宇视张鹏国：大模型只是技术升级不是革命

　　4月16日,2024宇视合作伙伴大会在千年乌镇举办。大会上,宇视科技总裁张鹏国先生表示:大模型技术必定会给这个时代,给我们所处的这个行业带来很多新的可能性,是整个AIoT行业当下最大的技术变量,宇视要坚持“准确识别环境、充分迎接挑战、集中关注核心命题、积极推动变革”。

　　以下是宇视科技总裁张鹏国在2024合作伙伴大会的演讲全文:

　　各位尊敬的合作伙伴,早上好!

　　最近和几拨渠道老板聊天,大家普遍都对大模型有技术和产业焦虑,尤其马斯克、黄仁勋、奥特曼三个人的车轮战出场,无形的压力很大:一会文生视频了,一会文生歌曲了,下半年又要文生3D了。完了,我们公司要完了,我们要裁员了...每晚睡前感觉道路千万条,早晨起来还是继续走老路。

　　这次我们就聚焦探索一下我们的道路。

　　毫无疑问,大模型是当前人工智能领域最为耀眼的技术,代表了人类在信息处理领域的最高成就。也是从3G无线通信技术之后,20多年来,科技界最激动人心的一次技术突破。

　　关于大模型技术是一次技术革命还是技术升级,是“伽利略时代”?还是“牛顿时代前夜”?业界一直有不同的观点:

　　闭源派、技术信仰者更倾向于这是一次技术革命,因为大模型跑通了图灵机,有突破性的技术框架,也有令人惊艳的应用效果。比如文生视频的Sora,文生曲的Suno;

　　开源派、市场信仰者更倾向于这是一次技术升级,远远不到谈什么什么时代,Sora等为何迟迟不开放商用?类似的,可借鉴自然语言处理NLP,上世纪五十年代,大家几乎都相信,只要把所有的字典词典输入电脑,就可以搞定所有的自然语言理解和翻译。然而,这事实在太难了,近70年后的今天,自然语言处理才像点样,按摩尔定律计算,算力增长了10万亿倍。

　　事实是,任何技术的革新都有一个渐进的过程,大模型技术也不例外。站在我们这个行业的角度去看,一切才刚刚开始。

　　可以确定的是,大模型技术必定会给这个时代,给我们所处的这个行业带来很多新的可能性,是整个AIoT行业当下最大的技术变量,我们必须重视,必须提前投入。

　　通用大模型是全球Top公司的战场,需要千亿级美元的投入。而且这些通用大模型各有千秋你追我赶,一定会先后开源,这个不容置疑。

　　在开源的通用大模型的基础上,叠加各细分行业的训练数据、细分场景需求、管理模式及运营模式的需求,就可以构建行业大模型。今天,我要特别欣喜地告诉大家:宇视已经做到,并开始迭代了。

　　去年渠道大会的时候,我们发布了梧桐行业大模型。在过去一年,我们不断地对梧桐进行技术升级,已经有很多的应用案例落地。当下,虽然通用大模型的应用效果的宣传(在C端的互联网场景)更引人注目一些,但行业大模型的商业化前景更确定、更清晰。

　　行业大模型如何能真金白银地商业变现?如何能更好地商业化?这是我们一直以来思考的一个问题。

　　业界的观点就是俩方向:装备大模型化、大模型装备化。前者类似+AI,后者即AI+。

　　在上一波深度学习的热潮中,行业内也有+AI和AI+的争论。从实践结果上看(至少从2B/2G领域看),+AI大获全胜,有几个确定性的结论:

　　一是卖算法(含大模型)的商业逻辑肯定不通,大坑无数;

　　二是算法/软件公司转型做硬件产品非常艰难,底层的体系能力大不相同,挑战太大。

　　即:大模型装备化/工具化之路非常坎坷。昨天在来桐乡的路上,听闻一套大模型的价格已经跌到了20万以内,去年这时候,还是几百万。断崖式的减值曲线。为什么?因为软件的生态、软件的价值始终没有得到很好的解决,而且越来越糟糕。不展开了,参见陈果George的文章《中国企业软件行业到了最危险的时候》。

　　在大模型时代,也同样存在商业化落地的路线选择问题。从整个行业看,工具/装备类产品可能是大模型技术最先的商业落地点,手机/PC、office/adobe等办公软件/APP,都在快速集成大模型技术,成为大赢家。

　　宇视的AIoT产品,是装备也是工具。而且宇视有成熟的产品体系能力,所以,对于宇视来说,大模型技术的商业化落地的路线一定是:装备大模型化,简称装备化。

　　场景碎片化是AI技术的一个特点,大模型技术并没有改善这一点,因为参数的指数级上升,反而大幅放大了碎片化,这是一大遗憾。对公司的渠道营销能力/品牌营销能力提出挑战。

