文 / 六金
出品 / 节点商业组
最近，GPT赛道上争议不断，先是GPT-4的问世，用一些亮眼的功能让人类感叹自己是不是要丢工作？紧接着又有一封联名信刷屏，图灵奖得主、AI三巨头之一的约书亚·本吉奥、埃隆·马斯克等123个业界大佬，呼吁所有人工智能实验室应暂停比GPT-4更强大的AI系统训练。
大语言模型的安全问题已经显现，ChatGPT被国内厂商直接应用并不现实，国内科技公司迎来了超车机会，就像一直耕耘网络安全的周鸿祎强调的那样——不发展才是最大的不安全。
所以，当人工智能领域的技术革命再次发生时，我们要做的不是“因噎废食”，而是努力储备、赶上这一班车并且找机会超越，这也是国内科技企业在AI大模型竞争上“全员加速中”的原因。
技术革命已经发生，重要的是储备力量
在大模型的应用上，OpenAI已经完成了从0到1的突破，而互联网行业有一个特点，就是但凡有一人捅破窗户纸，那么就是千军万马独木桥，方向正确了大家就都能努力赶上。
国外科技巨头中，微软宣布将GPT-4、DALL-E等，全都整合在旗下的Bing搜索、office办公套件、Teams聊天产品中；Adobe在老本行图片处理上推出生成式AI Firefly生成图像；谷歌也开放了聊天式机器人Bard……
在国内，百度发布文心一言，成为中国第一个类ChatGPT产品；华为在2021年基于昇腾AI与鹏城实验室联合发布了鹏程盘古大模型；阿里在2022年9月发布了“通义”大模型系列，包含NLP大模型AlicMind、视觉大模型、多模态大模型M6；腾讯和阿里思路差不多，在去年发布了混元AI大模型，其中包含NLP、CV和多模态等基础模型和众多行业/领域模型；京东也宣布研发产业版的ChatGPT—ChatJD；网易、360、字节跳动等都官宣了自己在AI大模型方面的布局。
可以说，目前国内的互联网企业基本都拥有一个AI大模型，或者制定了相应的计划。
与国外企业专注于一个大模型并且在实验室训练研发不同，国内科技企业在大模型方面的布局和储备是一个组合拳，是直接从产业端实战出来的。虽然消费端的用户感知并不强烈，但不代表咱们没有大动作。
当你发现开车时，自动驾驶对于障碍识别越来越精准、倒车入库踩线越来越细致，视觉大模型可能已经迭代了好几个版本；你发现家里的智能音箱越来越能get你的意思时，NLP大模型可能在默默努力……许多生活中服务和应用升级的背后，都有大模型的功劳。
在所有头部厂商中，商汤则是大模型储备上的佼佼者，而且商汤的AI大模型已经历过商业化验证。截至目前商汤的商用模型就超过了67000个，据商汤财报，其语言大模型、多模态大模型、AI内容生成(AIGC)模型等正在从以前的“支持状态”快速浮出水面。
行至2023年，对百度、商汤这种拥有大模型搭建能力的企业，大家正在从“卖算力”走向“卖模型”，Maas也成为了AI企业发展的新商业路径。
走稳大模型的底层逻辑
在大模型这个赛道上，其实并无任何实质性技术卡脖子。例如GPT的逻辑，是技术以及运用算力进行试错与暴力破解。李彦宏也坦言，语言大模型是算力和数据的“暴力美学”，只有当训练的数据达到一定规模的情况下，才会出现智能涌现。
所以大模型繁荣式爆发的背后，是算力、算法、数据三大底层能力。在国内科技厂商中，AI原生企业的积累不容小觑。
例如上文提到的商汤，已布局大模型领域5年之久，解决了不少大模型实际应用中的问题，顺利打开商业化的口子。
首先，在大模型的应用领域上，商汤相比于单一的语言模型，有着更广的半径。
在CV领域，商汤研发了320亿参数的全球最大通用视觉模型，实现高性能的目标检测、图像分割和多物体识别算法等，在自动驾驶、医疗影像等领域得到应用。据悉，商汤在 2022 年环视感知算法BEVFormer++ 获得了 Waymo 挑战赛冠军。
在AIGC文生图领域，2022年商汤训练的AIGC文生图模型，对文生图的理解以及推理速度等具备强能力。在NLP自然语言处理领域，商汤今年年中即将推出千亿参数量的NLP大模型，显著提高了文本生成、人机对话等任务的性能。
在多模态大模型方面，商汤已经把拥有30亿参数的多模态大模型—书生2.5开源。“书生2.5”不仅是世界上开源模型中ImageNet准确度最高、规模最大的模型，也是物体检测标杆数据集COCO中唯一超过65.0mAP的模型，推动通用AI技术的规模化应用。
这样看来，商汤在大模型训练上收获颇丰，已然跑在了行业前列。能取得领先优势，除了商汤跑得快以外，还因为起跑点不一样，得益于其底层逻辑为“大装置+大模型”。
这些年，商汤一直在打造SenseCore大装置，2022年SenseCore大装置持续扩建，已完成2.7万块GPU的部署，并实现了5.0exaFLOPS的算力输出能力，有效支持20个千亿参数量大模型（以千卡并行）同时训练，最高可支持万亿参数超大模型的训练。
