智谱 AI“超 25 亿融资”的背后
这几天，“大模型”圈里最令人津津乐道的可能就是两家大模型创业公司分别宣布自己今年的融资额度——百川智能获得 3 亿美元的融资，估值跃升成为独角兽企业；智谱 AI 获得超过 25 亿人民币的融资，百亿人民币估值令人瞩目。
百川与小米的联手得到了业界内的广泛关注，而雷军的手笔更是一下子把大家的目光都吸引到了智谱 AI 身上。除了目前热度超高的这两家，大模型初创公司“月之暗面”也是资本的新宠。红杉资本、真格基金押注下场，目前月之暗面的募资金额目前已经超过 2 亿美元。
临近年底，今年“大模型”的资本角逐已经初现成果，智谱 AI 凭借着最高融资额和最高估值走到了台前。由于长期低调的学院派风格，非行业内的声量并不是很高。直到这一次高调宣布融资额，彻底引爆了创投圈。
智谱 AI 如此大规模融资的背后，涉及到的是众多知名机构和投资人。从智谱 AI 官方宣布的融资信息来看，参与投资的组织包括社保基金中关村自主创新基金（君联资本为基金管理人）、美团、蚂蚁、阿里、腾讯、小米、金山、顺为、Boss 直聘、好未来、红杉、高瓴等。整个过程中，腾讯阿里联手，主流基金入场，战投纷纷表态，这个融资声势无论放在哪个行业都是相当罕见的。
面对如此大规模的融资，我们不禁要思考一个问题——智谱的优势何在，众多的投资人和机构为什么选择了它？同时这也引发了我们对人工智能产业未来发展的思考，随着认知智能等新一代技术的崛起，人工智能产业将迎来哪些新的机遇和挑战？未来的发展又将呈现怎样的格局？
2023 年 6 月，硅谷科技媒体 The Information 在盘点最有可能成为“中国 OpenAI”的 5 家企业时，智谱 AI 赫然在列。OpenAI 作为人工智能领域的领先者之一，拥有世界顶尖的 AI 研发团队，其技术实力在自然语言处理领域处于领先地位，其发展动态和成果一直受到全球的广泛关注，甚至直接被一些媒体评价为“人工智能领域的先驱”和“科技创新的领头羊”。所以，如果说“智谱 AI”是有可能成为“中国版 OpenAI”的企业，那说明它一定在国内人工智能领域做出了许多与 OpenAI 一样的努力。
对比一下 OpenAI 和智谱 AI 这两家企业的技术发展特点，就不难发现这两家企业确实有很多异曲同工之处。两家企业都致力于自然语言处理领域的研究，并取得了一系列重要的成果。两家企业都拥有先进的预训练语言模型，能够理解和生成人类语言，为各种应用场景提供强大的支持，无论是 OpenAI 的 GPT 系列模型，还是智谱 AI 的文言文模型，都在搜索引擎、智能客服、机器翻译等领域发挥了重要作用。
不仅如此，两家的产品性能甚至都几近相似，比如，在 Stanford 报告的世界主流大模型评测中，智谱 AI 于 2022 年研发的 GLM-130B 是亚洲唯一入选模型，准确性、恶意性与 OpenAI 研发的 GPT-3 持平，且鲁棒性和校准误差在所有模型中表现最佳。
此外，在人工智能技术日益普及的今天，如何保障人工智能技术的道德和伦理问题成为了全球关注的焦点。而 OpenAI 和智谱 AI 目前都开始注重人工智能伦理的研究和实践，致力于开发符合道德规范的人工智能技术。
其次，两家企业从融资情况方面也很像，智谱 AI 是国内人工智能赛道融资最高的企业，OpenAI 去年也以占比美国相关企业融资总额超 70% 的占比问鼎赛道融资最高企业，广受资本的喜爱。要知道，资本市场一向都是残酷无情的，投资组织在决定投一家科技企业时，一定是综合了技术市场趋势与获投企业的整体技术能力、盈利模式来进行最终决策的。所以如果有十几家的投资组织都将自己的钱投向一个企业的时候就说明，这个企业的未来发展一定非常强势。
无论是投资人还是行业从业者，都非常清楚一个事实，那就是大模型技术是“有门槛的”，是需要有时间积累的。在大模型技术还没有爆火之前，市场还没有那么“卷”的时候，智谱 AI 就已经开始了相关技术的研发，虽然当时大模型技术由于高昂的训练成本和复杂的开发门槛并不被业界所看好。然而，他们已经不是第一次做“第一个吃螃蟹的人”了，无论是从研发、开源生态还是商业合作上。
