通義聽悟誕生背后，AI大模型打響應用第一槍

作者: 劉曠   

2023年伊始，ChatGPT的爆火出圈，迅速引發了業界對于生成式AI應用的關注，AI大模型的競爭更是愈演愈烈。

作為參與其中的重要玩家，阿里云先是在4月11日舉行的阿里云峰會上，推出了通義千問大模型。緊接著6月1日，阿里云宣布通義大模型進展，聚焦音視頻內容的AI新品“通義聽悟”正式上線，成為國內首個開放公測的大模型應用產品，這意味著阿里云大語言模型，又向前端應用邁進了一大步。同時其基于AI大模型應用的發布，也相當于給當前紛爭正勁的“大模型混戰”，擲下了一枚重磅炸彈。

千模大戰一觸即發

近幾個月，隨著微軟、谷歌、亞馬遜等硅谷大廠，紛紛公布大模型及AIGC進展，通過AI搜索引擎、AI辦公軟件等一系列應用打響AI競賽，國內互聯網云大廠也陸續全軍出擊了。不只是大廠就連很多初創企業，VC/PE機構、各行各業巨頭，都涌入了AI大模型賽道，試圖從中分一杯羹。據不完全統計，目前公布推出AI大模型計劃的大企業，不下于50多家，其他參與者更是不計其數。

從格局上來看，以“BATH”等為代表的互聯網科技公司，憑借場景、算力、全棧技術能力等綜合實力，穩居行業第一梯隊；而處于二線的重要行業企業，如商湯科技、中國電信、京東、360等，則借助其在相關領域的影響力，位列行業第二梯隊；緊隨各行業巨頭之后的是，包括美團聯合創始人王慧文、前搜狗CEO王小川等在內的各路知名創業者，他們有認知、有機構加持和相關背景，但由于還處于初始階段，因此在AI大模型混戰中暫居第三梯隊。

從分類上來看，圍繞通用大模型以及專用大模型，各個企業都有自己的定位和分工。根據業內人士介紹，目前國內大模型主要可以分為兩類：一類是對標GPT的通用大模型，聚焦基礎層的公司，如阿里、百度等公司；另一類是在開源大模型基礎之上訓練垂類大模型，聚焦垂直行業的企業，如應用于金融、醫療、交通等領域的垂類大模型。由于前者的技術要求高、成本大，因此當前很多行業已經開始基于自身的情況，紛紛采取與通用大模型企業合作的方式，來訓練適合自己行業的垂類大模型了。

從產業鏈上來看，算力廠商、云服務廠商、前端應用廠商都有參與，體系完整、聯系緊密且范圍寬廣。目前包括算力廠商英偉達、云服務廠商阿里云，前端應用廠商如金山辦公、用友網絡、云從科技等，都在積極參與AI大模型的技術研發和場景落地?？傊?，當前圍繞AI大模型的混戰正在陡然升溫。

通義聽悟打響大模型應用第一槍

而從AI大模型涉及的層面來看，主要可以分為應用層、模型層、框架層和芯片層等四個層次，而目前市面上大部分公司都還在模型層，深一點的涉及到框架層和芯片層的研究，前端應用目前業內還沒有。作為業內首個公測的大模型應用產品，通義聽悟的示范作用極為明顯。

一方面，相比底層技術，靠近應用前端的技術價值將更具想象空間。縱觀所有的技術演變歷史不難發現，技術的價值核心在于應用普及程度，以及對用戶問題解決的程度。正因為如此，承擔這一職責和使命的前端應用，往往具備更大的想象空間。

以6月1日阿里云推出的通義聽悟為例，它通過接入阿里的通義大模型，其作用已經不僅僅是簡單的具備音視頻轉寫的工具了，而是已經成為幫助人們在音視頻場景之下的高效AI助手了。它為人們提供自動做筆記、整理訪談、提取PPT等多種辦公服務，而且能夠實現音視頻轉化成圖文內容、分章節摘要和總結全文觀點等能力，具備了“類人”的高效檢索分類能力。

此外，在細分場景中，它還具備不少“寶藏”功能，比如可以打開Chrome插件，外語學習者和聽障人士，可以借助雙語懸浮字幕條隨時隨地看無字幕視頻，日程沖突時，聽悟還可成為職場人士的“開會替身”，在靜音情況下入會AI可代為記錄會議、整理要點；轉寫結果可下載為字幕文件，方便新媒體從業者視頻后期制作；聽悟梳理的問答回顧可以讓記者、分析師、律師、HR等群體整理訪談更高效?？傊?，在解決具體場景問題的能力上，它已經超出了現有音視頻應用的能力范疇，也刷新了以往用戶體驗的上限，必將在業內掀起不小的風浪。

另一方面，從阿里云自身來說，通義千問大模型剛剛對外推出不久，就能夠迅速推出基于AI大模型的技術應用，說明阿里云AI大模型的確已經比較成熟，具備了衍生AI應用的能力。

從模型層到應用層，從AI大模型到大模型應用的誕生，看似簡單實則實現起來并不容易。通常來說，垂類應用是依托于通用大模型這個技術底座來實現的，撇開通用大模型的話，這些通常無法實現，而這要求其所依托的通用大模型本身是足夠成熟的，否則其很難推出相對好用且超出現有產品能力的應用。拿通義聽悟來說，其所呈現的技術實力，在業內并不是所有玩家都有的。

