（原标题：「产模聚合」也许是AI公司更好的出息？）

前段时刻，腾讯新闻的两篇访谈在AI创投圈激发烧议。

 

某VC从业者与某大模子创业者对「大模子创业」的看法判然不同。前者被认为是“急功近利派”——他不看好大模子创业，认为现阶段大模子公司短缺场景和数据、估值过高、濒临开源模子的竞争、投资风险大，是以他更倾向于投资能快速生意化的应用层面目。

 

尔后者被认为是奉行“持久主义”——他坚决看好大模子创业，认为这是改日十年惟一有真谛的事情，需要持久参预和扶植，主见剑指AGI。

 

其实，行为投资东谈主与行为创业者两东谈主所处的位置和配景不同，视角天然迥异，各有偏向。一定真谛上，两者都不错被认为是“持久主义”，前者追求短期的“歪邪”亦然为了持久的可持续，尔后者所谓的“持久”更可能是因为对难以限度化落地的现实窝囊为力。

 

但他们之间的不对，突显了作念「产物」的公司与作念「模子」公司之间巨大的鸿沟。

 

一方面，大模子公司在算力和东谈主才上烧钱速率快，“卷”模子停不了脚步，但落地应用和就业营收却举步维艰。除了少数头部大模子公司受到老本市集的心疼被持续输血，百模大战中以模子起家尚未找到限度化落地应用和营收的无数公司濒临着严峻的资金断流的样式。

 

另一方面，相当一批摩拳擦掌的领域巨匠和产物公司都在试图对接第三方大模子，试图以大模子赋能千行百业。但迄今未见限度化收效的案例，除了大模子头部公司我方下场的类ChatGPT应用之外，大模子期间的 Super Apps 呼之不出。

 

调用外部大模子开拓产物就业的公司濒临的一个挑战是：他们勤劳开拓的落地场景有被通用大模子更新换代而冲刷的危急。Jasper 的式微是一个代表性案例。不久前OpenAI 发布了新一代的视觉大模子Sora，业界惊呼 Sora 很快会灭亡一批主攻AI视频产物的初创。

 

那么，是否有一条旅途，并吞家公司在产模两头发力，完了从TPF（Technology-Product Fit）到PMF（Product-Market Fit）的跃迁，让模子、产物、市集三位一体，确切完了闭环？

 

外出问问践行的「产模聚合」（又称“产模一体化”）简略是这样一种立异的AI生意化念念路。

 

而实践上，外出问问这类公司凤毛麟角。在广博入局生成式AI玩家中，咱们发现了这样一个风景——往往作念产物的公司鲜少领有我方的大模子，更多是接入GPT、Claude、Llama等模子的API接口；而许多作念大模子的公司也并莫得我方的熟练产物，只是提供最基础的模子接入就业或“模子即产物”。

 

绝大无数产物公司都在生态卑劣，少数大模子公司是他们“模子即就业”的供应商。尽管也有一些公司在作念「产模聚合」（即产物与模子双线并行）的事情，但市面上这样的优质供给并未几见。

 

这不禁使咱们念念考：「产模聚合」究竟若何界说？为什么作念大模子的公司时时作念不好产物？而作念产物的公司又作念不了模子？「产模聚合」关于大模子落地应用AIGC有什么专有的上风呢？确切的「产模聚合」究竟难度几何？

 

一、什么是「产模聚合」？

 

「产模聚合」是外出问问首创东谈主兼CEO李志飞提议的新办法——「产」指AI产物，「模」指AI大模子，这不单是是文本大模子 LLM，而更是大一统的多模态大模子（LUM：Large Unified Model）。

 

「产模聚合」，即产物和模子一体化，淌若一家公司既有产物、又有模子，那么这家公司就更有契机形成数据飞轮，具备更强的中枢竞争力。

 

