在AI領(lǐng)域，被譽(yù)為“六小龍”的六家初創(chuàng)公司正面臨著多重挑戰(zhàn)。從尋找新的創(chuàng)新源泉，到解決內(nèi)容幻覺、知識(shí)融合難題，再到價(jià)值觀的重塑和產(chǎn)品方向的探索，這些公司正處于一個(gè)充滿機(jī)遇與挑戰(zhàn)的階段。本文將深入探討這些問題，并展望AI技術(shù)的未來發(fā)展趨勢(shì)，希望能為讀者提供一些有價(jià)值的思考和啟示。

目前零一萬(wàn)物、百川智能、智譜AI、月之暗面、Minimax和階躍星辰被稱為X小龍。

另外在國(guó)內(nèi)大模型公司中，一直有著“X小龍”的說法，有說四小龍的，也有說六小龍的，還有說六小虎的。

目前的AI六小龍主要指的是在AI領(lǐng)域表現(xiàn)突出的六家初創(chuàng)公司，包括零一萬(wàn)物、MiniMax、百川智能、智譜AI、階躍星辰、月之暗面

問題一 迷茫：無師可偷

之前2022年年底從GPT-3.5開始，大家開始是篩選掉第一批調(diào)用GPTAPI接口封裝為自家模型并號(hào)稱大模型的公司。

到GPT-4開始篩選掉一批基于LLAMA等開源模型做調(diào)優(yōu)的并號(hào)稱大模型的公司。

到GPT-4o發(fā)布至今半年多過去了，偷感十足的大模型公司在等著GPT-5的發(fā)布，GPT-5產(chǎn)品遲遲不再發(fā)布，導(dǎo)致無師可偷。

六小虎也好，六小龍也好至少是有部署過預(yù)訓(xùn)練的，可能內(nèi)核必然借鑒了Transformer的架構(gòu)和數(shù)據(jù)輸入和生成方式，但是六小龍是國(guó)內(nèi)除了BAT之外不僅做了調(diào)優(yōu)API調(diào)用，還是做了預(yù)訓(xùn)練的，預(yù)訓(xùn)練的成本大家都懂：巨貴。

問題二 錯(cuò)位：內(nèi)容幻覺

六小龍大模型雖然在寫作、推理、規(guī)劃、數(shù)學(xué)、代碼等諸多領(lǐng)域都展現(xiàn)出了強(qiáng)大甚至比肩人類的能力，卻經(jīng)常出現(xiàn)內(nèi)容幻覺、價(jià)值觀錯(cuò)位、歧視偏見等問題。

我懷疑或者說可以肯定六小龍的大模型產(chǎn)品沒有研究過大模型內(nèi)部語(yǔ)言和知識(shí)機(jī)理。對(duì)他們來說大模型仍然是一個(gè)黑箱。

一評(píng)測(cè)的時(shí)候貌似得分都很高，其實(shí)評(píng)測(cè)數(shù)據(jù)是從外部行為評(píng)估大模型的能力，容易受到數(shù)據(jù)選擇、指標(biāo)設(shè)計(jì)、提示方案等因素的影響。

對(duì)六小龍的產(chǎn)品團(tuán)隊(duì)來說大規(guī)模參數(shù)化表征以及核心過程(如預(yù)訓(xùn)練、指令微調(diào)、人 類反饋強(qiáng)化學(xué)習(xí))的復(fù)雜動(dòng)態(tài)特性仍然是個(gè)謎。

問題三： 復(fù)雜：知識(shí)融合

大模型難以理解復(fù)雜的知識(shí)結(jié)構(gòu)，如實(shí)體、關(guān)系、事件和概念以及其間的復(fù)雜關(guān)系;同樣的知識(shí)可以通過不同語(yǔ)言形式表達(dá)，大模型也難以處理。在知識(shí)不完整性方 面，大模型要能夠利用外部資源，并與內(nèi)部參數(shù)化知識(shí)進(jìn)行整合。

