題圖｜視覺中國
2024年，是大模型走向應用的關鍵之年。
由Transformer技術所引爆的大模型浪潮，曾以迅雷不及掩耳的姿態(tài)橫掃了全世界科技行業(yè)，給很多人帶來了“危機感”。但隨著時間的推移，在熱度下降之后，“大模型”也開始面臨對新技術的固有挑戰(zhàn)——落地應用。
原因很簡單：脫離了落地應用，“賣鏟人”神話也好、AI狂潮也好，都逃脫不了破滅的命運。
AI行業(yè)深諳這個道理，更偏向于獨立App生態(tài)的海外市場，各種由大模型驅(qū)動的AI應用2024年如雨后春筍般出現(xiàn)；而更偏向于由大廠帶頭突破的國內(nèi)，幾大基礎大模型在各自基礎能力PK前進的同時，也在內(nèi)置智能體的數(shù)量和豐富度等維度展開了激烈的競爭。
在這種大模型競爭全面深化的趨勢下，如何找準接下來落地應用的發(fā)展路線，顯然成為國內(nèi)一眾大模型的“勝負手”。
大模型應用落地的關鍵，是要“超越”技術
在大模型走向應用落地的過程中，有種看法一直頗為流行——大模型帶來的技術飛躍足夠大，因此只要找到“殺手應用”，就能一下子實現(xiàn)技術的落地應用和普及。
這種繼承自前幾波技術浪潮，可以總結(jié)為“只要造好了錘子就能找到釘子”的思維，其實忽略了一個現(xiàn)實：世界上90%的事情用最簡單數(shù)字化規(guī)則（例如基礎編程語言）就已經(jīng)可以運轉(zhuǎn)得很好，完全不需要用AI大模型來改善。
剩下的10%最困難、最需要人腦智慧的高價值任務中，大模型AI目前能夠獨立解決的也很少。少數(shù)大模型AI能夠獨立給出“結(jié)果”的應用，其價值更是長期處于“非常曖昧”的狀態(tài)。
就拿智能體來說，在ChatGPT最為火熱的時候，它似乎就成為了AI解決問題的一切手段，任何新需求都能通過一個智能體或者多個智能體協(xié)作來完成。
但實際情況是，這些主要依賴LUI（語言交互界面）的智能體雖然五花八門，學習了海量資料，卻普遍存在“溝通成本高+輸出質(zhì)量不穩(wěn)定”的大模型先天缺陷，其輸出內(nèi)容的類型和方式也相當有限，極大地限制了進一步的應用落地。
這些曾經(jīng)大熱的大模型落地方向之所以走不通，恰恰是因為很多時候我們過于關注一些流行的概念或技術，而忽略了要解決的根本問題是什么。
因此想要大模型獲得應用落地，最關鍵的還是找對用戶需求，開放地運用各種技術更高效率地解決問題，而不是陷入到“只用大模型能力”來解決問題的怪圈之中。
用人話來總結(jié)，AI也只是解決問題的“工具”，是手段而不是目的。
最終實現(xiàn)兩個獨立目標“技術驅(qū)動產(chǎn)品”、“產(chǎn)品體驗驅(qū)動用戶增長，實現(xiàn)落地應用”。這兩點也是當前阿里通義將大模型帶向落地應用的核心思路。作為阿里AI戰(zhàn)略的排頭兵，通義為中國大模型落地打了個樣。
如何實在與先進并存？
基礎思路已經(jīng)夯實的通義，在尋找用戶需求這件事上，核心思路是把“不懂技術的用戶使用AI的門檻”打下來。
大模型的底層創(chuàng)新Transformer神經(jīng)網(wǎng)絡，核心突破是特別擅長處理長篇幅文字內(nèi)容。它能夠理解和生成連貫、復雜的文本內(nèi)容；所以海量自然語言、文本的場景一直是大模型最明確的“舒適區(qū)”。
需要接觸大量知識、會議、交流的工作學習領域，顯然處于這個“舒適區(qū)”的正中央。如何首先“攻克”這個領域，就成了各家大模型落地應用的必爭之地，目前走在最前列的，就是通義。
今年8月底，通義對自己的網(wǎng)頁版產(chǎn)品進行了一輪大升級，將“通義聽悟”、“通義智文”兩個產(chǎn)品升級成“實時記錄”和“閱讀助手”，同時還加上了新的“PPT創(chuàng)作”，將這一系列能力打包成了全新的“通義效率”，一口氣覆蓋了辦公學習的大部分場景。
