很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
“不少AI企業(yè)追求“大而全”，面臨商業(yè)上的挑戰(zhàn)和市場規(guī)模的限制。盡管深度推理具有長遠價值，但敢于投入和堅持的企業(yè)為數(shù)不多。”
@科技新知 原創(chuàng)
作者丨林書 編輯丨蕨影
最近，字節(jié)在AI方面又搞了個大新聞。
一個字節(jié)的實習(xí)生，因為對團隊資源分配不滿，用惡意代碼把模型訓(xùn)練過程給投了“毒”，字節(jié)這邊損失不小。
盡管“資源分配問題”這個說法還沒完全坐實，但既然一個實習(xí)生，都能隨便對訓(xùn)練中的模型下毒手了，那至少說明，字節(jié)對文本模型的訓(xùn)練方面重視度不夠，因此才會出現(xiàn)“把關(guān)不嚴(yán)”的情況。
與文本大模型相比，字節(jié)在視頻方向上可謂打得火熱，推出了兩款最新的視頻模型PixelDance1和Seaweed2。
這種資源上的傾斜，反映的是國內(nèi)大廠在當(dāng)下LLM發(fā)展岔路上的關(guān)鍵分歧：算力資源有限的情況下，未來的大模型到底是要往視頻方向沖，還是繼續(xù)在文本上發(fā)力？
這樣的分歧，在OpenAI推出了能搞深度推理的o1模型后，顯得愈發(fā)棘手和關(guān)鍵。
在這樣的關(guān)鍵抉擇上，百度CEO李彥宏前兩天放了個大招，直接撂話說“百度不碰Sora類的視頻生成”。
原因就在于，在百度看來，現(xiàn)在的視頻大模型還不成氣候，離能真正進行商用還早著呢。用李彥宏的話來說，“10年、20年都可能拿不到業(yè)務(wù)收益”。
而這樣的判斷，也并非空穴來風(fēng)。
據(jù)SimilarWeb統(tǒng)計，位居全球前列的AI視頻生成企業(yè)Luma AI網(wǎng)站在9月的總訪問量僅為1181萬次，環(huán)比下跌38.49%。
同樣地，身為AI視頻生成領(lǐng)域的“老大哥”的Runway在9月流量僅755.8萬次，不及ChatGPT的1/400；
用戶不買賬，首先得從產(chǎn)品上找原因。
以國內(nèi)AI視頻生成模型為例，盡管從今年2月Sora出現(xiàn)后，國內(nèi)的大廠如快手、字節(jié)、智譜清言等，都推出了各自的視頻模型，但平心而論，目前所有的視頻模型都存在兩個難以掩蓋的短板：
其一，是難以做到成本、質(zhì)量二者兼具。
以快手的可靈為例，雖然其生成的效果，在國內(nèi)視頻模型中已算翹楚，但從成本上來說，其生成一個5秒的視頻，需消耗10個靈感值（1靈感值=1元），生成時間大約為2～5分鐘。
按照這樣的成本估算，如果要生成一分鐘的短視頻，用戶至少要花費十余元，等上半個小時左右。
而且，這還沒算上由于AI理解不準(zhǔn)確，需要重新生成的情況，實際成本只會更高。
AI視頻生成的另一大短板，便是那股始終揮之不去的“AI”味。
這幾乎是所有視頻模型的通病。
無論人物或物體的外觀，看起來多么真實、多么形似，可觀眾總覺得哪兒不對勁兒。有一種活生生的“恐怖谷”效應(yīng)，看著就覺得渾身不自在。
說白了，這就是一種技術(shù)不到位的表現(xiàn)。
因為大多數(shù)AI視頻生成算法，背后雖然在很努力地模仿現(xiàn)實世界的物理規(guī)則，模仿人和動物的運動方式，但仍無法完全理解數(shù)據(jù)背后的語義和情感。因此生成的內(nèi)容，在某些細節(jié)上顯得缺乏“靈性”。
而這明顯的“AI”味，也成了當(dāng)下大眾對AI作品懷有偏見的重要原因。