全體系AI基礎設施成決勝關鍵

從AI大模型本身所需要的動軋千億的參數訓練要求來說，其推進的難度和復雜性可能遠超外界想象。長遠來看，具備全棧AI大模型技術能力和基礎設施能力的企業，才能夠走得更遠。

一來，由于生成式AI的發展速度遠超外界預期，任何單一環節的進步對整體的大模型訓練促進作用有限。據OpenAI測算，自2012年以來，全球頭部的AI模型訓練算力需求，3-4個月翻一番，每年增長幅度高達10倍。但根據摩爾定律，芯片計算性能每隔18-24個月才能翻一番，也就說是芯片性能遠遠跟不上AI大模型的發展要求。具體到相關領域來說，基于CPU的計算體系，難以滿足大模型訓練之下，高帶寬、低時延的網絡傳輸要求，這些問題的解決，依靠單一的“堆砌算力”很難短期內見效，并且可能并不經濟，必須借助來自算法、算力、框架等多層次的整體系統支持，才能更好地應對這種變化。

二來，由于發展通用大模型所需要的算力需求大、推理訓練成本高、數據量要求高，導致其本身的門檻非常高，不具備全棧大模型研發、場景落地能力、生態開放能力的公司，很難保持較快的更迭速度，很容易被淘汰出局。據業內人士分析，要做成一個成功的可對外商業化輸出的通用大模型，需要廠商擁有全棧大模型訓練與研發能力，業務場景落地經驗、AI安全治理舉措，以及生態開放性等核心優勢，而一般的企業很難完全具備這些能力。

而阿里云作為亞洲第一、全球第三的云計算服務商，其擁有國內最強的算力支撐體系。比如，阿里云飛天云操作系統，可實現單集群10萬臺規模、千億文件數運算能力，其飛天智算平臺可實現千卡并行效率達到90%，自研網絡架構可對萬卡規模的AI集群，提供無擁堵、高性能的集群通訊能力，阿里云自有的深度學習平臺PAI，可以將計算資源利用率提高3倍以上，AI訓練效率提升11倍，推理效率提升6倍。另外，阿里云還牽頭建立了國內最大規模的AI模型服務社區“魔搭”，降低大模型開發成本、助力AI普惠；算法方面，阿里在語言以及多模態能力、超大模型、通用統一模型等多個技術維度，處于國內第一梯隊，這都是阿里通義大模型能夠迅速“出圈”的核心原因。

三來，從商業可能性來看，擁有全體系AI基礎設施能力的公司，在MaaS（模型即服務）到來之后擁有更大的商業價值，在市場競爭方面會有更大的“回旋余地”。以阿里云為例，其后期既可以通過提供通用大模型服務，獲取平臺服務費；也可以出租算力和推訓平臺，賺取租金，變現路徑相對更多，在市場競爭中可以根據情況靈活調整產品定價，以應對經營挑戰。

產業迎來AI惠普時代

隨著AI大模型應用的誕生，以深度AI普惠為特征的全新時代，也在逐漸拉開帷幕，AI深度嵌入產業實體，將成為不可逆轉的行業趨勢。

一方面，通用大模型的高門檻和廣泛的垂類領域差異化需求，決定了基于通用大模型的專屬大模型和產業應用，會成為未來主流的應用方向，推動AI加速進入千行百業。正如前文所述，通用大模型的高門檻，決定了國內外能夠做成通用大模型的公司只是少數，而且隨著AI模型變大，AI產業正從“手工作坊”組成的輕工業走向集約化生產，需要高性能、低成本的體系化基礎設施，才能完成工業化生產。

這種能力不僅很多中小企業沒有，即便是對于各行業頭部企業，從0到1優化大模型訓練，本身也并不經濟，各行各業都需要成本足夠低的AI基礎設施。而且對于現有的廠商而言，繼續加入這個領域“重復造輪子”并無多大必要。相比之下，垂類大模型本身的訓練成本相對較低，而且一些專業領域擁有豐富數據場景的公司，做垂直大模型條件更好、數據質量更優，推出的產品更能夠適應垂類行業需求，因此未來各類垂類行業GPT，或將成為主流大模型應用，推進AI迅速滲入產業。

另一方面，發展AI大模型的短期瓶頸是算力，長期來看是數據，因此高質量的前端應用有助于加速企業積累充分的數據資產，增強自身長期競爭力，加速產業應用普惠進程。當前來看，大模型的迅速迭代和進化，迫使所有的參與玩家不斷累積算力資源，從芯片、云服務等各方面來優化配置，保證大模型訓練所需要的算力支持。不過，從更長遠來看，訓練AI大模型的算法還在不斷優化調整之中，未來隨著算法的突破，算力可能不再是瓶頸，而高質量的數據資源將成為一種稀缺的資源，會受到更多關注。

作為業內首個基于AI大模型的應用，通義聽悟的面世，有利于阿里加速積累優質數據資源，加速產業普惠進程，為更長期的發展奠定良好基礎。

劉曠

以禪道參悟互聯網、微信公眾號：liukuang110