2023年，ChatGPT的火爆，吹響了新一輪AI競賽的號角，國內更是掀起了“百模大戰”。從市場的表現來看，無論是創業者，還是巨頭企業，給出的態度都非常一致，不擁抱AI的企業沒有未來。
不過，一年的時間過後，對於大眾用戶，大模型仍舊是一個熟悉的“陌生詞”，說得多感知得少。並且，大多數企業做出來的大模型還停留在比排名的階段，背後的含金量也隻有自己心裡清楚。
就像360集團創始人周鴻禕在開年拋出的觀點一樣，“ChatGPT出來的時候，所有人都覺得造大模型就是造原子彈，就是曼哈頓計劃。但有了開源之後，到2023年年底，可能造原子彈的都發現自己實際上是在造茶葉蛋。”
對於很多做大模型的企業來說，周鴻禕的那句話雖然聽起來不舒服，但卻是現實。作為去年最早一批邁入AI賽道的行業老兵，AIGC軟件A股上市公司萬興科技（300624.SZ）董事長吳太兵也認同周鴻禕的部分觀點，“在開源的基礎上做出來的大模型，給很多人錯覺，真就能和ChatGPT站在同一起跑線一樣。大模型遠遠還沒有到走入神壇這樣一個階段。把大模型做小，去做應用，去商業化，才是行業的未來。”
當下，市場上的大模型基本是以文本大模型為主，華創證券在之前的研報中曾指出，多模態AI技術高速發展，文生圖、文生視頻能力未來可期，AI 繪圖、AI 視頻值得關註。
1月30日，國內首個音視頻大模型萬興“天幕”正式對外發佈，這是一個以音視頻生成式AI技術為基礎的多媒體創作垂類大模型，由視頻大模型、音頻大模型、圖片大模型、語言大模型組成，聚焦數字創意垂類創作場景。
就在“天幕”多媒體大模型發佈的前一晚，鈦媒體App獨傢和吳太兵關於大模型未來的發展以及應用進行了深入的探討。他表示，AI大模型的出現與發展是一個自然而然的過程，價值的釋放也需要一定的時間。當下，大模型走下神壇也是有道理的，但隻局限於在文本這個角度，大模型在音視頻領域還存在很大的挑戰。
萬興科技董事長吳太兵
“對於文本和視頻大模型來說，二者的訓練量級根本不在一個水平上，一些宣稱多模態的產品也都是處於Demo的狀態，並不成熟。我也一直認為文生視頻是個偽命題，大模型已經正在進入2.0時代，這個時代需要新的大模型，需要一個以音視頻為主的而且本土化、垂類的大模型。萬興的‘天幕’是多媒體大模型，跟文本形成了區別，對算力要求更高，當然技術也更復雜。結合當下的技術以及應用場景來看，未來視頻也會是主流。”
大模型“走下神壇”，進入2.0時代
據Gartner研究預測,到2030年,90%的數字內容都將是AI生成，預計2032年,全球AIGC市場規模將由2022年的108億美元增加至1181億美元。在AI的加持下，數字創意軟件產品是爆發式增長，而AIGC的背後就是大模型，相當於電器時代的發電廠，起到至關重要的作用。
也正是因為這樣，在過去的一年，大模型呈現井噴式增長，大傢會覺得大模型的春天到了。根據《北京市人工智能行業大模型創新應用白皮書（2023年）》顯示，截至2023年10月，我國10億參數規模以上的大模型廠商及高校院所共計254傢。上百傢大模型廠商也進一步催生出數十億的市場價值。可以預計的是，大模型在今年也將持續火熱下去。隻是，在火熱的背後，也要認清行業的變化。
而在討論變化之前，要先理解大模型的“大”到底指的是什麼？大模型扮演的角色是什麼？吳太兵認為，大模型的“大”肯定是參數多、結構容量大，但這個“大”永遠是一個相對概念，比如文字和視頻不是一個量級，不同行業的文本訓練也不是一個量級。
至於大模型所扮演的角色，也要先對AI的發展有一個相對一致的理解。在吳太兵的理念中，這一輪的AI技術熱潮並不是偶然的，而是IT行業演進的必然。“IT行業從1993到現在經歷了30年的時間，這30年時間可以分為三個階段，每一個階段都有自己的特點。”
