大模型，何时
迎
来大转折？

　　“真正的变革是，什么时间点(diǎn)有一个模(mó)型(xíng)可以把错误(wù)率降(jiàng)低到个位(wèi)数。”

　　在经历了(le)上半年密集的(de)技术和产品发布(bù)后，下半年的AI圈显得有些平静，不再有如Sora这样(yàng)引发轰动的(de)产品，在GPT-4o之后，行业引领(lǐng)者OpenAI也迟迟没有大动作。不(bù)少行业人士认为，技术的迭(dié)代放缓了。

　　在亚布力企业(yè)家夏季年会上，猎(liè)豹(bào)移(yí)动董事长(zhǎng)傅盛提出一(yī)个观点，AI浪潮已(yǐ)出现泡沫迹象，从大模型出现在大(dà)众视(shì)野以来，已过去近一年的时间
，但最顶级(jí)大模型的模型没有明显提升(shēng)。“客观来说，谁家大模型(xíng)有什么优势，基本尚属‘一家(jiā)之言’，用(yòng)户(hù)用起来没有感觉(jué)到太大差别。”他认为，当前大(dà)模型同质化严重。

　　在与(yǔ)MiniMax创始人闫俊杰的交(jiāo)流中，关于瓶颈与转折点他(tā)提到，现在所有模型(xíng)错误率都是20%的量级(jí)，“真正的变革
是，什么时间点有一个模型(xíng)可以把错误率降低到个位数，这会是一个(gè)非
常本(běn)质的变化。”未来大模型能否成功，傅盛也(yě)认(rèn)为，大模型的天花板能否再上(shàng)一个台阶很重要。

　　“至暗(àn)时刻觉得技术(shù)很重要(yào)”

　　这一轮的生成式AI是一场掀起巨大浪潮的社(shè)会生产力革命，傅盛认为，这波浪潮今天已经呈(chéng)现出明显的泡沫(mò)迹(jì)象(xiàng)。

　　何为(wèi)“泡沫”，傅(fù)盛认为，一方面是模型能力没(méi)有明显提升。“在一个以科技为核心的技术浪潮中(zhōng)，这是(shì)不太正常的。”每次写不同的东(dōng)西，傅盛都会用好几个大模 型 互(hù)相比较，“有时候这个大模型更好(hǎo)用，有时那个更好(hǎo)用，当前大模型的同质化(huà)很严重。”

　　其(qí)次(cì)，说了这(zhè)么久人工(gōng)智能，“但真正的Killer APP（杀手级应用）并(bìng)没有出现，不仅在C端没有出现(xiàn)，B端也(yě)未能(néng)出现。很多行业大模型(xíng)都说自己(jǐ)有不少应用，但真正提效的并不多。”傅盛说，想(xiǎng)要将大模型真正变成一个明显能提效的应用，还很有难
度(dù)。

　　泼了盆冷水的同时，傅盛补充表示，泡沫(mò)不(bù)见得会使大模型发(fā)展崩塌，因为(wèi)有点泡沫很(hěn)正常，互联网早期也曾出现泡沫。

　　在今(jīn)年6月演讲时，金(jīn)沙江创投主管(guǎn)合伙人(rén)朱啸虎曾谈(tán)及GPT-5一直“跳票(piào)”时表示，“硅谷也(yě)高度怀疑GPT-5还有没有，即使出(chū)来在核心推(tuī)理能力上还(hái)有没有显著的提(tí)高(gāo)，这是(shì)很不确定的东西，今年年底是一个验金石(shí)。”他判断，大模型演化速度有(yǒu)放缓趋势，而迭代 曲线(xiàn)放缓以后，应用层的机会就会
更(gèng)多。

　　不
过，在波形智(zhì)能创始人姜(jiāng)昱辰看来，大模型技(jì)术迭代其实并(bìng)没有放缓，而(ér)是保持(chí)着2018年以来的增速(sù)，那一年基于Transformer架构的大规模语言模型预训练开始流行(xíng)。从博士的自然(rán)语言处理研(yán)究到大模(mó)型创业，姜昱辰更(gèng)早开(kāi)始经历这(zhè)轮大模型(xíng)技术(shù)演(yǎn)化的进程。

