從京東離開(kāi)后，周伯文已經(jīng)很久沒(méi)有這么興奮了。

ChatGPT橫空出世攪動(dòng)乾坤，如同一聲春雷驚醒各行各業(yè)的從業(yè)者，讓他們都不約而同地聽(tīng)到，AGI走進(jìn)現(xiàn)實(shí)的腳步聲。

熱潮之下，人們看到王慧文、王小川下場(chǎng)創(chuàng)業(yè)，也看到百度、阿里虎踞龍盤(pán)。周伯文作為IBM、京東兩家大廠的AI研究院前院長(zhǎng)，研究人工智能基礎(chǔ)理論與核心前沿技術(shù)、應(yīng)用及產(chǎn)業(yè)化超過(guò)25年，早在2021年底就已創(chuàng)辦銜遠(yuǎn)科技,通過(guò)自研大模型，憑借生成式AI、多輪對(duì)話與人機(jī)協(xié)同技術(shù),幫助企業(yè)與消費(fèi)者完成人工智能新時(shí)代的產(chǎn)品創(chuàng)新和數(shù)智化轉(zhuǎn)型?！芭c其說(shuō)是我自己決定在這一領(lǐng)域創(chuàng)業(yè)，不如說(shuō)是這個(gè)事業(yè)找到了我”，周伯文形容這是必須要做的事，就像有一種使命感在催促他去行動(dòng)。

周伯文畢業(yè)于中科大，后赴美科羅拉多大學(xué)波爾德分校取得博士學(xué)位。作為原IBM Research美國(guó)總部人工智能基礎(chǔ)研究院院長(zhǎng)，在主持AI相關(guān)工作多年后回國(guó)，先后擔(dān)任京東集團(tuán)高級(jí)副總裁、集團(tuán)技術(shù)委員會(huì)主席、京東云與AI總裁、京東人工智能研究院創(chuàng)始院長(zhǎng)等職位。作為京東AI的締造者，負(fù)責(zé)京東AI的技術(shù)研究與業(yè)務(wù)拓展，從0創(chuàng)建京東AI事業(yè)部、AI研究院、京東AI加速器，打造智能供應(yīng)鏈人工智能?chē)?guó)家級(jí)開(kāi)放平臺(tái)，實(shí)現(xiàn)每天調(diào)用量從0到百億，主導(dǎo)了京東人工智能客服的技術(shù)重構(gòu)并啟動(dòng)對(duì)外產(chǎn)品化，管理著數(shù)十億規(guī)模的技術(shù)服務(wù)業(yè)務(wù)及數(shù)千人規(guī)模的技術(shù)、產(chǎn)品、市場(chǎng)與銷(xiāo)售一體化團(tuán)隊(duì)。

2021年，周伯文預(yù)判到生成式AI將在不遠(yuǎn)的未來(lái)爆發(fā)，決定離開(kāi)京東創(chuàng)辦銜遠(yuǎn)科技，致力于以通用大模型能力幫助垂直領(lǐng)域企業(yè)開(kāi)展產(chǎn)品創(chuàng)新與數(shù)智化轉(zhuǎn)型，以AI重塑商品價(jià)值；2022年，出任清華大學(xué)惠妍講席教授、電子工程系長(zhǎng)聘教授，并于同年5月創(chuàng)立清華大學(xué)協(xié)同交互智能研究中心，其研究方向與GPT采用prompt驅(qū)動(dòng)生成式AI的方式不謀而合。

ChatGPT山雨欲來(lái)，周伯文也在朋友圈發(fā)文：“我相信，中國(guó)的OpenAI需要探索一條新的道路！”豪情之下，求賢若渴。但與其他創(chuàng)業(yè)者不同，周伯文和銜遠(yuǎn)科技選擇依托數(shù)百億級(jí)參數(shù)規(guī)模與獨(dú)特的訓(xùn)練方法，讓大模型在具備通用能力的基礎(chǔ)上，更擅長(zhǎng)理解人與商品的關(guān)系，以生成式人工智能技術(shù)幫助企業(yè)重構(gòu)從商品洞察、定位、設(shè)計(jì)、研發(fā)到營(yíng)銷(xiāo)的全鏈路創(chuàng)新體系。