其中“實時記錄”主要負責將現(xiàn)實中的語音記錄下來，并且通過翻譯、編輯、AI總結(jié)等提取其中的信息；“閱讀助手”則可以對各種文檔、網(wǎng)頁鏈接進行信息總結(jié)、知識篩選提煉；“PPT創(chuàng)作”，則可以利用大模型直接根據(jù)少量核心信息，輸出具備邏輯性且美觀的展示材料。
三者結(jié)合在一起，最終構(gòu)成了一個信息獲取整理、資料閱讀理解到思考內(nèi)容展示的完整工作學習流程。
如果說整體板塊的完整工作流還不算什么，那么通義對于單個功能的細分工作流完善，真的可以說是“令人發(fā)指”。
就拿“實時記錄”來說，只要有麥克風，就能對中、粵、英、日四種語言進行實時語音轉(zhuǎn)文字，同時英文/日語還能直接轉(zhuǎn)譯成中文。
在完成最基本的語音轉(zhuǎn)錄文字和翻譯的同時，其界面也針對實時場景做足了優(yōu)化。例如左側(cè)的轉(zhuǎn)錄板塊之上，就附帶了“搜索”、“查找與替換”、“發(fā)言人篩選”、“批量摘取”、“翻譯”、“發(fā)言人區(qū)分”、“AI改寫”7個功能。
用戶可以借助這些工具，快速地對轉(zhuǎn)錄內(nèi)容進行查找、修改、編輯、提取。完全不用迷失在冗長的轉(zhuǎn)錄內(nèi)容之中。
右側(cè)的功能板塊則將“導讀”、“腦圖”、“筆記”三個功能結(jié)合在了一起，“導讀”可以對轉(zhuǎn)錄內(nèi)容進行AI總結(jié)、摘要；“腦圖”則可以將根據(jù)轉(zhuǎn)錄內(nèi)容整理出思維導圖，讓用戶快速掌握會議要點和脈絡；“筆記”則提供了完備的在線編輯能力，用戶不僅可以寫下文字記錄，同時還能插入錄音的“時間戳”、插入截圖、甚至是直接插入表格和任務列表。
這一整套從實時錄音輸入，到最終結(jié)果輸出的核心能力集合，直接覆蓋了會議記錄、課堂記錄等核心場景，在多個環(huán)節(jié)之中穿插的AI大模型能力，更是讓整個信息處理流程順暢了起來，既實現(xiàn)了AI大模型功能的落地，同時也給用戶帶來了效率和使用體驗的飛躍。
“閱讀助手”和“PPT創(chuàng)作”同樣能看到很多細節(jié)的打磨。
“閱讀助手”采用了類似于“實時記錄”功能的板塊設計，右側(cè)一口氣集合了“導讀”、“翻譯”、“腦圖”、“筆記”四個功能。雖然布局相似，但“翻譯”被很細節(jié)地從左側(cè)移到了右側(cè)，一下子就提供了極佳的外語文檔閱讀體驗，可以逐段對照地查看原始文檔和全文翻譯結(jié)果。
而“PPT創(chuàng)作”支持一句話、上傳文件和長文本生成PPT，在完成首次生成之后，也可以進行文字內(nèi)容修改，甚至是直接召喚大模型幫忙一起優(yōu)化文案。PPT上面的任何一張AI生成的圖片也可以點擊進行替換，通義甚至貼心地為用戶附上了“咒語書”，幫助用戶優(yōu)化約束圖片生成效果。
為了便于用戶使用，這些能力也集成在了通義App首頁中。當然，不能不提的是，通義出色的用戶體驗除了仰仗產(chǎn)品優(yōu)秀設計與細致打磨，也離不開通義快速躍進的基礎模型能力。
今年6月，阿里發(fā)布了開源模型Qwen2-72B，一經(jīng)推出就在全球各個大模型排行榜中成為了全球性能最強的開源模型。
到了今年9月的云棲大會，通義旗艦模型Qwen-Max全方位升級，在諸多大語言模型權威基準測試中，直逼甚至超越全球最先進的OpenAI GPT-4o；其中通義千問新一代開源模型Qwen2.5中的旗艦模型Qwen2.5-72B更是超越了Meta的Llama 405B（模型參數(shù)量更少，但是測試成績更好），再次登上全球開源大模型王座。
這種“產(chǎn)品”與“技術實力”的交相輝映，也延續(xù)到了如今大模型最熱的視覺領域。在9月更新大語言模型“通義千問”的同時，阿里也更新了自己視覺大模型“通義萬相”，讓其AI生圖、AI生成視頻的能力再次獲得了提升。
“通義萬相”視頻生成模型主打更能聽懂中國話，更懂中國風的特點。用戶只要輸入任意文字提示詞，例如畫面內(nèi)容、空間構(gòu)圖、運動過程、運鏡方式，就可以生成影視級高清視頻，以及與畫面匹配的音效。
