原文來源：見實(shí)

圖片來源：由無界 AI? 生成

時間拉回到2015年，梁斌剛剛獲得清華大學(xué)人工智能博士學(xué)位，同年10月八友科技成立，并常年為客戶提供國內(nèi)外數(shù)據(jù)資料。

2023年上半年，GPT大模型進(jìn)入公眾視線，短短半年時間，國內(nèi)就已有近百家GPT大模型，“八友”成為絕大多數(shù)大模型服務(wù)商的首選，據(jù)統(tǒng)計(jì)，這一數(shù)字接近50%。

作為深度參與大模型發(fā)展的數(shù)據(jù)供應(yīng)商，梁斌的幾點(diǎn)洞察尤其值得業(yè)界參考，深聊中，他開門見山指出，我們正處在一個“強(qiáng)者恒強(qiáng)的大模型時代”。這句話背后至少點(diǎn)出了三類企業(yè)的處境：

一是，對于品牌而言，大模型商用的次序依舊是大品牌優(yōu)先，即便是大模型技術(shù)被廣泛應(yīng)用，不成規(guī)模的企業(yè)依舊是“小腳穿大鞋，跑一步摔一步”。

二是，對于服務(wù)商而言，首先擁有大規(guī)模的數(shù)據(jù)樣本是一件具備極高時間壁壘的事，其次，擁有數(shù)據(jù)的平臺會想盡辦法保護(hù)數(shù)據(jù)，提高數(shù)據(jù)獲取門檻，提高行業(yè)難度。因此，后來進(jìn)入的服務(wù)商難度會更大，強(qiáng)者恒強(qiáng)。

三是，對于平臺而言，如果是國內(nèi)互聯(lián)網(wǎng)平臺自相比較，會發(fā)現(xiàn)“地主”太多，一個應(yīng)用出來，就馬上能有上億用戶，這是中小平臺比不了的。

如果拿國內(nèi)平臺和國外平臺比，差距同樣也很明顯，正如梁斌所言，如果GPT4打10分，國內(nèi)大模型廠商還在2-3分這個程度，那么2.5分，還是2.8分，其實(shí)沒差別，要能達(dá)到8分甚至9分才有機(jī)會。

強(qiáng)者恒強(qiáng)，可能只有一些特別具有壟斷性的場景，才能殺出來。

這或許也是品牌、服務(wù)商和平臺的機(jī)會。再小的品牌也能建立起自己的專屬粉絲圈；再小的服務(wù)商，在垂直行業(yè)的深耕依舊具備不可替代的高價值；再小的平臺，也能在狹窄賽道中做出本地化的微平臺。

雖然，生成式AI可以提供互聯(lián)網(wǎng)上沒有的答案，并通過大規(guī)模數(shù)據(jù)訓(xùn)練得到的“涌現(xiàn)”性知識來回答網(wǎng)友的各種問題。但應(yīng)用的最后一公里，是否按下確認(rèn)鍵依然取決于你自己。

展開全文

對了，梁斌還將在9月20日參加見實(shí)的AIGC主題大會，屆時他還將在現(xiàn)場與我們分享更多當(dāng)前大模型時代下的企業(yè)新機(jī)會，歡迎大家在文末或者公眾號菜單欄報名深度溝通。接下來，讓我們回到對話現(xiàn)場，聽聽梁斌博士在大數(shù)據(jù)與AI領(lǐng)域的前沿洞察，如下，Enjoy：

北京八友科技創(chuàng)始人兼CEO 梁斌

01 強(qiáng)者恒強(qiáng)在大模型時代會更加嚴(yán)重

見實(shí)：你們現(xiàn)在已經(jīng)是50%國內(nèi)AI大模型數(shù)據(jù)的供應(yīng)商，這個數(shù)據(jù)的總樣本量大約是多少？

梁斌：我們目前列入銷售線索的企業(yè)大約有106家，數(shù)據(jù)總量非常巨大，中文壓縮數(shù)據(jù)掌握了大約100TB，海外數(shù)據(jù)超過1PB，國內(nèi)數(shù)據(jù)比較敏感，國外則主要來自Common Crawl、Laion、Quora，Github，Reddit，電子書等平臺。