周伯文曾在公開(kāi)場(chǎng)合表示，他的創(chuàng)業(yè)方向是率先將人工智能與傳統(tǒng)產(chǎn)業(yè)進(jìn)行融合，為企業(yè)數(shù)智化創(chuàng)新帶來(lái)更高價(jià)值，即實(shí)現(xiàn)通用大模型在垂直場(chǎng)景的能力突破。

近日，AI科技評(píng)論記者與周伯文進(jìn)行了一次對(duì)談，以下是談話實(shí)錄，AI科技評(píng)論對(duì)內(nèi)容做了不改變其原意的編輯整理：

1、讓AI學(xué)習(xí)人類(lèi)的智慧，新的交互與協(xié)同范式

AI科技評(píng)論：ChatGPT帶來(lái)了prompt這種交互方式，您認(rèn)為相對(duì)過(guò)往的交互方式有何不同？

周伯文：我的研究方向之一就是AI和人的交互，并在交互中進(jìn)行學(xué)習(xí)。人機(jī)交互和人機(jī)對(duì)話是不一樣的，通過(guò)人機(jī)交互AI能夠在過(guò)程中能學(xué)到東西，所以這不是一個(gè)簡(jiǎn)單執(zhí)行的任務(wù)，而是一種實(shí)現(xiàn)學(xué)習(xí)的手段。

像《論語(yǔ)》中所記載的，就是孔子和他七十二個(gè)弟子在交互中學(xué)習(xí)的故事。在西方，類(lèi)似的有柏拉圖和亞里士多德的雅典學(xué)院，這些最古老的知識(shí)與智慧的傳承都是通過(guò)人與人的對(duì)話完成的，老師通過(guò)與學(xué)生的交互幫助其更好地完成學(xué)習(xí)。

舉例來(lái)說(shuō)，如果老師讓學(xué)生去倒杯一水，這類(lèi)簡(jiǎn)單的“命令-執(zhí)行”動(dòng)作很難增長(zhǎng)什么智慧；但如果換做老師教學(xué)生如何寫(xiě)論文，并告知其在寫(xiě)作過(guò)程中遇到困難該怎樣克服，這就是可以增長(zhǎng)智慧的交互，也體現(xiàn)了我對(duì)人與AI協(xié)同交互的核心觀點(diǎn)。

AI的本質(zhì)就是與人類(lèi)的協(xié)同和交互，它從交互中不斷學(xué)習(xí)，進(jìn)而協(xié)同人類(lèi)更好的解決問(wèn)題。這個(gè)觀點(diǎn)在不遠(yuǎn)的未來(lái)將愈發(fā)重要，同時(shí)也將面對(duì)技術(shù)和倫理層面的更多挑戰(zhàn)，最終想要守住底線并不容易。像大家說(shuō)的AI Alignment（AI對(duì)齊），人類(lèi)能夠把意志傳遞給AI，然后跟AI一起分解任務(wù)，讓AI在過(guò)程中學(xué)習(xí)并實(shí)現(xiàn)人類(lèi)的意志。這是一種新的協(xié)同方式，即協(xié)同交互智能。

AI科技評(píng)論：您認(rèn)為通過(guò)交互達(dá)到價(jià)值對(duì)齊是人類(lèi)大腦和GPT協(xié)同的有效方式嗎？人類(lèi)與AI應(yīng)該如何更好地協(xié)同？

周伯文：在生成式AI大爆發(fā)之后，通過(guò)與人協(xié)同交互進(jìn)行學(xué)習(xí)的AI會(huì)越來(lái)越強(qiáng)。

2002年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主丹尼爾·卡尼曼在暢銷(xiāo)書(shū)《思考，快與慢》（Thinking Fast And Slow）中提出人的思考有兩種模式——系統(tǒng)1和系統(tǒng)2，系統(tǒng)1是快思考、直覺(jué)判斷；系統(tǒng)2是慢思考，要做大量的推理和計(jì)算。