第一個階段，是Windows所代表的PC時代，是一種人機交互，人為去向機器輸入信息。第二個階段是互聯網時代，人與人交換信息，主要的目的在於交換。第三階段則是AI時代，在讀懂人類的需求後，機器給人輸出信息。
“AI的發展是一個順其自然到來的過程，試想一下，OpenAI就像是苦讀N年的莘莘學子，終於可以開始掙錢養傢了，在前30年接收各式各樣的信息後，開始有了獨立的思維，形成了自己的一套系統化的框架。”
2023年，在外界還在觀望這一輪AI熱潮時，萬興科技選擇第一時間投入進去。值得一提的是，在此之前，萬興科技也已在AI算法以及算力方面有所積累。從大模型出現，到融合大模型去推動業務的發展，吳太兵對1.0時代大模型所扮演的角色也有了更深入的理解。
“後來我慢慢理解了，大模型本質上相當於一個煉鋼廠，通過高溫萃取之後，得到一些精華的產物。它的價值在於把海量’原材料’煉出’原材料’，但是這些’原材料’本身是不能直接使用的。”
吳太兵對鈦媒體App說道，從來沒見過哪個煉鋼廠扔一塊鐵進去以後，最後就出來一輛汽車了。1.0時代的大模型其實隻解決了上遊的原材料的問題，下遊的組裝是解決不了的。基於大模型，還要有更多的垂直應用。
“大模型走下神壇是有道理的，但隻局限於在文本這個角度，大模型在音視頻垂直領域還存在很大的挑戰。基於這樣一個想法，我堅定地認為，大模型正在從圖文1.0時代進入到以音視頻多媒體為載體的2.0時代。”
根據思科公司此前發佈的報告內容指出，未來82%的消費互聯網流量是視頻流量。如果從文本的角度來看，大模型的發展的確已經很成熟，但是從視頻的角度來看是遠遠不夠的。目前，全世界有3.05億視頻創作者，43億視頻覆蓋群體，每天200億次以上的視頻播放量，視頻需求非常大。“視頻為王”時代的到來，也催生出對多媒體垂直大模型和應用的需求。
吳太兵進一步指出，“1.0時代，通用大模型占主流，好比‘科學傢’，主要研究前沿高端，解決基礎理論性問題。2.0時代，垂直大模型增長趨勢明顯，好比‘工匠’，可更快速、更靈活解決細分領域專業性問題，可從模型到應用場景對用戶一條龍賦能。”
聚焦數字創意垂類創作場景，“天幕”大模型已在海外商用
相比較文本生成，視頻生成大模型以及應用由於數據、算力等多方面原因，導致產品數量較少，以及效果並沒有大傢期待的那麼完美。
吳太兵認為，音頻大模型情感理解存在偏差，視頻生成大模型生產內容長度、一致性待提升，難形成完整的工作流。OpenAI在發佈大模型之時就提出了多模態，但在視頻生成的滿意度上較低。即便是Pika labs這種火熱的產品，也存在明顯的拖影、模糊等問題，質量非常不理想。
總的來看，視頻生成目前存在三大挑戰。第一是數據集欠缺，視頻內容存儲和標註成本高昂，視頻相關的訓練數據集目前仍較欠缺。第二是算力成本高昂，視頻訓練所需的算力遠高於圖片、文字等其它內容。第三則是生成效果不佳目前仍缺乏效果可用性較好的模型作為標桿。
“之所以行業投入那麼多研發，在視頻維度還存在著麼多問題，背後核心的原因就在於視頻生成十分復雜。”
鈦媒體App了解到，視頻由很多能力和元素構成，包括動畫、字幕、音樂、特效、美化、貼紙、轉場、畫中畫，還有頂層資源、顆粒等，很復雜。整個視頻制作的鏈路、技術門檻非常高，平均制作一個視頻需要1.6小時。在構思階段，可能需要用GPT或者文心一言，做內容源需要本地拍攝，需要獲得資源方便去做加工，需要第三方工具，進行效果生成，還要算力、做編解碼，總之一切沒那麼簡單。
在大模型2.0時代，做出符合市場的大模型產品，首先要搞清楚2.0時代的特點是什麼。吳太兵總結了三點，第一是從多模態到多媒體，系統性解決不同模態融合的問題。在他看來，多模態還是一個通用大模型，通過一套東西把文本、視頻、音頻、圖片全部打通，也許有可能，文本大模型從供給和使用角度體驗已經很好了，但是音視頻的體驗還遠遠不夠，市場需要多媒體大模型。