　　“大家之所以有这样(yàng)的感觉（技术迭代(dài)放缓）是因为大(dà)众是 在(zài)2022年底、2023年初第一(yī)次看到这 个技(jì)术，做了很多短时间的learning和追赶，追(zhuī)赶当然比(bǐ)较快。”姜昱(yù)辰(chén)对第一财经表示，把OpenAI做出来的技术学一遍，不叫“技术迭代”。

　　虽(suī)然行业此前(qián)有一(yī)句“没有应用的大模型一文不值”广为传播(bō)，但在很多从业者看来，大模(mó)型的技术(shù)同样重要，因为更(gèng)好的应用一(yī)定(dìng)建立在更(gèng)好的技术之上，技术和(hé)应用是一个相互转化(huà)的串联关系。

　　在MiniMax刚刚过(guò)去的伙伴日活动上，闫俊杰在(zài)讨(tǎo)论中提到，“至暗时刻会觉得技术很重要。”

　　很多时候做技术时，并没有(yǒu)真正意
识到技术为什么重要。闫俊杰举例表示(shì)，用户感(gǎn)受到(dào)的东(dōng)西可 能(néng)来(lái)自于(yú)一(yī)些(xiē)产品(pǐn)细(xì)节，或者一些品牌 ，技术本身是好多(duō)个环(huán)节在一起，尤其在繁荣时期，可
能分不清什么(me)是主，什么是次，“当在某些(xiē)时间点遇到瓶(píng)颈(jǐng)的时(shí)候，抛开所有的表象东西，会意(yì)识到技术(shù)才是最终提(tí)升(shēng)的来源。”

　　“技术做不好的时候，发现所有东西都是问题，当技术做好了，似乎所有问题都被掩盖了，”闫俊 杰表示，技术是一家科技公司最核心(xīn)的要素这件事，尽管(guǎn)已深刻意识到，偶尔还是在继续犯错误，“这个是我在多次至暗时刻里(lǐ)最有共性(xìng)的(de)一(yī)件事。”

　　做技术(shù)也是一件非常奢侈的事(shì)，“如果看一眼我们(men)每个月的账(zhàng)单还是会非常心疼(téng)的(de)。”在采访中，说 到这(zhè)话时，闫(yán)俊(jùn)杰几次看向(xiàng)了(le)MiniMax技(jì)术总监韩景涛，也就是“账单的制(zhì)造者”。

　　因为做技(jì)术可能会失(shī)败，研发投入很大，闫俊杰(jié)此前很(hěn)多时候(hòu)会想要(yào)不要走点捷径，但实践经验会证明，走捷径就会被“打脸(liǎn)”，“这(zhè)个事在我这发生可能超过十次了。”

　　“一(yī)个(gè)东西(xī)要实验三(sān)次(cì)才能成功，第三次实验成功的
时候，会想 前(qián)面两次是不是可以不用做，就像吃包子吃三个会吃饱，就会想是不是(shì)前(qián)两个不用(yòng)吃(chī)是一样的。”闫俊杰表示(shì)，这是(shì)做技术(shù)时一个比较容易犯的错误。

　　在各种关于模型技术(shù)细节的排行榜上，或许GPT-4o的跑(pǎo)分(fēn)不常出现在第一，甚至会在中间，但(dàn)在(zài)MiniMax基于真实客户的测(cè)试集中，OpenAI的GPT-4o是(shì)遥遥(yáo)领(lǐng)先的。

　　在大模型(xíng)时代(dài)，如何判(pàn)断技术的好坏，大众很迷惑，企业(yè)同(tóng)样觉(jué)得很难(nán)，但(dàn)这个点很重(zhòng)要，因为(wèi)技术的评价标准会决(jué)定模型(xíng)的迭代(dài)方向，如果指标(biāo)本身(shēn)不对迭代方向可能就(jiù)错了。

