看這幾年AI硬件的發(fā)展就會(huì )發(fā)現，實(shí)際上AGI在硬件方面的進(jìn)程一直都在不斷突破當中，所以真正影響AGI的實(shí)現，并不是軟硬件出現的阻礙，最大的阻礙其實(shí)是足夠準確的發(fā)展項目，以及大量的資金支持。

“準確的發(fā)展項目”對于目前在弱模型發(fā)展上的零一萬(wàn)物來(lái)說(shuō)，或許也很難。而通過(guò)現有的開(kāi)閉源大模型和一站式AI平臺萬(wàn)知，來(lái)達到AGI并且實(shí)現TC-PMF其實(shí)更難。

因為就目前來(lái)看，可以做會(huì )議紀要、周報、寫(xiě)作助手、速讀文檔、做PPT的一站式AI工作臺萬(wàn)知，雖然定位于2C生產(chǎn)力工具，但在應用的過(guò)程中也更多是文本生成類(lèi)大模型。

這與能夠實(shí)現幫助需求方完成一整套需求落地的智能體，還很遠。

無(wú)論是零一萬(wàn)物亦或是其他的大模型玩家，似乎更多是致力于某一個(gè)狹義的人工智能中，以求能夠快速落地具體場(chǎng)景的大模型。

比方說(shuō)零一萬(wàn)物的Yi系列大模型，涉及AI寫(xiě)作、AI 編程、醫療、消費3C、生化環(huán)材等多個(gè)領(lǐng)域。

但發(fā)展AGI的一個(gè)客觀(guān)標準是，在實(shí)現AGI的過(guò)程中，所做的AI工作，是否有明確定義的步驟或整體詳細計劃，很少有AI工作符合這一標準，包括零一萬(wàn)物。

對于零一萬(wàn)物，目前能看到的實(shí)際上零一萬(wàn)物做大模型的核心方法論，比如在于?；惑w——模型與AI Infra并行開(kāi)發(fā)；模應一體——模型與應用并行開(kāi)發(fā)。

二、AGI信徒，如何警惕“狹義AI陷阱”？

然而在基模一體化當中，零一萬(wàn)物不僅自研AI Infra，還將AI Infra設立為重要方向，并且將模型團隊和AI Infra團隊高度共建，人數比為1比1。

當然，在對自身具有ROI要求的零一萬(wàn)物來(lái)說(shuō)，務(wù)實(shí)的戰術(shù)發(fā)展往往更穩妥。同時(shí)注重人才的加入，或許有助于零一萬(wàn)物更好的往AGI發(fā)展。

為了接近真正意義上的AGI，市場(chǎng)需要從第二波AI浪潮轉向第三波AI浪潮，從統計生成式AI轉向認知AI。

也就是從以統計學(xué)和強化學(xué)習為特征的大模型，轉變?yōu)橐宰灾?、?shí)時(shí)學(xué)習、適應、高級推理為核心的大模型。

但急于通過(guò)萬(wàn)知來(lái)驗證TC-PMF的零一萬(wàn)物，又怎么能夠確定走應用層的路，更利于A(yíng)GI的實(shí)現？

要知道，AI浪潮轉變的過(guò)程既簡(jiǎn)單又復雜，簡(jiǎn)單是整個(gè)轉變認知上的簡(jiǎn)單，而復雜不僅僅是“調頭重來(lái)”從大模型發(fā)展基準上改變，還需要警惕“狹義AI陷阱”的出現。

“狹義AI陷阱”通俗來(lái)說(shuō)就是，即使一切都順利朝著(zhù)AGI預定義的目標發(fā)展——擁有良好的理論基礎和發(fā)展計劃，出色的開(kāi)發(fā)團隊和雄厚資金，以及正確的目標基準、開(kāi)發(fā)標準，但仍然存在著(zhù)“狹義AI陷阱”的隱患。

因為整個(gè)市場(chǎng)對實(shí)現AGI迫切的想法，某種程度上也會(huì )導致大部分企業(yè)最終利用外部人類(lèi)智慧來(lái)實(shí)現特定結果，或在給定基準上取得進(jìn)展，而不是以一種將智慧（適應性、自治的問(wèn)題解決能力）融入系統的方式來(lái)實(shí)現。

說(shuō)白了，偏向于特定任務(wù)的大模型升級，與AGI所追求的適應型和主動(dòng)性實(shí)際上是相違背的。

如果持續性通過(guò)特定任務(wù)強化學(xué)習，那么最終導致的結果大概率就是：只有名義上是AGI的狹義人工智能工作。何況，目前零一萬(wàn)物能夠實(shí)現特定場(chǎng)景應用，解決特定問(wèn)題的大模型，都統稱(chēng)為狹義人工智能。

不過(guò)，零一萬(wàn)物在多模態(tài)大模型上的成績(jì)是明顯的。

多模態(tài)大模型作為發(fā)展AGI的必經(jīng)之路，零一萬(wàn)物多模態(tài)大模型Yi-VL-34B版本在MMMU測試集上，以41.6%的準確率超越了一系列多模態(tài)大模型，僅次于GPT-4V（55.7%）。

如果拋開(kāi)與GPT的比較，41.6%的準確率對于多模態(tài)大模型來(lái)說(shuō)，并不算突出。

要知道，信息的完整性、環(huán)境的適應性、交互的自然性、普遍性的應用都是多模態(tài)發(fā)展最為重要的四大方面。

其中信息的完整性，需要大模型系統考慮到更多的信息維度，來(lái)決定最終決策的質(zhì)量以及準確性。那么反過(guò)來(lái)也可以說(shuō)，41.6%的準確率倒推是多模態(tài)大模型數據類(lèi)型的有限性，導致系統在決策時(shí)，沒(méi)有考慮到更多的信息維度。

