数字人也有“灵魂”?大模型被三六零玩明白了_顶尖财经网
  您的位置:首页 >> 财经频道 >> 风险投资 >> 文章正文

数字人也有“灵魂”?大模型被三六零玩明白了

加入日期:2023-6-15 13:46:07

  昨天下午,还是那袭红衣,360集团创始人周鸿祎又带着惊喜来了----智脑大模型4.0版发布会如期召开。

  这距离3.0版的发布也就13天,离2.0版也就26天,也就是说不到一个月就连发两版,先不说其他,光这“成长”速度就不得不令人咂舌。

  当然,国内大模型这种“你追我赶”的势头,有利于我国大模型能力的快速提升乃至相关产业链,形成更浓烈的创新环境和氛围,对用户和中小企业们等参与者未尝不是一件好事。

  可能是有了前几次的经验,再加上权威评测数据的铺垫,市场对于此次发布会的期待亦可见一斑---三六零于昨日早盘迅速拉涨,直逼涨停,并带动一众大模型概念股集体飘红。

  事实上,360的这场发布会全场看下来,也算是不负众望---干货满满、金句不断,甚至不乏一些惊艳之举。

  大体而言,本场发布会的核心或者说重头戏可以归结为三件事:展示4.0版的多模态能力、360全系产品接入、重新定义数字人。


1

展现多模态交互能力


  在周鸿祎看来,国内大模型的基础能力基本处于同一起跑线上,但迭代速度已经接近国际平均水平,要想“弯道超车”关键还需在多模态领域发力。

  “未来大模型的能力是多模态能力的竞争,只有多模态的全面能力,才能标志着大模型真正地迈上一个新的台阶。”他认为。

  360于2015年成立AI研究院,2018年开始发力多模态。如今的360智脑4.0已具备跨模态生成能力,包括文字处理能力、图像处理能力、语音处理能力、视频处理能力。具体可实现图生图、文生文、图生文、文生图、视频生文、文生视频等,并在现场得到了逐一演示。

  1)文生图:生成“熊猫爬长城”

  2)图生图:例如身份证生成证件照、证件照换背景;

  3)图生文:根据图片描述、判断图片不合理的地方

  4)视频理解:检测视频中的车辆、广告牌、检测高层建筑等物体,可增加不同的前缀

  5)文生视频:例如熊猫划船等

  其中,此次360智脑“文生视频”多模态功能乃是国内首发,任何文字脚本都可生成视频,不受素材限制,国外现在也只能生成10s的视频。

  未来的通用智能一定是多模态智能,这点在业内基本已成共识。相比大语言模型,多模态AI在技术上远未收敛,无论在科研、工程还是应用层面,都是一片广阔天地,大有可为。

  如果说GPT等大语言模型开启了应用创新的新时代,那么多模态AI将会把这一轮应用创新推到最高潮。

  但是多模态AI的难度也是可想而知的。例如,文生图这样最基础的跨模态任务,或许今天许多人认为已经完美解决。Stable Diffusion + ControlNet + LoRA的组合看上去无懈可击,Midjourney工具用起来也似乎得心应手。

  但真实情况是,基于扩散模型的文生图算法在娱乐和大众传播领域非常受欢迎,但想融入专业制作流程或取代职业美术师,还是有相当的难度。

  文生图尚且如此,那文生视频、文生3D、文生动画,图文混合逻辑推理等更难的任务,今天确实还处在非常早期的阶段。

  事实上,大模型本身已具备多模态能力。通过大模型学习多模态知识,来加速多模态AI的开发与应用被业内视为一条值得探索的路径。至少,目前360又让我们又看到了这样的希望。


2

重新定义数字人


  在周鸿祎看来,仅靠大模型基础功能的发展,并不能带来工业和产业革命,关键还需要实现与更多场景结合、走向应用。

  其中,360基于大模型“激活”的AI数字人,并提出“有灵魂的数字人”的概念,不论是其构想还是现场演示情况,绝对都称得上是惊艳了。

  为什么选择数字人领域?

  他认为,数字人是未来人工智能大模型最重要的应用入口。而没有大模型支撑的传统数字人只能按既定脚本输出内容,不能交流,且没有性格和记忆。

  所以,按其计划,360将依托360智脑大模型能力,打造有记忆、有人设和性格,能够复刻思维方经历的AI数字人,重新定义“数字人”。

  另外,由于数字人多多应用于虚拟偶像,使得数字人应用场景受限,多应用于泛娱乐场景。对此,360AI数字人给出了一个更优解,将打开当前数字人应用的想象空间。

  360推出了一个“数字人广场”的平台,目前拥有200多个角色,分为数字名人和数字员工两类。

  其中,数字名人包括历史人物、偶像明星、文学形象等,让用户在与数字人的开放对话中实现与偶像的近距离接触,与先贤的思想交流;数字员工能够参与创作、策划、分析、总结日常工作,成为企业员工的知识助手和办公助手,从而提升企业运营效能。

