FBEC2023未來商業(yè)生態(tài)鏈接大會暨第八屆金陀螺獎于2023年12月8日在深圳福田大中華喜來登酒店6樓盛大召開，本次大會由廣東省游戲產(chǎn)業(yè)協(xié)會、深圳市互聯(lián)網(wǎng)文化市場協(xié)會指導，陀螺科技主辦，中國光谷、游戲陀螺、VR陀螺、陀螺財經(jīng)、陀螺電競聯(lián)合主辦。

大會以“合力共生·韌者行遠”為大會主題，以具有行業(yè)前瞻洞察的“航行者”為視角，破冰之旅為主線，關(guān)注AI、元宇宙、XR、游戲、電競、數(shù)字經(jīng)濟等科技與互聯(lián)網(wǎng)前沿領(lǐng)域，全方位呈現(xiàn)科技前沿成果，聚焦時代與商業(yè)熱點議題，探討新科技、新商業(yè)、新模式的未來價值，與真正的勇者共赴劇變革新下的凜冬破冰之旅！

大會現(xiàn)場設有Talking Box嘉賓對話間，元象 聯(lián)合創(chuàng)始人 肖志立圍繞“元象從元宇宙到發(fā)力AI大模型，2023年AI大模型現(xiàn)狀”等話題，與陀螺主持人和現(xiàn)場的媒體朋友進行了對話交流。

以下為現(xiàn)場對話實錄：

主持人：關(guān)于元象，之前了解更多是在虛擬元宇宙上的業(yè)務，但是今年發(fā)生一個明顯變化，元象會更關(guān)注AI大模型，特別想請教一下為什么從元宇宙開始轉(zhuǎn)向做AI這一塊？

肖志立：這個問題蠻多外部的朋友也都問過我們，其實這里講一下我們的邏輯。我覺得元象從2021年創(chuàng)立開始，我們就是奔著通用人工智能這樣的目標去的，這個更偏向腦力，我們認為如果未來是一個虛擬世界，它具備跟人類同樣的智能，這樣的一種環(huán)境或者這樣一種產(chǎn)品形態(tài)，它可能是我們所希望的。

其實這個想法是在所謂的全真互聯(lián)網(wǎng)提出來之前我們就有了，人工智能形態(tài)的產(chǎn)品就是元宇宙。元宇宙我們理解為分為兩種基礎(chǔ)能力，一種是感知能力，可以理解仿真世界，這個世界給你呈現(xiàn)出來的視覺效果，聽覺效果，是不是跟真實世界符合，第二是認知能力，偏大模型，就是虛擬世界里面你遇到的這種智能體，可能不是真人，可能是AI驅(qū)動的智能體，是不是能夠通過圖靈測試，跟它交流、互動起來跟人一樣。所以在元象創(chuàng)立之初，不僅有3D技術(shù)團隊，也有AI團隊，做強化學習、語音和NLP等。

在大模型出來以前，AGI的常見路徑是強化學習，到2022年底大模型這一系列技術(shù)出現(xiàn)之后，我們覺得這個技術(shù)可能要比原來強化學習的技術(shù)更有利于使得我們這個產(chǎn)品形態(tài)逼近我們理想的狀態(tài)。所以，其實從我們最開始的認知，我們就并不覺得元宇宙只是一個虛擬仿真的產(chǎn)品形態(tài)，而是AI+3D。

主持人：2023擁抱AI是大部分企業(yè)的共同愿景，通常大家會有兩種實現(xiàn)路徑，一種接入API接口，另一種自己做，那元象為什么選擇自己做這么艱難的路徑？

肖志立：這個我們內(nèi)部在做之前也有非常激烈的去討論過，最后的結(jié)論就是我們必須做，而且我們也有能力去做。因為這里面其實所謂的通用人工智能也有它不同階段的發(fā)展，比如我們現(xiàn)在也能看到某一些大廠的大模型，雖然都是通識大模型，但有些能力好，有些能力沒有那么強。包括未來，如果要結(jié)合我們本身的虛擬場景，要呈現(xiàn)視覺或者聽覺的認知能力的話，其實如果僅依賴API，非常受制約。而且這里面其實從環(huán)節(jié)落地，我們考慮所謂的投入產(chǎn)出，如果只是用API，在某些我們的內(nèi)部應用場景里面，其實有點不劃算，有些場景用較小規(guī)模的模型就可以落地，有些則需要更復雜的通識大模型，這里面真正階段性的落地，而不只是說打比賽，這里面有很多需要權(quán)衡和選擇的點。若在這個時候我們?nèi)狈Ρ匾馁Y源和能力，便會變得非常被動。