李志飞认为，之是以「产模聚合」这样要紧，是因为产物关于模子来说，有一个极度要紧的「定向」或「灯塔」作用，为模子的研发教导所在。产物的需求不错倒逼模子智力的优化所在，也更容易检察模子智力的实践发达。有了产物，就有了大模子的聚焦，而不是漫无边缘地拓展大模子的智力领域。

 

而一味真金不怕火模子所需要的巨大参预以及难以落地形成的资源只出不进，是绝大无数创业公司无法承受之重。赓续拓展大模子的智力领域是一项东谈主类AGI征途上的伟大工作，但这个所在关于东谈主才密度、资源厚度具有极高的要求，这条路唯有少许数巨头（谷歌、微软等）以及有巨头或巨资撑腰的初创骄子（如 OpenAI、Anthropic）才有可能走下去。关于绝大无数创业者，持续烧钱而不赢利，注定难以为继。

 

刻下大无数中国公司，短缺这种“漫无边缘的研发”智力。“漫无边缘的研发”需要相当宽松的环境、极强的自驱力与设定强盛主见的智力，这种智力唯有OpenAI和谷歌这种东谈主才密度极高的公司才具备，大无数中国公司其实是不具备的。

 

即使通过砸钱作念出来超大模子，因为短缺这种念念维方式，在模子天花板的竞逐中，远景也比较迷茫。李志飞说，“产模聚合愈加适合中国的大模子创业，产物即是一个为你教导所在的海上灯塔，你知谈要我方的模子要奋发向那儿飞翔，让模子与落地应用更容易对皆”。

 

等闲地说，「产模聚合」的要义是主见驱动，具体说来：以产养模，以产馈模；以模促产，以模护产。

 

为什么要“养”模，因为大模子像个吸金黑洞，国内的投资环境也不乐不雅，无数创业公司淌若莫得我方产物的造血功能，想依赖一轮接一轮的融资，是不成持续的。应用产物测的反馈，无论是bug report，已经场景数据（包括用户偏好），关于模子的闭环健康发展以及开垦场景应用的护城河都是极为要紧的。“以模促产，以模护产”说的是，有自研大模子的内功偏激最新模子的奴隶智力，不错为产物添砖加瓦，免遭通用大模子升级换代的降维打击。

 

“产物和模子聚合，是更好的模式。淌若一个公司唯有产物莫得模子，它会失去底层的发动机智力，但淌若一家公司只作念模子而莫得产物，那么就像莫得灯塔，容易走向漫无目的的探索之旅。”李志飞暗示。

 

在外出问问里面，此前也经历过无数次自我叩问——“为什么一定要作念我方的大模子，而不是调用其他巨头的大模子？”

 

另一方面，“既然有智力作念大模子，为什么不聚焦作念通用大模子、与BAT平直竞争？而是要在大模子基础之上赓续推出并迭代我方的AIGC产物矩阵呢？”

 

在沿途赓续真金不怕火模子和打磨产物的过程中，外出问问赓续复盘念念考着「产模聚合」带来的益处和挑战。

 

二、「产模聚合」不错带来三大公正

 

最不言而谕的是，产模聚合关于“效率”的提高是不必置疑的。

 

发轫，领有我方的模子，产物问题不错得到快速反馈。许多公司的产物面向海量用户，不免遭受紧迫的需求或者问题。当出现紧迫情况的时候，有自家模子的公司不错快速反馈，实时修改底层代码或数据，作念到第一时刻反馈需求、处分问题，而调用其他大模子的公司，往往难以作念到如斯的反应速率。

 

其次，我方的模子让成本更可控。在当下主流的Maas收费模式下，比起那些只可依靠调用外部大模子API来作念产物的公司，有我方模子的公司不错镌汰产物开垦和运营的成本，无论是关于模子的连接教导、微调、RLHF、In-Context-Leaning 的模版想象，已经为了应酬实时推理环境下高并发的需要对模子所作念的“蒸馏”。

 

