京東探索研究院院長、京東科技智能服務(wù)與產(chǎn)品部總裁何曉東表示，生成式AI在今年取得了巨大的進展，可以做到文本生成、代碼生成、圖片生成、視頻生成等，產(chǎn)生了生產(chǎn)力的變革。他認為，大模型帶來了AI流行的機遇，從傳統(tǒng)的基于某一個場景、某一個應(yīng)用定制AI模型，進入到一個大的通用的模型可以服務(wù)于多個場景。

“一方面模型本身的成本是提高了，因為我們都知道，大模型本身需要大量的算力，需要大量的數(shù)據(jù)，需要一個很大、很強的綜合性團隊。在另一方面它的部署成本其實極大地降低了，因為一個模型可以部署到更多的地方?！焙螘詵|說，“這就像我們進入工業(yè)時代，雖然工具更昂貴了，但它生產(chǎn)產(chǎn)品的效率反而提升了。”

何曉東表示，希望AIGC能加入更有創(chuàng)作力的領(lǐng)域，比如圖像繪畫生成等，“京東通過打造一站式的人工智能應(yīng)用平臺言犀平臺，集成大量AI從感知到認知到生成的技術(shù)，使得我們可以在各個層次組合出各種各樣豐富的應(yīng)用式產(chǎn)品，服務(wù)各行各業(yè)。各行各業(yè)都能從這一次的人工智能技術(shù)進展中得到真正的提升?！?

京東探索研究院院長、京東科技智能服務(wù)與產(chǎn)品部總裁何曉東發(fā)表講話

HiDream.ai創(chuàng)始人、加拿大工程院外籍院士梅濤認為，多模態(tài)AIGC主要面臨三大挑戰(zhàn)：第一是標記化（Tokenization），有沒有一種比較好的集合，能夠把文本、視覺、語音等信息包含在一起。第二是解碼（Decoder），大語言模型中常用的Transformer架構(gòu)并沒有在圖像、視頻中得到很好的應(yīng)用。第三是對齊（Alignment），我們能不能做到不同模態(tài)之間交叉相關(guān)性的對齊。

梅濤指出，目前主流的視覺模型的能力邊界基本都在幾十億參數(shù)的區(qū)間，在圖像生成方面，人臉細節(jié)、手指細節(jié)、物體細節(jié)等問題都還沒有解決，還有很多工作要做。

“我們想做的一件事就是問問自己，到底我們有沒有可能把現(xiàn)在視覺多模態(tài)的基礎(chǔ)模型，從它現(xiàn)在能力對標GPT-2.0的時代，走向GPT-3.0的時代。當然這也是我們HiDream的一個初心?！泵窛f。

HiDream.ai創(chuàng)始人、加拿大工程院外籍院士梅濤發(fā)表講話

九章云極聯(lián)合創(chuàng)始人尚明棟則談及人工智能基礎(chǔ)設(shè)施的變革。他表示，大模型的產(chǎn)生并非一蹴而就，而是需要完整的基礎(chǔ)設(shè)施升級，無法依靠單獨一個大模型解決更多的問題。他指出，基礎(chǔ)設(shè)施的構(gòu)成包括算力、數(shù)據(jù)和軟件等方面。

尚明棟提到，美國初創(chuàng)公司CoreWeave在最近使用3584張H100芯片，僅用時11分鐘就完成GPT-3模型的訓練，整體開銷約2萬美元。但在2020年訓練GPT-3模型需要450萬美元，在2022年依然需要45萬美元?！拔覀兛吹?，隨著算力和并行的一些基礎(chǔ)軟件的演進，我們算力的成本在持續(xù)下降。而算力成本下降的速度，我們判斷也會快于模型大小增長。所以，以后算力將不會構(gòu)成大模型計算的一個鴻溝。”

他指出，訓練更高質(zhì)量、更高效的模型，就需要質(zhì)量更好的數(shù)據(jù)，“我們也知道，受限于數(shù)據(jù)的邊界，考慮到數(shù)據(jù)隱私、數(shù)據(jù)安全等多方面因素，我們很難讓它直接在通用的數(shù)據(jù)中流通。所以我們需要構(gòu)建垂直領(lǐng)域大模型，結(jié)合從算力、數(shù)據(jù)到基礎(chǔ)軟件去賦能于千行百業(yè)?！?

九章云極聯(lián)合創(chuàng)始人尚明棟發(fā)表講話

在基礎(chǔ)軟件方面，尚明棟認為，基礎(chǔ)軟件的核心價值在兩點，一是高效地調(diào)度、管理數(shù)據(jù)和算力，將原先復雜的大模型構(gòu)建變得更加容易。二是通過對基礎(chǔ)軟件高效的工程化、模塊化和自動化，提高訓練的效率?；A(chǔ)軟件效率的提升意味著算力的節(jié)省和成本的降低。

“所以，大模型未來的挑戰(zhàn)在于，我們希望大模型能夠落地各行各業(yè)，那么落地于千行百業(yè)就需要和各個行業(yè)的業(yè)務(wù)結(jié)合在一起，并結(jié)合行業(yè)的業(yè)務(wù)知識。”尚明棟說。

“AI存在風險，但我們不應(yīng)該因噎廢食”

然而，AIGC的發(fā)展也面臨諸多爭議，從發(fā)展的門檻和壁壘到AI的風險和安全性都受到頗多質(zhì)疑。對此，在“聚焦·大模型時代AIGC新浪潮論壇”的圓桌討論環(huán)節(jié)中，多位專家指出，生成式AI發(fā)展可能面臨諸多挑戰(zhàn)和風險，但我們不能“因噎廢食”，需要在長期的發(fā)展中尋找應(yīng)對的方案。