主持人：相對海外的OpenAI還有國內(nèi)百度的文心一言、星火大模型等，元象這邊有什么差異點，核心的競爭優(yōu)勢是什么？

肖志立：這個分兩方面看，一個跟國外的GPT比較，毫無疑問GPT現(xiàn)在一定在全球處于領(lǐng)先的位置，可能只有能夠跟它與之匹敵的Google稍微追得上，其實在國內(nèi)我們看到的大模型，自從 Llama開源之后，國內(nèi)大模型都是基于這個架構(gòu)做一個復現(xiàn)，只是這個復現(xiàn)的比例不一樣，或者方法不一樣，因為Llama只開源它的網(wǎng)絡結(jié)構(gòu)，沒有開源訓練語料和過程，所以現(xiàn)在國內(nèi)大部分情況下，現(xiàn)在都還是在一個復現(xiàn)追趕的狀態(tài)。

通過一些評測可能我們也聽到一些聲音說，我們在某些方面能夠超越或者媲美GPT，但是其實正常使用角度來看，肯定不是這樣的。而且我覺得我們國內(nèi)這種聲音其實會影響到我們對自己的一些認知。至于說元象本身，其實從底座訓練的角度來看，通過更大的參數(shù)規(guī)模，更多的語料使得模型有更好的通識能力，涌現(xiàn)出更強大的人類語言的能力，這個角度上并沒有太多的區(qū)別。它更大的區(qū)別在于說我基于我的底座，針對某些應用場景做一些微調(diào)，或者持續(xù)訓練這一塊。比如我們最近在測試我們的自研的泛娛樂方向的一些模型，就會看出來它跟GPT的一些表達會明顯的不一樣，因為GPT大家能感受到，更像一個“理科生”，它非常有邏輯，非常有條理，但是表述出來的東西其實很平淡無奇。但是在泛娛樂很多場景里面，比如說直播的歡迎彈幕，可能某一個“大哥”進來，我們要歡迎他，這個時候用GPT寫彈幕一定索然無味，所以我們針對泛娛樂做了精調(diào)，雖然我們的參數(shù)規(guī)模遠不如GPT，但是我們在這個領(lǐng)域的效果比它好不少。所以這個是未來元象會主打泛娛樂的部分，我們有經(jīng)驗，曾經(jīng)做過并且有優(yōu)勢的領(lǐng)域，我們會在這個方向發(fā)力。

主持人：現(xiàn)在的AI大模型，大概有兩種功能，一種是文生文，另一種是文生圖，基于元象過往的經(jīng)驗，你們會做文生3D這樣的內(nèi)容能力嗎？

肖志立：大模型生成什么不重要，反正大家都是在往多模態(tài)的方向去發(fā)展，包括GPT，我覺得GPT它更加讓我驚艷的不是文生圖，而是文生語音，文本生成的內(nèi)容結(jié)合自然語言，再通過TTS（文本轉(zhuǎn)語音）技術(shù)轉(zhuǎn)化為口語，從而模擬真實對話，這里面的一些各種模態(tài)我覺得都是必然會存在的?；氐絼偛耪f的3D話題，其實我們也有在持續(xù)關(guān)注，就是3D類的生成技術(shù)，比如其實我們有看到像OpenAI的一些技術(shù)發(fā)布，我自己的判斷是，可能3D模型的生成，它目前其實主要還是在研究階段為主。進入到工業(yè)界的難度比較大，而且因為它3D信息相對文本、圖片和視頻是更高緯度的信息，而且它沒有特別強的時序特性，因為3D可以從隨機角度看，所以其實沒有很強的時序特性，我估計它的技術(shù)的成熟期會比前面三種類型的內(nèi)容都要晚一點?，F(xiàn)在我們也在持續(xù)關(guān)注，也不是完全沒有應用的機會，一會分享我會講到，雖然我們現(xiàn)在不用這種生成技術(shù)做一個模型，但是我們會用這種生成技術(shù)構(gòu)建一個場景，這其實是可以通過已有的一些大模型加一些工程化的技術(shù)，也能取得不錯的效果，能夠為我們的美術(shù)團隊提升很好的效率。