第三，产模聚合的公司不错作念到针对用户需求的可成就智力的开垦。针对不同场景的专罕有据的条款和用户关于数据安全的concerns，咱们不错纯真地进行微统一优化, 快速完了特定领域、特定场景下的可成就模子的开垦,  慷慨不同业业客户的专有需求。这包括智能体外挂、场景成就以及纯真部署，举例让数字职工适配不同的大屏（硬件）。这样的纯真性带来了效率的提高和品性的保险，也为产物的快速迭代（举例，至少惯例保证周迭代）成为可能。

 

但以上这些效率的提高天然很要紧，但并非「产模聚合」的长久皆备上风，假以时刻、奋发或条款，惟恐一定要躬行作念「产模聚合」才不错达成。

 

而产模聚合最大的魔力，更在于它能够完了更透顶的端到端教导，进而形成「数据飞轮」效应，最终完了让数据自动驱动模子和产物的更新迭代。

 

传统AI产物的一般采选过程性的管式（pipeline）系统架构，模块层层依赖、串联，Input 与 output 两头之间有许多中间收尾，模块化的链路很长。

 

这种AI应用有其固有的上风，包括完了难度可控，过程透明，定点纠错，开垦东谈主员对此套路也轻车熟路。关联词在大模子新范式下的研发追求的是端到端数据驱动，以模子教导替代pipeline的过程性，这是完了确切真谛上的数据飞轮闭环的必要条款。梦想的大模子产物在产物架构定型上线以后，产物的迭代提高不错跟着经由化的回流数据自动教导增强。永久一丝看，新范式下端到端教导的系统关于传统的管式系统具有碾压性的威迫。

 

端到端所在对产模离别的架构组成了巨大的挑战。而产模聚合则为此提供了可能性。一方面，产物矩阵连气儿赓续地汇聚经答允的用户反馈“埋点”数据，反哺一体化大模子的东谈主类对皆教导，模子的数据质地会随之提高；另一方面，赓续迭代的模子可赋能产物智力的提高和体验的优化，越来越对皆用户期许和需求的产物会招引更大的用户群，带来更多的数据回流。以此构筑的数据壁垒和用户壁垒，才不至于被通用大模子的升级换代而碾压。

 

如斯周而复始，「产模聚合」计策就像一台永不停歇的“增长引擎”，推动公司在AIGC赛谈上越跑越快，开垦起难以卓著的竞争壁垒。掌捏从模子到产物、从产物到模子的数据闭环，才有契机确切主管AIGC期间的改日。

 

比如外出问问的声息大模子与魔音工坊产物，就典型地体现了「产模聚合」数据飞轮效应。一方面魔音工坊本身的用户数据日夜不停地反哺着声息大模子的教导，另一方面，声息大模子让魔音工坊赓续自我冲破，有着“超写实”天然音色的惊艳发达，招引着寰球数以百万计的用户深度玩转。

 

现在，魔音工坊已在寰球范围内领有卓著800万用户，约60万付用度户。这样限度的市集占有关于AI配音赛谈是难得的生意收效案例，莫得产模聚合的上风是很难达到的。外出问问的AIGC全栈产物都在沿着开垦数据飞轮的谈路上鼓吹。

 

 

 

纵不雅东谈主类的AGI征途，这是一场追求极致的技能探索之旅，“漫无目的”容易让东谈主迷失所在。而有确切践数据想象的「产物」则像一座灯塔，为飞翔中的游轮指明所在；「多模态大模子」则如同游轮的发动机，为不同模态的多艘游轮提供连气儿赓续的能源。

 

有了灯塔的教导，游轮才不会迷失于深海，才能沿着既定航路稳打稳扎，按序渐进，最终抵达此岸。

 

反不雅许多专注于通用大模子的公司，他们天然领有强盛的“发动机”，也往往在大模子刷榜中居于前线，但却短缺“灯塔”的引颈，难以确切落地，不免陷于“漫无目的”的窘境。

 

三、确切作念到「产模聚合」有多难？

 

产模聚合虽好，确切完了起来却非易事。

 

这就触及到了咱们在著作开篇提到的不雅察——为什么作念模子的公司往往作念不好产物，而作念产物的公司往往作念不了大模子。

 

