顺网科技:泛娱乐将成为生成式AI商业化的顺网生成式AI商黄金场域
2023-12-11 10:08:22编辑:Reset 顺网科技认为,企业在探索生成式AI创业时,科技不仅要注重大模型,泛娱如何去除痘痘效果好更需关注场景应用,业化域以及为场景应用提供支撑的金场中间层,以帮手企业在竞争激烈的顺网生成式AI商市场中脱颖而出。近期,科技2023中国上市公司投资价值峰会暨中国投资基金峰会(以下简称“双峰会”)在北京举办,泛娱本次“双峰会”以“创新驱动、业化域价值导航”为主题,金场旨在探讨上市公司如何通过创新和价值来驱动自身发展,顺网生成式AI商并引领行业发展的科技新趋势。
会上,泛娱顺网科技首次分享了公司在生成式AI商业化方面的业化域经验,强调泛娱乐将成为生成式AI商业化的金场黄金场域,并建议生成式AI创业,不要局限于大模型,更需关注场景应用,以及为场景应用提供支撑的中间层。
2023年以来,各大公司争相布局AI领域,导致大模型产品密集落地,形成“百模大战”。然而,尽管各类大模型产品层出不穷,但市场上成熟的生成式AI应用却相当有限。
对此,顺网科技认为,企业在探索生成式AI创业时,不仅要注重大模型,更需关注场景应用,如何去除痘痘效果好以及为场景应用提供支撑的中间层,以帮手企业在竞争激烈的市场中脱颖而出。
除此之外,对于进入生成式AI时代的企业而言,将会面临三个挑战:其一是模型层面能力的提升;其二是监管合规层面的挑战;其三是业务孵化和商业化。
在场景方面,顺网科技最偏好泛娱乐领域。一方面,休闲娱乐是比较核心的刚性领域。另一方面,泛娱乐行业相对于来说容错性会更好。此外,泛娱乐的传播性更好,能够获得更多用户的认知,更易让用户理解和使用。由于泛娱乐行业同时具有这三个特性,因此预计在明年后年会有很多的应用和可能性诞生。
其次,在生成式AI的商业化要素,“场景、中间层、模型、算力和数据”,五大要素缺一不可。因为场景是最终触达用户群体之处,也是商业闭环形成之处。中间层可以加速试错过程,更快地找到满足用户需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力部分,算力是基础支撑,而数据则是模型的根本。
这一轮生成式AI会带来巨大的生产力变革,但未必会如大家期待的那么快,还需要一点一滴的积累,市场需要有一定耐心。
以下是顺网科技在钛媒体2023年中国上市公司双峰会的分享实录,略经编辑:
各位领导、各位主办方的老师、各位嘉宾、各位伴侣,大家晚上好!
从去年底ChatGPT发布至今,整个互联网行业,甚至各行业都对生成式AI产生了浓厚爱好,资本市场从一级到二级都有很多动作,今天我代表顺网科技,分享我们对生成式AI的一些认知和实践。
首先简单介绍一下顺网科技。顺网科技成立于2005年,一直致力于推动电竞互动娱乐领域的数字化。在18年的发展过程中,顺网科技逐渐切入了四个核心领域,包罗算力、电竞、AI伴随和数字娱乐展会ChinaJoy。这四个板块构成为了顺网科技的核心业务,也是我们在生成式AI时代到来时展开新增长的基础。
我先跟大家分享一下“百模大战”的问题。从去年到现在,国内不断涌现出各种团队,包罗头部的互联网大厂和新兴的企业,都在做大模型,国内的模型已经超过 200 多个。从今年8月Gartner发布的行业报告来看,整个模型竞争已经进入了技术发展曲线的第一个峰值阶段。接下来,逐渐有一些相对于欠缺资源和欠缺沉淀的团队会退出竞争。
在百模大战的同时,我们也注意到,大家目前能够接触、使用的生成式AI应用非常有限。所以在我们看来,进入生成式AI时代,我们还要面临三个挑战。
第一个是模型层面能力的挑战。主要体现在核心资源的聚合上,包罗算力、数据以及人才层面的博弈。其实这一领域在过去几年一直是冷板凳,尤其是在去年9月份之前都不是热点,甚至于国内相关的出版物也不多。但今年2月份以后,这方面的研究就如雨后春笋般涌现出来,这也是人才稀缺的一个客观限制。
第二个挑战是在监管合规层面。要开展负责任的大模型实践,会大幅度增加训练成本和推理成本,因此会给商业化过程带来挑战,这暗地里是安全和成本之间的取舍。
第三个挑战是业务孵化。在早期投资时,大家可能觉得这一新兴领域很有机会;当行业发展逐步深化时,会发现业务本身的孵化和商业化存在非常多的挑战。如果不能验证业务商业模式是否有效,能否形成良好的现金流和利润,生成式AI就有可能会进入瓶颈状态,实际上现在已经在这样一个状态了。
我们团队在看待生成式AI创业时,理解不仅仅局限于大模型,大模型有相应的团队和相应层次的玩家在做。我们更关注场景应用,以及为场景应用提供支撑的中间层,这里还有很多机会。
