在大模型如火如荼地發(fā)展一年后，外界眼中火熱的AI行業(yè)究竟現(xiàn)狀如何？未來將走向何方？

　　“目前大模型還在快速迭代階段，我們還沒有看到上限。”12月4日，上海AI獨(dú)角獸企業(yè)稀宇科技（MiniMax）副總裁劉華在接受澎湃新聞?dòng)浾卟稍L時(shí)坦言，“我們沒感覺到Scaling Law（尺度定律）放緩，也不同意大模型在技術(shù)上正在面臨天花板?！?/p>

　　MiniMax成立于2021年12月，旗下具備文本、語音、音樂、圖像和視頻等多模態(tài)大模型。一個(gè)值得關(guān)注的亮點(diǎn)是，在AI出海方面，MiniMax走在了國內(nèi)最前列。最新數(shù)據(jù)顯示，MiniMax旗下海螺AI海外版登頂10月AI產(chǎn)品全球增速榜，月訪問量達(dá)1173萬，同比增長高達(dá)2772.92%。

　　“我們從去年就開始開拓海外市場，中國有自己的工程師紅利，也對(duì)產(chǎn)品有更好的理解。在堅(jiān)持技術(shù)驅(qū)動(dòng)的發(fā)展戰(zhàn)略下，和海外AI企業(yè)相比，我們的迭代速度更快?！闭劦匠龊３晒Φ男牡?，劉華坦言。

　　在他看來，美國在AI大模型技術(shù)方面整體處于領(lǐng)先地位，而在語音、文字等細(xì)分領(lǐng)域，中國大模型追趕速度很快，例如海螺AI和快手旗下的可靈大模型等都在美國有廣泛應(yīng)用，目前在這些領(lǐng)域，兩國技術(shù)水平已達(dá)到不相伯仲的階段。

　　今年大模型從一開始的熱潮涌動(dòng)，又逐漸歸于冷靜，對(duì)于融資、變現(xiàn)、落地等話題的討論始終在持續(xù)。MiniMax如何看待今年AI行業(yè)的整體發(fā)展？

　　“我們并沒有觀察到AI行業(yè)存在泡沫?！眲⑷A表示，此前很多企業(yè)競相入局基礎(chǔ)大模型，開啟“百模大戰(zhàn)”，確實(shí)在一定程度造成了資源浪費(fèi)和“重復(fù)造輪子”，“行業(yè)的資源應(yīng)該得到有效分配，有實(shí)力做好基礎(chǔ)大模型的企業(yè)并不多。更多企業(yè)適合開發(fā)的是AI應(yīng)用，術(shù)業(yè)有專攻。”

　　據(jù)他披露， MiniMax的長期目標(biāo)，首先是提升大模型實(shí)用性和滲透率，同時(shí)也要降低錯(cuò)誤率。上一代ChatGPT系列模型普遍存在“幻覺”，錯(cuò)誤率達(dá)到30%左右，導(dǎo)致在嚴(yán)肅生產(chǎn)場合無法使用，更多應(yīng)用在文創(chuàng)領(lǐng)域。如果要讓大模型進(jìn)入嚴(yán)肅的生產(chǎn)、研發(fā)、科研、設(shè)計(jì)，就要進(jìn)一步降低錯(cuò)誤率，“我們的目標(biāo)是把錯(cuò)誤率從30%降低至2%-3%，為此一直在進(jìn)行各種模型迭代?！?/p>

　　此外，實(shí)現(xiàn)無限長的輸入和輸出。從文本進(jìn)化到語音和視頻，大模型技術(shù)的進(jìn)化需要更多的數(shù)據(jù)處理量。劉華告訴記者，目前MiniMax最新研發(fā)的，基于MoE + Linear Attention架構(gòu)的abab 7大模型，使得長文本處理效率不斷提高，比起傳統(tǒng)架構(gòu)有顯著優(yōu)化。