作念模子的公司往往作念不好产物，这简略与AGI期间大模子公司的组织特质关连，也有回首到公司文化与基因的说法，亦不无真谛。

 

大模子行为AIGC领域的基础层，触及到了数据处理、计较资源、算法优化、可扩张性、安全性等技能的方方面面，需要强盛技能团队的相沿，才能保证模子的性能和体验，这也就导致了大模子从业者往往是一群有着极客精神的“技能狂”，他们对算法有着非同小可的烂醉。

 

关联词，这种极客精神也成为他们作念产物的间隔——他们要么“以技能论强人”，认为模子性能至上； 要么“以技能傲宇宙”，认为应用落地是水到渠成的事。

 

这种“极客社恐”的背后，往往伴跟着用户念念维和产物念念维的缺失，是对真实用户的隔阂。

 

他们习气于在象牙塔中追求极致的模子，却不懂若何走出象牙塔，拥抱市集、拥抱用户，这亦然为什么咱们看到许多大模子公司力主灵通平台，却很少看到他们推出爆款应用的根柢原因。

 

 

为什么作念AI产物的公司也很难作念大模子呢？其背后的主要原因亦然“东谈主”，或基因。

 

与纯正的大模子公司比较，许多专注AI场景的产物公司濒临的窘境是——他们天然有过东谈主的产物念念维和用户明察，却苦于短缺大模子研发的技能、资金和东谈主才。

 

诚然，产物研发不错由小团队轻量化运作，快速迭代。但大模子的教导和优化，却对算力、资金和东谈主才有着极高的要求。短缺浑朴的技能积存和资源储备，仅凭一腔产物珍惜是远远不够的。浅上层的大模子应用挑战不大，但要想深耕大模子的限度化应用场景，追求极致服从，短缺大模子的专才和技能积淀，在竞争中就不免处于弱势。

 

这就像是一群扎眼体验的“产物社牛”， 他们明察用户需求，渴慕用AIGC转换世界，却苦于莫得强盛的模子“兵器”来装备我方。无奈之下，只可依赖第三方的灵通平台和API。但这又截止了他们的立异空间和各异化上风，无法确切塑造行业圭表和生态端正。

 

能将看似水火不溶的两者如鱼似水，需要用具理性与东谈主文理性的统一，而这种聚合向来粗重，正如兼具文理念念维的东谈主未几见，而能很好将“极客精神”与“产物念念维”聚合起来的AI公司也历历。这是两类配景、判辨，以致审好意思兴趣兴趣和体验圭表都极度不同的东谈主才，需要有不拘一格的伯乐精神才能聚拢他们，协力打磨AI产模聚合的应用极致。

 

四、外出问问率先跑通业界少有的「产模聚合」之路

 

李志飞领导的外出问问，即是一家最早在「产模聚合」谈路上开疆展土的公司。

 

不同于大无数仍在融资烧钱、大真金不怕火模子的公司，外出问问早在2020年即领有自研汉文大模子，并在技能发轫的条款下持久扶植产物驱动和用户驱动，且率先跑互市业化，是为数未几作念到了“技能、产物、生意化”三位一体的公司。

 

早在2020年，外出问问就启动了大模子 UCLAI的研发，对标那时的 GPT-3 。同庚，外出问问推出AI配音平台「魔音工坊」，亦然生成式AI在中国的首款生意应用，位列「AI产物榜」Top 5。

 

2022年底，以ChatGPT为记号的大模子全面爆发，外出问问随之深耕通用多模态大模子「序列山公」，它以言语为中枢，智力体系涵盖“常识、对话、数学、代码、念念维链、琢磨”六个维度，能够同期相沿案牍生成、图片生成、3D内容生成、语音生成以及多模态识别结合等任务，集多模态编码解码与天然言语结合、常识、逻辑推明智力于一体，并不错基于这些智力进行对话。

 