把上文翻译一下，作为基础设施，商汤大装置可以把AI能力变成一个从输入到输出的机器，而且商汤一直在扩大这个机器的能力，未来能应用“机器”的领域更多，直至赋能千行百业。
还有业内人士这样拆解商汤“大装置+大模型 ”的优势：
每次训练模型，相当于给模型喂饭，既然要做饭，你需要采购数据中心、芯片、算力等，然后自己加工喂到模型嘴里，这是“食堂模式”。
但是有了SenseCore大装置后，给模型喂饭就不用担惊受怕今天买不到米、明天买不到菜，大装置相当于一片菜地，不需要出去采购，直接摘了果实做成食物就能喂给模型进行训练，这是商汤搭建大模型范围广、数量多的重要原因。
此外，大装置还从算力、算法、平台方面，带动AI模型生产在规模、性能、速度等方面的提升，大幅降低AI模型的生产成本、加速大模型的研发。
例如前文提到，到2022年底，商汤的累计商用模型已经达到了67000个，同比增加了93%；2022年人均研发模型数量9.35个，效率也比前年翻倍。可以这样理解，从自家菜地里摘果实要比外采便宜得多也方便得多，大家给模型喂饭也有底气了也更高效了、研发速度也提高了。有了这个基础，未来建立大模型的能力也有望从头部玩家转向中小入局者。同样这也能解决AI模型生产成本高昂、AI模型定制化开发效率低，无法满足市场的大量需求、难以训练高性能AI模型等问题。
据商汤最新财报的披露，公司已经将SenseCore AI大装置的能力向行业客户开放，目前服务了8家客户进行大模型训练，已训练超过10个大模型，其中就包括了CV大模型、NLP大模型和多模态大模型等。2022年，商汤SenseCore大装置对外服务收入占到智慧商业整体收入的20%以上，商汤预计，今年这一收入规模及占比将大幅增加。
未来大模型
可以给商汤带来多少红利？
国际货币基金组织前副总裁朱民在不久前的一次会议中表示，AI大模型不是你说一句话、写一首诗、作一幅画的问题，它改变了全球未来竞争的格局，这个我们必须争。
对于商汤来说，拥有大装置+大模型，到底能为商汤赢来多少未来？我们不妨回到财报里细细拆解。
2022年，商汤业绩增长最快的是智慧生活和智能汽车两大业务板块，皆是在大装置+大模型的基础上破局商业化。
商汤的智慧生活收入同比增长130%，机构分析增长原因是拥有AIGC全栈能力的SenseMARS平台，在200多个移动应用中被持续使用，头部客户续约率超过95%，线下也覆盖到了大型游乐园区、大型商场等120个场景。
不久前，SenseMARS还为房产营销提供了AIGC的解决方案，相较于传统VR看房，SenseMARS带来了像素级的场景复刻，让大家解锁如同亲临现场般地漫游看房感受。
截至2022年底，商汤智慧生活的客户数达到317个，同比增长23%，单客户ARPU也同比增长了86%。值得一提的是，智慧生活板块在AI传感器、AI ISP芯片、智慧医疗等方面都有了商业化突破。
在另一个高增长板块智能汽车上，商汤的表现在机构的预料之内，因为汽车厂家的结构并不复杂。
2022年，商汤的绝影智能车舱和智能驾驶产品完成了27款车型的适配和量产交付，量产交付数量超过50万；座舱客户包括蔚来、广汽、比亚迪、长安等；L2+/L2++ADAS等产品主要交付给广汽、合众的旗舰车型；新增定点数超800万辆，覆盖30余家车企的80多款车型。
另外，基于多个AI模型上的积淀并且借助激光雷达、摄像头、毫米波雷达等基础感知设备，商汤还推出了“绝影车路协同平台”，可以对车端、路端的信息进行融合处理，实现“车-路-云”一体化决策控制。例如它能解决99%以上的单车盲区问题；借助AI云计算和云控平台，还可以实现车辆感知范围的千倍扩展；另外通过提供精准路径导航、车速建议和碳排放优化等功能，更能显著降低路口平均延误时间和绿灯空放现象，提升交通效能超过20%。
中金公司在研报中称，商汤的汽车业务依托于在视觉领域的多年积累，已具备客户群基础，ADAS的标杆案例也有望为后续拿单带来示范效应；智慧生活与智能汽车占比在2025年有望达50-60%，远超当前33%的水平，成为强劲驱动力。
AI领域的投资逻辑一直都是“投资前置，收益后置”。投资规模大，盈利周期长。
马斯克当年给了OpenAI一笔钱后就拂袖离去，坊间传言没有继续投资，因此OpenAI无法支付在超级计算机上训练人工智能模型所需的巨额费用。再到OpenAI功成名就后，马斯克和OpenAI之间又基于“摘桃子”battle了好几个回合。
我们在AI赛道上也不能短视，特别是在大模型竞争上，任何企业都需要与具体的行业结合，才能形成确定性的商业模式，这才是长期投入带来的“高技术门槛，强竞争壁垒”。对于深耕大模型已久的商汤来说，一家AI原生公司在讲故事层面或许不如互联网大厂那般丰富多彩；但在大模型研发落地上，则值得被注入新的期待。
节点财经声明：文章内容仅供参考，文章中的信息或所表述的意见不构成任何投资建议，节点财经不对因使用本文章所采取的任何行动承担任何责任。
