大模型的下半场：Agent、多模态、通用机器人

新知榜官方账号

2023-09-30 22:02:50

大模型的上半场

全球开卷中国所有的人，不管是CEO还是产品经理，都有一种极度的焦虑感，觉得大模型要颠覆自己公司，或者颠覆自己的职业。我们快速回忆一下大模型发展的时间线：2020年6月，GPT-3的出现是转折点。因为在GPT-3之前，所有的人工智能的技术都是专用系统或者专用任务的，模型不通用。当时，GPT-3是第一个让我们觉得它是有可能做成通用人工智能的一个系统。我可能是中国最早一批关注到GPT-3的人。

2023年3月，GPT-4发布，它让我们看到了AGI的火花。GPT-4演示了多模态，但今天我们也看到ChatGPT没有在多模态上做出很多事情。但之后发布的AutoGPT，激发了大家对Agent落地的热情。因为它可以变成一个自主规划，自主推理，自主执行任务的一个系统。2023年7月，出现了另外一个系统RT-2。很多人觉得它跟大模型没有什么关系，但我认为这个非常大的一个革命，它让我们看到了大语言模型的跨模态知识迁移以及通用机器人的可能。

在ChatGPT之前，我们都觉得Google是AI的王者。但是ChatGPT之后，你就感觉Google怎么这么不能打，完全连自信心都没有了。之后，我6月份又去谷歌聊天，发现他们重新找到了信心，而且很多产品有了规划。从竞争上，Meta的人才非常厉害，但过去几年，扎克伯格陷入在元宇宙的深坑，当ChatGPT发布后，立马AllinLlama，成为开源大模型的扛把子。

大模型的下半场

Agent

大模型的下半场，要动真格了，所以接下来我分3个部分来讲：Agent；多模态；通用机器人。Agent，强调的是具有自主想法，自主规划去完成一个任务。我们可以理解成自动驾驶。前面提到ChatGPT最终要产生各行各业的应用的话，一定是要通过Agent或者Copilot的方式去落地。比如，在场景里面落地，每一个场景都有独特的东西，这个时候，你这个Agent需要有很强的对环境的动态的适配能力。如果不能自动适配，每一个环境，每一个场景都要去做定制，商业模式都是很糟糕的。

多模态

刚才多次提到幻觉，这种多模态的可学习的Agent能够对环境自动适配，这可能是解决幻觉的一种方式。多模态是一种Grounding（基础训练），让语言构建的虚拟世界和物理世界连接起来，也是接地气的有效途径，可以降低大语言模型的幻觉。大语言模型不只是一个语言模型，更是一个认知模型。有了好的认知模型，只要加入少量数据就能有多模态能力（比如视觉、听觉、动作）。

通用机器人

2023年7月，谷歌DeepMind宣布推出RT-2：全球第一个控制机器人的视觉-语言-动作（VLA）模型，机器人也能直接像ChatGPT一样操纵。比如，你说把草莓放在跟它相似的水果盆子里，它就知道放在哪个盆子里，它知道苹果和草莓是两回事。这是一个革命性的东西，它代表了一种大语言模型的知识迁移的能力，从互联网上学到的知识，可以迁移到一个非常具象的机器人的动作里。

巨头共识内卷之下，创业公司还能怎么玩？

我觉得纯粹的做模型，在中国会很艰难的，不管你的模型多厉害，多少人用，其本身商业模式还是比较艰难的，可能也没有什么壁垒。如果能有自己的应用场景和模型，并形成数据飞轮效应，那是最好的壁垒。所以，要问自己一个思考问题：我为什么要拥有自己的大模型？如果你找不到这样的理由，你做模型就是在浪费钱，因为开源的模型可能比你投很多钱做模型训练要好。但是如果你能找到一个理由，确实需要有自己的模型，这个是很有价值的。

AI公司可以服务SMB或者PC。ToPC可以避免传统ToB的项目制，也可以避免跟ToC互联网巨头竞争停止增长的流量。但ToC需要客单价足够平民化（年千元或万元级别），产品体验足够闭环简单，真正为用户提升效率或创收。

最后的话

大模型上半场，大家都很慌，每天学这个、学那个，没有一个主心的灵魂。下半场，很多人需要找到自己的一个灵魂，比如你到底要做什么？你最后希望建立什么样的壁垒？你希望建立什么样的商业模式？

本页网址：https://www.xinzhibang.net/article_detail-14574.html

寻求报道，请

关键词

大模型 Agent 多模态通用机器人李志飞 AI新视野

分享至微信：

相关工具

Jenni

AI研究文章和博客写作辅助工具

易撰

新媒体AI内容创作助手

Compose AI

免费的Chrome浏览器自动化写作扩展

Texta

AI博客和文章一键生成

Typeface AI

AI创意内容创作助手

火龙果写作

AI驱动的文字生产力工具

三个国外专业免费的调色网站

三个国外专业免费的调色网站无论制作视频、编辑图片，合适的色彩会让你的作品增加视觉冲击力，所以专业的调色技术价值非凡，一部电影或一部好的视频、图片海报，专业调色耗费少则上万，多则上百万，只是大家对专业调色这个行业知之甚少，今天网玩君就为大家分享三个国外专业免费的调色网站，记得收藏好，以后编辑视频、图片

