南方財經(jīng)全媒體記者江月 上海報道早年位列“AI四小龍”之一、作為專業(yè)AI開發(fā)商而備受關(guān)注的商湯科技，在本次大模型和AIGC潮中不甘落后。4月10日在上海臨港新片區(qū)，商湯科技發(fā)布新款通用大模型“日日新”，劍指生成式AI中微軟、OpenAI、谷歌、百度、阿里等競爭強手。

(資料圖)

搭建大模型、形成產(chǎn)品生態(tài)、關(guān)注算力基建，也成為本場發(fā)布會的“名片式”亮點。商湯創(chuàng)始人兼CEO徐立和首席科學(xué)家王曉剛在現(xiàn)場演示了“商量SenseChat”機器人寫代碼、文生圖、真人視頻生成數(shù)字人視頻數(shù)十種生成式AI落地應(yīng)用，并解說其算力算法基礎(chǔ)設(shè)施進展。

商湯科技近期股價受到生成式AI行業(yè)激勵，于4月首三個交易日（4月3日、4日和6日）連續(xù)上漲已超過25%。AI研發(fā)支出和收入的平衡，繼續(xù)吸引市場關(guān)注，AI盈利性備受期待。

提升AI盈利期盼

整場發(fā)布會持續(xù)大約1.5小時，商湯集中發(fā)布了多款深受市場期待、也同時直面國際龍頭競爭者的產(chǎn)品。相關(guān)發(fā)布也緊系商湯核心業(yè)務(wù)板塊，提升了市場對AI盈利性的期盼。

具有計算機科學(xué)博士教育背景的徐立承擔(dān)了大部分演說和講解任務(wù)。“科學(xué)家研究了人腦為何如此聰慧，原因在于其豐富的神經(jīng)元網(wǎng)絡(luò)。”由此切入，徐立介紹了商湯在算法、數(shù)據(jù)上的雙重努力。

據(jù)介紹，本次商湯發(fā)布的大模型稱為“日日新SenseNova”，取“持續(xù)更新”之意。這款最新的通用大模型提供的是to B服務(wù)，將為政企客戶提供API接口。近期，百度旗下的“文心”、阿里旗下的“通義”均是國產(chǎn)大模型的領(lǐng)頭產(chǎn)品，“日日新”的加入，令國產(chǎn)大模型市場的競爭更加激烈。

客戶可根據(jù)實際應(yīng)用需求，調(diào)用“日日新”大模型的不同AI技術(shù)能力，例如圖片生成、自然語言生成、視覺感知通用任務(wù)與標注等。換言之，借助“日日新”，開發(fā)者可以進一步開發(fā)專用模型和應(yīng)用。

市場十分期待商湯的新產(chǎn)品能提振該公司的各板塊業(yè)績。在2022年，商湯全年營收38億元，不過僅研發(fā)支出就達到40億元，反映AI開發(fā)當時仍然“入不敷支”。探究原因，尋求市場落地場景仍然是此前AI開發(fā)行業(yè)的“痛點”問題。

商湯的主要客戶來自政企類客戶和汽車開發(fā)商，目前對于AIGC（AI生成式內(nèi)容）也有較大需求。據(jù)南方財經(jīng)全媒體記者了解，商湯的汽車板塊目前正在自動駕駛和智慧座艙雙駕馬車驅(qū)動下持續(xù)增長，去年，該業(yè)務(wù)收入3億元，同比增長59%，對公司總收入的貢獻由前一年的4%上升至8%。

而通過本次“日日新”的發(fā)布，商湯又稱，視覺大模型得到性能提升，BEV環(huán)視通用感知算法已經(jīng)進入實車量產(chǎn)階段。

建成AI生態(tài)

在本次發(fā)布會后，不少行業(yè)人士表達了“超預(yù)期”的評價，并指出商湯進行了算法、應(yīng)用、算力的生態(tài)建設(shè)，令其AI實力得到鞏固。

