展会信息港展会大全

对话第四范式戴文渊:大模型已到回归商业本质的时候,要算得清经济账
来源:互联网   发布日期:2024-08-16 07:25:47   浏览:5187次  

导读:腾讯科技作者 郭晓静 8月15日,第四范式公布2024上半年业绩,总营收人民币18.67亿,同比增长27.1%;毛利润人民币7.90亿元,同比增长12.1%。在保证高研发投入的基础上,继续保持清晰减亏趋势,上半年研发投入人民币8.50亿元,研发费用率45.5%;经调净亏损额同...

科技新闻作者 郭晓静

8月15日,第四范式公布2024上半年业绩,总营收人民币18.67亿,同比增长27.1%;毛利润人民币7.90亿元,同比增长12.1%。在保证高研发投入的基础上,继续保持清晰减亏趋势,上半年研发投入人民币8.50亿元,研发费用率45.5%;经调净亏损额同比收窄4.0%,经调净亏损率同比收窄至9.0%。

营收增长,且亏损率继续收窄,在这个业绩背后,第四范式在大模型爆发至今,究竟是如何去思考大模型落地产业发展的逻辑?在业绩公布当天,第四范式创始人兼CEO戴文渊与包括科技新闻在内的媒体进行了深度交流,并回答了媒体提问。

第四范式创始人兼CEO戴文渊

戴文渊表达了如下观点:“AI大模型在发展初期可能不强调经济,因为那是创新阶段,但随着发展会逐渐回归商业本质,业务最后一定是投入小于等于产出。企业会关注是否需要大模型,以及大模型的成本与产出是否匹配,会思考投入成本是否带来足够产出,以及选择何种模型最有价值,而不是盲目追求大语言模型。”

以下为对话内容精编:

Q:AI 大模型落地应用的难点在哪儿?第四范式新产品模式是否具备这个潜力,来解决这个难题?另外,国内很多公司上线了 AI 生视频模型,不知道您对这方面的应用有没有关注?

戴文渊:AI 赋能产业,关键在于关注价值。当前对于 AI 赋能产业存在不同意见:一方面,对 AI 落地价值存在争议;另一方面,看到 AI 新技术不断涌现,认为未来空间广阔。就前者而言,大语言模型在各行业落地时,在很多行业并非解决核心问题的工具。比如大语言模型通常落地的客服、知识管理等方向,在金融、零售、能源等行业并非核心场景,这引发了对大语言模型价值的反思。

实际上,AI 或大模型在产业端落地不应局限于大语言模型。对于金融机构,风控模型可成为大模型;对于零售企业,供应链也可成为大模型。若用大模型技术为企业提供高价值服务,可看到巨大价值。以 3 月份发布的先知 AIOS5.0 为例,我们强调的不是大语言模型统治一切,而是对于任意 X 模态的大模型,如何用大模型技术构建并解决企业核心问题。

具体来说,以我们覆盖的核心行业为例,金融行业要预测的不是下一个字,而是下一份信用报告;健康管理要预测的不是下一个字或下一帧画面,而是下一份体检报告。大模型技术可解决这些问题,不必局限于大语言模型。

在垂直大模型和人工智能+领域,我们深耕十年,积累丰富,知道如何用 AI 技术帮助行业解决核心问题,同时注重降低门槛和成本,助力企业在大模型落地过程中实现更好的投入产出比,这是对第一个问题的回答。

对于第二个问题,视频模型代表着 AI 的生产力和能力。随着 AI 能力不断增强,可生成越来越好的视频和多模态大模型。但当这个能力应用于产业端时,我们需要关注生成视频是否为产业端的核心问题。并非生成视频不够厉害,而是对于不同产业,其价值不同。比如对于零售企业,生成视频可能不是最核心问题,但也可能是。我们一直致力于优化技术与产业核心价值的匹配。

Q:类似于阿里的大厂投资了很多企业,这些企业募集了很多资金,也聚集到行业 2B 板块,是否会对第四范式产生影响?目前做 AI 的企业这么多,未来在这个行业是否会出现洗牌?第四范式怎么应对现在的竞争?

戴文渊:我们不必担心大厂投资的这些企业,因为他们通常投资的是大语言模型公司、视频或多模态公司,绝大多数并非垂直于行业的 AI 公司。具体到行业问题层面,绝大多数行业的核心场景与大语言模型以及视频模型都没有关系。比如,如果想知道客户下一份信用报告,没有一个大语言模型或视频模型能够解决;同理,如果想知道下一个月的体检报告,也没有大语言模型可以做到。实际上,我们一直向行业客户强调,大模型不是单纯的大语言模型,任意场景、任意模态数据都可以成为大模型。比如在健康管理领域可能是体检报告大模型,金融行业可能是信用报告大模型。所以,这些企业之间的竞争虽激烈,但暂时不在我们所涉及的领域。

Q:本季度营收增长 60%,高速增长的原因是什么?这个模式能不能持续下去?

戴文渊:增长一方面来自客户的留存。另一方面,去年我们推出了范式生态,将先知能力与合作伙伴的产品研发能力相结合,助力合作伙伴产品实现智能化改造。同时,在他们销售产品时,我们先知的收入也得到进一步提升。这是目前维持先知高增长的重要驱动力,我们对未来持续增长也非常乐观。如果关注我们现在产品的迭代和新的产品发布,上半年通过先知 Inside 的模式推出了 30 多款不同产品,我们有信心未来产品推出速度会越来越快,这也是未来能够持续高增长的重要原因。

Q:我们注意到本次公告提出了人工智能技术的产品化,上半年第四范式推出了 30 多款产品,是创新的 AI 应用形式,请问戴总这种模式对第四范式和行业的价值是什么?