由于上述短板的存在，目前火爆于各大視頻平臺的AI視頻，大都以“玩梗”“搞笑”為主，因為只有這類“不正經(jīng)”的視頻，才不會對生成的成本、效果有太高要求。
更悲哀的是，當(dāng)下的AI視頻賽道雖未大火，但早早面臨“未火先卷”的情況，多家AI視頻生成廠商都對功能進行密集迭代，但大多是“錦上添花”而缺乏躍進式體驗升級。
以快手的可靈為例，其推出的運鏡控制、高清生成、圖生視頻等功能，國內(nèi)的各大視頻生成類AI，例如智譜的清影、字節(jié)的即夢也都有。
而這種同質(zhì)化的、聊勝于無的功能，并未能給用戶體驗帶來大幅度的改善。
說到底，視頻生成類賽道的內(nèi)卷，本質(zhì)上是現(xiàn)在的LLM遇到瓶頸后，一種為了延續(xù)“AI故事”的無奈之舉，但悲哀的是，這樣的故事目前還沒有一個大廠能講好。
在各種訓(xùn)練數(shù)據(jù)行將耗盡的當(dāng)下，LLM的scaling law的神話該怎樣繼續(xù)？
在OpenAI 的o1模型發(fā)布后，人們意識到，這個問題的答案，就是強化學(xué)習(xí)。
對此，月之暗面的CEO楊植麟分析道：決定這一代AI技術(shù)的上限，核心是文本模型能力的上限。
從技術(shù)上來看，楊植麟此言非虛。
因為即使在多模態(tài)任務(wù)中，文本層面的理解和推理也是必不可少的。以Sora為例，其訓(xùn)練數(shù)據(jù)包含了大量“視頻-文本對”，每個視頻片段都有對應(yīng)的詳細文本描述，這種配對方式，讓模型能夠建立文本語義和視覺表現(xiàn)之間的映射。
同時，倘若視頻模型要想取得更大進展，例如發(fā)展出完整的敘事結(jié)構(gòu)，就要求文本模型有執(zhí)行復(fù)雜邏輯推理的能力。
如果文本模型無法規(guī)劃復(fù)雜敘事，視頻模型也難以突破這個上限。
因此，LLM未來的方向?qū)嶋H上已十分明了：文本模型決定了多模態(tài)的上限，而深度推理又決定了當(dāng)前文本模型的上限。
正因如此，在o1推出后，國內(nèi)的諸多大廠如字節(jié)、智譜清言、月之暗面等，都紛紛在自家的大模型中開通了“深度搜索”功能，這算是深度推理功能的聯(lián)網(wǎng)版本。
但從實際表現(xiàn)來看，并非所有廠商都在這方面表現(xiàn)得盡如人意。
在這里，我們以一個較為考驗深度推理和分析能力的問題，來對字節(jié)、智譜清言、月之暗面各自的大模型進行一番對比。
這個問題是：分析近三年全球智能手機市場的發(fā)展趨勢，包括各大品牌的市占率變化、技術(shù)創(chuàng)新，以及消費者偏好的變化。
首先測評的，是字節(jié)的豆包大模型。
可以看到，雖然在整體的水準(zhǔn)上，確實有一些切中要害的關(guān)鍵點，但在進行回答時，整體的內(nèi)容、結(jié)構(gòu)顯得十分臃腫、凌亂，并沒有做太多結(jié)構(gòu)化、精細化的處理，使用戶在閱讀時，仍感到很大的閱讀負(fù)擔(dān)和壓力。
接下來測評的，是智譜清言的智譜AI。
可以看到，與豆包相比，智譜AI在進行深度推理時，結(jié)構(gòu)明顯比豆包更清晰、更有條理，且針對蘋果、三星、vivo等不同的品牌，具體列出了不同的市場表現(xiàn)、市場份額。
但從整體上來看，每一部分的總結(jié)與分析，仍顯得過于簡略。
最后登場的，是月之暗面的kimi。
在開啟深度搜索功能后，Kimi在信息的分析、總結(jié)上，表現(xiàn)出了更加細致、深入的特點，不僅以不同的年份，詳細展示了不同品牌在市場中的份額變化，以凸顯趨勢，且在對技術(shù)創(chuàng)新方面進行分析時，十分具體、細致地展示了不同年份中，不同品牌推出的具體技術(shù)。
