機器之心原創(chuàng)
對于 AI1.0 時代的企業(yè)來說，他們關注大模型的成功，其實是關注背后基礎算法的作用，將基礎算法和先進理念應用到自己服務的行業(yè)和產品當中。對于創(chuàng)新奇智來說，平臺固然重要，但長遠來看，面向行業(yè)的縱深更為重要。
ChatGPT 熱潮持續(xù)不斷，一場接一場的密集發(fā)布事實上都在回答同一個問題：
ChatGPT 來了，跟還是不跟？如果跟，怎么跟？不跟，又意味什么？
4月13日，中國最大的「AI+制造」解決方案供應商創(chuàng)新奇智在其位于中關村的公司會議室舉辦了一場媒體溝通會。公司 CEO 徐輝詳細介紹了2022年財報業(yè)績高速增長的驅動力以及公司 AI2.0 時代的戰(zhàn)略布局。會上，面向制造領域的 AIGC 產品「奇智孔明」 AInnoGC 也首次亮相。
在現場實時操作中，我們與「奇智孔明」圍繞智造實訓、工業(yè)軟件兩大主題展開對話，后者還小露了一手樣本生成能力。
目前「奇智孔明」仍處于內測階段。公司明確表示，「奇智孔明」主要面向以制造業(yè)為主的垂類場景，實現更多 2B 的商業(yè)化需求。
AInnoGC，中文名叫「奇智孔明」，是一個以工業(yè)預訓練大模型為核心的生成式 AI 工程算法引擎，能夠生成高質量的垂直于行業(yè)（或企業(yè)）的內容，也是創(chuàng)新奇智第一款 AI2.0 產品。
我們希望通過這個算法引擎將生成式能力帶到產品解決方案中，讓不同細分行業(yè)（或企業(yè)）都擁有自身數據的 AI 生成能力，創(chuàng)新奇智 CTO 張發(fā)恩說。
創(chuàng)新奇智的人工智能技術棧。目前 AInnoGC 是規(guī)劃在 cloud 上的技術組件或者是技術引擎。MMOC 是一個軟件平臺，算法可以插進去，因此，AInnoGC 目前定位是 on cloud。
圍繞制造業(yè)打造的產品解決方案通?？梢苑譃閮深?。一類涉及產線運營效率提升，比如工業(yè)質檢。
另一類叫做企業(yè)信息智能，信息和知識密度比較大，也和結構化數據有關，非常適合大模型的應用。我們現場測試了「孔明」的兩個主要能力——智能實訓和工業(yè)軟件——都屬于這類情況。
先來看看智能實訓。我們先站在培訓老師的角度，要求「孔明」準備一份為期三天的汽車廠家的培訓大綱，完成速度很快，內容安排老練周到。
接著，我們又改變主意，希望將培訓方案時間改為七天：
制造業(yè)雖然積累了很多數據，但傳統(tǒng)工程師通常不會寫程序利用這些數據。如果工程師想知道如何使用人工智能方法實現機車尾部和吊鉤識別，問問「孔明」就知道了：
如果想不起實現目標檢測的代碼，「孔明」也能幫上忙：
新入職的新手工人也可以通過自然對話更快了解工作相關的內容：
除了智能實訓，在工業(yè)軟件方面，「孔明」能夠做些什么呢？
目前國內工廠的數字化已經達到一個比較高的水平，每一項生成步驟都有相應的數據產生并且記錄再工業(yè)軟件上，比如業(yè)務數據、物流數據、管理數據、財務數據等等。但數據越多并不意味著洞察業(yè)務更方便，現在，僅憑對話就能立刻獲得不同管理者想要的表格，節(jié)省了大量配置報表的工作。
你看，要求「孔明」生成某工廠 2022 年員工出勤率與離職率的統(tǒng)計表格，它也做得不錯：
目前，智能實訓和工業(yè)軟件的應用正處在客戶 POC 階段。除此之外，我們還嘗試用自然語言讓「孔明」生成一張硅片瑕疵圖片樣本，結果，也成功了。
我們測試過，據張發(fā)恩介紹，新生成式算法生成的圖片比利用對抗生成網絡生成的圖片，在泛化性和多樣性方面都會好很多。通過擴散模型生成樣本的效率也更高一些。
仔細觀察，不難發(fā)現這兩個應用場景的選擇都非常巧妙。
比如，智能實訓的經濟效益和社會效益都很好。大學生畢業(yè)進入企業(yè)需要接受培訓，資深產業(yè)工人另謀就業(yè)或者轉型也需要接受新的職業(yè)培訓。傳統(tǒng)工程師也要與日益普及的軟件打交道，了解編程知識。對于模型來說，這種不受時間、地點限制，可 7×24 小時交互意味著源源不斷的反饋和數據供給。
