2023年6月10日~11日，人人都是產(chǎn)品經(jīng)理舉辦的【2023數(shù)字化產(chǎn)品經(jīng)理大會(huì)·深圳站】完美落幕。遠(yuǎn)望資本創(chuàng)始合伙人@程浩老師，為我們帶來(lái)《LLM/AIGC帶來(lái)的創(chuàng)新機(jī)會(huì)》為題的分享。

ChatGPT的出現(xiàn)仿佛平地一聲驚雷，無(wú)異于第四次工業(yè)革命。大模型對(duì)于人類(lèi)的價(jià)值遠(yuǎn)超互聯(lián)網(wǎng)的價(jià)值，互聯(lián)網(wǎng)是搜索信息，大模型是理解信息。舉個(gè)例子，圖書(shū)館有成千上萬(wàn)的書(shū)，互聯(lián)網(wǎng)能幫我們做的是找到這本書(shū)，而大模型可以幫你理解、看懂、消化這本書(shū)。

而未來(lái)大模型對(duì)人類(lèi)工作的替代會(huì)從初級(jí)白領(lǐng)開(kāi)始，比如幫忙訂酒店機(jī)票的助理，發(fā)展到后面可能也會(huì)取代高級(jí)白領(lǐng)，比如律師、醫(yī)生等。

這就帶來(lái)一個(gè)問(wèn)題：未來(lái)，知識(shí)不是必選項(xiàng)。純知識(shí)性的、重復(fù)性的工作將會(huì)被取代，留下來(lái)的崗位，都是在做創(chuàng)新的崗位。這也將會(huì)對(duì)國(guó)內(nèi)的教育體系造成沖擊。

接下來(lái)講什么是LLM。這是一種壓縮技術(shù)，提示語(yǔ)（Prompt）是解壓縮。涌現(xiàn)是解壓縮中，隨機(jī)組合出現(xiàn)新的內(nèi)容。它就相當(dāng)于基因突變，但大部分基因突變都是錯(cuò)誤的，涌現(xiàn)是好的基因突變。

泛化是LLM核心能力。什么是泛化？以前我在百度時(shí)，做問(wèn)答的、客服的、新聞的都有自己的大模型和算法，但他們都只在垂直領(lǐng)域達(dá)到了59分，還不能商業(yè)化。而ChatGPT這個(gè)通用的模型，在每一個(gè)垂直領(lǐng)域都達(dá)到了80分，具有很好的泛化能力。

訓(xùn)練大語(yǔ)言模型模型，需要三個(gè)步驟。第一步是預(yù)訓(xùn)練，去互聯(lián)網(wǎng)找很多語(yǔ)料，無(wú)監(jiān)督學(xué)習(xí)。接下來(lái)第二步就是指令微調(diào)，給Q&A，預(yù)訓(xùn)練做得好，指令微調(diào)的成本越低。第三步是reinforcement learning。根據(jù)用戶(hù)反饋不斷調(diào)整，你問(wèn)AI一個(gè)問(wèn)題，AI給你回答，你可以告訴他是對(duì)的，給他正向回饋；也可以告訴他是錯(cuò)的，要他進(jìn)行修正，讓AI不斷優(yōu)化。還包括對(duì)齊，比如對(duì)其價(jià)值觀，不能有地域歧視、殘疾人歧視等等。

這三個(gè)步驟中，預(yù)訓(xùn)練的成本是最高的，沒(méi)有上億都不要搞預(yù)訓(xùn)練。很多創(chuàng)業(yè)公司都是先找好一個(gè)預(yù)訓(xùn)練模型，再進(jìn)行后面兩個(gè)步驟。

從大模型角度來(lái)說(shuō)，數(shù)據(jù)質(zhì)量是最重要的，其次是數(shù)據(jù)多樣性，然后是數(shù)據(jù)規(guī)模，再是模型，最后才是模型參數(shù)。這也解釋了為什么英文狀態(tài)下的大模型效果會(huì)更好，因?yàn)椴还苁菑臄?shù)據(jù)質(zhì)量還是數(shù)量或者多樣性上，英文都是遠(yuǎn)超其他語(yǔ)言的。

如今，千億參數(shù)可能是極限，未來(lái)的趨勢(shì)是小型化，比如把大語(yǔ)言模型集成到手機(jī)里。

未來(lái)，還有一個(gè)趨勢(shì)是從GUI（圖形界面）到NLUI（自然語(yǔ)言交互）?，F(xiàn)在打車(chē)還需要用滴滴，訂外賣(mài)還要用美團(tuán)，未來(lái)可以直接拿手機(jī)說(shuō)打車(chē)去機(jī)場(chǎng)，訂票去上海。