　　闫俊杰提到，MiniMax目(mù)前的一个(gè)办法是，基(jī)于MiniMax开(kāi)发平台的3万多个开发者和付费客(kè)户，在(zài)他们的场景上构建一个真实使(shǐ)用的测试集(jí)，有些客户对他们的场景非常看重，要求保证产品(pǐn)的效果，基于这些客户真实使用的评测(cè)是较为客(kè)观的(de)。

　　“这个测试集上所有国产(chǎn)化模型相比GPT-4o都相差较多，其
他排行榜基本上GPT-4o都(dōu)要
排到中间去了，但(dàn)是在我们的(de)排行榜上确实(shí)GPT-4o排在最靠前。”闫俊(jùn)杰提(tí)到，国内所有模型都与GPT-4o有本质的差距，且越(yuè)难的问题差距越大。按照这个评(píng)估方(fāng)式，国产模型的提升空(kōng)间还很大。

　　静(jìng)待下(xià)一转折点

　　大模型的 下(xià)一个转(zhuǎn)折点(diǎn)在哪里(lǐ)？众多创业者有不同的答案，有(yǒu)人(rén)认为是错误率的降低，有人觉(jué)得是 个性化的模(mó)型，有人认为关键在于小算力(lì)训(xùn)练出大模型，背后或许(xǔ)意味着架构(gòu)的改进。

　　朱啸虎曾
提(tí)到，今年的大模型本身还(hái)是有很多错误，且(qiě)出来的结果不可控，今天落地最困难的是，场景下怎么解(jiě)决错误问题、可控问(wèn)题。

　　现在所有的模(mó)型错误率都在20%左右，即两位数的(de)错误率，有时惊艳，有(yǒu)时不靠谱，闫俊杰认为，这也(yě)是制约模型处理复(fù)杂任务的原因，“真正的变革是，什(shén)么时间点有一个模型可以将错误率降低(dī)到个位数(shù)。”这是能增加用户使用深(shēn)度的核心手(shǒu)段。

　　复杂任务往往(wǎng)需要多(duō)个步骤(zhòu)“相乘”，较(jiào)高的错误率导致失败率的指
数增加。闫俊杰(jié)表示，即便是GPT-4这样(yàng)的模型也(yě)无法支(zhī)持非常灵活的Agent（智能(néng)体），这并不是因为Agent框架写得不够好，产品做得不好，最(zuì)根 本的(de)原因是模型本身(shēn)不够好。

　　但(dàn)现在可以看到的是，每家公司有(yǒu)了算力，无论是OpenAI、谷歌还是Meta，都在加码算
力。Meta CEO扎克伯格曾在社交媒体上表示，要建立一个大(dà)规模的计算基础设施，到2024年底，这一设施将包括35万张英伟达H100显卡(kǎ)，业(yè)界(jiè)预(yù)估(gū)这或许将耗费近百亿(yì)美元(yuán)。

　　算法也在进步，OpenAI在2023年只能做出来GPT-4，但2024年能做GPT-4o，虽然性能差不多，速度 快了近10倍。

　　“计(jì)算量多了(le)不止10倍，算法也快了(le)10倍时，没有(yǒu)道理说训练不出来
一个更(gèng)好的模(mó)型。”闫(yán)俊杰提到，“如果Scaling law（尺(chǐ)度定律）是对的，未来这个模型一定会(huì)出现，标志就(jiù)是个位数的错误率。”

　　在(zài)傅盛看来，降低错误率(lǜ)同样重要。“今(jīn)天的大(dà)模型(xíng)有20%-30%的知识幻觉，而且‘它不知道自(zì)己不知道(dào)’，这是在企(qǐ)业应用(yòng)上非常重要的一大卡点。”想要真正落(luò)地一个应(yīng)用，得用大量(liàng)工程化的手段去解决(jué)以前通用人工智能认(rèn)为它能干的活，这(zhè)中间是有差距的。