最初，人們認(rèn)為AI更適合做“系統(tǒng)1”的工作，比如人臉識(shí)別、質(zhì)檢就是基于“系統(tǒng)1”的模式識(shí)別。但我堅(jiān)持認(rèn)為，AI的真正價(jià)值在于System 2，即幫助人類(lèi)更好地完成復(fù)雜的邏輯推理任務(wù)。ChatGPT的出現(xiàn)驗(yàn)證了AI做系統(tǒng)2的可行性，這意味著可以讓AI去發(fā)現(xiàn)新知識(shí)，新知識(shí)的發(fā)現(xiàn)會(huì)幫助人類(lèi)設(shè)計(jì)出更好的AI，比如對(duì)腦科學(xué)和計(jì)算優(yōu)化的發(fā)現(xiàn)，一個(gè)創(chuàng)造新知識(shí)的飛輪就出現(xiàn)了。飛輪效應(yīng)正是指AI可以讓整個(gè)系統(tǒng)更好地發(fā)現(xiàn)新知識(shí)，這些新知識(shí)又可以幫助設(shè)計(jì)更好的AI系統(tǒng)，從而形成一個(gè)良性循環(huán)。因此，AI與知識(shí)和創(chuàng)新之間形成了一種相互促進(jìn)的關(guān)系，這就要求AI和人類(lèi)的協(xié)同方式必須轉(zhuǎn)變。

我之前提出過(guò)一個(gè)“3+1”的研究方向，即以可信賴(lài)AI為研究基底和長(zhǎng)期目標(biāo)，以多模態(tài)表征交互、人機(jī)協(xié)同演繹、環(huán)境協(xié)同演化為研究著力點(diǎn)，核心是要做人機(jī)的協(xié)同共創(chuàng)，實(shí)現(xiàn)人類(lèi)幫助AI創(chuàng)新、AI幫助人類(lèi)創(chuàng)新的目標(biāo)。

其中之一是多模態(tài)表征交互，這里可能存在著一個(gè)大一統(tǒng)理論。在2022年時(shí)，人們對(duì)此仍持懷疑態(tài)度，但隨著GPT-4的問(wèn)世，這種多模態(tài)的統(tǒng)一表征交互已經(jīng)比較具有說(shuō)服力了；另一點(diǎn)是人機(jī)協(xié)同交互。這在2022年時(shí)人們也抱持懷疑的態(tài)度，但現(xiàn)在這種交互方式已經(jīng)變得更加可信，人們開(kāi)始相信它很可能會(huì)發(fā)生；第三點(diǎn)是AI與環(huán)境的協(xié)同演化，這意味著AI不僅需要與人類(lèi)協(xié)同，還必須自適應(yīng)周?chē)沫h(huán)境。我們?cè)?022年年初率先提出了這一概念，直到目前還沒(méi)有看到在這個(gè)方向上取得成功的案例，即便是OpenAI也沒(méi)有。

2、學(xué)不來(lái)OpenAI，干不過(guò)微軟，國(guó)內(nèi)大模型創(chuàng)業(yè)要做減法

AI科技評(píng)論：Transformer 模型的特別之處在于采用了注意力機(jī)制(Attention) 來(lái)建模文本，我們注意到您很早就開(kāi)展了與AI注意力機(jī)制相關(guān)的研究。

周伯文：Transformer的核心亮點(diǎn)，是自注意力機(jī)制和多頭機(jī)制。2017 年6月，Google Brain發(fā)表的 “Attention is All You Need” 中引入了自注意力（self-attention）機(jī)制和Transformer的概念。后來(lái)OpenAI的GPT也受這篇論文影響頗深。

在此之前，我作為通訊作者發(fā)表過(guò)第一篇引入多跳自注意力（multi-hop self-attention）機(jī)制來(lái)改善編碼器的論文——“A Structured Self-Attentive Sentence Embedding”。這篇論文于2016年完成并上傳到arXiv，2017年初在ICLR正式發(fā)表，我們也是首個(gè)提出這一機(jī)制的團(tuán)隊(duì)，更關(guān)鍵的這是第一個(gè)完全不考慮下游任務(wù)的自然語(yǔ)言表征模式。以前大家也使用過(guò)注意力或某種情況下的自注意力，但都是依賴(lài)任務(wù)的。

AI科技評(píng)論：在這篇論文中，您有怎樣的發(fā)現(xiàn)？這些發(fā)現(xiàn)又是怎樣影響了后來(lái)Transformer的技術(shù)更迭？

周伯文：我們當(dāng)時(shí)在論文中提出，最好的表征方式是用結(jié)構(gòu)化的自注意力去表征自然語(yǔ)言（NLP），這篇論文發(fā)表至今已被引用超過(guò)2300次。