現(xiàn)在幾乎每個(gè)企業(yè)都有自己的數(shù)據(jù)庫(kù)，未來(lái)大語(yǔ)言模型也會(huì)像數(shù)據(jù)庫(kù)一樣，成為企業(yè)的重要基礎(chǔ)措施。

未來(lái)大語(yǔ)言模型會(huì)讓那些行業(yè)受益呢？主要是以文字語(yǔ)言交互為主導(dǎo)的行業(yè)，對(duì)純數(shù)字化行業(yè)影響不大。

在C端領(lǐng)域，受益的可能是寫(xiě)作、問(wèn)答、總結(jié)、法律、招聘、售前、客服、營(yíng)銷(xiāo)等這些以文字交互為主的行業(yè)。

那么，想要做大語(yǔ)言模型，是用開(kāi)源模型還是閉源模型呢？像ChatGPT、文心一言這些都是閉源模型，但開(kāi)源模型的趨勢(shì)正愈演愈烈。

創(chuàng)業(yè)公司選擇開(kāi)源還是閉源呢？各有優(yōu)勢(shì)。開(kāi)源你只需要買(mǎi)TOKEN就好了，再加上 Prompt engineering和向量數(shù)據(jù)庫(kù)等。閉源的優(yōu)勢(shì)在于，保護(hù)數(shù)據(jù)隱私，并且可以不斷用數(shù)據(jù)填充完善自己的模型。

C端有做開(kāi)源的也有閉源的，但是B端幾乎都是開(kāi)源的。在做demo的時(shí)候，通常會(huì)用閉源的，效果最好，還不用買(mǎi)云計(jì)算資源，等到要形成行業(yè)壁壘了，再改回到開(kāi)源模型。

那么，大語(yǔ)言模型，也就是通用模型，它的泛化能力足夠好之后，是不是不需要垂直模型了？

不是的。通用模型很難替代垂直模型。

因?yàn)?0%的有價(jià)值的行業(yè)知識(shí)和數(shù)據(jù)都在企業(yè)防火墻內(nèi)，通用模型沒(méi)辦法接觸到這些數(shù)據(jù)，自然也就沒(méi)辦法推導(dǎo)出答案。并且，通用模型具有一定的模糊性，所以它更適合一些容錯(cuò)率高的、低價(jià)值的行業(yè)。垂直模型更適合容錯(cuò)率低的、高價(jià)值的行業(yè)。

比如炒股票、自動(dòng)駕駛這類(lèi)需要精確、可控的事情顯然不能用通用模型，但是聊天、寫(xiě)作就可以。

大語(yǔ)言模型有四個(gè)架構(gòu)，最底層的是Infrastructure，例如算法、算力，這些和創(chuàng)業(yè)公司都沒(méi)關(guān)系，都是巨頭在參與。

第二層是large language models，比如ChatGPT、文心一言、通義千問(wèn)都是屬于第二層的。

第三層是LLMOPs，這層實(shí)際上是工具層，像向量數(shù)據(jù)庫(kù)就是典型的LLMOPs。

第四層是應(yīng)用APP。

最下面兩層沒(méi)有上億的資金很難做出來(lái)，適合大公司去做，上面兩層比較適合創(chuàng)業(yè)公司，尤其是應(yīng)用層，可應(yīng)用的行業(yè)太多了。

那么，創(chuàng)業(yè)公司能不能做通用大語(yǔ)言模型呢？很難。

首先，缺乏先發(fā)優(yōu)勢(shì)。創(chuàng)業(yè)公司能突破大公司的包圍，核心原因就是你跑得快，有先發(fā)優(yōu)勢(shì)。要么是大公司沒(méi)看上、沒(méi)看懂或者走錯(cuò)方向了，所以創(chuàng)業(yè)公司能沖出來(lái)。但在大語(yǔ)言模型這塊，這些情況都不成立，每個(gè)大公司都無(wú)比重視。

第二，沒(méi)有Dummy Period?，F(xiàn)在做大模型已經(jīng)成為了共識(shí)，但是創(chuàng)業(yè)公司要想跑出來(lái)，那就得留有一定的非共識(shí)期來(lái)發(fā)育。

第三，缺乏場(chǎng)景。大公司都有很好的落地場(chǎng)景，比如百度可以把問(wèn)答和搜索引擎結(jié)合，騰訊的語(yǔ)言模型可以和微信結(jié)合。但是創(chuàng)業(yè)公司有什么可落地的場(chǎng)景呢？

在垂直領(lǐng)域，創(chuàng)業(yè)的機(jī)會(huì)還是挺多的。我分成B端、C端、國(guó)內(nèi)、國(guó)外四個(gè)方面來(lái)講。

