1956 föreslogs begreppet artificiell intelligens (AI) för första gången, och det har gått mer än sextio år sedan dess. Under de senaste 60 åren har AI gått igenom en process från utbrott till kall vinter och sedan till barbarisk tillväxt. Med förbättringen av teknologier som människa-datorinteraktion och maskininlärning har AI blivit en ny trend i den tekniska eran.
År 2022 kommer AI-industrin återigen inleda en ny nod, AI Generated Content (AIGC, AI Generated Content) kommer att komma bakifrån och bli en stor händelse i den tekniska revolutionens historia med en hastighet över människors förväntningar. Oavsett om det är "AI-målaren" DALL-E2 eller den "universella chattande" chattroboten ChatGPT, ger generativ AI snabbt upphov till ett nytt tekniskt revolutionssystem, mönster och ekologi.
Om man vrider klockan till 2023 har entusiasmen som orsakats av AIGC inte minskat utan ökat, och den nya eran av intelligent skapande kommer inte bara att åstadkomma djupgående förändringar i produktiviteten, utan kommer också att ytterligare förändra utvecklingen av mänskligt tänkande. I detta avseende planerade 21st Century Business Heralds forskargrupp för digital ekonomi en serie rapporter om "Chasing the Waves AIGC" för att tolka de tekniska möjligheterna och affärsutsikterna från AIGC i flera dimensioner.
21st Century Business Heralds reporter Bai Yang rapporterar från Peking
Under den nya vågen av AI har också en global kapprustning kring AI startat. Just nu, även om ChatGPT leder vägen, är det faktiskt bara toppen av isberget. Därefter kommer AI-applikationer baserade på stora modeller att fortsätta dyka upp. Precis som tillkomsten av det mobila Internet för tio år sedan, utvecklas en ny era av förändring i tysthet till.
Inför tidens möjligheter kommer människor alltid att vara glada, och teknikjättar hemma och utomlands rustar upp och är redo att gå. Zhou Ming, grundare och VD för Lanzhou Technology, sa nyligen i en intervju med 21st Century Business Herald att kinesiska företag inte bör vila på lagrarna och lära av andra när de bygger storskaliga modeller. , för under de senaste två decennierna har Kina gjort stora framsteg, och det har också kunnat gå ur kinesiska egenskaper inom AI-området.
Zhou Ming gav ett exempel, "Till exempel att göra varje funktion i den stora modellen mer kontrollerbar, eller ta ledningen i implementeringen av To B, kommer dessa att bli kinesiska egenskaper, och med dessa saker, en 'kinesisk fraktion' i kampsporten konst kan formas. , Det kan också låta kollegor se Kinas makt."
Faktum är att under de senaste tio åren har hela AI-branschen befunnit sig i en period av snabb utveckling, och många kinesiska företag har också investerat enorma resurser på detta område, vilket också har gjort Kina till en global ledare inom vissa AI-segment. Bland många kinesiska teknikföretag har Tencent en tidig layout av AI och rika metoder för AI-applikationer. Därför kommer den här artikeln att använda Tencent som ett urval, i hopp om att följa dess AI-utvecklingsväg, vilket kan ge fördelar för den framtida utvecklingen av branschen. Någon upplysning.
Layout för sexton år sedan
Kinas AI uppstod till en början kring produkternas behov. Till exempel var startpunkten för Tencent AI 2007. Det året investerade Tencent 100 miljoner yuan för att bygga Tencent Research Institute.
Wu Yongjian, som för närvarande är vicepresident för Tencent Cloud och chef för Tencent Cloud Intelligent Research and Development, började på Tencent 2008. Den första avdelningen var Tencent Research Institute. Han berättade för reportern 21st Century Business Herald att forskningen vid Tencent Research Institute var mycket tillämpningsorienterad i början. Till exempel var ett av jobben han gjorde då att utveckla bildbehandlingsteknik kring QQ-bilder.