主持人：2023年各家都在做大模型，各種通用大模型，垂類大模型，您如何看待各種大模型崛起的趨勢？

肖志立：我覺得這是一種很好的趨勢，通過這種充分市場化競爭，至少我認為我國能夠擁有自主可控的屬于操作系統(tǒng)級別的一些技術(shù)，這是非常重要的，而且它一定能夠拉動我們國產(chǎn)的自研芯片的發(fā)展。所以我覺得從整個生態(tài)來看，這個并沒有問題。下面可能需要關(guān)注的就是一些大模型安全方面的一些問題，雖然現(xiàn)在國家也有一些規(guī)范，比如生成式人工智能技術(shù)的備案等等的手段，但其實從我個人看來可能是不太夠的，這里面可能需要有一些更完備的機制去持續(xù)監(jiān)控或者保證安全性。比如說我們對于傳統(tǒng)的互聯(lián)網(wǎng)服務已經(jīng)有像紅軍、藍軍對抗這種機制保證系統(tǒng)的安全，不容易被滲透，不容易被投毒，但是大模型這個領(lǐng)域挺空白的。相對來講，我覺得這也是大模型創(chuàng)業(yè)其中一個領(lǐng)域的機會。

主持人：元象目前在C端與B端的客戶配比如何，市場規(guī)劃是怎樣的？

肖志立：我們現(xiàn)在還是主要以B端客戶為主，因為C端客戶目前還是在逐步放開的階段，在B端里面做驗證，在C端里面發(fā)力這個是我們做大模型的一個路線。我們希望能夠有一種超級APP是以大模型的能力作為驅(qū)動的。但是我覺得在到這個階段之前，我們?nèi)匀恍枰谀承┬袠I(yè)，比如我剛才提到的一些泛互聯(lián)網(wǎng)行業(yè)里面積累一些經(jīng)驗。因為大模型這個技術(shù)跟傳統(tǒng)的互聯(lián)網(wǎng)技術(shù)有很大的不一樣在于它是實驗型技術(shù)，你沒用過它，不知道它行還是不行，所以一定要落地之后才知道絕對有把握做好這個事情。所以，我覺得需要有一些時間的積累，才能去催生出剛才所描述的這種超級APP的概念，到這個時候，去TO C的話我覺得這樣一個節(jié)奏才會比較穩(wěn)妥。

主持人：元象今年發(fā)布了三個AI大模型，XVERSE-13B，XVERSE-7B，XVERSE-65B，為什么一年內(nèi)連發(fā)三個大模型，這三個大模型具體有什么區(qū)別呢？

肖志立：正如我剛才所說，其實不應該用一種規(guī)格的大模型去應對所有的場景。比如7B、13B，它們的優(yōu)勢就是部署簡單，推理成本低，7B一張家用顯卡就能運轉(zhuǎn)起來，所以個人用戶去使用它，完成他的任務或者做一些實驗都是挺方便的。包括13B其實我們開源之后的用戶池里面，非常多的用戶用來做內(nèi)部的知識問答，就是很簡單的，只要把我們模型部署好，對接上他內(nèi)部整理好的知識庫，通過我們自帶的搜索增強技術(shù)，就可以在內(nèi)部很輕松地用起來，也不需要購買很高價格的硬件。65B其實它的能力更好，比如在推理方面的數(shù)理邏輯能力會更強。但是你要使用它成本會更高，所以它目前看到更多是一些科研機構(gòu)，他們需要做實驗。這種場景下，就會要求我們要開放模型的參數(shù)，開放訓練的參數(shù)，以便他在上面做增量訓練或者做精調(diào)，每一種類型的模型，每一種規(guī)格的模型，它的受眾群體不太一樣。

主持人：再回到應用場景，元象之前也是做元宇宙內(nèi)容的，您認為元象的大模型在元宇宙上面的應用場景和行業(yè)解決方案有哪些？

肖志立：我們本身做元宇宙的初衷就是我們不同的內(nèi)容其實都是用AI技術(shù)輔助生成或者直接生成，所以這個大模型只是其中的一種生產(chǎn)方法。大模型目前來說主要還是聚焦在文案或者劇本類的生產(chǎn)，比如說，我們有一個景區(qū)導覽的應用，我們會用大模型把和景區(qū)的知識庫做關(guān)聯(lián)，為游客提供服務，游客可以通過這種會話方式了解這個景區(qū)的需求，無論是景區(qū)的歷史、典故、餐飲、游玩的推薦，都可以通過大模型去生成。

還有另外一種我們內(nèi)部也使用的場景，比如我們要去制作一個分鏡視頻，它其實是有一個從你要表達的觀點，到你要去用什么故事去表達這個觀點，再變成一個拍攝工具可理解的腳本的過程。其實這種文案轉(zhuǎn)化的過程，我們現(xiàn)在在內(nèi)部也是用大模型實現(xiàn)的，比以前用人去寫，這個效率就高非常多了。當然，我們其他的一些比如說3D類的場景生成，數(shù)字人相關(guān)的一些動作生成，包括他的一些臉部表情生成，背后都是各種各樣的一系列AI技術(shù)，那個不完全是大模型能夠覆蓋的。