這些數據不如產線上的數據要求嚴苛，對于培訓來說已經夠用。實訓場景對生成結果也有一定包容性。隨著閉環(huán)的形成，數據反哺并不斷提升模型能力，平臺越來越精準，累積的數據也會逐漸變成信息資產。
工業(yè)軟件也是。將 ERP、MES 等不同業(yè)務系統(tǒng)的數據拿出來，根據不同的人的關切程度按需生成各種分析報表，輔助決策，同時也是在做數據和信息資產的積累。
精選兩個場景，切開入口之后，公司還會一步步往外推開。創(chuàng)新奇智認為 AI 生成內容能力在很多工業(yè)場景中有大的發(fā)展空間。比如，樣本甚至標簽生成、站在工廠規(guī)劃角度，智能產線設計、自動排程等也有很大的潛力。
公司的產品貨架上過去有「軟硬兼施」，有運營效率，未來還有信息智能甚至更多，這樣一個全方位的管家服務，將幫助公司更加深度地黏住企業(yè)客戶。
據介紹，技術路徑上，計算機視覺和自然語言處理技術其實同宗，創(chuàng)新奇智的工業(yè)預訓練大模型也使用了 Transformer 架構。
可以確定的是，面向行業(yè)和面向客戶的預訓練大模型會成為一個必然需求。張發(fā)恩也反復強調，參數數量不等于模型能力，模型的規(guī)模大小并那么重要，重要的是模型的能力。
如果說 ChatGPT 是一個受過大學教育、具備通識知識的人，那么，他要在智造領域有所作為，還要接受專業(yè)培訓。創(chuàng)新奇智的工業(yè)預訓練模型更加面向 B 端制造業(yè)，領域知識體量沒有通識那么大，目前也不需要比肩通用大模型的參數規(guī)模。
我們會更加關注服務和經濟效益上的能力，我們會更加務實。張發(fā)恩說。
在大家頗為關心的算力問題上，雖然公司沒有幾萬張 GPU 卡，「但我們還是有算力規(guī)模能力的，五年下來還是積累了一定數量的 AI 算力?！剐燧x在溝通會上透露。
目前，創(chuàng)新奇智也在利用一些先進技術（例如 LoRA）對算法進行優(yōu)化，讓大模型在小算力的情況下依舊可以運行。
對此，張發(fā)恩進一步解釋道，GPT3.5 有 1750 億個參數，用了幾千張 GPU 卡訓練了幾個月。但同樣規(guī)模參數的大模型，訓練精度和所需算力水平其實在快速下降。
這就像第一次做一個產品，交付周期也長，人工打造的也多，往后批量的時候，周期和成本都會往下降。技術界也是一樣，同樣規(guī)模模型能力，可能只需要原來算力的幾十分之一就能做到?！笇τ谶@一塊兒，我們相對表示樂觀，所以不去軍備競賽?！顾f。
與其一味追求模型的規(guī)模，創(chuàng)新奇智更愿意強調工業(yè)預訓模型的領域性和私有化部署，模型的成功離不開大量專業(yè)數據和 know-how 的積累。
通用的預訓練大模型，例如 ChatGPT 不能有效解決行業(yè)中大客戶對大模型的專屬需求，訓練時使用的數據也是公開的互聯(lián)網數據，大模型內部并不含有行業(yè)的或某大客戶內部業(yè)務數據知識。尤其是，對于各個細分領域的巨頭來說，數據——無論是經營數據還是生產數據（比如工藝、成分、流程）——都是公司的商業(yè)壁壘。
你很難想像華星光電或者中石油會把數據拿給別人訓練，它只會建立自己的大模型技術。因此面向行業(yè)和面向客戶的預訓練大模型，私有化部署會成為一個必然需求。
與此同時，制造業(yè)又是一個行業(yè) Know-how 極強的領域，每個細分領域都有自己的知識，在智能化過程中，每個相似的環(huán)節(jié)都需要根據對行業(yè)know-how 重新設計。這些知識是通用大模型沒法憑空生的，只有深耕行業(yè)服務的公司才能設計出針對工業(yè)的大模型。
如果說工業(yè)預訓練大模型構成「奇智孔明」的核心，那么，在它之上還有四個關鍵技術組件：Fine Tune Service、Prompt Service、Instruction Service，以及 Model Service。