見實(shí)：創(chuàng)業(yè)之初，你在數(shù)據(jù)領(lǐng)域看到了怎樣的機(jī)會？

梁斌：剛開始做八友是在2015年，當(dāng)時主要是為輿情公司提供數(shù)據(jù)服務(wù)，后來逐漸給需要提供實(shí)時數(shù)據(jù)的電商公司提供數(shù)據(jù)需求；目前在為大模型客戶提供數(shù)據(jù)服務(wù)。

我們一直堅(jiān)信“數(shù)據(jù)行業(yè)”未來會成為一個獨(dú)立行業(yè)，原因有三：

一是，數(shù)據(jù)規(guī)模越來越大，越來越封閉在App中，采集難度大，容易成為獨(dú)立的社會分工。

二是，大規(guī)模數(shù)據(jù)儲備價值很大，可以做一些非常長遠(yuǎn)的宏觀報告。2015年公司創(chuàng)辦前后，當(dāng)時還沒有大模型，只是覺得這是一件可以做10年甚至20年規(guī)模的報告，這個儲備是很難短期得到的

三是，隨著長期的積累，核心競爭力會越來越強(qiáng)，擁有數(shù)據(jù)的平臺會想盡辦法保護(hù)數(shù)據(jù)，提高數(shù)據(jù)的獲取門檻，提高行業(yè)的難度。

見實(shí)：從你的觀察來看，目前，行業(yè)對AI類企業(yè)的認(rèn)識發(fā)生了哪些變化？企業(yè)又該如何應(yīng)對這輪GPT大模型帶來的行業(yè)沖擊？

梁斌：大模型這個賣點(diǎn)之前可能連見到甲方負(fù)責(zé)人的機(jī)會都沒有了，現(xiàn)在可以說在2B類生意中具有很強(qiáng)的穿透力，特別是加上耳目一新的演示效果，轉(zhuǎn)化率比以往大大提升。

實(shí)際上，AI類企業(yè)勝負(fù)的關(guān)鍵就在成本競爭。做大模型的團(tuán)隊(duì)有很多，成本控制不好就很難長久，控制成本是各家團(tuán)隊(duì)的核心競爭力，創(chuàng)新的同時還要結(jié)合客戶的具體場景，從效率，成本，效果等多方面打動甲方。

在這樣快速變化的時代，企業(yè)至少要具備三點(diǎn)基礎(chǔ)認(rèn)知：

一是，充分利用現(xiàn)有基礎(chǔ)設(shè)施，不要重找車輪，模型方面的讓專業(yè)的人做。

二是，尋找自己行業(yè)的特殊數(shù)據(jù)，最好是非公開數(shù)據(jù)，通過這些數(shù)據(jù)建立壁壘。

三是，找到自己行業(yè)的應(yīng)用場景，能接觸到這些場景，快速覆蓋，也是重要的壁壘。

如果只用一個字來說就是“快”，快是最重要的壁壘，在大廠反應(yīng)過來之前完成一輪對市場的覆蓋。

見實(shí)：隨著 AI 技術(shù)的發(fā)展，企業(yè)競爭的“勝負(fù)手”又會轉(zhuǎn)向哪邊？商品、服務(wù)還是品牌力？

梁斌：回看創(chuàng)業(yè)之處的那三點(diǎn)觀察，首先擁有大規(guī)模的數(shù)據(jù)樣本是一件具備極高時間壁壘的事，其次，擁有數(shù)據(jù)的平臺會想盡辦法保護(hù)數(shù)據(jù)，提高數(shù)據(jù)獲取門檻，提高行業(yè)難度。

強(qiáng)者恒強(qiáng)可能在大模型時代會更加嚴(yán)重，中小企業(yè)的大模型團(tuán)隊(duì)殺出來的可能性還是比較小，中小公司在數(shù)據(jù)和算力上，人才上都有很大瓶頸，我想可能還是要有一些特別的具有壟斷性的場景，才能殺出來。