　　问及大(dà)模(mó)型技术的下一个转折(zhé)点，姜昱辰给了一个不一样的答(dá)案，她认为是“个性化”的(de)技术。

　　“ToB的创业(yè)者(zhě)会觉得错(cuò)误(wù)率降低很重(zhòng)要(yào)，因为企业级、工业级场景中要的是极高准(zhǔn)确率，而在消费场(chǎng)景中(zhōng)，要的是‘懂你(nǐ)’的个人助手(shǒu)。因此，对ToC创(chuàng)业者来说，个性化技术更重要。”对于不同的答案，姜昱辰解释，ToB和ToC不同的场景下会有(yǒu)不同的感知。

　　从(cóng)难度上来说，大模(mó)型幻觉是概(gài)率模型固有的，不容易解决，但个性化大模型确实是技术层(céng)面可行的。姜昱辰提到，波(bō)形智能
目前在做(zuò)的是这个方向，主要的难点是 算法，中间需要知道的(de)是，这样的个性化生成式模(mó)型需要什么用户信息，如何用于模型自进化。

　　深思
考创始人杨志明则认为，下一个转折点是，如何利用小算力训练出大模型、做(zuò)好大(dà)模型的推理，在这背后，当
下主(zhǔ)流的Transformer架构 需要堆积算力，“性价比太低”。架构
的改进(jìn)或许是重要(yào)的(de)方向(xiàng)。

　　值得期待(dài)的是(shì)，近日有消息称，OpenAI将在今年秋天推出代号为“草莓”（Strawberry）的新模型。作为核心技术(shù)突破(pò)，草(cǎo)莓可能集成在ChatGPT内，帮助解决当前AI聊天(tiān)机器人难以完成的复(fù)杂任(rèn)务(wù)，如数(shù)学和编(biān)程问题(tí)。此外，草莓更会“思考(kǎo)”，在解决强主观性问题上更擅长。

　　“草莓”是前菜，消息人士透露(lù)，OpenAI正在开发(fā)下一(yī)代大 型语言模型Orion（猎户座(zuò)），草莓将为其生成高质量(liàng)训(xùn)练数据，以帮(bāng)助减少大模型幻觉问题。能否突(tū)破瓶颈，带(dài)领行业进入(rù)下一转折点，最大(dà)的可(kě)能性还在OpenAI。

责任编辑：刘(liú)万里 SF014

“真正的变革是，什么(me)时(shí)间点有一(yī)个模型可以把错误率降低到个(gè)位数。”

在(zài)经历了上(shàng)半年密集的(de)技术和产(chǎn)品发布后，下半年的AI圈显(xiǎn)得有些平静，不再有
如Sora这样引发轰动的(de)产品，在GPT-4o之后，行业引领者OpenAI也迟迟(chí)没有大动(dòng)作(zuò)。不少行业人士(shì)认为，技术的迭代放缓了。

在(zài)亚布力企业家夏
季年会上，猎豹移动董事长傅盛提出一个观点，AI浪潮已出现(xiàn)泡沫迹象，从大模型出现在大众视野以来，已过去近一年的时(shí)间，但最顶级大模型的(de)模型没有明显提升。“客观来说，谁家大模型有什么优势(shì)，基本尚属‘一家之言’，用户(hù)用起来(lái)没(méi)有感觉到太大差别。”他认为，当前大模型同质化严重。

在与(yǔ)MiniMax创始人闫俊杰的交流中，关于瓶颈与转折点(diǎn)他提到，现在所有模型错误率都是20%的量级，“真正的
变革是，什么时(shí)间点有一个模型可(kě)以把错误率降低到个(gè)位(wèi)数，这会是一个非常本质的变化。”未来大模型能否成功(gōng)，傅盛也(yě)认为(wèi)，大模型的天(tiān)花板能否再上一个(gè)台阶很重要 。

“至暗时(shí)刻觉(jué)得技术很重要”