分类标签调色网站免费

04-18 16:42

电影制作中的纹理技术

纹理在电影制作中的重要性纹理是指将详细的表面特征应用于3D模型或视觉效果元素，使其看起来更逼真。纹理对于创建视觉上引人入胜且可信的电影场景至关重要，尤其是涉及CGI、动画或特效的场景。纹理还支持叙事和讲故事，可以通过纹理设置年龄大小等属性，为故事奠定基础。纹理技术的发展历程自胶片问世以来，电影制作人

分类标签纹理电影制作CGI视觉效果微缩模型UV映射

04-18 16:42

UnrealSynth虚幻合成数据生成器-NSDT

UnrealSynth虚幻合成数据生成器-NSDTUnrealSynth基于UE5虚幻引擎开发，可用于生成合成数据集，包括图像和标注数据。可用于各种行业细分场景中目标识别任务的实施效率提高。UnrealSynth合成数据工具包内容UnrealSynth基于UE5虚幻引擎开发，目前支持YOLO系列模型

分类标签 UnrealSynth虚幻引擎数据合成YOLO模型深度学习训练数据

04-18 16:42

人工智能与音乐：谷歌的Project Magenta

谷歌的Project Magenta利用人工智能技术生成音乐和其他艺术形式，如素描、视频和笑话。该项目的目标是为人们创造新的交流方式。本文介绍了该项目的背景、发展历程和应用。在上世纪90年代中期，谷歌研究院的Douglas Eck就开始了他的人生目标：融合人工智能与音乐。二十年后，他与一支谷歌研究团

分类标签人工智能音乐谷歌

04-18 16:42

如何做好SEO优化？

如何做好SEO优化？想要做好SEO优化，得从站内优化和站外优化两个方面入手。一、站内优化1.关键词定位和分析关键词整理是SEO优化中的核心工作，一旦定下来就不建议再次去更改。站长始终要记住关键词一定要和行业、产品、领域息息相关，同时还可以参考竞争对手所做的关键词，可以利用站长工具、5118、爱站网、

分类标签 SEO优化关键词定位网站架构布局

12-11 08:19

万兴科技：营收实现稳健增长，拥抱AIGC新机遇

万兴科技：营收实现稳健增长，拥抱AIGC新机遇国元证券股份有限公司耿军军近期对万兴科技进行研究并发布了研究报告《2022年年度报告点评：营收实现稳健增长，拥抱AIGC新机遇》，本报告对万兴科技给出买入评级，当前股价为75.24元。万兴科技(300624)事件：公司于2023年4月7日收盘后发布《20

分类标签万兴科技营收增长AIGC

12-11 02:11

AI分身市场潜力巨大，万兴科技、京东等已率先布局

“AI孙燕姿”和“CarynAI”引爆市场最近，“AI孙燕姿”和“CarynAI”以以假乱真的程度引爆市场，都是通过采集本人的语音、文字、图像等素材，并通过开源的生成式训练模型进行训练而成。其中，“CarynAI”成功地借助AI技术，打造了自己的AI分身，通过付费的方式，跟AI版的自己进行交往，预计

分类标签 AI孙燕姿CarynAIAI分身AIGC技术虚拟主播数字人

12-11 02:10

万兴科技推出名师必备讲演神器“万兴智演”

万兴科技推出名师必备讲演神器“万兴智演”9月8日，万兴科技面向泛知识领域，推出名师必备讲演神器“万兴智演”。该款AI演示新品集成强大的AIGC能力、精美的行业课程模板以及动画特效素材，大大简化课件制作过程。同时，产品内置强大的录制、直播功能，通过真人实拍与演示内容相结合的形式，实现人景融合的实时演示

分类标签万兴科技万兴智演AI演示

12-11 02:09

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲

万兴科技创始人吴太兵在2023互联网岳麓峰会上的主题演讲2023互联网岳麓峰会论坛上，万兴科技创始人、董事长兼总裁吴太兵进行主题演讲。红网时刻新闻记者郭雅倩甘红长沙报道十届、十年，岳麓峰会从2014年的“湖湘汇”到如今云集万人的盛会，积攒了巨大的关注度和影响力。6月19日，2023互联网岳麓峰会在长

分类标签万兴科技吴太兵岳麓峰会

12-11 02:05

樟宜机场：通过科技改变旅客体验

樟宜机场：通过科技改变旅客体验樟宜机场在智能手机上移动的小红点代表了在机场上空飞行的飞机，通过传感器的追踪获取了相关飞行轨迹。机场通过人工智能、面部识别和数据分析等技术的应用，不断提高机场运营效率，保持创新，致力于成为一个旅客体验更佳、充满活力的目的地。人工智能优化机场运营效率樟宜机场在2017年共

分类标签樟宜机场科技旅客体验

12-10 22:16