互聯(lián)網(wǎng)歷史上無數(shù)中小公司，有服務(wù)，有行業(yè)內(nèi)的品牌，也都倒閉了?；ヂ?lián)網(wǎng)行業(yè)“地主”太多了，一個應(yīng)用出來，就馬上能有上億用戶，這是普通中小公司比不了的。

02 中小企業(yè)如何適應(yīng)強(qiáng)者恒強(qiáng)的時代

見實(shí)：你在《走進(jìn)搜索引擎》這本書中提到，搜索引擎本質(zhì)是一個由用戶定義的信息聚合系統(tǒng)。通過用戶輸入的查詢關(guān)鍵詞，搜索引擎推測用戶的查詢意圖，然后快速地返回相關(guān)的查詢結(jié)果，供用戶選擇。

生成式AI的出現(xiàn)，其實(shí)是幫用戶省去了大量搜索整理信息的時間，它的出現(xiàn)是否會重新定義“主動搜索”這件事？如果讓你重新定義搜索，你會如何描述？這么描述的底層邏輯是？

梁斌：搜索引擎核心的價值有兩個，一是通過網(wǎng)頁質(zhì)量評估方法去掉低質(zhì)量網(wǎng)頁；二是通過相關(guān)性方法提高了相關(guān)性（相對于查詢詞的相關(guān)性）。這些共同節(jié)約了用戶找到答案的時間。

然而搜索引擎畢竟不是神，它也只能給出一個排序，用戶還是需要自己在排序的結(jié)果頁中尋找答案，選擇答案的時間沒有省去。

生成式AI直接給出最佳結(jié)果，風(fēng)險很大，因?yàn)橹挥幸淮螜C(jī)會，但是用戶體驗(yàn)極佳，而且更難得的是，生成式AI可以提供互聯(lián)網(wǎng)上沒有的答案，通過大規(guī)模數(shù)據(jù)訓(xùn)練得到的“涌現(xiàn)”性知識來回答網(wǎng)友的各種問題。

我們的開發(fā)工程師研究安卓的源碼，有一段看不懂，大模型卻可以來解釋，這個在網(wǎng)上任何地方都搜索不到答案的。而且大模型解答數(shù)學(xué)題的能力也很強(qiáng)，一個題目變一種說法，互聯(lián)網(wǎng)上就找不到了，而大模型依然可以正確回答。

見實(shí)：Open AI創(chuàng)始人也曾提到過數(shù)據(jù)規(guī)模并不是越多越好，你們有對數(shù)據(jù)的臨界點(diǎn)做過劃分嗎？哪些情況下會遇到數(shù)據(jù)規(guī)模觸頂？

梁斌：目前基本上我們知道的情況模型參數(shù)大概分10B（billion），100B這個參數(shù)量級，前者解決一些文史哲數(shù)據(jù)，或者解決一些理工類數(shù)據(jù)解決復(fù)雜問題。

參數(shù)的提升意味著數(shù)據(jù)需要跟著提升，否則就容易過度擬合，對訓(xùn)練數(shù)據(jù)的解釋能力提高，但是泛化能力，理解非訓(xùn)練數(shù)據(jù)的能力就降低了。因此，從人力發(fā)展，算力提升的趨勢看，肯定是越多越好。

但是多也會帶來問題，數(shù)據(jù)質(zhì)量要跟著提高，否則數(shù)據(jù)多反而會影響訓(xùn)練效果，低層次的數(shù)據(jù)反復(fù)訓(xùn)練，也達(dá)不到高水平智能。

臨界點(diǎn)劃分目前我知道沒有統(tǒng)一標(biāo)準(zhǔn)，目前1TB token都是小模型，玩具型的，隨著社會發(fā)展需要，10TB甚至100TB token都不算大。