“實時對話機器人沒有紕漏，圖生文效果比肩MidJourney。”一位關(guān)注AI產(chǎn)業(yè)的科技行業(yè)分析員向南方財經(jīng)全媒體記者表示。他表示，這些直觀的現(xiàn)場感受，對大眾市場具有更強的沖擊力，因為直面ChatGPT、MidJourney這些時下的“明星”產(chǎn)品。

這款備受關(guān)注的語言機器人被命名為“商量”。在現(xiàn)場，徐立進行了多輪實時的測試，包括要求“商量”進行編程，進行“求醫(yī)問藥”的咨詢，以及實時將一份有關(guān)知識產(chǎn)權(quán)的法律文件進行信息歸納和最新信息搜索。

記者也在發(fā)布會上看到，名為“秒畫”的文生圖產(chǎn)品，支持中文提示詞輸入。比較特殊的是，當訓(xùn)練庫中沒有使用者心儀模版時，使用者可以自行上傳一批圖片進行“親自”訓(xùn)練，在短時間后就可以用上“自定義”的模型來重新文生圖。

另一款頗為引起觀眾轟動的產(chǎn)品，稱為“如影SenseAvatar”，這是一款A(yù)I數(shù)字人視頻生成平臺。有商湯員工親自演示了用自己本人形象生成AI數(shù)字人視頻的過程，通過“喂”給模型一段5分鐘的真人視頻素材，就生成出來聲音及動作自然、口型準確、多語種精通的數(shù)字人分身。有視頻UP主隨后直言：“這下主播和UP主真的要失業(yè)了。”

王曉剛談底層技術(shù)

對于商湯本次的底層技術(shù)，市場也頗為好奇。王曉剛在發(fā)布會上坦言，通用人工智能（AGI）引領(lǐng)了二次革命，解決了過往AI“研發(fā)成本高，研發(fā)周期長”的問題。

“針對以往的人工智能系統(tǒng)，如果我們遇到新的任務(wù)，就要重新設(shè)計AI系統(tǒng)，采集樣本，對模型重新訓(xùn)練。”王曉剛稱，“但對于AGI模型，我們無需改變模型本身，通過設(shè)計合適的提示詞就能覆蓋海量復(fù)雜的開放式的任務(wù)，包括各種長尾任務(wù)。”

針對商湯的大模型開發(fā)能力，王曉剛稱，商湯科技的底層訓(xùn)練是系統(tǒng)性的，例如分布式的訓(xùn)練優(yōu)化，包括數(shù)據(jù)運行、模型并行的優(yōu)化混合精度優(yōu)化等等；又包括技術(shù)優(yōu)化，這里面就涵蓋了模型設(shè)計、模型訓(xùn)練，以及模型優(yōu)化、模型服務(wù)等等。

“要研發(fā)出非常優(yōu)秀的基模型，數(shù)據(jù)是必不可少的要素。”王曉剛又稱，何為高質(zhì)量數(shù)據(jù)？也就是根據(jù)客戶的要求，對這些數(shù)據(jù)進行各種各樣的任務(wù)標注。

王曉剛介紹，2019年，商湯首次發(fā)布了10億參數(shù)的視覺大模型；2022年，發(fā)布了320億參數(shù)的視覺大模型，這也是世界上迄今為止最大的視覺模型；2023年初，開源了書生2.5，這是一個擁有30億參數(shù)的多模態(tài)模型。他稱，“日日新”能力也是達到了千億參數(shù)的級別。“所有這些積累，不同的模態(tài)，它的匯聚，促使我們正在去訓(xùn)練一個更加強大的多模態(tài)大模型。”

目前，商湯已經(jīng)建立了“全棧”的大模型研發(fā)體系，并已在多個行業(yè)場景中落地。“場景的多樣性，任務(wù)的復(fù)雜度，數(shù)據(jù)的豐富度均充分展示了我們大模型的能力和未來潛力。”王曉剛稱。

關(guān)鍵詞：