　　第三個(gè)目標(biāo)是堅(jiān)持多模態(tài)。未來大模型將從純文本走向多模態(tài)，必然兼具文本、語音、視覺等多重功能。MiniMax將在海螺AI等應(yīng)用上提供更豐富的功能，為藝術(shù)創(chuàng)作持續(xù)賦能，包括后續(xù)會(huì)提升AI視頻生成的時(shí)長，這是重要的努力方向之一。

　　另一個(gè)業(yè)內(nèi)關(guān)注的話題是大模型卷“投流”帶來的高額廣告支出，部分大模型公司動(dòng)輒投入高達(dá)幾千萬甚至上億的廣告投放費(fèi)用，引起人們關(guān)注。對(duì)此，劉華表示，單純以擴(kuò)大用戶總規(guī)模為目的的投流價(jià)值不大，“對(duì)大模型的研發(fā)來說，最重要的是到底有多少用戶能夠留下，高頻使用大模型，這才是最大的價(jià)值?！?/p>

　　“如果一味依賴于投流，帶來的最大問題就是客戶黏性和留存度較差。”劉華坦言，這也意味著對(duì)于大模型行業(yè)而言，單純卷投放沒有意義，還是要依靠扎實(shí)的技術(shù)吸引更多的用戶。

　　算力是大模型發(fā)展不可或缺的要素，大模型需要處理海量的數(shù)據(jù)，并且需要在短時(shí)間內(nèi)完成復(fù)雜的計(jì)算任務(wù)，這就意味著需要更高的計(jì)算能力，也離不開云計(jì)算廠商的支持。

　　三年前，MiniMax 就與騰訊云建立合作關(guān)系?！霸缙贏I企業(yè)的需求可能只有幾百卡、幾千卡，現(xiàn)在普遍達(dá)到上萬卡，后續(xù)會(huì)有更大規(guī)模的需求。”騰訊云北區(qū)云原生總經(jīng)理田豐告訴澎湃新聞?dòng)浾?，“算力上的考?yàn)對(duì)于云服務(wù)商的組網(wǎng)能力和集群運(yùn)維能力都會(huì)成為非常巨大的挑戰(zhàn)，騰訊云為MiniMax 提供了一系列集計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)為一體的高性能智算產(chǎn)品，讓 MiniMax釋放更多的精力聚焦在模型本身的訓(xùn)練和工程化上?！?/p>

　　例如，騰訊云高性能計(jì)算集群通過系統(tǒng)化的運(yùn)維機(jī)制，可做到網(wǎng)絡(luò)故障一分鐘內(nèi)發(fā)現(xiàn)問題，三分鐘內(nèi)定位問題，最快五分鐘恢復(fù)系統(tǒng)。其千卡集群的日故障數(shù)已刷新至 0.16，是行業(yè)平均水平的三分之一。騰訊云星脈網(wǎng)絡(luò)，可實(shí)現(xiàn)大模型訓(xùn)練過程中，網(wǎng)絡(luò)通信占比（通信時(shí)間占總體時(shí)間比例）低至6%，整體訓(xùn)練效率提升了 20% 以上。

　　不過，田豐直言，并不是所有的大模型訓(xùn)練廠商都需要1萬卡或是幾萬卡這樣超大的算力集群，并且大集群不等于大算力，智能算力存在比較典型的木桶短板效應(yīng)，需要不斷調(diào)整GPU資源利用率和集群通信效能，才能真正優(yōu)化算力的利用率。

　　“對(duì)于AI大模型的發(fā)展，無論是創(chuàng)業(yè)者還是投資人，都要有充分的耐心和信心，看似炫酷的技術(shù)，最終都要落實(shí)到商業(yè)化本身，才能走向盈利。想要指望大模型短期帶來很高價(jià)值的經(jīng)濟(jì)效益可能性并不大，目前仍處于長跑的第一公里階段。”田豐表示。