見實(shí)：你認(rèn)為品牌需要發(fā)展到多大體量，或者需要多大的數(shù)據(jù)樣本才能支撐起一套大模型的運(yùn)轉(zhuǎn)？

梁斌：不同行業(yè)數(shù)字化水平不同，比如機(jī)械行業(yè)，基本上數(shù)據(jù)都在書籍，論文，課本上。

如果是一個消費(fèi)者品牌，其可以拿到的數(shù)據(jù)，也就是知乎，小紅書，一些評價型數(shù)據(jù)，基本品牌在銷售過程中一些售后服務(wù)對話數(shù)據(jù)，也是非常小的。

所以，狹窄行業(yè)的專業(yè)知識是非常少的。如果從百度知道，知乎上搜索這個品牌詞，看看有多少相關(guān)的提問就會知道，其實(shí)，很多小行業(yè)可能短時間還用不上大模型。

見實(shí)：怎么看待微信私域CRM中的用戶數(shù)據(jù)？好友或者群聊天記錄是否會是品牌主要的數(shù)據(jù)源。如果對話內(nèi)容會成為主要數(shù)據(jù)源，那你覺得需要多大量級才能實(shí)現(xiàn)對話場景中的自動化？

梁斌：目前我知道的對話數(shù)據(jù)大多涉及個人隱私，處理起來也極其困難，直接用作訓(xùn)練風(fēng)險極高，特別是2C場景不太敢用對話數(shù)據(jù)。我目前了解的可以買到的對話數(shù)據(jù)大概是這么幾類。

一是，醫(yī)療類多輪對話數(shù)據(jù)；二是，社交網(wǎng)絡(luò)（比如微博）的多輪評論改造成的對話數(shù)據(jù)；三是，影視作品中的對白。

這些對話數(shù)據(jù)還是太少，目前看還沒法滿足各種垂類行業(yè)的需求。

見實(shí)：瑞幸咖啡、漢堡王等企業(yè)本質(zhì)上是一家技術(shù)公司，也是數(shù)據(jù)驅(qū)動型公司，這是否也意味著他們這樣體量的消費(fèi)品品牌會是接下來AI大模型應(yīng)用落地的排頭兵？畢竟這類行業(yè)的用戶交互頻次與增長速度是最快的。

梁斌：到目前為止還沒有一個消費(fèi)品品牌有獨(dú)立技術(shù)團(tuán)隊(duì)在做大模型，也沒有向我們購買數(shù)據(jù)的品牌企業(yè)。

瑞幸、漢堡王這樣的企業(yè)，主要解決的還是用戶增長問題，智能客服和自動化文案宣傳部分的應(yīng)用需求可能會多些。

有用到大模型的場景，獨(dú)立組建團(tuán)隊(duì)來做是不太可能的，但他們可能是在同賽道企業(yè)中最先拿到結(jié)果的。

見實(shí)：中小企業(yè)能做些什么呢？哪些不可逆的錯誤動作需要中小企業(yè)特別注意的？

梁斌：中小企業(yè)積累數(shù)據(jù)風(fēng)險很高，特別是積累用戶個人數(shù)據(jù)可能風(fēng)險更大，萬一傳播開來會比較麻煩，最安全的方法就是不要積累用戶個人數(shù)據(jù)。這個可能是數(shù)據(jù)積累過程中遇到的最大風(fēng)險。

03 百模大戰(zhàn)：國內(nèi)AI大模型的演變與發(fā)展見實(shí)：國內(nèi)AI大模型的演變過程是怎樣的？可以被分為幾類？

梁斌：目前，國內(nèi)AI大模型發(fā)展速度飛快，但起步有點(diǎn)晚，仍還在追趕階段。每家大模型團(tuán)隊(duì)向前迭代都有不同的思路，總體上受限于數(shù)據(jù)和算力等資源。

不缺算力的團(tuán)隊(duì)，在持續(xù)擴(kuò)大數(shù)據(jù)規(guī)模；缺算力的團(tuán)隊(duì)，則在不斷優(yōu)化現(xiàn)有數(shù)據(jù)質(zhì)量?？傮w來看，國內(nèi)做AI大模型的企業(yè)可分為三類：

