撰文 | 吴坤谚来源 | 光子星球 先有理论还是先有应用应用领域？起码在不断涌现潜能上，是应用应用领域为先例如大词汇数学模型（LLMs）的不断涌现潜能（emergent ability），以GPT3为代表的非主流大词汇数学模型在模块规模超过10^22级别后，效果突然大幅提升。
这让大数学模型的研制在短短数月内步入了一场取决于统计数据获取和INS13ZD调配的竞赛，“技术上有深度但竞争呈红海”但就在业内相互PK模块多少的时候，天猫恶魔在尝试用亿左右模块做AIGC4月，天猫恶魔申明了首个网络连接千问大数学模型的智能化硬体demo，近日又透出了一款研制中的AIGC新型硬体demo——智能化随身携带隐形眼镜。
现阶段市场A9暂不清楚升级政策，但从工程新体验上看，具有随身携带聊天+音视频生成的机能据了解，此款智能化随身携带隐形眼镜的媒介是天猫商城中在售的CZ0001，原先的设备已经配备了骨传导结构为依据的通话、音视频、防水等机能在季莫菲新体验中，demo通过原配备在智能化隐形眼镜中的递送声单元与评定人流畅可视化，形式上也并非一般大数学模型中展现的结语，而是更偏重于沟通的人性化可视化。
此外，该demo在转交rap讯号后的响应速度较快，在健康、办公设备和游戏等多样化的消费情景中都展示出了不错的响应速度，并未出现Maubourguet的现象智能化硬体和软件一样，存在与大数学模型相结合的无数可能，是大数学模型的又一个具备多样的破冰应用应用领域情景的方向。
小度开始做手机，天猫恶魔做隐形眼镜，背后是对智能化终端发展不同的思路天猫恶魔demo的问世，也意味着大数学模型步入了应用软件应用领域之外的情景，这无疑标志着AIGC硬体会逐渐走入更加个性化的、随身携带的横向使用情景中大数学模型不应厚B薄C
大数学模型应用领域，我们还在朝着OpenAI紧随慢赶，而已在商品化应用领域，国内玩家的步伐明显更快在今年4月到5月间的大数学模型井喷期，一众改投者在公布了自家大数学模型的同时也得出了商品化破冰的方向就现阶段上看，国内大数学模型非主流的商品化方向有两种：其一是以通用型大数学模型为底座，网络连接如今多样的移动互联网应用应用领域自然生态；其二是根植某个垂类自然生态，以特定的具体情景中产出的高质量统计数据作为大数学模型的“不断涌现”潜能的养料。
而已在现阶段已申明的多条方向中，B端情景占据多数这其实并不奇怪，面对不断涌现潜能“大力出奇迹”的特点，大数学模型训练往往耗资甚巨，破冰的想象也整本在重资产投入下，选择在统计数据积累更厚、应用应用领域更成熟的横向应用领域破冰，可以快速步入自我造血的动态平衡。
而且，如果考虑成本回收和变现难题，付费潜能更强的B端自然是首选比较典型的是，仅4月期间，多家大数学模型宣布网络连接办公设备情景，如协同办公设备、办公设备副手等但穆萨的野心却不止于此，B2C起家的深刻烙印，让穆萨在大数学模型的商品化破冰中将C端放在了与B端相等的位置上，借助已有的音视频可视化基础，早在通用型大数学模型记事千问问世前便以天猫恶魔音视频副手为媒介，如前所述演员“鸟鸟”的类GPT应用应用领域。
相比于需要“调教”的通用型大数学模型和偏重B端应用应用领域的垂类大数学模型，网络连接大数学模型的天猫恶魔demo可以应对更繁杂的可视化情景，全力支持如前所述人类文明反馈进行强化学习当人类文明询问一个难题（Query）时，天猫恶魔demo会首先经过猫耳算法将其转换为文本，随后通过大数学模型产生个性化的谈话回复，最后再到个性化的音视频合成得出回答。
整个过程还有Multi-Turn谈话系统来全力支持，确保低传输速率、全力支持数轮谈话和随时打断而已在转交并认知rap讯号的时候，天猫恶魔demo还是出现了语义认知错误的难题而且实际测试非常日常且贴近生活，对于繁杂难题的处理可能还没到位。
更值得一提的是，天猫恶魔demo所展示出的智能化可视化水平并非如前所述模块量在十万亿以上的记事千问大数学模型，而是如前所述相对更小、在外界看来是作为通用型大数学模型“知识蒸馏”的中小数学模型资料显示，天猫恶魔网络连接的个性化大数学模型在模块规模上是亿左右到十亿左右，通过针对消费情景的不断微调和强化学习，以低于行业标杆OpenAI研究的不断涌现模块标准做到了近似千亿左右大数学模型的生成水平，在计算资源消耗大幅降低的同时兼顾了清晰的商业模式。
这是国内大数学模型进一步有效控制大数学模型成本的“个性化”尝试虽然不断涌现潜能原理的面纱还是未能揭开，但天猫恶魔demo的出现显然是大数学模型训练路线中的一次有效探索至于商品化的破冰，天猫恶魔demo也是业内难得的面向消费情景的大数学模型应用应用领域。
无论是移动互联网应用应用领域中催生的多元化平台自然生态，还是区块链应用应用领域催生的NFT、数字藏品，面对新生事物，C端用户往往付费意愿更强造成这一现象的根本原因在于决策人，B端的决策人往往是企业领导、采购部门，他们并非产品的直接使用者，而且需要考虑成本、预算、适用性等多个维度，而C端的决策者是自己，不仅更容易在大数学模型的认知焦虑下驱使付费，决策相对非理性，而且成交周期短，更容易步入自我造血的循环。