场景方面,顺网科技最偏好泛娱乐领域。首先,休闲娱乐对消费者而言,是比较核心的领域,所以它的需求是很充分的。其实历史上很多新技术都是从泛娱乐领域率先落地。
其次,泛娱乐领域相对于来说容错性更好。很多生成式AI应用一旦用到正式的商业场合,就会面临办事、办理方案等方面稳定性、可靠性的问题。所以在当前这个阶段,找到相对于高容错的场景,是做好这一轮生成式AI商业化的重要环节。
另外,泛娱乐的传播性更好,能够获得更多用户的认知,更易让用户理解和使用。所以我们认为,泛娱乐行业刚好具有这三个特性,在明年后年会有很多的应用和可能性诞生。
最近二十年,我们的很多生活习惯都在发生转化,例如从微博、微信等文本互动转向短视频互动,甚至未来会有更多即时多媒体通讯形态。这个过程中,用户时间分布已经在发生迁移,更多的生活场景复刻、还原在线上,因此会有很多通过生成式AI为用户提供伴随的机会,这也是顺网正在做的。
在我们看来,生成式AI商业化会有两种落地范式:
第一种是现在很多小型团队在做的,他们会直接在大模型上做应用,或者简单地做套壳或商业化。这种模式反应速度会比较快,可以快速拉起来一部分用户,但是在国内展业,这样容易遇到合规问题。海外展业其实门槛不高,但很容易被大模型把相应的场景能力吸纳,之后逐渐被替代,很多应用从业者已经发现了这个问题。
第二种是大模型加上中间层框架,最后到应用。这一层是从大模型本身的一些局限性出发,补充它的提示工程、答案工程,注入行业垂直模型。同时企业有很多自己多年沉淀的行业数据,未必愿意以公开的方式或者缺乏数据安全的方式提供给大模型,这种场景就需要中间层做支撑。
从顺网科技的实践来看,首先,我们拥有多层次的算力,而且是异构算力,从这种核心的专业计算到常规的低成本推理计算,甚至于到一些特定场景的渲染,面向不同场景可以提供不同类型的算力。这是我们相对于见长的,因为我们做上网行业,从基本的设备办理到行业的存储上云、算力上云,以及算力全方位的线上线下一体化调度办理,我们积累了很多经验。
第二点,是在模型和应用支撑的中间层探索。这一块构成为了顺网科技核心的AGENT能力。准确来说,AGENT是一种生成式人工智能代理的能力,而不是只创建一两个代理的化身。本质上,还是会利用大语言模型擅长的方面,但是对于它不擅长或者可能遇到问题的部分,都需要在这个层级进行封装和场景化适配。
最后是场景。我们接触的用户主要集中在泛娱乐领域,因此我们会提供相应的伴随办事,包罗在上网、电竞等与游戏紧密结合的场域,以及常规的休闲伴随。
我们认为,想要做好AI应用,需要充裕的算力和高质量的数据。
首先,即便拥有第三方的大模型,如果缺乏足够的算力,就无法将优质数据转化为模型的参数,也就无法真正地将数据沉淀下来。其次是要做推理,如果没有足够的推理算力来办事海量广域的最终用户,那么大模型平台可能会崩掉或暂停办事。这对于国内很多创业团队和上市公司来说,也是一个需要办理的问题。
算力不仅关乎计算能力本身,还关乎计算所需的时间。比如,我们所在的电竞行业、游戏娱乐领域所需要的渲染算力,需要非常低的时延,通常是毫秒级。而在其他非时间敏感的应用场景下,可能不需要那么高的实时性。所以整体的算力应当构建成一个多层次的算力网络和算力资源池。
其次,推理的核心在于高质量的数据,这些数据应当与自身应用场景相契合。我们认为,高质量的行业数据必须满足三个维度:深度、广度和时间跨度。深度方面,即在该行业中拥有相应的端对端链路数据沉淀,当然,这些数据的获取需要符合相关法律法规。
广度方面,行业不能太小、太垂直,要有一定的市场容量和多细分行业覆盖,否则很难在商业化推广中实现规模化。最后,数据的积累需要一定的时间跨度。如果没有几年甚至10余年的数据沉淀,就没有相应的训练语料,所以在数据层面,还是需要有足够的时间积累。
我们来总结一下。在生成式AI的商业化方面,顺网科技认为这五个要素是缺一不可的:场景、中间层、模型、算力和数据。
场景是最终触达用户群体之处,也是商业闭环形成之处。中间层可以加速试错过程,更快地找到满足用户需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力部分,算力是基础支撑,而数据则是模型的根本。
我们认为,这一轮生成式AI会带来巨大的生产力变革,但未必会如大家期待的那么快,还需要一点一滴的积累,市场需要有一定的耐心。对于上市公司来说,在这方面也会遇到经营层面和孵化层面的挑战,我们也希望能够与行业内更多人士进行探讨,共同寻找更多创新机会,从而实现更好、甚至更快的商业化进程。
最后以顺网科技的使命和愿景作为结束,我们希望科技连接快乐,让行业更加智能,让用户的快乐随手可得。