界面新聞記者 | 崔鵬
界面新聞編輯 | 文姝琪
7月7日消息，在剛閉幕的2024世界人工智能大會（WAIC）上，騰訊公布了混元大模型（以下簡稱為“混元”）的最新進展，相關負責人還談到了大模型技術趨勢、價格戰(zhàn)以及應用落地等多個話題。
騰訊集團副總裁蔣杰在會上公開表示，騰訊將人工智能視為公司長期戰(zhàn)略，目前騰訊圍繞混元組建了一套產(chǎn)品矩陣，包括底層基礎設施、自研大模型、模型開發(fā)平臺以及智能體開發(fā)平臺。
根據(jù)騰訊官方提供的信息，混元大模型在國內(nèi)率先采用MoE架構，參數(shù)量已達到萬億，tokens數(shù)量超過7萬億，位居國內(nèi)大模型第一梯隊。
在本屆WAIC上，推動人工智能技術落地的話題備受關注。大模型行業(yè)經(jīng)過一年多發(fā)展，技術層面取得諸多突破，產(chǎn)業(yè)重心正在向應用落地轉移。
騰訊云副總裁、優(yōu)圖實驗室負責人吳運聲在現(xiàn)場采訪中對界面新聞等媒體表示，技術一定要在產(chǎn)業(yè)落地并產(chǎn)生價值，這才是AI發(fā)展的方向。
但要讓AI落地，“只靠（優(yōu)圖）幾百號人肯定不行”，必須降低門檻，吸引產(chǎn)業(yè)鏈上的更多企業(yè)進入。
在大會上，騰訊還聯(lián)合上海交大等研究機構推出了對大模型行業(yè)十大趨勢的報告，預測具身智能和人機對齊等方向將成為未來幾年大模型行業(yè)的熱門領域，人工智能也正在成為人類的“機器外腦”。
不愿意看到價格戰(zhàn)，更關注能力提升
雖然外界有很多大模型落地進展緩慢的觀點，但吳運聲并不認同。
“對于大模型好像沒怎么落地的看法，我覺得并不是這樣”，他認為最主要的原因是目前大模型的需求實在太多。
比如面臨1萬個大模型的需求場景或者問題，如果其中有100個已經(jīng)落地，“你覺得這是多還是不多呢？”
今天的大模型技術正在往多模態(tài)、零樣本學習、3D和視頻生成等方向快速演進，同時大模型產(chǎn)品的落地門檻也在逐步降低。
為了推動AI技術落地應用，今年5月騰訊云一口氣發(fā)布大模型知識引擎、圖像創(chuàng)作引擎和視頻創(chuàng)作引擎三款PaaS工具，將AI能力和RAG進行封裝，開發(fā)者在工具上進行簡單調(diào)用甚至點選就能搭建應用產(chǎn)品。
也是在同一個月，字節(jié)、百度、阿里和騰訊等多家頭部大模型企業(yè)開始打起了價格戰(zhàn)，先后降低自家模型產(chǎn)品的使用費。
“站在從業(yè)者的角度，我們不太愿意看見價格戰(zhàn)發(fā)生，或者說我不太關注”，吳運聲告訴界面新聞，騰訊更關注能力提升，重點解決模型落地過程中的問題。
“但是作為一個商業(yè)組織，看到市場上的降價動作，我們肯定也會有所響應”，吳運聲表示。
實際上，價格也確實是阻礙大模型廣泛落地的重要因素之一，在給大模型降價的同時，騰訊也對旗下模型產(chǎn)品進行了區(qū)分，根據(jù)企業(yè)的實際需求提供不同尺寸的模型。
因為模型的大小不同，提供的能力也有所區(qū)別，推理成本更不一樣。
目前混元大模型提供混元-pro、混元-standard和混元-lite三個版本，吳運聲透露稱混元后續(xù)還將上線vision版本。
走向“機器外腦”時代
在WAIC大會現(xiàn)場，上海交通大學、騰訊研究院和騰訊云智能等單位還發(fā)布了2024年AI大模型的十大趨勢報告。
這十大趨勢包括目前熱門的具身智能、算力底座、情緒智能和開源共享等技術，也包括推理分析、智能制造、游戲環(huán)境、移動革新、人機對齊和創(chuàng)意生成等新趨勢。
報告認為，海量GPU和新一代大模型組合后，使人工智能在推理分析、創(chuàng)意生成和情緒智能三個方向上取得突破進展，意味著AI將擁有類人的交互能力，新一代AI正在成為人類的“機器外腦”。
此外，在GTP-4o出現(xiàn)后，行業(yè)正在探索多模態(tài)甚至端到端的技術演進。這也給數(shù)字人這個當下熱門的行業(yè)帶來更多新機會。
吳運聲解釋稱，現(xiàn)在的數(shù)字人產(chǎn)品，即便有知識引擎和大模型支持，也不是完全的端到端產(chǎn)品，而是分步驟的：首先是語音或者視頻輸入進去，進行處理之后再吐出來反饋，這個人機交互有一進一出的過程。
但在真人交流過程中，隨時會有一方打斷另一方的情況出現(xiàn)。大模型產(chǎn)品想要達到這個效果，需要更好的技術和工程化處理手段。
而今年火爆的另一個領域是智能體（AI Agent），對于它未來的技術趨勢，吳運聲認為它會回到大語言模型的初衷，也就是用樸素的自然語言幫用戶解決問題。因為大語言模型與傳統(tǒng)AI的很大區(qū)別在于，用戶對模型的輸入是一種自然表達的方式。
比如對于“我要做一個俄羅斯方塊游戲”這種樸素的需求描述，傳統(tǒng)的工程做法要經(jīng)過很多步驟：第一步做產(chǎn)品分析，第二步寫產(chǎn)品需求說明書，第三步做總體架構設計，第四步做詳細設計，第五步做代碼，第六步做測試等。這是一種受約束的解決方式。
“但能不能通過大模型直接做出來”，吳運聲表示，希望未來可以形成一個能解決廣泛問題的技術路線，用自然語言的方式來直接解決問題。