而已在类GPT应用应用领域中，C端用户由于GPT锁区而苦于没有破冰产品可以使用和新体验，如今问世的大数学模型又将商品化重心落脚于B端至少现阶段，穆萨的天猫恶魔AIGCdemo选择了人数相对少的方向，而且破冰的想象也足够多样。
贴近生活的“无感”既然个性化大数学模型和智能化终端的结合是一个多样、有破冰应用应用领域情景的方向，为何却鲜少有人尝试？这一难题的答案或许能自元宇宙的前车之鉴中探求和元宇宙风口相似，大数学模型的应用应用领域同样存在不同企业的认知基础上分化出的不同方向。
而已曾经的元宇宙却无法为消费者带来足够沉浸的新体验，而大数学模型却具备这样的潜力以如今大数学模型基本的NPL文本生成为例，我们仅需要登录大数学模型的入口，输入难题指令即可快速获得回答，而元宇宙所追求的沉浸式赛博空间，于消费者而言不仅缺乏硬体设备全力支持，同时以现阶段公用网络带宽连云游戏都难以cover的情况，大量消费者共处在某一个赛博空间中娱乐、生活的愿景只能停留在春秋笔法中，难以破冰。
而已现阶段多数大数学模型也而已达到了消费情景的初步需求在消费情景中，用户需要和追求的是“无感”的使用新体验，即要求更多具有沉浸感的可视化能够在无意识的情况下自然下发生通常，“沉浸感”的说法常常出现在游戏、XR等偏重虚拟现实新体验的应用领域，而在在大数学模型需求的多模态可视化语境下，沉浸感自然可以进一步解释为”无感”的可视化方式。
”简单来说，即使做不到像3A大作一样呈现光怪陆离的世界以供新体验，也需要像我们日常出行中会无意识地打开天气APP看看天气，打开打车软件叫个车仅需简单对比使用新体验便不难看出，现阶段对C端用户的“无感”新体验上，大数学模型玩家们的功力还远远不够。
即使是被业内奉为标杆的ChatGPT，用户在付费使用时也需要经历解锁设备、打开网页、输入对应难题三个环节，期间还需要不断通过prompt来获取想要的内容至于当下越来越多的、配备在某个应用应用领域自然生态的大数学模型，则与曾经的元宇宙应用应用领域相似。
由于不能抢了平台原生应用应用领域的“风头”，往往需要用户在平台自然生态中找到入口，相对网页媒介更加麻烦换句话说，假设将大数学模型步入我们日常生活的状态称为 AI 2.0 ，如今的应用应用领域新体验充其量是 AI 1.5 这样的仪式化过程就像早期的互联网，个人计算机只能通过电话线和网络交换器核心进行连接，并使用modem将电话线传输的300HZ到3400HZ的模拟讯号波形转换为计算机可以处理的讯号，因此彼时也将上网戏称为“冲浪”。
这样的繁杂流程天然与消费情景相悖，即使大数学模型能凭借优异的工具特性牢牢抓住老板和打工人们，也难以融入我们的日常生活之中与之相比，以智能化硬体为入口反而是大数学模型网络连接日常消费情景的一记“妙手”贴近生活才是未来如果将时间回拨至两年前，那时无论是智能化穿戴设备还是大数学模型，都不会想到今天两者的结合。
彼时大数学模型而已在NPL（自然词汇处理）、CV（计算机视觉）两条AI赛道爆发后的科研尝试，以穆萨为代表的头部大厂将模块量卷到10万亿左右别时，缺乏明确的商业方向和巨大的INS13ZD投入让大数学模型止步于研究阶段而智能化穿戴设备同样也走进平台期，相对普通用型户而言稍显鸡肋的多样机能与品牌溢价让增长愈发乏力，改投者不得不将目光放向对健康机能更为重视的中老年市场。
此外，两者更大的相同点在于技术存在实际冗余由OpenAI测算出的大数学模型不断涌现规模是百亿左右，可2021年，国内的大数学模型的模块已经卷上10万亿以天猫恶魔demo为代表的智能化隐形眼镜所需的骨传导、算法、发声单元或是其他智能化穿戴设备的技术机能也日趋成熟。
而更能体现技术冗余的，则是两者在应用应用领域形式上迟迟难以发生变化随着时间的催化，技术上冗余会不断汇聚，由此也有可能迸发出新的应用应用领域形式而已业务方向的尝试多种多样，当局者迷才是一众先行者的众生相例如令曾在3G时代大力发展视频通话业务的运营商始料不及的是，该业务会在4G时代步入寻常百姓家。
回到天猫恶魔一系列大数学模型测试之上，我们缘何判断这将是一条可行方向？因为就现阶段而言，demo作为新型应用应用领域形式已经达成了使用新体验的跃进其一是智能化穿戴设备所预设的实现用户信息可视化、人体健康监测、健康放松及生活娱乐等机能都可以在音视频这一模态的输出下得以触达，其二是大数学模型也能借由消费品媒介步入我们的生活。
这条方向的终点，是人人都能拥有钢铁侠的贾维斯（漫威漫画中的强人工智能化）穆萨巴巴集团首席执行官张勇在4月的穆萨云峰会上说的“所有产品都将网络连接AI大数学模型”所言非虚而已根据实测结果，天猫恶魔demo距离破冰还有一段不小的距离。
在个性化大数学模型的训练中采用亿左右模块，也可能商品化成本管控之下的结果，但这并不妨碍demo作为行业的一次有效创新大数学模型的破冰方向无数，如果大数学模型确是一次堪比第二次工业革命的浪潮，那么率先亮出“灯泡”以“先声夺人”，不知这是否是一件好事。