"Senare, med hjälp av vår teknik, reducerades bearbetningstiden för QQ-video till cirka 60 procent av originalet, och effekten var väldigt uppenbar. Sedan applicerades denna teknik på andra avdelningar som spel", sa Wu Yongjian. Det var också sedan dess som Tencent Research Institute upptäckte att det är mer lämpligt att göra tekniska reserver själv, så hela teamet började förvandlas, från ett produktorienterat team till ett tekniskt supportteam.
Därefter har Tencent Research Institute gjort många framgångar inom mönsterigenkänning, multimediakommunikation, datautvinning, bildbehandling och ordsegmentering. År 2011 hade Tencent ansökt om mer än 4,000 patent, vilket var mer än summan av andra inhemska internetföretag, av vilka Tencent Research Institute bidrog med mer än hälften.
Wu Yunsheng, Wu Yongjian och andra, som kommer från Tencent Research Institute, bildade senare Youtu Lab-teamet och blev branschens främsta datorseendelaboratorium. Senare etablerade Tencent också successivt ett antal tekniska forskarteam, såsom WeChat Zhiling-röstteamet som etablerades 2011, som främst utvecklar teknik för artificiell intelligens för röster.
Om vi säger att före 2012 var Tencents tekniska forsknings- och utvecklingsteam mer för att tjäna sin egen verksamhet, så sedan etableringen av AI Lab 2016 har Tencent börjat gå på "två ben" av grundläggande forskning och industriell praxis. Därför är Tencents AI-väg att kontinuerligt sträcka sig från tjänsteverksamheten till uppströms spetsteknologisk forskning.
Under 2019, vid World Artificial Intelligence Conference som hölls samma år, uttalade Ma Huateng, ordförande och VD för Tencent, att Tencent har etablerat fyra AI-laboratorier, som täcker AI från omfattande grundforskning till olika applikationsutveckling, och har även etablerat banbrytande teknologi. . Utforska matrisen av laboratorier, som täcker robotik, kvantberäkning, 5G, edge computing, IoT, etc.
Enligt uppgifterna, under 2019, har antalet patentansökningar från Tencent i större länder runt om i världen överstigit 30,000, och antalet auktoriserade patent har överstigit 10,000. Vid den tiden rankades detta nummer först bland inhemska internetföretag och tvåa bland globala internetföretag, näst efter Google.
Utforska den senaste tekniken
I Tencents laboratoriematris finns det många till synes "gjorde inte affärer" forskning, vilket egentligen är Tencents forskning om framtida basteknologier.
Till exempel vet många att Googles AlphaGo 2016 besegrade den mänskliga Go-mästaren. I själva verket, efter att Tencent AI Labs Go AI "Fine Art" släpptes 2016, vann den också världens främsta turneringsmästerskap fyra gånger, och sedan 2018 har han arbetat som en dedikerad AI för utbildningen av den kinesiska medborgaren Gå Team gratis.
Ett annat exempel är att Tencent under 2017 tillämpade artificiell intelligensteknologi på det medicinska området och släppte AI-produkten "Tencent Miying" som kan hjälpa läkare med medicinsk bildscreening och medicinsk diagnos. I november 2017 tillkännagav ministeriet för vetenskap och teknik listan över den första omgången av den nya generationens nationella öppna innovationsplattformar för artificiell intelligens, inklusive att lita på Tencent för att bygga en nationell ny generations artificiell intelligens öppen innovationsplattform för medicinsk bildbehandling.
2021 släppte Tencent den första multimodala fyrbäddsroboten Max med egenutvecklad mjukvara och hårdvara. På den tiden förlitade Max sig på den integrerade designen av fothjulet för att inse att stå och förflytta sig från fyrfotade till tvåfota, och kan genomföra backflips, självåterhämtning av fall och andra handlingar.
Max föddes från Tencent Robotics X Laboratory, som grundades 2018. Kärnan i forskningsinriktningen för detta laboratorium är robotar, inklusive uppfattningsförmågan som robotars grundläggande teknologi, och de tre pelarteknologierna känslig rörelse, skicklig manipulation och intelligent manipulation. kropp. I dagsläget har laboratoriet förutom Max även släppt produkter som robothunden Jamoca och hjulbensroboten Ollie.