用戶還可以通過靈感擴寫功能，對自己的提示詞進行智能豐富，進一步提升視頻內(nèi)容表現(xiàn)力；圖生視頻功能更是支持用戶將任意圖片轉(zhuǎn)化為動態(tài)視頻，通過提示詞來控制視頻運動。
阿里團隊在“通義萬相”中突破性地采用了Diffusion Transformer架構(gòu)，并且從一開始就采用了中英文雙語標注，讓中文文生視頻內(nèi)容的創(chuàng)作能力實現(xiàn)了飛躍。在模型發(fā)布的同時，用戶可通過通義APP及通義萬相官網(wǎng)免費體驗，率先做到了“技術到應用”的全鏈路發(fā)展。
過去一年，通義實現(xiàn)了多個里程碑式跨越，從大語言到視頻生成到多模態(tài)模型，大模型的能力邊仍在不斷擴展，在數(shù)學、代碼及推理等能力上持續(xù)攀升?；谶@些模型能力，通義App與PC端也持續(xù)上新，用戶可以與李白數(shù)字人對詩、視頻實時講解數(shù)學題、一句話生成應用，即時體驗大模型帶來的全新體驗。
隨著未來更多底層大模型技術突破的出現(xiàn)，擁有海量AI人才和投入不設上限的阿里，必然能進一步豐富通義自身領先的基礎大模型能力。再以“解決實際問題”、“讓所有人用上”為邏輯，將各種大模型的能力與阿里出色的產(chǎn)品化能力相結(jié)合，最終做到大模型“實打?qū)崱钡穆涞嘏c應用。
也就是標題所提到的：既要超越技術，又要實在與先進并存。
堅持本心的通義
如果說“讓AI實打?qū)嵚涞貞谩边€只是通義天生的使命，那么對于“開源”、“讓技術和產(chǎn)品說話”、“要有愛”的堅持，則能直接體現(xiàn)通義的本心。
放眼整個大模型行業(yè)，堅持開源政策的就沒幾家，更別說分秒必爭的頭部廠商。但通義基于促進創(chuàng)新、促進社區(qū)、促進生態(tài)的宗旨，每次更新基礎大模型都會直接開源。就拿上文提到的、能打敗Meta Llama的Qwen2.5-72B模型來說，也是發(fā)布即開源。
這種對于技術的本質(zhì)堅持，也體現(xiàn)在了落地的“形式”上。
上個月底，幾張國產(chǎn)AI產(chǎn)品廣告投放金額的圖片在AI圈內(nèi)徹底火了起來，因為其中好幾個國產(chǎn)AI大模型的季度投放都已經(jīng)破億。讓不少圍觀者感嘆道“這就去學做AI博主”、“用不用不知道，但說的是真的好聽”。
相比之下，通義的投放堪稱“可憐”，一個季度僅有450萬元。除了發(fā)布新版本的時候露個臉，剩下的全靠產(chǎn)品自己說話。這份自信，來自于通義強大的技術實力和產(chǎn)品力，哪怕投放少，用戶對通義產(chǎn)品的好評源源不斷，所累積的好口碑反而是靠錢堆出來曝光量換不來的。
今年7月，通義聯(lián)合上海美術電影制片廠推出國內(nèi)首個孤獨癥兒童AI繪本工具“追星星的AI”。這個調(diào)用了通義萬相多項能力、搭載在通義App中的應用，可以在提供簡單提示詞、篇幅、主角性別、避免出現(xiàn)內(nèi)容的情況下，快速而自動地自動生成一篇圖文并茂的繪本故事，并且自動為用戶朗讀。
這種極為高效的繪本生成能力，讓孤獨癥兒童有了進一步融入社會的可能性，在社交交往、正向情緒、語言溝通及行為矯正等方面施展積極干預效果。
很顯然，通義在堅持“以技術驅(qū)動產(chǎn)品，以產(chǎn)品體驗驅(qū)動用戶增長”的同時，也沒忘了對于“AI有愛”的堅持。
全面擁抱開源精神、讓產(chǎn)品自我證明、讓AI充滿溫情，這些原則雖然看似與技術硬實力無直接關聯(lián)，但實際上它們深刻體現(xiàn)了通義的核心理念：將人工智能發(fā)展為一種普遍的生產(chǎn)力，使之普及至每個人。
秉承著“以終為始”的思維模式，通義正以其雄厚的技術實力和卓越的產(chǎn)品力，勢不可擋地引領著新的變革。
本內(nèi)容為作者獨立觀點，不代表虎嗅立場。未經(jīng)允許不得轉(zhuǎn)載，授權事宜請聯(lián)系 hezuo@huxiu.com
熱門跟貼