智谱 AI 目前是国内唯一全内资、国产自研的大模型企业，它推出的 GLM 国产芯片适配计划，面对不同类型的用户不同类型的芯片提供不同等级的认证和测试，这意味着智谱 AI 的大模型是安全可控的，这也将直接反哺智谱 AI 的商业化能力。我想这也是为什么智谱 AI 能够吸引来众多组织投资的一个原因。要知道，大模型技术“卷”到现在这个阶段，已经进入了中后段，像其他技术的发展周期一样，安全问题已经成为了大模型领域最受为关注和亟待解决的技术挑战，如果智谱 AI 的大模型能够将领域内的安全问题妥善解决，那对于投资人来说，这将是一笔稳赚不赔的买卖。
资本在哪，大市场就在哪。我们仔细盘点一下参与智谱 AI 融资的组织，可以发现一个非常有意思的现象——除了专业投资机构以外，像美团、蚂蚁、阿里、腾讯、小米、金山、Boss 直聘等企业的母体业务，或多或少地都已经开始自研大模型或者基于业务进行大模型个性化创新改造的探索过程中。
例如，美团曾推出过基于大模型的智能推荐系统，帮助用户更好地找到所需商品或服务；蚂蚁集团一直在推进大模型在智能客服、智能风控等领域的应用；腾讯通过投资和自主研发，在大模型方面取得了不少成果，并积极推动大模型在各行业的应用；小米将大模型应用于智能家居、物联网等领域，提升用户体验；Boss 直聘、好未来等公司则在 AI 大模型方面进行了研究和应用，推出了各种基于 AI 大模型的智能招聘、智能教育等服务，为人力资源和教育行业的发展提供了新的思路和方法。
而作为初创企业的智谱 AI 在开放平台、云端私有化、本地私有化三个方面，基于自己早已建立的开源生态，也已经与超过 200 家的企业进行了生态共建，与超过 1000 家机构共建大模型应用场景。因此，无论是投资智谱 AI 的组织母体背景，还是智谱 AI 自己，他们在做的除了从技术上推动大模型技术的发展，更重要的是将大模型应用于产业场景中，大模型产业化已经是领域发展的必然趋势。
从技术角度看，大模型产业化趋势源于其强大的数据处理和推理能力。随着数据量的爆炸性增长，传统的机器学习方法已经难以应对如此大规模的数据处理任务。而大型深度学习模型，如 GPT-4 等，能够处理海量数据并从中提取有价值的信息，为各行各业提供强大的支持。此外，大模型还具有出色的泛化能力，能够在处理未知问题时做出较为准确的预测和决策，进一步推动了其在各行业的应用。
如果复盘近两年来大模型技术的发展历程便可以发现，是“深度学习”技术的突破使得我们可以训练更大、更复杂的模型，像 GPT-4、BERT、ResNet、YOLO、PaddlePaddle、文心一言、通义千问等大模型目前其实都已经具备了较强的处理能力和较高的精度，可以处理更多的任务和数据。这为大模型的商业应用提供了更广阔的空间，也为产业化的实现提供了更强大的技术支持。
从社会角度看，大模型产业化趋势对于社会发展有着深远的影响。一方面，大模型的应用改善了人们的生活质量，例如智能家居、智能交通等领域的应用，使得生活更加便捷和安全。在另一方面，大模型也带来了新的社会问题，如数据隐私、人工智能伦理等问题，需要社会共同探讨和解决。
从商业角度来看，大模型的应用场景还在不断扩大，从最初的互联网领域已经扩展到了金融、医疗、教育、制造、服务等传统行业。这些行业拥有丰富的数据资源，但数据处理和智能化应用的需求一直未能得到很好的满足，大模型的出现为这些行业提供了新的解决方案，大模型高精度、高效率和高可靠性的特点，能够帮助企业提高效率、降低成本、更好地理解客户需求、预测市场趋势、优化决策和业务创新，可以满足各行各业的商业化需求，加速了传统产业数字化转型升级的进程，这些商业价值是大模型产业化的重要驱动力。
当然了，大模型的产业化需要整个产业链的支持，包括硬件、软件、数据和人才等方面。随着产业链的完善，大模型的产业化将得到更全面的支持和保障。同时，产业链上的各个角色也将在大模型的产业化中获得更多的机会和收益。
在当下这个信息化和数字化的世界里，人工智能技术已经成为了企业和组织的重要竞争力。然而，随着技术的不断发展和用户需求的不断升级，人工智能技术也在不断地寻求突破和创新。从大模型技术的发展路径来看，它已经陆续走过了“计算智能”、“感知智能”阶段，正在进行“认知智能”阶段的探索。智谱 AI CEO 张鹏多次在公开场合表示，“下一代的人工智能技术应该是认知智能。”