在此之前，OpenAI首席科學(xué)家Ilya Sutskever 認(rèn)為最好的表征方式是“序列到序列（Seq2Seq）”，即訓(xùn)練模型從而把一個(gè)域的序列轉(zhuǎn)化為另一個(gè)域的序列，比如機(jī)器翻譯中的對(duì)應(yīng)源語(yǔ)言與目標(biāo)語(yǔ)言；又或是在問(wèn)題回答中，問(wèn)題是一個(gè)序列，回答是一個(gè)序列。在此基礎(chǔ)上，對(duì)深層神經(jīng)網(wǎng)絡(luò)表征的兩者映射關(guān)系進(jìn)行學(xué)習(xí)。

但后來(lái)，深度學(xué)習(xí)專(zhuān)家、圖靈獎(jiǎng)得主Yoshua Bengio團(tuán)隊(duì)提出了一個(gè)“注意力機(jī)制”，其核心是在回答問(wèn)題時(shí)，并非所有詞都同等重要；如果能根據(jù)問(wèn)題與答案之間的對(duì)應(yīng)關(guān)系識(shí)別出更關(guān)鍵的部分，繼而更加關(guān)注這部分，就能給出更好的答案。這種注意力模型很快就得到了非常廣泛的認(rèn)可。2015年，我?guī)ьI(lǐng)IBM的團(tuán)隊(duì)也在同期開(kāi)始了基于“Seq2Seq+注意力機(jī)制”架構(gòu)和思路的研究，并先后推出了幾個(gè)最早期的AI用自然語(yǔ)言寫(xiě)作的生成模型，相關(guān)論文也被引用超過(guò)3000次。

但我當(dāng)時(shí)對(duì)論文內(nèi)容其實(shí)并不滿意，因?yàn)樗嬖谝粋€(gè)問(wèn)題，即注意力是基于給出答案后去構(gòu)建的。這樣訓(xùn)練的AI，形象地比方，就像大學(xué)期末考試前問(wèn)老師劃重點(diǎn)的學(xué)生，再去有針對(duì)性（attention）的重點(diǎn)復(fù)習(xí)。這樣AI雖然對(duì)特定問(wèn)題的表現(xiàn)能有所提高，卻并不具備通用性。所以我們提出了完全不依賴(lài)于給定的任務(wù)和輸出，只基于輸入自然語(yǔ)言的內(nèi)在結(jié)構(gòu)，通過(guò)AI多遍閱讀去學(xué)會(huì)哪些部分更重要及其相互之間的關(guān)系，這就是自注意力加上多頭機(jī)制的表征學(xué)習(xí)。這種學(xué)習(xí)機(jī)制只看輸入，更像學(xué)生在考前就多遍、系統(tǒng)性地學(xué)習(xí)理解課程，而不是基于考試重點(diǎn)去針對(duì)性、碎片性地學(xué)習(xí)，從而更逼近通用人工智能的目的，也大大增強(qiáng)了AI的學(xué)習(xí)能力。

AI科技評(píng)論：“Attention is All You Need”那篇論文和您有怎樣的淵源？

周伯文：我們知道，所有這一波大模型都來(lái)自于Transformer，所以當(dāng)你看到模型里面有個(gè)T時(shí)，那這個(gè)T大概率是代表Transformer。我很榮幸，在這方面做了一些前瞻性的工作。2017年年底，來(lái)自谷歌的研究員發(fā)表“Attention is All you need”這篇給世界帶來(lái)Transformer模型的里程碑式論文。而我們?cè)?017 年年初發(fā)表的首次提出“多跳自注意力機(jī)制”的論文“A Structured Self-attentive Sentence Embedding”被引用。而這篇論文的第一作者Ashish Vaswani正是我在IBM指導(dǎo)過(guò)的學(xué)生?！癆ttention is All You Need”這篇論文的標(biāo)題所表達(dá)的也正是由我們提出的 “自注意力很重要，多頭很重要，但RNN或許沒(méi)有我們以前想象中那么重要”的意思。

AI科技評(píng)論：您和OpenAI有哪些一致的技術(shù)判斷？

周伯文：這篇論文和Transformer架構(gòu)徹底改變了一切，它解決了模型長(zhǎng)距離記憶的問(wèn)題。Ilya Sutskever在近期一次采訪中回憶，OpenAI在這篇論文出現(xiàn)第二天就立刻徹底轉(zhuǎn)向了Transformer架構(gòu)。