在「序列山公」多模态大模子的坚实基础上，外出问问探索了多款面向创作家的AIGC全链路产物及应用，除了行为旗舰产物的AI配音平台「魔音工坊」以及「魔音工坊」国外版「DupDub」之外，还有一站式数字东谈主制作平台「奇妙元」、企业AI交互式数字职工生成平台「奇妙问」、短视频自动生成平台「元创岛」等，形成了横跨模子层和应用层的一站式AIGC产物矩阵。

 

 

确切真谛上的「产模聚合」发轫要基于对大模子技能生意化的深切结合，扶植产物驱动和用户驱动，擅长运用闭环AI生态系统，基于用户需乞降反馈对模子作念立异和优化。外出问问早已区别于传统的面目制模式，完了了以产物为导向的增长，确切完了技能—产物—生意化的三位一体。

 

在外出问问身上，不错窥见到「技能极客」与「产物社牛」的跨界与交融，积淀成公司文化的特有基因。

 

在产物基因方面，外出问问是行业公认的“产物极客”。多年深耕AI应用市集，训练了极致化的产物力，无论是倍受寰球消耗者帮手的智高腕表TicWatch，已经全栈式AIGC产物矩阵，都已成为行业标杆类产物。

 

在模子东谈主才方面，早期的技能祭奠，外出问问招募和培养出一批经年训练的算法技能东谈主才。他们彻头彻尾，深耕大模子，铸造出多模态大模子序列山公，不仅模子性能在百模大战中居于前线，更要紧的是其对AIGC场景的适配性远超同业。

 

在资金方面，外出问问莫得比拼算力、纵容烧电烧钱来真金不怕火大模子，也莫得去融巨资作念万亿参数的超大模子，而是一直践行“以产养模、以模适产”的蹊径，通过AIGC产物的生意化运作，推动「产模聚合」的纵深发展。

 

如同总共探索技能领域的公司雷同，外出问问也一直在技能的深水区中飞翔。通过赓续地摸索和试错，探求「产模聚合」的最好方式，层峦叠嶂的坑趟过许多，积存的汲引与收效阅历雷同，成为外出问问AIGC应用路上的钞票。

 

比如，外出问问的一站式数字东谈主平台「奇妙元」和企业AI交互式数字职工平台「奇妙问」即是模子的“灯塔”，为优化这两款产物的智力指明航向。外出问问赓续优化基于大模子的数字东谈主系统，如今的第四代数字东谈主系统——基于多圭表3D模子的WetaAvatar 4.0，通过整合「序列山公」的强盛案牍生成智力以及「魔音工坊」的超写实语音合成技能，进一步强化了数字东谈主的呈现恶果，完了高度仿的确外不雅，同期还全心打造了生动的神色，忘形真东谈主。

 

 

 

在今天这一AI技能进化弧线特殊陡峻的“内卷外卷”的期间，关于每个公司个体，生计是第一位的，能在市集先站住脚跟，有造血功能，才有可能进一步发展壮大。资源不错靠融资，但老本市集也日益严慎、越来越把关注力鸠集在生意化的可行性上。更安妥的途径是通过技能—产物—生意化的自我闭环来赢得资源，发育本身的造血功能，以产养模。难能珍贵的是，外出问问主动聘用并率先完了了这一途径。

 

「产模聚合」是一条需要笼统实力的赛谈，是一个交融了两类东谈主才的熔炉。

 

唯有以过硬的产物力为前卫，往时瞻性的大模子为后援，以能“造血”的老本为粮草，才能在这条赛谈上稳步前行，以致作念到以“小”（参数）博“大”。

 

在广博AI公司的「产模聚合」实行中，外出问问的阅历值得询查和模仿，也愿其在逐浪AI中持续穿越周期，赓续推出更多安身于数据飞轮的AI产物和就业。

 

现在，外出问问已通过港交所聆讯，成为在这一波AI波澜中跑互市业化并率先完了盈利的AI公司，将成“AIGC第一股”。

本文起头：财经报谈网