在國(guó)內(nèi)做TO C的好處是什么呢？高爆發(fā)。在國(guó)內(nèi)幾個(gè)月做成幾百萬(wàn)DAU是非常有可能的。但問(wèn)題是什么呢？第一，壁壘低。你能做的，競(jìng)爭(zhēng)對(duì)手也能做。第二，C端的流量紅利沒(méi)了。想想大家手機(jī)的首頁(yè)APP已經(jīng)有多久沒(méi)更新過(guò)就知道了，幾年都不會(huì)下載一個(gè)新應(yīng)用。第三，巨頭抄襲。你做了一個(gè)APP，那字節(jié)跳動(dòng)、騰訊跟你做一個(gè)類(lèi)似的，你怎么辦？第四，合規(guī)成本高。做C端的大語(yǔ)言模型，用戶(hù)問(wèn)的問(wèn)題是千奇百怪的，指不定哪個(gè)問(wèn)題就違規(guī)了。第五，只能用國(guó)內(nèi)的大模型。

在國(guó)內(nèi)做TO B的好處是離錢(qián)近，壁壘相對(duì)高一些。但問(wèn)題是，天花板低。在中國(guó)做TO B最大的痛苦就是企業(yè)的付費(fèi)能力不好，這是受限于國(guó)內(nèi)B端市場(chǎng)的規(guī)模。中國(guó)的IT Spending只有美國(guó)的六分之一，國(guó)內(nèi)上市SaaS公司的人均產(chǎn)值只有30—60萬(wàn)人民幣。所以在中國(guó)做企業(yè)服務(wù)就比較辛苦，核心原因就是民企沒(méi)錢(qián)。

在國(guó)際做C端的好處是增長(zhǎng)快，問(wèn)題同樣是壁壘低，而且市場(chǎng)已經(jīng)是紅海了。并且，即使是海外AIGC獨(dú)角獸也面臨巨頭競(jìng)爭(zhēng)。

在國(guó)際做B端的好處是海外企業(yè)付費(fèi)好，天花板高。有垂直壁壘，巨頭不會(huì)進(jìn)入，而且國(guó)外的大模型相對(duì)更成熟。但問(wèn)題是團(tuán)隊(duì)得懂海外的企業(yè)服務(wù)市場(chǎng)。

最后，我們?cè)趧?chuàng)業(yè)的時(shí)候，是AIGC+還是+AIGC呢？這兩者的區(qū)別是你是用AIGC原生還是用AIGC賦能。比如要做一個(gè)客服系統(tǒng)，一個(gè)團(tuán)隊(duì)是之前就做AI的，先做好了問(wèn)答機(jī)器人，再去添加客服系統(tǒng)的其他功能；另一個(gè)團(tuán)隊(duì)是本來(lái)就是做客服SaaS的，只不過(guò)之前的SaaS不是智能的而是人在后面回答，現(xiàn)在要把AI的自動(dòng)回答功能加到已有的客服系統(tǒng)里去。

如何判斷你更適合哪一種？第一個(gè)判斷依據(jù)，如果公司70%的價(jià)值鏈都是AI，那么很顯然就適合AIGC+的賽道。如果本身是SaaS，而AI只占到10%，那顯然更適合+AIGC。第二個(gè)判斷依據(jù)，看AI本身的技術(shù)壁壘怎么樣。如果你選擇AIGC+的賽道，那就必須補(bǔ)充業(yè)務(wù)工作流，完善價(jià)值鏈。未來(lái)，AIGC+和+AIGC一定會(huì)相互滲透的。

大會(huì)直播回放

產(chǎn)品經(jīng)理大會(huì)舉辦至今，已經(jīng)成為了產(chǎn)品經(jīng)理職業(yè)發(fā)展的風(fēng)向標(biāo)。每一年的大會(huì)，我們都聚焦行業(yè)發(fā)展的前沿動(dòng)態(tài)、熱點(diǎn)趨勢(shì)，重點(diǎn)圍繞產(chǎn)品經(jīng)理人群的職業(yè)發(fā)展，為大家?guī)?lái)新方向、新思考。

今年的產(chǎn)品經(jīng)理大會(huì)，在各自領(lǐng)域已經(jīng)取得結(jié)果的嘉賓們將現(xiàn)身說(shuō)法，從不同的視角告訴你如何應(yīng)對(duì)當(dāng)下的需求變化，探尋產(chǎn)品經(jīng)理的進(jìn)化方向！

目前，北京站https://996.pm/7gX2B，深圳站https://996.pm/zaGbp，大會(huì)視頻回放已上架，戳鏈接購(gòu)買(mǎi)，即可收看！