我們知道，GPT與Bert的模型有著很大的不同，而B(niǎo)ert為什么開(kāi)始很成功，后面卻不如GPT的原因就在于：它既使用了從左到右的信息，也使用了從右到左的信息。換句話說(shuō)，Bert使用了未來(lái)的信息去幫助AI學(xué)習(xí)如何表征，而GPT堅(jiān)持只基于過(guò)去的信息去預(yù)測(cè)下一個(gè)詞是什么。OpenAI在這點(diǎn)上的做法與我們團(tuán)隊(duì)的思路一脈相承，即：盡量不要使用答案去學(xué)習(xí)。從注意力到自注意力，從BERT到GPT-3，核心思想都是當(dāng)不再依賴(lài)輸出或待預(yù)測(cè)詞的下文等未來(lái)的信息時(shí)，又或當(dāng)可以用更多的數(shù)據(jù)來(lái)更充分的訓(xùn)練AI模型時(shí)，我們開(kāi)始看到AGI出現(xiàn)的可能性。

還有就是，OpenAI 認(rèn)為大模型是通過(guò)自然語(yǔ)言去學(xué)習(xí)世界知識(shí)，從而把世界知識(shí)壓縮到大模型之中，GPT系列大模型和ChatGPT也是按照這個(gè)理念去推進(jìn)的。我和團(tuán)隊(duì)的理念和愿景也是如此，即構(gòu)建一個(gè)通用大模型，通過(guò)專(zhuān)業(yè)的訓(xùn)練讓其在垂直領(lǐng)域發(fā)揮更高的價(jià)值和能力，將消費(fèi)者的復(fù)雜情感、需求和體驗(yàn)，以及商品的創(chuàng)新、設(shè)計(jì)、品參、材質(zhì)、功能等等，壓縮進(jìn)一個(gè)大模型，重構(gòu)人與商品的二元關(guān)系，以AI重塑商品價(jià)值。

AI科技評(píng)論：除了技術(shù)實(shí)力，OpenAI還有哪些地方，讓您覺(jué)得有可取之處？

周伯文：不止在技術(shù)判斷上，OpenAI的整個(gè)商業(yè)打法都具有代表性，包括：生態(tài)的建立，宣布新摩爾定律，讓 API 降價(jià)90%等等，既引發(fā)廣泛的關(guān)注，又能擴(kuò)展資本和用戶(hù)對(duì)大模型商業(yè)化應(yīng)用的想象空間，并衍生出幾近無(wú)限的應(yīng)用場(chǎng)景。此外，OpenAI在倫理治理、商業(yè)開(kāi)發(fā)、生態(tài)技術(shù)、未來(lái)發(fā)展等方面的規(guī)劃也十分清晰。

AI科技評(píng)論：中國(guó)會(huì)出現(xiàn)下一個(gè)OpenAI嗎？

周伯文：做大模型的技術(shù)難度其實(shí)是超出很多中國(guó)創(chuàng)業(yè)者想象的。所以我并不建議國(guó)內(nèi)公司盲目跟隨、復(fù)制“OpenAI+微軟”的模式，因?yàn)榇蟛糠?strong>中國(guó)科技公司對(duì)經(jīng)營(yíng)的決策能力不如微軟，對(duì)技術(shù)的判斷能力又不如OpenAI。

OpenAI的成功是多方面因素共同成就的，比方有Ilya Sutskever做技術(shù)判斷，有Greg Brockman做功能，有Sam Altman來(lái)整合資源，包括AI對(duì)倫理、對(duì)社會(huì)影響的研究，他們都做了。如果國(guó)內(nèi)公司純粹去模仿OpenAI的話，彼此的距離只會(huì)越追越遠(yuǎn)。

以數(shù)據(jù)的緯度能夠看出OpenAI的技術(shù)判斷力，因?yàn)槭澜缟喜皇撬械臄?shù)據(jù)都一樣重要。為什么 OpenAI 選擇用 Github 的程序語(yǔ)言去訓(xùn)練思維鏈？因?yàn)槌绦蛘Z(yǔ)言的語(yǔ)義、語(yǔ)法極其簡(jiǎn)單，執(zhí)行過(guò)程的邏輯嚴(yán)謹(jǐn)。這也代表了OpenAI的一個(gè)特質(zhì)和優(yōu)勢(shì)：不會(huì)盲目出擊。所以我認(rèn)為，中國(guó)的AI發(fā)展要找到另一條路徑，即依托通用大模型的能力從針對(duì)垂直場(chǎng)景的應(yīng)用切入，這樣反而更有可能取得成功。