Dessutom har Tencent även en långsiktig plan för den storskaliga AI-modellen som har väckt stor uppmärksamhet den senaste tiden. I april förra året avslöjade Tencent för första gången utvecklingen av sin "Hunyuan" AI stora modell. Det rapporteras att den stora modellen Hunyuan AI helt täcker grundläggande modeller som NLP (Natural Language Processing), CV (Computer Vision), multimodalitet och många andra industrimodeller. VCR, MSR-VTT, MSVD och andra auktoritativa multimodala datamängder har nått toppen av listan.
Nyligen lanserade Hunyuan AI storskaliga modellteam också NLP biljoner storskalig modell, som inte bara återigen slog rekordet för de tre stora listorna med CLUE, utan också drog nytta av egenskaperna för låg kostnad och inkludering, modellen har också framgångsrikt landat i Tencent Advertising, Search, chatt och andra interna produkter och servar externa kunder genom Tencent Cloud.
Tencent Hunyuan AI stora modellteam uttalade att eftersom större neurala nätverksmodeller ofta innebär starkare modellprestanda, kommer Hunyuan NLP stora modell att fokusera på att utforska större modellparameterskalor i framtiden å ena sidan och å andra sidan. Kombinera ljud, bild, video och annan multimodal information för att ytterligare skapa en mer kraftfull multimodal AI stor modell. Dessutom, med den heta ökningen av AIGC-riktningen, kommer den stora Hunyuan AI-modellen att fortsätta att främja kontinuerlig uppgradering inom områdena generering av textinnehåll och Vincent-grafer i framtiden.
Fokusera på scenapplikation
På andra sidan av grundforskningen finns industriell praktik. Ma Huateng har upprepade gånger sagt: "Tencents AI-layout fokuserar på scenapplikationer, inte forskning för forskning."
Precis som i början utgick Tencent AI från användarscenarier och använde AI-teknik för att lösa interna produktbehov. På medellång sikt främjade det utvecklingen av allmän artificiell intelligens med forskning plus scenarier, och betonade att "akademiker har inflytande och industrin har output." Nu använder Tencent AI för att lösa problem i vertikala industriscenarier, och inkuberar skräddarsydda lösningar i standardiserade AI-plattformsverktyg.
En person från Tencent sa att Tencent AI-teamet skiljer sig från det traditionella forskarteamet. Det är en systematisk konstruktion. Från algoritmer, ingenjörskonst, kvalitet, data, produkter, till hela kommersialiseringsmodellen, kan det finnas först och sist, till exempel forskning. Gå först, och kommersialisering kommer sist, men helheten är en bilbyggande och går framåt.
Wu Yongjian påpekade: "Om målet är svårt nog och scenen är tillräckligt komplex, kommer det att leda oss att skapa en algoritm i världsklass. På samma sätt, när din algoritmforskning löser ett problem i världsklass, är algoritmen mer värdefull. , inte enbart för att publicera tidningar".
För att påskynda den industriella implementeringen av AI-teknik släppte Tencent i november 2021 officiellt varumärket "Tencent Cloud Smart", genom sammanslagningen av produkterna och tekniska kapaciteten hos AI-laboratorier som Tencent Youtu Lab och Tencent AI Lab, också som år av industriell praktik Erfarenhet, extern produktion från det underliggande datorkraftstödet till AI-utvecklingsplattformen, AI-produktlösningar och digitala intelligenta transformationsmetoder på toppnivå för hela kedjan av tjänster.
Till exempel, på den underliggande datorkraftsnivån använder Tencent "ett moln med flera kärnor" som bas för att accelerera datorkraftsprestanda med hjälp av egenutvecklade AI-chips; på AI-utvecklingsnivå använder Tencent "Tencent Cloud TI Platform" som kärnan för att hjälpa kunder att snabbt skapa och distribuera AI-applikationer.