计算智能是人工智能的基本要求，它使机器能够进行计算和存储，人类无法记住一万个四位数，但机器可以轻松完成。感知智能则更进一步，使机器能够听懂人类语言、会说话、能看懂图像并识别物体，例如通过传感器感知环境并做出决策，同时执行一些简单的指令和动作，例如人脸识别系统。
而认知智能作为人工智能的高级阶段，是人工智能取得进一步突破的关键瓶颈，也是形成更大产业规模的关键技术，它要求机器能够能够像人一样进行思考、理解、推理、判断、学习等智能活动，并能够根据环境变化做出相应的决策和行动，像智能客服、智能家居、自动驾驶等都是目前比较典型的应用场景。与传统的感知智能相比，认知智能更加强调智能的内涵和深度，更加注重对于人类智能的模拟和再现，这需要投入大量的人力物力去研发。全国人大代表刘庆峰在十四届全国人大一次会议上呼吁，“我国要加快打造我国的认知智能大模型，并推动大模型在各领域的价值落地已迫在眉睫。”
认知智能在商业领域的应用正在不断扩大和深化，这种智能技术以数据为基础，通过先进的机器学习、自然语言处理等技术，帮助企业模拟人类的思维和行为，为决策提供更准确、可靠的数据支持。随着数据的不断增长和技术的持续进步，这种数据驱动的决策趋势将更加明显。
同时，当前不断变化的消费者需求正在促使企业提供更加个性化和精准的服务，而认知智能技术就可以深度理解消费者的兴趣和行为，为消费者提供高度个性化的产品和服务。这种个性化服务的趋势已经在电子商务、金融等领域得到了广泛应用，并取得了良好的效果，这种跨行业应用的趋势对各行业的数字化转型和创新发展起到了积极的推动作用。
然而，尽管认知智能具有重要性和广阔的前景，但它的应用仍面临一些行业挑战——首先数据隐私保护就是一个重大挑战。为了确保可持续、可信赖的认知智能应用，企业需要采取有效的措施和技术手段来保护客户数据的安全和隐私。其次，算法风险和偏见也是需要注意的问题。由于算法模型是由人类开发者设计和开发的，难以避免一些潜在的偏见和错误。这些偏见和错误可能会对企业的决策和消费者的体验造成不良影响。因此，需要加强算法设计和验证的规范性和严谨性，以降低算法风险的发生概率。
此外，智能化程度和可解释性也是认知智能应用中亟待解决的挑战。尽管目前认知智能技术已经取得了一定的进展，但在面对一些复杂的任务和问题时，它仍无法像人类一样进行灵活、全面的分析和解释，这可能会限制其在一些关键领域如医疗、金融等的应用和发展。为了解决这一问题，需要加强与人类专家的合作和交流，将人类的智慧和机器的智能相结合，提高整体解决方案的效率和准确性。
面对认知智能的研发现状，像百度、阿里等大型厂商其实是更有技术突破优势的——他们通常拥有庞大的数据资源，数据的丰富度和质量往往对模型的准确性和性能起到关键作用；同时他们可以投入更多的人力和物力来研究和发展认知智能技术，引进更多相关领域的顶尖人才，通过品牌信任度和市场份额更容易吸引到合作伙伴、渠道商进行产品应用化测试和产业链合作，从而可以进行更深入的研究和更快的迭代，更容易做出技术突破。
但如果创业公司想要冲出重围，就必须要寻找到一个差异化市场的有效策略，通过关注特定行业、领域或用户群体，提供更加个性化和专业的认知智能产品和服务，避免与大厂商在传统领域的直接竞争。但像智谱 AI 这样一向低调的创业公司，当其被资本压注后，往往就不得不走向台前，在未来他们将面临更大的挑战，甚至就在这个“百度、讯飞等厂商纷纷带来产品升级”的 10 月，智谱 AI 决定将于 27 日发布新一代基座模型，但智谱 AI 的表现到底如何，还是要靠技术说话，大家可以一起来关注一下。
但无论如何，大家也不要忘了一件事，不管是大型厂商，还是创业公司，在认知智能这个探索阶段，大家都属于“小马过河”，想要在这竞争激烈的市场环境中获得一席之地，持续技术创新和提升自身实力永远是到达成功彼岸的第一要素。
微服务架构搭好了，可观测架构应该如何下手？10 月 26 日 19:30，欢迎来 InfoQ 视频号了解滴滴可观测架构的最佳实践。如果你希望了解滴滴是如何将可观测技术与业务场景有机结合的，可以带着你的疑问观看直播，技术专家会为大家进行答疑！预约通道已开启，欢迎点击【阅读原文】或扫码预约，锁定精彩内容👇
读者福利
微信扫码关注该文公众号作者