3、生成式AI將會(huì)顛覆現(xiàn)有的消費(fèi)體驗(yàn)

AI科技評(píng)論：您為什么瞄準(zhǔn)消費(fèi)領(lǐng)域？

周伯文：我在京東時(shí)，看到了以“人工智能做消費(fèi)者需求和產(chǎn)品設(shè)計(jì)動(dòng)態(tài)匹配”的巨大商機(jī)。2021年，我決定離職創(chuàng)業(yè)，去做針對(duì)垂直行業(yè)的通用大語(yǔ)言模型（大語(yǔ)言模型當(dāng)時(shí)還沒(méi)有爆發(fā)），就是希望將消費(fèi)者所有的行為從非特定場(chǎng)景中cover進(jìn)來(lái)。我們知道，周一到周五的時(shí)空?qǐng)鼍笆遣灰粯拥模最I(lǐng)或其他職業(yè)的關(guān)注點(diǎn)也是不一樣的，在這些影響購(gòu)物行為的文化符號(hào)背后，是消費(fèi)者復(fù)雜的情感、體驗(yàn)以及對(duì)產(chǎn)品的選擇邏輯，這正是企業(yè)需要的寶貴信息。供給側(cè)在做產(chǎn)品時(shí)，包括創(chuàng)意、設(shè)計(jì)、品參、功能、材質(zhì)以及品牌的定位、slogan、marketing、廣告、營(yíng)銷(xiāo)、宣傳圖片等等，所有這一切因素的背后其實(shí)都有著很強(qiáng)的對(duì)應(yīng)關(guān)系。

這種對(duì)應(yīng)關(guān)系，此前人類(lèi)從來(lái)沒(méi)有打通過(guò)。做企劃、營(yíng)銷(xiāo)、銷(xiāo)售的從業(yè)者，都只搞明白了他們各自負(fù)責(zé)的環(huán)節(jié)。而我們是要做全球首個(gè)商品供應(yīng)鏈的通用大模型，也就是要將所有這些信息全部高保真壓縮到一個(gè)通用模型中，并基于這個(gè)大模型賦能企業(yè)產(chǎn)品的全生命周期， 包括：機(jī)會(huì)洞察（Discover）、產(chǎn)品定義（Define）、方案設(shè)計(jì)（Design）、驅(qū)動(dòng)研發(fā)（Develop）、營(yíng)銷(xiāo)轉(zhuǎn)化（Distribute）。如此一來(lái)，企業(yè)能夠更高效地發(fā)現(xiàn)創(chuàng)新機(jī)會(huì)，更具創(chuàng)意地設(shè)計(jì)和生產(chǎn)，更有效果地進(jìn)行營(yíng)銷(xiāo)推廣、觸達(dá)用戶(hù)并完成轉(zhuǎn)化。

AI科技評(píng)論：商業(yè)模式上，這樣似乎要更加先進(jìn)一些。

周伯文：對(duì)于任何一個(gè)創(chuàng)業(yè)團(tuán)隊(duì)而言，在具備大模型的通用技術(shù)能力后，能否培養(yǎng)出更專(zhuān)業(yè)的能力十分重要。目前GPT的突破主要在其通用能力上，但對(duì)于特定行業(yè)和垂直領(lǐng)域的價(jià)值還有待開(kāi)發(fā)，比如：GPT可以畫(huà)很逼真的藝術(shù)畫(huà)，但是畫(huà)不了電路圖，因?yàn)樗鼘?duì)物理知識(shí)的專(zhuān)門(mén)學(xué)習(xí)并不深入，相關(guān)判斷上也不夠?qū)I(yè)。

所以，我認(rèn)為需要有這樣一個(gè)工具（具備專(zhuān)業(yè)能力的通用大模型），讓消費(fèi)者更容易找到、也更愿意去購(gòu)買(mǎi)所需的商品，這可能會(huì)完全改變?nèi)藗儸F(xiàn)有的購(gòu)物路徑。生成式AI能夠?qū)⒑Ａ康纳虡I(yè)信息壓縮到這類(lèi)大模型之中，從而學(xué)習(xí)商品供應(yīng)鏈各個(gè)環(huán)節(jié)，并以消費(fèi)者為中心提升關(guān)鍵環(huán)節(jié)效率。這是在2021年就已經(jīng)產(chǎn)生的想法和創(chuàng)意。

