【亿邦原创】15分钟创建一个AI应用，应用市场发布AI应用近千个，调用次数超60万次，2023年通过AIGC生成海报9.4万张，为消费者提供咨询服务超过20万次，培训prompt工程师超过370人。这是蒙牛集团2023年的大模型实践成果。
不管规模大小的企业都配备一个企业大脑，将企业的知识从每个员工的头脑中集合到企业知识库中，从静态数据变成动态知识，指挥各项繁琐任务的拆解、分配、执行，反馈。这是金山办公对大模型实践的构思。
在他们的大模型战略背后，有一个共同的大模型合作伙伴——智谱AI。
这是一家备受关注的大模型独角兽公司，背靠清华大学计算机系KEG实验室，在过去一年迭代出四版通用大模型：2023年3 月推出ChatGLM，2023年6月推出ChatGLM2，2023年10月推出ChatGLM3，2024年 1月又迭代了新一代基座大模型GLM-4。
智谱AI从2023年3月组建商业团队，过去一年，智谱AI拥有2000家生态合作伙伴，1000多家企业的规模化应用，200多家企业跟智谱进行深入的共创。
同时，智谱AI探索了四种商业模式，从最轻量级的AI调用，到最重量级的软硬一体化私有部署，满足各行各业对大模型的需求。
近来，智谱AI CEO张鹏登上央视网《望海对谈》，推出与央视网携手打造以“支持国产 赋能品牌”为核心的“人人都爱中国造”品牌助力行动。3月14日，由央视网“人人都爱中国造”品牌助力行动和智谱AI联合主办的“智领，万象新生”智谱AI媒体小型沟通会在北京举办。
会上，张鹏回顾了过去一年智谱AI的大模型发展、商业化思路以及探索出的商业化模式。
1、4种商业化模式，满足各行各业需求
热议一年的大模型到底能帮助人们做什么？
张鹏介绍，以生成式AI助手“智谱清言”为例，作为职场打工人，利用智谱清言可以进行工作汇总、优化简历、完成项目ppt框架搭建；作为学生，可以在智谱清言的帮助下辅导作业、制定复习计划、做调研课题的资料收集；自媒体人需要撰写个人账号文案、拍摄脚本、公众号创作策略时，智谱清言也能提供帮助；想要给自己设计一个个性化头像？智谱清言也能轻松产出……
大模型不仅能在日常工作中给予助力，还能在企业工作流中进行大规模部署。
张鹏透露，目前智谱AI探索出四种大模型商业化模式：最轻量级的API调用服务，基于云端的私有化方案，完全私有化的方案，以及提供国产化适配的软硬件一体化方案。
第一种，最轻量级的API调用模式。将大模型封装成API开放平台，按照API调用量付费。
第二种，云端私有化方案。部分企业希望又相对独立的数据保障措施，同时不想自己维护存储、计算等基础设施，智谱AI专门开辟基于云端算力的模型专区，让客户在调用模型的过程中该，保持数据与其他客户的相对隔离。
第三种，完全私有化部署。对于央国企及其他保密性更强的行业，可以将大模型部署在企业内部，通过企业自身的算力和技术平台开发应用，提供AI服务。
第四种，软硬件结合一体机方案。把模型和一些国产化设备进行绑定，提供软硬一体服务，免去了在客户的环境当中进行部署和调试的过程。
“结合这4种方式，我们提供了更丰富的相比于国际同行更丰富更多样化的商业化落地的方案，而这也是过去的一年当中，很多的我们的商业合作伙伴来选择支付进行合作的原因之一。”张鹏称。
2、积极推进国际化，做好新型基础设施
除了服务国内市场，智谱AI也在积极推进国际化战略。
张鹏介绍，在国际化过程中，智谱AI有两类目标客户。
一类是进入中国的国际性企业。部分外资企业进入中国，会面临监管、安全方面的要求，比如必须本土化，必须跟大陆的厂商进行合作。智谱AI已经在有条不紊地接触这些客户。
一类是中国的出海企业。智谱AI也希望努力服务中国企业出海，不管是出海东南亚，还是一带一路，智谱AI在努力帮助国内企业走向国外。
张鹏强调，“需要保持跟政府的沟通、保持跟监管部门的沟通、保持跟各行各业的企业沟通，这是我们要做的这样一个事情，也希望政府能在这方面出台更多支持，鼓励便利，来帮助我们中国企业面向国际进行拓展。”
在商业化过程中张鹏注意到，“客户认为人工智能技术一定是未来下一阶段生产力的基座，很重要的一个基座，会把人工智能这个能力作为他们整个企业或者是机构内部的能力基础来建设，所以我们可以认为它是一种新型的基础设施。”
3、AI商业化：从烟囱走向平台
智谱AI商业化能力的增加，源自大模型自身通用性和泛化性的增强。
AI行业经历了多轮迭代，从RNN（递归神经网络，1990年提出）到GAN（生成对抗网络，2014年提出）到如今的大模型，每一波AI都试图改造行业。
此前的AI四小龙立足于图片生成模GAN，即通过生成模型和判别模型相互竞争达到模型能力的增强：生成模型用于创造一个看起来像真图片的图片，判别模型用于判断一张图片是不是真实的图片，两个模型一起对抗训练，最终两个模型的能力越来越强，最终达到稳态。
而传统AI的工作方式是一个任务训练一个算法模型，且各个模型之间彼此独立。
有AI从业者告诉亿邦动力，其设备导入周期平均6 个月，单产品模型训练周期2 个月，每个项目平均要有5 位工程师驻场实施，成本在40万-100万元之间。最令他崩溃的不是写代码和调算法，而是搜集缺陷数据；搜集缺陷数据往往耗时数月，做好的模型刚跑半年，产线升级，团队又得从头开始训练模型。
张鹏认为，AI四小龙时代的机器学习，是用大数据解决小问题，落地时间长，方案能力不够，这是技术本身带来瓶颈，从而增加商业化成本，拉长交付周期。
大模型是对上一代AI技术的提升，它不再强烈依赖于标注，不再依赖具体的任务和场景，翻译能力更强，通用性更强，可以不再聚焦具体的行业，而是会遍布各行各业。
“它不是没有天花板，但这个天花板要比之前要高。”张鹏认为，“我们从一种垂直烟囱状的商业化发展路径，变成了平台型的发展模式，这有根本的不同。随着技术不断突破，商业化的场景和发展可能性会变得更多。”
作为通用AI底座，智谱AI的核心竞争力是实现了全链路自主可控。
智谱AI成立于2019年6月，源于清华大学技术成果成立，创始团队此前一直在清华大学计算机系KEG实验室工作。智谱AI自研了具有完全知识产权的预训练框架GLM， 并自建训练平台，拥有从零开始搭建平台和运维平台的能力。
目前智谱AI开源了三个版本的AI模型，ChatGLM-6B等三个版本全球累计下载量已经超过了1300万，GitHub Star星数达到5万，整个量级超过了Meta Llama两个版本的总和。
张鹏预测，2024 年智谱所面临的挑战是非常艰巨的。一方面，2024 年 OpenAI 在超级认知、超级对齐上的技术会实现新的突破，这要求智谱不断迭代技术，跟进世界领先脚步；另一方面，2024 年大模型会迎来商业化落地潮，智谱的商业化竞争压力也会加大。
张鹏引用了一句里尔克的诗，“我因预见风暴而激动如大海”，这也是智谱AI当下的写照。
文章来源：亿邦动力