这一轮的生成式AI是一场(chǎng)掀起巨大浪潮的社会生产力革命，傅盛认为，这波浪潮今天已经(jīng)呈现(xiàn)出明显的泡沫迹象。

何为“泡沫”，傅盛认为，一方面是模型(xíng)能力没有(yǒu)明显提升(shēng)。“在一(yī)个(gè)以(yǐ)科技为核(hé)心的技术(shù)浪潮(cháo)中，这是不太正常的。”每次写不同的东(dōng)西，傅盛都会用好几个大模型
互相比较，“有时候这(zhè)个大模型更(gèng)好用，有时那个更好(hǎo)用，当前(qián)大模型(xíng)的同(tóng)质化很严重。”

其(qí)次，说(shuō)了这么久人工智能(néng)，“但真正的Killer APP（杀手(shǒu)级应(yīng)用）并没有出现，不(bù)仅(jǐn)在C端没有出现，B端也未能出现(xiàn)。很多行业大模(mó)型都说自己有不少应用，但(dàn)真正提效的并不多。”傅(fù)盛说，想要将大模型真正变成一个明显(xiǎn)能提效的应用，还(hái)很有难(nán)度。

泼了(le)盆冷水的同时(shí)，傅盛补充表(biǎo)示，泡沫不见得会使大模型 发展(zhǎn)崩塌，因为
有点泡沫(mò)很正 常(cháng)，互联网早期也曾出现泡沫(mò)。

在今年6月演讲时(shí)，金沙江创(chuàng)投主管合(hé)伙人朱啸虎(hǔ)曾谈及GPT-5一直(zhí)“跳票”时表示，“硅谷也高度(dù)怀(huái)疑GPT-5还有没有，即使出来在核心推理能力上还有没有显著的提 高，这是(shì)很不确定的东西，今年年底是一个验金石。”他判断，大模(mó)型演化速(sù)度有放缓趋(qū)势，而迭代曲线放缓以后，应用层的机会就会更(gèng)多。

不过，在波形智能创始(shǐ)人姜(jiāng)昱辰看(kàn)来，大模型技术迭代其实并没有放缓，而(ér)是保 持着2018年以来的增(zēng)速，那
一年基于Transformer架构的(de)大
规模语言模型预训练(liàn)开(kāi)始流行。从博士的(de)自然语言处理研究到大模型创业(yè)，姜昱辰更早开始经历这轮大模型技(jì)术演(yǎn)化的进程。

“大家(jiā)之所(suǒ)以有这样的感觉（技(jì)术迭代放(fàng)缓）是因为大众是在2022年底、2023年初第一次看到这个技(jì)术
，做了很多短时间的learning和追赶，追(zhuī)赶当然(rán)比较快。”姜昱辰对第一财经表示，把OpenAI做出来的技术(shù)学一遍，不叫“技术迭(dié)代”。

虽(suī)然行业此(cǐ)前有一句“没有应用的大 模型一(yī)文(wén)不值(zhí)”广(guǎng)为传播，但(dàn)在很多从业(yè)者看来，大模(mó)型(xíng)的技术
同样(yàng)重要，因为更好的应用一定建立在更好的技术(shù)之上，技术和应用(yòng)是一个相互转化
的串联关系。

在MiniMax刚刚过去(qù)的伙伴
日活动(dòng)上(shàng)，闫俊杰在(zài)讨(tǎo)论中提到，“至暗时刻会觉得技术很重要。”

很多时候做技术时，并没有(yǒu)真正意识到技术(shù)为什么重要。闫俊杰举
例表示，用户感受到(dào)的东西可(kě)能来自于一些产品细节，或者一(yī)些 品牌，技术本身是好多个环节在一起，尤(yóu)其在繁荣时期，可能分不清什么(me)是主，什么是次，“当在某些时间(jiān)点遇到瓶颈的时候，抛开所有的表象(xiàng)东西，会意识到技术(shù)才是(shì)最终提升(shēng)的来源。”

“技(jì)术做(zuò)不好(hǎo)的时候，大模型，何时迎来大转折？发现所(suǒ)有东西都(dōu)是问题，当技术(shù)做好了，似乎所有问题都被掩(yǎn)盖了，”闫俊杰表示，技术是一家科技公司最核心的要(yào)素这件事，尽管已(yǐ)深刻意识到(dào)，偶尔还是在继续犯错误，“这个(gè)是(shì)我在多次至暗时刻里最有(yǒu)共性的一件(jiàn)事。”