  与此同时,周鸿祎现场演示了“法务专员”数字人角色,对中小企业常见的公章管理和合同审核问题给与了专业回答。

  特别是数字员工的出现,打开了市场对于数字人应用场景的想象空间,拓展了数字人应用的可触及边界。

  此外,360AI数字人还支持定制,每个人都能通过上传私人知识库,低成本生成自己的专属数字人,如数字分身、数字助理、数字偶像等。

  事实上,数字人产业自2010年发展至今,已经有很长一段时间了。但AI数字人发展尚处早期水平,未来成长潜力可想而知。

  根据IDC的预测,中国AI数字人行业即将在2023-2026年进入规模增长最快的时期,并且2023年作为大模型爆发的“元年”,在AI大模型的加持下,数字人市场步入高速发展期基本是可以预见的。

  当然,目前数字人企业入局者甚多,不仅有互联网巨头,也有初创公司。而随着而随着上游技术和中游服务日益成熟,数字人的创造和应用门槛随之变低,导致了虚拟数字人“放量”,竞争加剧,即使是高端超写实虚拟数字人也出现了激烈的竞争。

  针对数字人产品普遍同质化的困境,创造更优质的产品应为破局的可行之道,这与360AI数字人的思路可谓是不谋而合。

  据市场人士分析认为,360AI数字人打破了传统数字人的定义和生产方式,打造的是完全具有自主交互能力的数字人,完全不需要人工进行干预,将重新定义“数字人”的概念。

  从发展阶段来看,IDC指出目前数字人多处在L1-L3阶段,未来将逐步过渡到L4-L5阶段的纯AI驱动阶段。其中,L1-L3阶段的数字人生产包括简单的人物形象,依赖外部设备采集人体特征信息,再到依靠算法驱动肢体动作等等,之后更多在交互上实现突破,而L3阶段也只限于文本和图片的简单交互方式。

  但以360AI数字人的底层逻辑和所展现的能力来看,其已开始跃进到L4-L5阶段,即纯AI驱动,并且表现出不需要人工控制的高智能化水平,完全由数字人自主进行决策以及执行任务,同时在交互方式上也有新的突破,实现流畅的语音化实时交互,这是目前数字人行业中极少有公司能够做到的。

  鉴于上述,360依托大模型创新的极具特色的AI数字人,将在“百舸争流”的数字人市场占得先机,并有望凭借显著的稀缺性,快速抢占市场,同时也可在该细分领域掌握一定的AI话语权。

  当然,目前360AI数字人应用也并不能说是尽善尽美的。周鸿祎也坦言,目前唯一的问题是回答不稳定,所以还需要提高,未来数字人也还会继续迭代。

  归根结底,360AI数字人得益于背后“360智脑4.0”强大的多模态能力支撑。

  不可否认,多模态AI的技术挑战真实存在,但有挑战就意味着有机会。通过技术突破、技术创新在多模态AI领域大步前进,目前正是最好的时机。


3

360大模型战略:两翼齐飞,四路并发


  周鸿祎将360的大模型战略概括为“两翼齐飞+四路并发”。

  其中,“两翼齐飞”指一手抓核心技术研发,另一手抓优势场景落地。

  而“四路并发”则指在用户端,将360GPT的产品矩阵“360智脑”与搜索场景结合,推出新一代智能搜索引擎,现已定向邀约企业客户测试,未来还将推出AI浏览器、AI个人助理等产品;在中小企业端,将推出结合“360智脑”能力的SaaS化垂直应用;在政府及企业端,将开拓私有化大模型蓝海市场,为城市及企业打造定制化的GPT;在安全领域,将核心的安全能力与GPT结合,推出360GPT安全应用框架。

  来源:公开信息

  目前来看,随着360智脑快速迭代及AI数字人的推出,说明360已完成从战略规划到大模型基础能力扩展再到应用实践的打通,360大模型的“羽翼”也迅速丰满起来。当然,这一过程其实正应合了周鸿祎所指出的“大模型的价值在于将其能力通用化、垂直化,与具体的业务需求深度融合。”

  据了解,在经过多轮迭代之后,360智脑目前已具备生成与创作、多轮对话、代码能力、文本分类、文本改写、阅读理解、逻辑与推理、知识问答、多模态、翻译等十大核心能力,维度涵盖数百项细分功能,可覆盖大模型全部应用场景,并在多个第三方评测中位居国产大模型第一梯队。

  他认为,中国进入“百模大战”,基础能力外,更重要的是应用场景的比拼。所以,也有了会上他宣布“360智脑4.0”接入浏览器、搜索、安全卫士等360全端产品,实现全面智能化重塑,也标志着360进入全AI驱动的智能化新时代。

  由于搜索引擎的大数据源是构建类ChatGPT产品的核心抓手,不仅有丰富的网页数据和优质的语料库,而且有基于每日用户行为的迭代模型,决定了在大模型国产化背景下的像360这样的国内头部搜索引擎厂商的天然优势,从而获多家券商看好。

  会上周鸿祎也表示,360大模型研发落地拥有“八大天然优势”,包括技术、算力、场景、大模型安全、搜索增强、内容安全、数据、工程化,完整覆盖大模型训练全程。

  另外,他也预告,下个月会发布5.0插件版本,使得大模型“有手有脚”。届时360又会带来什么样的惊喜?是不是已有些迫不及待了。