銜遠(yuǎn)科技就是在研發(fā)一個(gè)具備通用能力的大模型，這個(gè)大模型尤其在鏈接商品和消費(fèi)者方面具備專(zhuān)長(zhǎng)。我們有37項(xiàng)大模型評(píng)測(cè)指標(biāo)，其中2/3是推理能力、計(jì)算能力等通用能力，還有十幾項(xiàng)專(zhuān)門(mén)應(yīng)用于產(chǎn)品和消費(fèi)者的連接，以實(shí)現(xiàn)“讓每一件商品都應(yīng)需而生，讓每一個(gè)消費(fèi)者都得償所愿”的目標(biāo)。

AI科技評(píng)論：生成式AI如何更好地跟諸如電商等消費(fèi)場(chǎng)景結(jié)合？

周伯文：人類(lèi)要么只能搞明白企劃這一塊的業(yè)務(wù)邏輯，或者營(yíng)銷(xiāo)這一塊的邏輯，AI卻能將所有的業(yè)務(wù)鏈條打通。

消費(fèi)者在如電商平臺(tái)等場(chǎng)景中，需要很多專(zhuān)業(yè)的詞匯才能找到所需的商品；但在另一側(cè)，商家卻不懂消費(fèi)者的真實(shí)需求，只能通過(guò)電商交易來(lái)觸達(dá)消費(fèi)者、通過(guò)咨詢(xún)調(diào)研機(jī)構(gòu)來(lái)進(jìn)一步了解消費(fèi)者。而在引入像ProductGPT這種多輪對(duì)話功能后，商家和消費(fèi)者就商品的動(dòng)態(tài)匹配效率會(huì)比市場(chǎng)調(diào)研更高效，從而讓電商平臺(tái)能夠更深度地參與到商品的創(chuàng)新、設(shè)計(jì)、研發(fā)、營(yíng)銷(xiāo)推廣等過(guò)程中。

在實(shí)際的商業(yè)社會(huì)中，需求側(cè)和供給側(cè)其實(shí)是有很強(qiáng)的對(duì)應(yīng)關(guān)系。我們自主研發(fā)的領(lǐng)銜Collaborative Innovation Platform SaaS基于大模型的多模態(tài)理解、推理與生成能力，通過(guò)深刻洞察消費(fèi)者、場(chǎng)景、商品、品參、研發(fā)，協(xié)助企業(yè)發(fā)現(xiàn)商業(yè)機(jī)會(huì)與產(chǎn)品創(chuàng)新。同時(shí)，銜遠(yuǎn)科技的ProductGPT多輪對(duì)話平臺(tái)為企業(yè)的每個(gè)員工提供根據(jù)不同職業(yè)角色深度定制的個(gè)人助手，通過(guò)提供角色特定的技能與知識(shí)滿足其特定的工作需求。例如，銜遠(yuǎn)科技的消費(fèi)者研究個(gè)人助手會(huì)提供研究市場(chǎng)趨勢(shì)、理解消費(fèi)者需求、市場(chǎng)調(diào)研等專(zhuān)業(yè)技能與相關(guān)知識(shí)。

AI科技評(píng)論：您當(dāng)年在京東已經(jīng)使用生成式AI賺錢(qián)了，具體是怎么做到的？

周伯文：我在2019年就已經(jīng)帶領(lǐng)京東AI團(tuán)隊(duì)落地應(yīng)用了通過(guò)生成式人工智能去創(chuàng)作商品文案并選擇圖片的工作，那也是京東的第一個(gè)生成式大模型。當(dāng)時(shí)，我們的AI大模型主要完成三件事：

第一，能夠自行閱讀商品詳情頁(yè)上的內(nèi)容，通過(guò)分析直接生成這款商品的 8- 9 個(gè)賣(mài)點(diǎn)；

第二，消費(fèi)者在瀏覽某件商品時(shí)，大模型會(huì)通過(guò)針對(duì)不同消費(fèi)者的行為數(shù)據(jù)分析，迅速找出哪幾個(gè)賣(mài)點(diǎn)更能打動(dòng)這名用戶(hù)；

第三，AIGC會(huì)根據(jù)用戶(hù)畫(huà)像，圍繞消費(fèi)者最關(guān)注的賣(mài)點(diǎn)生成專(zhuān)屬的廣告語(yǔ)。