Zixiao är Tencents egenutvecklade chip för AI-resonemangsscenarier. Den har anpassats till Tencent Cloud TI-plattformen, som har förbättrat prestandan för ett enskilt kort med 200 procent, minskat kostnaden för optimering av enhetsdatoreffekt med 50 procent och sparat energiförbrukning av grön datorkraft. 60 procent. Song Dandan, chef för Tencent Clouds heterogena datorprodukter, berättade för 21st Century Business Herald att dessa chip först kommer att distribueras på Tencents egenutvecklade verksamhet, och i framtiden hoppas man att den ska betjäna externa tjänster i form av PaaS-tjänster .
Runt TI-plattformen har Tencent också byggt en produktmatris, inklusive TI-DataTruth-märkningsplattform, TI-ONE-utbildningsplattform, TI-Matrix-applikationsplattform, TI-ACC-accelerationsverktyg, och inkluderar även TI-OCR-utbildningsplattform, TI-AOI utbildningsplattform för industriell kvalitetsinspektion, etc. Dessa produkter har också använts i pan-interaction, finans, industri, media, pan-government, medicinsk och andra industrier, vilket hjälper till att realisera många underindelade områden som intelligent industriell kvalitetsinspektion, finansiell AI mitten plattform, smart city operation management och sjukdomshjälpdiagnos. Utveckling av AI-applikationer.
Li Xuechao, vice vd för Tencent Cloud och chef för Tencent Cloud Intelligent Platform, berättade för 21st Century Business Herald att hela AI verkligen har kommit in i djupvattenområdet när det gäller implementering. "Tidigare behövde kunderna bara dig för att tillhandahålla vissa AI-funktioner, men nu är det kunderna föreslår alla scenarioapplikationer, och du måste integrera AI i affärsscenarier."
Enligt Li Xuechaos uppfattning kommer AI-applikationer definitivt att bli mer generaliserade genom den nuvarande heta modellen "förträning av stor modell plus nedströms finjustering av uppgifter". På grundval av detta kommer de ursprungliga AI-applikationsscenarierna att göras djupare. Samtidigt kommer AI också att tränga in i fler scener.
Men den påpekade också att prioriteringen av att göra AI-applikationer är att lösa problem, så i många scenarier kan den ursprungliga AI-modellen lösa problemet, så det finns ingen anledning att hinna med värmen. När allt kommer omkring kommer användningen av stora modeller också att ge kunderna ytterligare fördelar. kostnaden av. Men för vissa scenarier, som intelligent kundservice, om användningen av stora modeller kan ge direkt effektförbättring, kan du prova det samtidigt som du väger kostnadsprestanda.
I denna globala AI-tävling måste vi vara uppmärksamma på och konkurrera med den mest avancerade teknologiforskningen. Samtidigt måste vi göra en del jordnära saker efter marknadsförhållandena. Zhou Ming berättade för 21st Century Business Herald att tjänsterna från To B-företag i Kina skiljer sig mycket från dem i främmande länder. SaaS-ekologin i främmande länder är mycket mogen, och små och medelstora företag har vant sig vid att ta emot tjänster via SaaS, men många företag i Kina accepterar inte SaaS. distribuera.
Detta innebär att det krävs mer ansträngning för att betjäna To B-kunder, såsom att förstå kundernas behov, göra ett bra jobb med "sista milen" affärsprocess och systemanslutning, och även överväga leverans- och underhållskostnader. "Om din modell är ömtålig kan du förlora ett projekt för ett projekt.
Därför måste du göra ett bra jobb i grunden, och du måste även förstå kunder och ha förmågan att iterera snabbt. Detta är vad kinesiska företag måste möta när de gör så kallade stora modeller. I verkligheten, ur denna synvinkel, om du bara snabbt vill kopiera en ChatGPT och sedan tjäna snabba pengar, är det väldigt naivt, säger Zhou Ming.