比如，Fine Tune Service 代表著我們會在模型上做微調，讓模型具備能理解客戶私域信息的知識。張發(fā)恩解釋道，這些客戶的數據當然是私有的，領域的數據，訓練到一個給客戶專門部署的模型中，不會留在我們這一側。
為了加速模型迭代，Prompt Service 有助于提升企業(yè)客戶與模型合作效率，生產更符合需求的結果。
不過，不管如何強調垂類行業(yè)的大模型無法比肩通用型的規(guī)模，投入成本之大仍然不容置疑——模型大、適配困難，訓練一次的時間和電價成本都不低。這部分成本需要服務商選擇合適的對象去攤薄，這就要求產品一方面上量，另外也要有一定的購買力。
我們在創(chuàng)新奇智 2022 年財報中也找到了答案。目前，公司制造業(yè)務板塊聚焦于「鋼鐵冶金、面板半導體、3C 高科技、工程建筑、汽車裝備、能源電力、食品飲料&新材料、智造實訓 」8 個細分領域。
客戶數量也從 2021 年的 159 家增加至 2022 年的 292 家。其中，制造業(yè)的客戶數量從 2021 年的 93 家增加至 2022 年的 221 家。
創(chuàng)新奇智將年收入貢獻 450 萬以上的客戶稱為優(yōu)質白金客戶。精耕細作優(yōu)質白金客戶，是公司持續(xù)獲得客戶粘性和收入成長的重要方法。2022 年，公司優(yōu)質白金客戶收入從2021 年的 7.99 億元增長69%，達至 13.5 億元，其中，制造業(yè)優(yōu)質白金客戶貢獻的收入由 2021 年的 4.13 億元增長至 2022 年的 7.92 億元，增長比例為 92%。
事實上，公司研發(fā)「奇智孔明」的驅動力也有一部分來自客戶。ChatGPT 很好地教育了 AI 圈外的人，公司客戶會主動找到公司要求他們提供一些服務。
我們逐步研發(fā)工業(yè)預訓練模型，徐輝表示，在制造業(yè)和金融領域選擇客戶和場景，做聯(lián)合應用落地探索，利用 AIGC 去做一些更落地、切實際的應用和企業(yè)服務。希望借助工業(yè)預訓練大模型，積極開拓增量市場，更深刻地服務制造業(yè)客戶，也進一步提升為客戶降本增效的能力。
如果將 2018-2022 定義為 AI1.0，這五年來人工智能遍地開花，卻未形成真正的智慧。除了客戶接受程度有限，也因為技術部署的時間和經濟成本都比較高。
即便如此，創(chuàng)新奇智仍取得了亮眼業(yè)績。財報顯示，公司在 2022 年營業(yè)期內收入15.58億元，同比增長 80.9%；毛利額達 5.07 億，同比增長 89.7%；毛利率 32.6%，同比增長 1.6 個百分點。
「AI+制造」為公司第一大業(yè)務板塊，收入人民幣 9.48 億元，同比增長 111.2%，營收占比從 2021 年的 52.2% 提升至 60.9%。
徐輝在溝通會上表示，對公司未來業(yè)績增長表示樂觀，也堅信 AI 行業(yè)一定會走向正循環(huán)。
不過，值得注意的是，目前中國制造業(yè)的 AI1.0（以卷積神經網絡 CNN 為代表）普及率可能僅有 10% 左右，因此在未來相當長一段時間里，1.0 版本技術普及仍然是創(chuàng)新奇智營收增長的堅實支柱。
財報也提到 2023 年將積極布局 AIGC。對自己在 AI2.0 時代所處的位置，創(chuàng)新奇智一直有著清楚認知——術業(yè)有專攻，我們特別適合做大模型技術的行業(yè)應用。
面對這樣一個一半火焰一半海水的時代機遇，「我們給自己的定位是堅定去做運用大模型技術的行業(yè)應用的公司?！剐燧x說，揚己之長，做好大模型技術應用的創(chuàng)新旗幟。
而對于做平臺的那一「橫」，徐輝認為最后邏輯上會有非常先進的大模型平臺公司，中國也會有。
長遠來看，橫非常重要，未來有更多的縱深一「豎」更重要，正所謂寶劍鋒從磨礪出。
有人發(fā)明了電和冷凍技術，非常偉大，人類深受其利。但誰賺到了更多的錢呢？是那些將電和冷凍技術運用到不同場景的人，比如將電和冷凍機結合起來造出冰箱、冰柜的人。
還有誰比造冰箱、冰柜的人賺得更多呢？是可口可樂，因為它改變了人類的生活方式。