這就需要對(duì)大模型獲取外部資源、 利用自身大模型中知識(shí)以及處理語(yǔ)言模型內(nèi)知識(shí)與外部知識(shí)沖突能力進(jìn)行系統(tǒng)評(píng)測(cè)。目前評(píng)測(cè)表明， 大模型在外部知識(shí)獲取、利用和內(nèi)外部沖突知識(shí)處理方面存在挑戰(zhàn)。

大模型在知識(shí)數(shù)據(jù)存儲(chǔ)、調(diào)用、融合，在知識(shí)結(jié)構(gòu)的多源性、知識(shí)對(duì)齊上有太多的時(shí)間需要產(chǎn)品補(bǔ)充上。

問題四：三觀：價(jià)值重塑

大語(yǔ)言模型不是傳統(tǒng)的搜索引擎，以前的搜索引擎是根據(jù)提問，搜索出來一系列經(jīng)過排序的網(wǎng)頁(yè)，不會(huì)想大模型給予直接的結(jié)果，在大模型時(shí)候，假如不加思索的采用生成的內(nèi)容，很可能出現(xiàn)三觀不正確的問題。

問題五：涌現(xiàn)：遠(yuǎn)離AGI

用戶從一開始對(duì)大模型的期待是AGI，產(chǎn)生智能涌現(xiàn)。可以完成過去需要不同專用小模型才能完成的多種任務(wù)，呈現(xiàn)出與人類通用智能相似的功能。

目前六小龍普遍沒有這類產(chǎn)品出現(xiàn)過。

國(guó)際上有些團(tuán)隊(duì)在這一領(lǐng)域探索稍微提前一些，例如， 斯坦福大學(xué)團(tuán)隊(duì) 2023 年 4 月推出一個(gè)虛擬小鎮(zhèn)，構(gòu)建了 25 個(gè)大模型驅(qū)動(dòng)的智能體，擁有不同個(gè)性的智能體，在小鎮(zhèn)中自由生活、工作和社交; 從而研發(fā)出大模型的自然語(yǔ)言交互能力使之發(fā)生在機(jī)器和機(jī)器之間，作為信息交流的工具和重要載體。

問題六：分裂：理強(qiáng)文弱

目前六小龍的團(tuán)隊(duì)核心以算法工程技術(shù)人員為主，不懂計(jì)算機(jī)技術(shù)的人在團(tuán)隊(duì)比較難混，例如：不懂K8S在基礎(chǔ)數(shù)據(jù)輸入層可能就難以作為主程核心，不懂Transformer架構(gòu)，層，在模型架構(gòu)階段可能會(huì)被避之門外。

實(shí)際上對(duì)用戶來說用戶輸入中文生成的圖就是沒有輸入英文來的準(zhǔn)確，請(qǐng)問六小龍你們?yōu)樯叮?/p>

其中有一個(gè)非常重要的原因我分析是：中文語(yǔ)料數(shù)據(jù)集比較少，導(dǎo)致大模型訓(xùn)練樣本質(zhì)量不夠高、規(guī)模不夠大 。

構(gòu)建更高質(zhì)量，更大規(guī)模的中文語(yǔ)言資源庫(kù)，需要發(fā)揮文科特別是語(yǔ)言學(xué)科的優(yōu)勢(shì)。

問題七：產(chǎn)品：不動(dòng)腦子

先看一下六小龍的產(chǎn)品如下圖：

1、萬(wàn)知，零一萬(wàn)物

假如不說是零一萬(wàn)物的產(chǎn)品，可能很多朋友不知道有這個(gè)大模型產(chǎn)品。假如零一萬(wàn)物不是李開復(fù)老師的大模型，可能會(huì)被罵的很差。打開萬(wàn)知網(wǎng)站，我也不知道為何要用萬(wàn)只？萬(wàn)只的產(chǎn)品能否告訴我這個(gè)產(chǎn)品有什么特長(zhǎng)和差異化？