做技术也是一件非常奢侈(chǐ)的事，“如果看一眼我们每个月的账单(dān)还是会非常(cháng)心疼的。”在采访中，说到(dào)这话(huà)时，闫俊(jùn)杰几次看(kàn)向了MiniMax技术总(zǒng)监韩(hán)景涛，也(yě)就是“账单的制造(zào)者”。

因为做技术可能会失败，研发投入很大，闫俊杰此前很多时候会想要不(bù)要走点(diǎn)捷径，但实践经验会(huì)证(zhèng)明，走捷径就(jiù)会(huì)被“打脸”，“这个事在我这发(fā)生可能超过十(shí)次了。”

“一个东西要实验三次才能成功，第三次实(shí)验成功的时候(hòu)，会想前面两次是不是(shì)可(kě)以不用做，就像吃(chī)包子吃三个(gè)会吃饱，就会想(xiǎng)是不(bù)是前两个不用吃是一样的。”闫俊杰(jié)表示，这是做(zuò)技(jì)术时一个比较容易犯的错误。

在(zài)各种关于模型技术细节的排行(xíng)榜上，或许GPT-4o的跑分不常(cháng)出现在第(dì)一，甚至会在中间，但在MiniMax基于真实客户的测试集中，OpenAI的(de)GPT-4o是遥遥(yáo)领先的。

在大模型时代，如何判(pàn)断技术的(de)好坏，大众很迷(mí)惑，企业(yè)同样觉得很难(nán)，但这个(gè)点很 重要，因为技术的评价标准会决定模型的迭代方向(xiàng)，如果指标本身不对迭代方向可能就错了。

闫俊(jùn)杰提到，MiniMax目前的一个办法是，基于MiniMax开(kāi)发(fā)平台的3万多个开发(fā)者和付费客户，在他们的场景上构建(jiàn)一个真实使(shǐ)用的测试集，有些客户对(duì)他(tā)们的场景非常看重，要求保证产品的效
果(guǒ)，基(jī)于这(zhè)些客户真实使用的评测是较为(wèi)客(kè)观的(de)。

“这个测试集上所有
国产(chǎn)化模型(xíng)相比(bǐ)GPT-4o都相差较多，其他排行榜基本上(shàng)GPT-4o都要排到中间去了，但是在我们的排行榜上(shàng)确实GPT-4o排在最靠(kào)前。”闫(yán)俊杰提到，国内所(suǒ)有模型都与GPT-4o有本(běn)质的差距，且(qiě)越难的问题差距越大。按照这个评估方式，国产模型的提(tí)升空间还很大。

静待下一转折(zhé)点(diǎn)

大模型的下一个转折(zhé)点(diǎn)在哪里？众多创业者有不同的答案(àn)，有人认为是错误率的降低(dī)，有人觉(jué)得是(shì)个性化的模(mó)型，有人认为关键(jiàn)在于小算(suàn)力训练(liàn)出大模型，背后或许意味(wèi)着架构的改进。

朱啸虎(hǔ)曾提到，今年的大模型本身还是有很多错误(wù)，且(qiě)出来(lái)的结果不(bù)可控，今天落(luò)地最困难的(de)是，场景下怎(zěn)么解决错误问题、可(kě)控问题。

现在(zài)所有 的模型(xíng)错误率(lǜ)都在20%左右，即两(liǎng)位数的错误率(lǜ)，有时惊艳，有时不靠谱，闫俊杰(jié)认为，这也是制约模型处理复杂任务的原因，“真正的变革是，什 么时间点有一(yī)个模型可以将错误率降低到个位数。”这是能增加用户使用深度的核心手段。

复杂任务往往需(xū)要多个步骤“相乘”，较(jiào)高的错误率导致(zhì)失败率的指数增加。闫俊杰表示，即便是GPT-4这样的模型
也无法(fǎ)支持非常灵活(huó)的(de)Agent（智能体），这并不是因(yīn)为Agent框架写得不够好 ，产品做得不好，最根本的原因是模型本身不够好。

