商汤科技董事长兼CEO徐立:标准化赋予了AI行业更多想象力

12月17日,由《财经》杂志、财经网、《财经》智库、财通汇联合主办的“《财经》年会2023:预测与战略”在北京举行。商汤科技董事长兼CEO徐立在会上表示,标准化不是对AI行业的限制和约束,而是赋予了行业更多想象力,其核心在于推动形成产业共识,从而加快行业分工,让技术的使用成本大幅降低,最终推动产业应用蓬勃发展。

商汤科技董事长兼CEO 徐立

徐立提出,AI真正打破了人们的认知边界。现阶段AI可以帮助人们进行新型的猜想,推动新的科研创新范式诞生。从底层的基础算力、数据标注、算法模型,再到上层解决方案、行业应用,AI正逐步形成其落地的标准化结构。同时,AI结构中的各个模块也需要标准化。当人们对AI的模块形成一种标准化认知共识之后,进一步推动了精细化分工的出现。


(资料图)

除了结构和模型的标准化,AI的整个生产过程也是标准化的。伴随着行业落地的深入,基于基础算力,包括预训练大模型、行业模型微调等一系列标准化流程,已经形成了AI产业的共识。目前,行业的通用大模型已经变得非常普遍,正因为有了预训练大模型的模式,我们才能进入行业的细分模型。虽然生产流程看似一致,但分流出的行业模型不同,所以我们可以赋能不同的行业应用。例如无论是智慧城市、智慧生活或是智慧商业、智能汽车,AI在不同场景的落地背后都归于一套标准且日益高效的生产化流程。

从定制化到标准化的过程并不简单。在需求出现时,AI需要完成单点突破。而单个AI模型的跨越并不能真正实现行业的商业闭环。很多商业化场景综合复杂且多模块联动,需要让牵涉到的所有模块都突破“工业红线”。如果整个过程成本过高,同样无法进行大规模覆盖,所以需要把AI生产、部署的过程变得更加标准化,才能让成本降到更低。

徐立认为,纵观历史,每一个重大时间点都是被技术驱动的。如今,能否用AI来命名当下的时代,取决于AI能否让生产要素的成本规模化下降,进而让AI走进千家万户。只有AI的真正普惠,才能帮助人们穿越又一个经济周期,才能推动AI行业的发展。

以下为部分发言实录:

AI真正打破了人们的认知边界。科研创新的范式可以归结为经验归纳和推理演绎两大类别,但推动人们认知边界进步的往往是“天才的脑洞”。我在去年的《财经》年会上谈到,现阶段AI可以帮助人们进行新型的猜想,推动新的科研创新范式诞生。

范式是按既定方法推理出一种对应的模式,汉语中也有与之相对应的概念,即“法式”。建筑学一直是非常讲求标准的学科,而建筑学里讲的“营造法式”,就是一定的建造风格和手法,并且能被归纳总结成一种理论体系和框架。“法式”就是范式的古法表达。

滕王阁、佛光寺、醉翁亭……诸多古建筑的外观千奇百怪,但人们一眼就能看出它们的风格,是因为这些建筑都有一定的标准结构,即从台基、柱网、陡拱到梁架及屋面。今天人工智能的落地也遵循一定的标准化结构。从底层的基础算力、数据、算法模型,再到解决方案、行业应用,形成了AI产业落地的标准化结构。

除了结构的标准化,AI结构中的各个模块也需要标准化。“凡构屋之制,皆以材为祖”,这是北宋李诫所写的《营造法式》中一句很著名的话。讲的是一份木材,只要告诉制造者需要几分的材,对方就能够根据比例打造出产品。今天,当人们对AI的模块形成一种标准化认知的共识之后,进一步推动了精细化分工的加速出现。

很多人认为AI在不同场景之间的使用区别很大。但其实无论是智慧城市、智慧生活或是智慧商业、智能汽车,归根结底都需要打造AI模型的标准化模块。AI模型可以分为感知智能、决策智能以及控制智能,打造这些模型跟打造“材”是一样的。

也有人说模型的打造会非常多元化,因为定制化的需求很多。诚然,在行业之初,由于没有标准部件,行业应用的确是以定制化的需求为主。古建筑中的斗拱也是如此,人们对它的需求各不相同,但当工匠打造了足够的定制化产品,方可进入标准化。标准部件就像乐高的积木玩具,有各类基础形状的不同零件,把它们拼搭在一起,就可以形成标准化搭建模式。目前,商汤生产的AI模型已达到了5万个,服务于各行各业。