在實(shí)行了一段時(shí)間后，商品推薦的轉(zhuǎn)化率比之前提升了30%。消費(fèi)者可能都沒(méi)有意識(shí)到，自己在京東搜索購(gòu)物時(shí)，看到的產(chǎn)品品類(lèi)、描述其實(shí)是在他瀏覽商品的一瞬間，AIGC逐字逐句根據(jù)用戶(hù)的偏好、結(jié)合商品的賣(mài)點(diǎn)量身定制自動(dòng)生成的。

AI科技評(píng)論：如何看待OpenAI開(kāi)放API，這對(duì)行業(yè)來(lái)說(shuō)意味著什么？

周伯文：以個(gè)人的經(jīng)歷來(lái)講，我曾是IBM Watson集團(tuán)的首席科學(xué)家。當(dāng)時(shí)美國(guó)部分行業(yè)數(shù)據(jù)受到監(jiān)管，這類(lèi)企業(yè)一般是無(wú)法合作的，只能是私有云部署方式。為此，在2015-2016年時(shí)我就堅(jiān)定要做公有云。為實(shí)現(xiàn)這一點(diǎn)，就需要將Watson的AI能力API化。當(dāng)時(shí)，由我主導(dǎo)了包括對(duì)話、自然語(yǔ)言理解等幾十個(gè) API 的上線。把這些API放在云平臺(tái)上，現(xiàn)在IBM的AI業(yè)務(wù)主要以此營(yíng)利。

我在2017年年底回國(guó)，2018年4月發(fā)布了京東的人工智能開(kāi)放平臺(tái)。當(dāng)時(shí)，國(guó)內(nèi)基本是沒(méi)有AI平臺(tái)的，這也為京東帶來(lái)了可觀的收入。2019年，由我?guī)ьI(lǐng)的京東 AI 團(tuán)隊(duì)就創(chuàng)造了1.7億元營(yíng)收，對(duì)于一個(gè)200人規(guī)模的團(tuán)隊(duì)這個(gè)成績(jī)是很不錯(cuò)的。

AI科技評(píng)論：業(yè)內(nèi)有個(gè)認(rèn)知，做垂直大模型風(fēng)險(xiǎn)很高，您怎么看？

周伯文：我認(rèn)為，未來(lái)那些定義明確、高價(jià)值的工作流程將由專(zhuān)業(yè) AI 模型完成而不是通用 AI 模型。通用大模型在某個(gè)垂直場(chǎng)景做成功之后，再去進(jìn)一步提升其基礎(chǔ)能力，就很容易。另外，從垂直場(chǎng)景切入的話，算力、數(shù)據(jù)、算法方面，我們過(guò)去的積累都能更充分的發(fā)揮作用。所以在銜遠(yuǎn)科技，大模型在技術(shù)底層框架上必須具備通用大模型技術(shù)的基礎(chǔ)能力，并用科學(xué)的方法評(píng)估，但同時(shí)也需要專(zhuān)業(yè)的訓(xùn)練。

2023年，因?yàn)镃hatGPT的突然火爆，市場(chǎng)開(kāi)始用AI 2.0來(lái)形容其帶來(lái)的巨大潛力。另外，幾乎所有的科技巨頭都加入戰(zhàn)局，創(chuàng)投市場(chǎng)試圖抓住新風(fēng)口，市場(chǎng)環(huán)境也快速變化。GPT是一個(gè)系統(tǒng)性的創(chuàng)業(yè)機(jī)會(huì)，但僅僅復(fù)制、跟隨、追趕，風(fēng)險(xiǎn)高、難度大。

創(chuàng)立銜遠(yuǎn)科技后，我們已經(jīng)和超過(guò)100家客戶(hù)進(jìn)行過(guò)交流，看到了真實(shí)的需求，通過(guò)不斷優(yōu)化大模型提高技術(shù)實(shí)現(xiàn)路徑：“2022年，我們論證了這個(gè)場(chǎng)景的商業(yè)價(jià)值和技術(shù)可行性，這意味著就算是做大模型，我們也是和OpenAI在走不同的賽道，盈利模式也不同。

我想要做的是比現(xiàn)在GPT更好的世界知識(shí)壓縮器，這需要互動(dòng)性很好的數(shù)據(jù)，而數(shù)據(jù)顯然是與場(chǎng)景息息相關(guān)的。而什么樣的數(shù)據(jù)擁有人類(lèi)更高智慧的意義，這里面其實(shí)都有很多的理論工作要去做，都是我們未來(lái)值得探索的方向。