　　另外,细分场景落地的难,并不是技术维度上的难,还有商业逻辑闭环上的难。

　　太多的参数、太多的细分场景,其实并非有效需求,用户价值、TCO成本和用户愿意付出的代价之间,找到平衡点更不容易。我们只能优先去投入最有可能找到平衡点的细分场景,去满足用户真正的需求。

　　大模型技术是AIoT行业当下最大的技术变量,必定会给我们带来新的市场机会点。一个大的机会点就是大量在网产品的更新迭代。

　　借助于行业大模型技术,边、端产品有望用更低的成本,在某些细分场景下(还需要探索),实现更好的应用效果。

　　当然,技术升级也对产品和解决方案架构提出新的要求,比如要求云边端的芯片都支持transformer架构。

　　是的,芯片的升级换代,意味着最直观的需求:所有产品都会被重做一遍。

　　技术进步会催生更多的非安防场景,比如AI体育和体测,在本次峰会的现场,大家能看到很多的体测屏产品,欢迎大家品鉴并给出意见和建议。

　　为什么是文教体行业的AI?第一、用户基数庞大,市场空间足够大。第二、政治正确,符合社会进步的方向(把老人们从过度治疗的医院中救出来、把中年人从文山会海中拽出来、把孩子们从题海中捞出来)。第三、没有那么苛刻的精度要求(不必100%),给技术进步(包括大模型固有的幻觉)留出了空间。

　　宇视科技的定位一直是产品和解决方案供应商,我们的核心策略归结起来就一句话,“软件硬件化、硬件装备化、装备序列化”。算法也是软件。我们坚信这个策略是符合行业发展趋势的,与宇视的既有能力也是高度匹配的。

　　这么多年我们一直是沿着这条路走过来的,我们有足够的技术积累,也有绝对的组织自信。这是宇视的基因里自带的,强大而牢靠,身经百战、谁都不惧。请大家放心,更期待大家能一如既往地支持宇视。

　　对信息和能源的利用效率的提升一直是推动人类社会进步的两条主线。在大模型时代,这二者之间的关系越来越紧密,如同一对双螺旋。

　　现有的大模型技术,走的是“天量参数+无限算力”=“大力出奇迹的暴力破解”的思路,有人调侃是“傻小子睡凉炕,全凭火气旺”。这样的训练和推理过程需要大量的计算资源,需要消耗大量的电能。

　　这和人脑思考问题的方式不同,人脑太低功耗了,按佛教的观点,一个念头后面就有三万六千个画面,功耗才几瓦?因为这一点,推理派对统计派是不认可的,但统计派暂时取得了胜利,在此,我们不展开。进化了亿万年的碳基还是很牛的,不会那么轻易被击败。

　　高能耗对电网的供应能力,对企业的运营成本,对全球的气候环境都会造成很大的挑战。

　　解题思路无非两种,一是降低大模型训练和推理的能耗水平,二是改变能源供给结构,更多的使用清洁能源,如风光水发电,大多是四散分布的,所以需要构建分布式能源系统。分布式能源也是国家能源安全的一个极其重要的举措,和平的国度里,大家无法体会,但我认为西北欧国家已体会到了。

　　基于这样一些认识,我们果断进军新能源业务领域,先从充电桩产品和家庭储能系统切入市场,和AIGC技术一起迭代进步。

　　去年第一次提这句话,是为了推动整个公司向真正的渠道营销转型,推动公司各组织把渠道当客户,切实为渠道服务。

　　今天,我们更深度理解了这句话。

　　我关注到工信部前部长苗圩部长的一句话,特别有洞见:我们应该学会利用中国下围棋的这个办法进一步的谋划,如何在技术相对落后的情况下,通过我们大模型来赋能制造业,赋能各个具体的领域。

　　这是近期看到的最客观理性又知己知彼的观点,既不妄自菲薄,也不妄自尊大,很智慧。

　　是的,宇视要通过大模型来赋能制造业,宇视再来赋能渠道,让渠道去赋能各个细分领域,从而完成各个细分场景的商业闭环。

　　所以,我们决定把我们的能力全面向渠道开放,从研发、制造到质量管理、品牌营销,只要渠道想要,我们都要快速赋能快速地给。

　　“准确识别环境、充分迎接挑战、集中关注核心命题、积极推动变革”,宇视这么多年的数次变革,尤其是我自己推动的数次重大变革,都是紧紧围绕这四句话展开的。

　　确定我们对环境变化的判断,迎接我们的挑战和命题,主动求变主动自我革命,相信我们一定能取得一个又一个胜利。

　　请大家永远铭记这三句话:

　　1. 大模型只是技术升级,不是革命

　　2. 软件硬件化、硬件装备化、装备系列化

　　3. 未来所有的装备都会重做一遍

　　谢谢各位的鼎力支持,祝各位身体健康、万事顺意、基业长青!

　　张鹏国,2024年4月16日,桐乡乌镇。