第一類做底座開源的2B類大模型，如，智譜AI，零一萬物這種。

第二類是做垂類大模型的企業(yè)，主要在底座大模型上用特殊數(shù)據(jù)做continue training的，比如，左手醫(yī)生等等。

第三類做2C類型的大模型服務(wù)，代碼閉源。如，百度文心一言，阿里通義千問、訊飛星火大模型等等。

其中，底座大模型的發(fā)展還在爬坡，垂類大模型和 2C 類型的大模型團(tuán)隊(duì)都已經(jīng)開始賺錢了。當(dāng)然，做垂類大模型的也有可能2C，不過現(xiàn)在看來可能性比較小，盈利模式基本跑不通。垂類解決行業(yè)問題，B端用戶付費(fèi)是比較正常的。

見實(shí)：你們會被歸為哪一類？是否已經(jīng)實(shí)現(xiàn)盈利？這類商業(yè)模式目前還有多大的進(jìn)入機(jī)會？未來是否有引入資本的計(jì)劃？

梁斌：我們不做大模型，我們只是給大模型提供數(shù)據(jù)服務(wù)，已經(jīng)盈利了。做大模型的企業(yè)目前基本都在投入期，傳統(tǒng)的技術(shù)型公司，有應(yīng)用場景的業(yè)務(wù)型公司，還有各行各業(yè)的龍頭企業(yè)都在進(jìn)入這個領(lǐng)域，服務(wù)的客戶千奇百怪。

見實(shí)：在大數(shù)據(jù)服務(wù)中你們的核心價值是什么，這些價值是如何幫助企業(yè)實(shí)現(xiàn)更好的業(yè)務(wù)成果的？

梁斌：我們的服務(wù)核心理念和“賭場理念”相似，不怕客戶（員工）占便宜，就怕客戶（員工）不來。只要客戶愿意讓我們服務(wù)，就是巨大的機(jī)會。

整個交付過程一般會被分成三部分：

首先是交付階段，先做事，先服務(wù)，滿意后再付費(fèi)；其次是遇到問題了，積極賠償；最后是客戶隨時需要，我們的工程師隨時服務(wù)，我們會給工程師高昂加班費(fèi)，以確保服務(wù)的連續(xù)性。

見實(shí)：之前有提到過數(shù)據(jù)市場的三個發(fā)展階段，能否詳細(xì)闡述這些階段，以及在你看來，企業(yè)在每個階段的機(jī)遇和挑戰(zhàn)是什么？

梁斌：我認(rèn)為數(shù)據(jù)發(fā)展的階段，也是人類知識數(shù)字化的階段。在有計(jì)算機(jī)，互聯(lián)網(wǎng)以前，人類知識通過書本傳承。在計(jì)算機(jī)出現(xiàn)，特別是互聯(lián)網(wǎng)出現(xiàn)以后，數(shù)據(jù)開始向互聯(lián)網(wǎng)轉(zhuǎn)移。大概可分為三個階段：

傳統(tǒng)互聯(lián)網(wǎng)時代，數(shù)據(jù)都在網(wǎng)頁上，只要是社交需求，部分功能需求。

移動互聯(lián)網(wǎng)時代，數(shù)據(jù)既在網(wǎng)頁上，也在app上，社交需求降低，功能需求提升，大量的數(shù)據(jù)圍繞這實(shí)現(xiàn)具體功能，購物，外賣，叫車，訂票等等。

人工智能時代（大模型時代），人類知識有計(jì)劃的數(shù)字化，大量紙質(zhì)書被電子化，政府公開大量數(shù)據(jù)，數(shù)據(jù)越來越成為人類共有的資產(chǎn)參與對人類的服務(wù)中去。

現(xiàn)階段來說，企業(yè)都有面向大模型的需求，一方面是賣點(diǎn)，另一方面是切實(shí)創(chuàng)造價值，快速用現(xiàn)有基礎(chǔ)設(shè)施和行業(yè)需求進(jìn)行整合，快速實(shí)現(xiàn)行業(yè)服務(wù)水平的升級。