除了模型的标准化,整个生产过程也是标准化的。一个木匠“标准化”的工作流程往往包括了筏、锯、刨、雕四个步骤。AI亦类似,从基础算力到包括预训练大模型、行业模型微调等一系列标准化流程,这些流程已经成为了当下AI产业的共识。目前,行业的通用大模型已经变得非常普遍,正因为有了预训练大模型的模式,我们才能进入行业的细分模型。目前,标准化的大模型生产流程已经支持了商汤超过七成以上的行业业务。

在生产标准化的基础上,能进一步推动行业应用大规模的标准化。虽然生产流程看似一致,但分流出的行业模型不同,所以我们可以赋能不同的行业应用。比如建筑物看似千奇百怪,但是它们的生产流程都遵循建造的基本流程。而AI的行业应用从智慧城市、商业、汽车到生活,亦都包含了通用算力、通用大模型、行业细分模型的标准化之路。

标准化不是对行业的限制,而是为行业赋予了更多的想象力。传统的手艺传承是师父教徒弟,但由于没有定义好标准化流程,所以很难实现规模化生产。如果要让产品实现产业化,就需要进入真实的行业与标准化的环境。

当然,对标准化认知也因时空差异而不同。比如古希腊神庙的标准化在于长宽的比例是黄金分割点;佛光寺则是内切圆与外切圆的比例,即1比根号2。虽然这两个建筑所蕴含的标准化认知不同,但也形成了独有的认知模式,推动了当时的产业化。

标准化不是一种约束,其核心在于能推动形成产业共识,从而使得行业分工加速。比如:人们用两匹马中间的距离定义轨道的宽度,“同轨”才能推动整个产业的发展;电源插头标准化,使得电气化变得可能;万维网上所有网页的接入点标准化,才让网络时代得以发展;在现代钢筋混凝土的机器中,也有同样有板架+柱的标准化设计——虽然流程是标准化的,但它可以带来完全迥异的建筑风格。

从定制化到标准化的过程并不简单,AI的产品化经历了以下三个阶段:在需求刚出现时,AI需要完成单点突破,单点的AI模型需要解决它是否比人工好的问题,通常被称为跨越“工业红线”。在十年前,很多垂直的应用渐渐地跨越了“工业红线”。但单个AI模型的跨越并不能真正完成商业的价值闭环。由于很多商业化场景综合复杂且多模块联动,需要让牵涉到的所有模块都突破“工业红线”,这其中就有许多待解决的长尾问题。比如,流水线上只有一个模块实现了AI化,其他模块都没被AI化,瓶颈一定在没有AI化的地方。只有把所有的模块全部AI化才能形成商业的价值闭环。

形成价值闭环和真正做到标准化、规模化还有一个很大的gap(差距):怎样通过设置标准化进行分工,加速成本降低。如果成本过高,同样无法进行大规模覆盖。以围棋为例,假设把围棋当成一种生产力的职业,数十亿的投入可能需要数十年才能收回成本,这样的投入和产出并不是人们理想中的数字化升级。所以,我们需要把AI生产、部署的过程变得更加标准化,才能让成本降到更低。

纵观历史,每一个重大时间点都是被技术驱动的,所以历史上都用技术来命名时代,如信息时代、电气时代、蒸汽时代等等。如今,能否用AI来命名当下的时代,取决于AI能否让生产要素的成本规模化下降,从而让AI走进千家万户。举两个例子,电力的成本大幅下降让人们迎来电气时代的拐点,通信成本的规模化下降才让移动互联网得以出现。

这些时代的基础设施正是得益于标准化的推动,带来成本下降,最终让规模化扩张变为可能。而AI也同样需要更多的投入以建立起标准化,从而达到真正降低成本的目标。如今,在算力的支撑、数据的标注、模型的生产等一系列标准化层面上,AI模型的生产成本比起数年前已经大幅下降。

我相信,只有AI的真正普惠,才能帮助人们穿越又一个经济周期,才能推动AI行业的发展。

关键词: 生产流程 进一步推动 智慧城市 生产过程