戴文渊:感谢提问。首先看对行业的价值,我国有很多创新企业,每天研发各种产品解决客户问题,但可能受限于技术能力,无法将产品 AI 化、智能化。第四范式通过先知 Inside 模式,可将先知能力集成到客户或合作伙伴的产品中,如数字人产品、视频营销产品等。这些企业产品能力好,知道客户和市场在哪里,但不一定有好的 AI 能力,我们可为其提供 AI 能力。对于第四范式来说,产品化能力也需借助市场或生态的力量。没有哪家公司能做所有产品,通过生态力量,我们可找到细分赛道的合作伙伴,在为他们输出 AI 能力的同时,我们的 AI 也被带到各个细分场景,实现双向赋能,为双方提供价值。

Q:怎么解决行业大模型落地应用,目前它走到了哪个阶段?这个行业里面第四范式处于什么生态位?

戴文渊:AI 落地过程中,价值和经济都很重要。新技术出现初期可能不强调经济,就像去年大多数大模型落地经济账算不回来,但那是创新,不必完全看投入产出。随着创新发展,会逐渐回归商业本质,业务最后一定是投入小于等于产出。现在不能说 AI 大模型已完全回归商业逻辑本质,但正逐渐回归。此时,企业会关注是否需要大模型,大模型成本高,会思考投入成本是否带来足够产出,以及选择何种模型最有价值,是不是落地的真的是大语言模型。现在越来越多行业客户回归理性,思考商业逻辑本质问题。

我们一直关注的不是用一个模型解决所有问题,若一个模型能解决很多问题,会非常大,应用成本也很高。对于企业来说,核心场景只需解决少数问题,同时要求好的投入产出比。这恰恰是第四范式所擅长的。我们并非从今天才开始做垂直大模型或 AI+,从创业第一天就强调做核心应用场景,提升企业核心竞争力。我们在这个领域深耕十年,自 2018 年在垂直 AI 赛道上,根据 IDC 分析,一直处于市场份额第一。所以,我们占据不错的生态位,希望持续维持领先优势,为客户和行业输出核心价值。

Q:各位好,有三个问题,首先是第四范式上半年的终端用户和标杆用户的数量是否有所增加?在不同行业的拓展情况是如何的?有没有重点突破的?如果有的话,有没有具体的合作案例或者成果分享一下呢?第二个问题是关于提到先知平台升级到了 5.0 版本,它对于公司财务增长起到了重要作用,请分享一下它的新的特性和优势,以及它是如何帮助企业客户解决实际的业务问题的?第三个是随着大模型像刚刚戴总提到的发展趋势,公司是如何看待在各行业在人工智能技术应用方面的需求和变化?根据这个需求变化我们将会怎样调整业务从而更好满足市场需求,以及未来在行业拓展方面的一些具体规划。

戴文渊:上半年公告显示,总体用户数是 185 个,标杆用户数是 86 个,其中 20%是新增客户,80%是老客户。标杆用户平均收入较去年明显增长,从 905 万增长到 1148 万,增速将近 27%。新增标杆客户主要分布在智能制造、能源电力和金融等行业,体现了我们的业务拓展战略。我们渗入到了 14 大行业,巩固了能源、金融等传统优势行业,同时在智能制造、医疗等新行业拓展,智能制造行业新增标杆用户数量很多。例如在能源电力支持供应全链条数字化转型和数据算力中心基础设施建设等方面。

总体上,我们将继续保持战略,稳步提升多元化客户黏性。关于先知平台 5.0 版本,先知平台一直致力于构建垂直大模型。垂直大模型基于特定场景和特定模态数据,可能是体检报告大模型、信用报告大模型或设备运行报告大模型等,本质上是预测下一个 X。与大语言模型预测下一个字、视频模型预测下一帧画面不同,我们把下一个 Token 更加泛化。比如金融机构预测下个月信用报告,健康管理机构预测明年体检报告,能源企业预测设备未来两小时运行报告。我们致力于构建一个平台,帮助企业从零开始搭建任意模态的大模型。

需要强调的是,我们的模型不是基于某个大模型底座精调出来的,不同模态的模型无法精调。我们要构建任意模态的基础大模型,底座大模型,赋能企业。我们在这个领域深耕十年,有很强的先发优势和技术壁垒。

从应用端看,今年趋势更加理性,企业更关注大模型技术如何创造价值,形成更好的竞争壁垒。国家年初提到的人工智能+非常好,企业应找到核心场景,如金融机构的风控、零售企业的供应链、能源企业的设备运维等,用 AI 加上核心应用场景所产生的数据构建垂直大模型,提升企业核心竞争力,这也是我们一直布局的方向。

Q:先知平台推出了先知 Inside 模式,这对公司和生态伙伴之间的合作模式有没有什么影响?具体的业务价值体现在什么地方呢?

戴文渊:这拓展了第四范式的产品边界。过去我们擅长 AI 开发平台产品,与生态合作伙伴打造各行各业的解决方案,合作伙伴多是风控、供应链等解决方案型公司。我们过去不太做垂直类产品,如数字人产品、营销产品、智能质检产品、穿戴设备产品等。实际上没有哪家公司能做所有产品,我们也是产品公司,但定义的产品更多是平台类产品。

先知 Inside 模式解决了第四范式推出各行各业垂直类产品的问题,我们需要借助合作伙伴的产品研发能力,同时为他们提供 AI 能力,实现双方各取所需、双向赋能。基于此模式,上半年打造了 30 多款垂直类产品,我们非常有信心并将继续加速,看好这个模式成为第四范式未来持续快速增长的重要驱动能力。

赞助本站

人工智能实验室
AiLab云推荐
推荐内容
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港