比如有團(tuán)隊(duì)做了網(wǎng)店的24小時多語言客服，可以和全球的客商在任何時間用任何語言進(jìn)行導(dǎo)購服務(wù)，去掉了時差，去掉了語言障礙。

見實(shí)：還有哪些應(yīng)用案例？以及你們的通用做法是怎樣的？

梁斌：以我們目前服務(wù)的金融和汽車行業(yè)客戶為例，通常有三種落地方式：

一是，通過生成式模型替代部分甚至全部人類工作（這類工作往往是低階工作），金融行業(yè)比如做一些基礎(chǔ)數(shù)據(jù)準(zhǔn)備，簡報，傳統(tǒng)的需要人力的部分，可以通過大模型來解決。新能源汽車行業(yè)車載交互系統(tǒng)，客戶需求的研究等等都可以由大模型來參與。包括很多游戲行業(yè)通過大模型創(chuàng)造圖片，減少了游戲原畫師的需求。一些客服需求很重的企業(yè)，通過大模型降低人工客服的需求，等等。

二是，通過大模型來輔助人類工作（這類工作往往是高階工作），比如現(xiàn)在大模型幫助高中生解題，幫助大學(xué)生寫論文，幫助工程師寫代碼，幫助律師分析案情，幫助醫(yī)生進(jìn)行診斷等等，這類往往可能是實(shí)現(xiàn)盈利模式的重點(diǎn)，也是目前大模型發(fā)展方向的重點(diǎn)。

三是，通過大模型來指導(dǎo)人類工作，因?yàn)榇竽Ｐ涂梢园汛罅拷徊鎸W(xué)科的語料一起訓(xùn)練，容易產(chǎn)生更加高階的智慧，從而能夠指導(dǎo)高科技研究，高精尖裝備的研發(fā)等等，目前國外大模型在向這個方向努力，國內(nèi)大模型還暫時沒到這個階段。

見實(shí)：一路觀察下來，科技互聯(lián)網(wǎng)大廠、投融資機(jī)構(gòu)和學(xué)術(shù)研究機(jī)構(gòu)都在做什么？

梁斌：都在齊頭并進(jìn)吧，行業(yè)的交流氛圍還是比較開放的。

理論研究方面國內(nèi)科學(xué)家已經(jīng)取得了很好的成果，比如清華大學(xué)的朱軍老師提出的快速高效訓(xùn)練方法等；互聯(lián)網(wǎng)大廠團(tuán)隊(duì)則在瘋狂迭代推進(jìn)，基本三個月一個小版本，半年一個大版本；投融資機(jī)構(gòu)稍微有些安靜，因?yàn)榉N種原因?qū)嶋H上并沒有及時跟進(jìn)，至少國內(nèi)還并沒有看到特別大的投融資事件發(fā)生。

見實(shí)：那未來大數(shù)據(jù)與人工智能發(fā)展趨勢，你是如何預(yù)測的？接下來互聯(lián)網(wǎng)大廠的“百模大戰(zhàn)”中你更看好哪一家？

梁斌：從業(yè)務(wù)視角去看，第一波買我們數(shù)據(jù)的是互聯(lián)網(wǎng)公司；第二波會是非互聯(lián)網(wǎng)的上市公司；第三波是想也沒想到的各行各業(yè)的2B類公司。

這個影響速度是非常快的，大部分企業(yè)決策人都已經(jīng)在深度思考大模型和自己業(yè)務(wù)的結(jié)合了。

目前國內(nèi)確實(shí)正在經(jīng)歷著一場“百模大戰(zhàn)”，很難定輸贏。

從整個大的行業(yè)來看，國內(nèi)大模型團(tuán)隊(duì)做的產(chǎn)品我感覺和GPT4都有較大差距，如果GPT4打10分，其他還在2-3分這個程度，那么2.5分，還是2.8分，其實(shí)沒差別，要能達(dá)到8分甚至9分才有機(jī)會，目前國內(nèi)的大模型還要繼續(xù)努力才行。

當(dāng)然，我們作為數(shù)據(jù)提供方也要繼續(xù)努力，縮小差距。