但现在可以看到的是，每家(jiā)公司有 了算力，无论是OpenAI、谷歌(gē)还是Meta，都在加码算力。Meta CEO扎(zhā)克伯格曾在社交媒体(tǐ)上表示，要建立一个大(dà)规模的计算基(jī)础设施，到2024年底，这一设(shè)施将包括35万张英伟达H100显卡(kǎ)，业界预估这或许将(jiāng)耗费(fèi)近百亿(yì)美元。

算法也(yě)在进步，OpenAI在2023年只能(néng)做出来GPT-4，但2024年能(néng)做GPT-4o，虽然性(xìng)能差不多，速(sù)度快了近10倍。

“计算量多了不止10倍，算法(fǎ)也快了10倍(bèi)时，没有道理说训练不出(chū)来一个(gè)更好的模型。”闫俊(jùn)杰提到(dào)，“如果Scaling law(尺度(dù)定律)是对的，未来这个(gè)模型一(yī)定会出现，标志就是(shì)个位数的错误率。”

在傅盛看来，降低错误率同样 重要。“今天的大模型有20%-30%的知识幻觉(jué)，而(ér大模型，何时迎来大转折？)且‘它(tā)不知道自己不知道’，这是在企业应(yīng)用上(shàng)非常重要的一(yī)大卡点。”想要真
正落(luò)地一个应用，得用大量工程化的手段去解决(jué)以前通用人工(gōng)智能认为它能干的活，这中间是有差距的。

问及(jí)大模型技(jì)术(shù)的下一个转折点，姜昱(yù)辰给了(le)一个不一样(yàng)的答案，她认为是“个性化”的(de)技 术。

“ToB的创业者会觉得错(cuò)误率降低很(hěn)重要(yào)，因为企业级、工业级场景中要的是极高准(zhǔn)确率，而在消费场景中，要的是‘懂你’的个人助手。因此，对ToC创业者来说，个性化技术更重要。”对于不(bù)同的答案(àn)，姜(jiāng)昱辰(chén)解释，ToB和ToC不同的场景下会有不同的感知。

从难度上来说，大模型幻觉(jué)是概(gài)率模型固有的，不容易解决，但(dàn)个性(xìng)化大模型确实是技术层面可行的。姜昱辰提到，波形智能目前在(zài)做的是这个方向，主要的难点是算(suàn)法，中间(jiān)需要知道的是，这样的个性化生成式模型(xíng)需要什么用户信息 ，如何用(yòng)于(yú)模型自进化。

深思(sī)考(kǎo)创始人杨志明则认为，下一个转折点是，如何(hé)利用小(xiǎo)算力训练出大模(mó)型、做好大模型的推理，在这(zhè)背(bèi)后(hòu)，当下主(zhǔ)流(liú)的Transformer架构需(xū)要(yào)堆积算力，“性价(jià)比太低”。架构的 改进或(huò)许(xǔ)是重要的方(fāng)向。

值得期待的(de)是(shì)，近日有消息称，OpenAI将在今年(nián)秋天推出代号为(wèi)“草(cǎo)莓”（Strawberry）的
新模型。作为核(hé)心技术突破，草莓可能集成在ChatGPT内，帮助解决当前AI聊天机器人难以完成的复(fù)杂任务，如数(shù)学和编程(chéng)问题。此外，草莓更会“思考”，在解决(jué)强(qiáng)主观(guān)性问题上更擅长。

“草莓”是(shì)前菜，消息人士透露，OpenAI正在开发下一(yī)代大型语言模型Orion（猎户座(zuò)），草莓将为其(qí)生成高质量训练数(shù)据(jù)，以帮助减(jiǎn)少(shǎo)大模型幻觉问题。能否突破瓶颈，带领行业进入下一转折点，最大的可能性(xìng)还在OpenAI。

未经允许不得转载：橘子百科-橘子都知道 大模型，何时迎来大转折？