第二是從通用到垂直解決方案，一條龍從模型到應用場景。“通用的大模型隻適合生產原材料，生產一張圖片、一段音頻，但還是需要“組裝車間”把它最後變成一款產品，多媒體大模型上面有一系列原子能力，通過組裝件最後變成最終的產品”，吳太兵表示，“我一直認為文生視頻是一個偽命題，指望向一個工廠扔進一些鐵礦石，出來一輛汽車是不現實的。扔進去的鐵出來的是鋼材，扔進去的石油出來的是化工產品，但這些東西離你真正做成一輛汽車還有很遠的距離，這中間的距離就是垂類大模型需要去做的，而不是通用性的化工廠、煉鋼廠能去解決的問題。”
第三則是從全球到本土化，算力、數據、應用的本土化。過去，大傢指望通過一個大模型去解決全世界的問題，但是現在來看，基本是不可能的。在應用的層面，需要算力的本土化佈局，需要本土化的數據，才能研發出更本土化的應用。
“今天，我們要重視大模型本身的應用商業化，而且要高度重視中國的應用場景。結合我們所用的數據和應用產品，參與全球競爭的時候才更能找到自己的位置。”
依托於大模型2.0時代的三個特點，萬興科技推出了“天幕”音視頻多媒體大模型，聚焦數字創意垂類創作場景，基於15億用戶行為及100億本土化音視頻數據，以音視頻生成式AI技術為基礎，支持全球不同語言，相關能力已在海外規模化商用。
吳太兵向我們透露，萬興“天幕”大模型將打造基於大模型架構的AIGC應用基礎底座，自投入研發以來，組建了百人算法團隊，團隊碩士和博士的比例超過70%，“天幕”大模型算法也已正式通過《互聯網信息服務深度合成管理規定》備案。
另外，算力作為大模型的根基，萬興“天幕”還在持續加碼NPU GPU強力算力底座，訓練則是在國內算力和服務器基礎上進行，已構建千卡集群、自研推理框架局，並擁有一站式數據生產管理平臺，單日可完成百萬級數據處理加工。
做AI時代的美的，不需要每一款產品都做到NO.1
站在新的發展階段，萬興科技給自己的定義是一傢以技術為基礎的產品創新驅動公司，相比較技術公司，更加強調市場。“我們以產品創新為主，並不代表不關註技術，我們到長沙來也是為了吸引以及留下更多的技術人才，‘拿深圳工資，住長沙房子，幹全球事業’，這是我們提出的口號”，吳太兵說道。
而面對當下市場出現的多元化競爭格局，如何在AI時代持續地淘金，成為擺在很多公司面前的問題。在吳太兵看來，讓自己不掉隊需要做到兩條腿走路，一條腿是後端的技術賦能，比如大模型、算法、算力等，另一條腿則是對前臺市場機遇的把控。
“除了原有的運營中心以外，我們還在大力招募本地化的產品和市場團隊，希望能加速感知到市場的變化。而站在產品的角度，萬興的邏輯則是矩陣化產品思維，不需要每一款產品都做到第一，前三就可以，‘中產品’的戰略也能讓我們做到更大的規模。”
用傳統的思維去看待大模型，而不是把其放在一個高大上的位置去仰望。很多人對大模型這件事非常地興奮，特別想去搏一把，因為他們認為這可能是最接近成為比爾蓋茨、喬佈斯的機會。但是，在吳太兵的設想中，大模型的確很重要，也是需要抓住的機遇，但萬興想做的是AI時代的美的，通過矩陣化的產品創新，將自身以及市面上優秀的大模型的能力整合起來。
他表示，“我們有大平臺，在正確的方向上，可以做N款優秀的產品，這才能真的去擁抱這個新時代。如果有人告訴你，2024年有一款特別牛的產品，一定會改變這個世界，那肯定不是萬興。”
在交流的最後，吳太兵還談及了“中國的Adobe”這個稱號，他認為這是市場貼的，但自己對於這種對標並沒有太排斥。用他的話說，對標是為了減少品牌與市場的溝通障礙，可以讓市場更快地知道萬興是在做什麼。
不過，世界上沒有兩傢完全一模一樣的公司，萬興要走的路也和Adobe不一樣，“我們更期望做的是未來的Adobe，一是有AI驅動力，二是立足中國市場。還是那句話，佈局AIGC,我們是認真的，也希望更多的生態夥伴參與到多媒體大模型的建設，讓整個行業更繁榮。”（本文首發鈦媒體App，作者/杜志強，編輯/鐘毅）