綜合來看，Kimi在進行復(fù)雜問題分析時，其推理的深度、精細度，要顯著優(yōu)于豆包、智譜AI。
由此可見，目前在“深度推理”這一頗為考驗LLM“內(nèi)功”的分水嶺上，國內(nèi)廠商已經(jīng)顯示出了顯著的差距。
如前所述，自從OpenAI推出o1后，當(dāng)下大模型的發(fā)展，已經(jīng)到了一個進行戰(zhàn)略選擇的分岔口。
而在這關(guān)鍵的戰(zhàn)略分叉點上，國內(nèi)的部分大廠如字節(jié)，由于自身布局于短視頻業(yè)務(wù)的巨大慣性，并未在深度推理方向進行深耕，只是靠著低價競爭，以及“多而不精”的龐雜功能，才硬擠上國內(nèi)大模型排行榜的頭部。
據(jù)火山引擎總裁譚待介紹，“豆包主力模型在企業(yè)市場的定價只有0.0008元/千Tokens，比行業(yè)便宜99.3%。”
但一味地降價追求“性價比”，某種程度上透露出的是自身模型缺乏核心競爭力的表現(xiàn)。
與字節(jié)類似，“AI六小虎”之一的智譜清言，也走上了一條追求“大而全”的路線。簡言之，目前的智譜，也成了那種“繪畫、視頻、搜索都要一攬子拿下”的AI企業(yè)。
但實際上，這種“大而全”的追求，反映的是一種商業(yè)上的“困獸猶斗”。
這是因為，目前國內(nèi)企業(yè)主對軟件購買意愿偏低，To B端大模型給企業(yè)帶來的價值仍處在割裂狀態(tài)，2023年國內(nèi)大模型市場規(guī)模僅有50億元，2024年也僅增加到120億元。
在B端市場狹窄、C端又尚未打開的情況下，任何做大模型的企業(yè)，唯有不停地融資、燒錢，橫向地擴展用戶，才能讓自己的模型活下來。
但這種跑馬圈地的邏輯，本質(zhì)上仍是互聯(lián)網(wǎng)時代的思維，這并不能真正地“救活”AI。因為與互聯(lián)網(wǎng)不同，AI產(chǎn)品的邊界，并不是由用戶數(shù)決定，而是由實打?qū)嵉募夹g(shù)力決定。
一個有些反直覺的現(xiàn)實是：與視頻生成這類耀眼的、更容易令人遐想聯(lián)翩的技術(shù)相比，真正能在C端帶來突破的，也許是深度推理這類既難啃又不性感的技術(shù)。
原因就在于，視頻生成主要服務(wù)創(chuàng)意表達，應(yīng)用場景相對固定，用戶群體、變現(xiàn)模式都較為單一，其價值體現(xiàn)在內(nèi)容產(chǎn)出，ROI相對直觀。
從本質(zhì)上來說，它更像是一個效率工具，而不是一個能帶來顛覆性改變的技術(shù)。
相較之下，深度推理則屬于基礎(chǔ)認(rèn)知能力，可以賦能各類應(yīng)用，其突破可帶來各方向的普遍提升，且其能力可以遷移復(fù)用，更易于產(chǎn)生協(xié)同效應(yīng)。
更重要的是，隨著這項技術(shù)的發(fā)展，它對用戶的理解會越來越深入，提供的建議會越來越個性化和精準(zhǔn)。
這種持續(xù)學(xué)習(xí)和進化的特性，讓其很難被簡單的工具或服務(wù)所替代，這正是某些短命的“爆款應(yīng)用”所需要吸取的教訓(xùn)。
可惜的是，在這條難而正確的道路上，真正敢于堅持并做出成就的企業(yè)，目前仍屈指可數(shù)。
- The end -
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治??；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)