另外，零一萬(wàn)物多模態(tài)團隊正在探索從頭開(kāi)始進(jìn)行多模態(tài)預訓練，以更快接近、超過(guò) GPT-4V，達到世界第一梯隊水平。

GPT不僅僅是零一萬(wàn)物最想要追趕的競爭對手，同樣也是上百家大模型企業(yè)想要超越的對手，但在A(yíng)GI尚未出現雛形之時(shí)，零一萬(wàn)物的目標視野應該是更廣闊的。

圖片來(lái)源：AI前線(xiàn)

畢竟，在過(guò)去七八十年人工智能發(fā)展的歷程中，可以看到每一次人工智能新浪潮的產(chǎn)生，都是以模型參數量、訓練樣本量和算力躍升帶來(lái)的人工智能重大發(fā)展。

而海外更擅長(cháng)通過(guò)不斷投入Scaling Law來(lái)提升模型參數量，國內更多只能是一步一個(gè)腳印。

比如開(kāi)發(fā)更具性?xún)r(jià)比的AI芯片、更節能的智能計算中心、AI模型加速技術(shù)，加快多模態(tài)模型架構創(chuàng )新和數據合成、多媒體數據標注技術(shù)創(chuàng )新。

三、第三波AI浪潮的重點(diǎn)，或許是變現？

近兩年來(lái)，市場(chǎng)對模型性能提升的討論，無(wú)一不是集中在多模態(tài)大模型的訓練和算法改進(jìn)上。對于初步的場(chǎng)景化落地，也無(wú)一不是免費。

或許，在融資有限的市場(chǎng)里，當下大模型公司的重點(diǎn)，除了尋找商業(yè)化落地之外，更注重大模型參數的增長(cháng)，以期通過(guò)擴大想象空間來(lái)獲得更多融資的可能。

畢竟在國內資本市場(chǎng)中，資金的走向往往更偏向于確定性的方向，而不是賭一個(gè)不確定性。

于是同樣的，在2023年往后難以獲取融資的時(shí)期里，大模型更傾向于走向2B2C撈錢(qián)存活。C端如OpenAI、Midjourney，Perplexity向個(gè)人用戶(hù)提供生產(chǎn)力解放工具，并以月費訂閱模式變現。

B端如微軟、Salesforce，將AI技術(shù)集成到傳統產(chǎn)品中并提供垂直定制服務(wù)，以月費訂閱或者用量模式變現。

而國內尚未獲得變現的企業(yè)，則是在不斷的處于尋找商業(yè)化變現的過(guò)程中。

如百度在C端推出文心一言訂閱模式，B端提供底層架構、解決方案；360在C端發(fā)力AI辦公，B端聚焦AI安全和知識管理等場(chǎng)景；訊飛則試圖將大模型與自身硬件產(chǎn)品進(jìn)行結合。

目前萬(wàn)知AI助手雖然對用戶(hù)完全免費開(kāi)放，但據悉，后續萬(wàn)知會(huì )結合產(chǎn)品發(fā)展和用戶(hù)反饋推出收費模式。

他認為大模型C端產(chǎn)品的發(fā)展可分為六個(gè)階段：最初階段是將其作為生產(chǎn)力工具，隨后逐步拓展至娛樂(lè )、音樂(lè )和游戲領(lǐng)域。

接著(zhù)進(jìn)入搜索領(lǐng)域，然后是電商市場(chǎng)；之后進(jìn)一步延伸至社交和短視頻領(lǐng)域；最終發(fā)展到O2O產(chǎn)品階段。

圖片來(lái)源：葉賽文

然而在國內市場(chǎng)，C端用戶(hù)似乎并不缺生產(chǎn)力工具，也不缺娛樂(lè )社交類(lèi)工具。開(kāi)啟收費后的萬(wàn)知，真的能夠像在海外一樣順利嗎？

目前，根據頭部大模型左手C端右手B端，兩手抓的形式來(lái)看，大模型主要向B端收費，對C端收費的較少，且用戶(hù)付費意愿較低。

這也注定了在眾多定位生產(chǎn)力的大模型中，大部分C端用戶(hù)會(huì )更偏向于低價(jià)者。

更何況，從Similar的數據看，5月份web端國內訪(fǎng)問(wèn)量最大的前三名AI產(chǎn)品，分別是Kimi、文心一言、通義千問(wèn)，訪(fǎng)問(wèn)量分別是2250萬(wàn)、1780萬(wàn)和800萬(wàn)，而萬(wàn)知則排名第十，訪(fǎng)問(wèn)量?jì)H32萬(wàn)。

面向海外，零一萬(wàn)物的成績(jì)或許很亮眼，但在國內，不一定。

參考：

智聯(lián)萬(wàn)物：AI獨角獸「01萬(wàn)物」加速布局出海矩陣，“只做To C”的李開(kāi)復正逐步邁進(jìn)AI 2.0時(shí)代

APPSO：零一萬(wàn)物發(fā)布千億參數模型 Yi-Large，李開(kāi)復：中國大模型趕上美國，立志比肩 GPT-5

Z Finance：深度丨有頭有臉的AI獨角獸都在加緊出海，零一萬(wàn)物Yi-Large登陸全球頭部模型托管平臺 Fireworks.ai

Z Finance：深度 | 超百億估值“新AI四小龍”誕生，零一萬(wàn)物掉隊，光年之外出局！

AI前線(xiàn)：零一萬(wàn)物發(fā)布Yi-VL多模態(tài)語(yǔ)言模型并開(kāi)源，測評僅次于GPT-4V