2、百小應(yīng)，百川智能

百小應(yīng)選的賽道是熱門賽道，搜索，但是這個(gè)產(chǎn)品得等百川智能突破以上7個(gè)問題，才能是一個(gè)好的產(chǎn)品。

目前的百小應(yīng)，應(yīng)用主要問題解決傳統(tǒng)搜索問題還沒解決，產(chǎn)品去引導(dǎo)要下載APP了，有點(diǎn)急了。

3、智譜AI，智譜清言

智譜清言看著框架結(jié)構(gòu)跟ChatGPT產(chǎn)品像。當(dāng)你用了以后，你會(huì)認(rèn)可日久見模心，該用誰(shuí)，誰(shuí)好用自見分享，建議大家比較一下，大家愿意比較即是壓力也應(yīng)該是產(chǎn)品團(tuán)隊(duì)的動(dòng)力。

4、kimi 月之暗面

這款產(chǎn)品自從營(yíng)銷之后模型就貌似停止進(jìn)步了，在其宣傳超長(zhǎng)上下文，創(chuàng)始人是否套現(xiàn)風(fēng)波之前，我每次阿里巴巴邀請(qǐng)給淘寶教育講課的時(shí)候，我會(huì)介紹一下這款產(chǎn)品，當(dāng)時(shí)ChatGPT讀數(shù)據(jù)一是不合規(guī)，二是調(diào)用也很貴，所以用Kimi幫助閱讀PDF提煉摘要還挺方便的，請(qǐng)問kimi產(chǎn)品這一年了kimi產(chǎn)品又有哪些進(jìn)步？

5、MiniMax

MiniMax海螺的產(chǎn)品團(tuán)隊(duì)可能末尾淘汰制，目前能看到海螺的產(chǎn)品團(tuán)隊(duì)求生欲比較強(qiáng)，再積極的迭代。

產(chǎn)品整合了音樂生成、視頻生成、文生文、再突破需要產(chǎn)品有創(chuàng)新的應(yīng)用了。

6、躍問：階躍星辰

這款產(chǎn)品寫文章的時(shí)候第一次用，先不點(diǎn)評(píng)，大家自行比較

從PC互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)再到AIGC，我做過的產(chǎn)品不下數(shù)十款，正是對(duì)這些產(chǎn)品的全情投入，形成了產(chǎn)品感，就像現(xiàn)在流行的偷感，很刺激當(dāng)你形成產(chǎn)品感，你大概率能夠感知一款產(chǎn)品的未來會(huì)如何。

早些年P(guān)C時(shí)代你能夠通過一款產(chǎn)品得前端就能看到這家公司的組織結(jié)構(gòu)，例如2019年你看天貓，上面的母嬰模塊，女裝模塊，箱包模塊，其實(shí)其產(chǎn)品就是對(duì)應(yīng)其組織團(tuán)隊(duì)的劃分的，組織團(tuán)隊(duì)進(jìn)而也決定其產(chǎn)品得價(jià)值。

后面到移動(dòng)互聯(lián)網(wǎng)，字節(jié)跳動(dòng)、美團(tuán)、大家能夠看到前者給用戶提供了完美的上癮模型，后者給用戶解決點(diǎn)外賣的痛點(diǎn)。

到移動(dòng)互聯(lián)網(wǎng)至少產(chǎn)品經(jīng)理還在干人事，還在思考用戶需求，用戶的痛點(diǎn)是什么，如何設(shè)計(jì)產(chǎn)品去解決這些痛點(diǎn)。

可能AIGC前半程產(chǎn)品經(jīng)理忘記了這些，也可能本來還不夠?qū)I(yè)，相信下半場(chǎng)AIGC無論是大模型基礎(chǔ)模型產(chǎn)品還是業(yè)務(wù)應(yīng)用型大模型產(chǎn)品，將會(huì)快速的回歸用戶、回歸客戶的本質(zhì)。

本文不是將六小龍說成六跳蟲，意在一起去找到AIGC的產(chǎn)品價(jià)值、用戶價(jià)值、市場(chǎng)客戶價(jià)值。