打开网易新闻 查看更多图片
大模型浪潮，创业者的机会到底在哪儿？
作者
栗子
在王慧文把大模型创业的门票拉高到5000万美金之后，今天，又一家国内AI大模型企业宣布获得了大额天使轮融资。
3月1日，全球领先的专注于企业创新数智化的技术服务公司衔远科技宣布已完成数亿元天使轮融资。本轮融资由启明创投领投，经纬创投跟投。
衔远科技成立于2021年底，是一家“致力于让每一件商品都应需而生，让每一位消费者都得偿所愿”的技术服务公司，以前沿的人工智能技术帮助企业数实融合，实现“从需求洞察到产品创新”的全过程数智化，颠覆式地完成以消费者为中心的产品创新。
在人工智能领域，衔远科技的创始人周伯文是一位不折不扣的重量级大咖，有着20多年的自然语言生成、对话与交互式人工智能的研究经验。他2016年提出的“自注意力融合多头机制的自然语言表征机理”，是Transformer架构的核心思想之一，被Transformer、GAT等论文引用超过2000次；在AIGC领域，他提出的自然语言生成算法被引用3000余次。
在创办衔远科技之前，周伯文是原京东集团高级副总裁、集团技术委员会主席、云与AI总裁，京东人工智能研究院院长，简单说就是京东AI掌门人；在京东之前，周伯文曾在美国学习与研究人工智能近20年，为原IBM Research美国总部人工智能基础研究院院长、IBM Watson集团首席科学家、IBM杰出工程师。
从时间线来看，周伯文投身大模型创业，要比近期宣布入局的王慧文、李志飞、王小川等人都要早。
衔远科技创始人周伯文
除了周伯文本人之外，衔远科技的团队背景也十分光鲜。创始团队来自京东、腾讯、字节跳动、阿里巴巴、百度、小米集团等一线互联网企业，以及微软、IBM等知名硬核科技公司；而技术、产品及业务骨干团队的成员则分别来自北京大学、清华大学、中国科技大学、复旦大学、上海交通大学、哈尔滨工业大学、中国人民大学，及美国科罗拉多大学、密歇根州立大学、澳大利亚悉尼大学等国内外知名院校，拥有丰富的产业经验和深厚的技术产品创新能力。
在周伯文看来，目前ChatGPT所引发的全球AI热潮并不意外，这是生成式人工智能在与人类协同创造层面的一次技术突破。而这种技术突破，势必将会引发连锁反应，推动所有产业链实现升级。而衔远科技要做的，就是率先将人工智能与传统产业进行融合，为企业数智化创新带来价值。
“这是一条没有人走过的路。”
1.天使轮融资过亿不是意外之喜
甲子光年：在如此艰难的后疫情时代获得数亿元的天使投资，是意料之内吗？
周伯文：是的。这件事对我们来说其实并不意外。
2021年选择创业，从我个人角度来说，机会成本和沉没成本都非常高，但是“把人工智能技术与产业结合”这件事又是一件足够大、足够让我愿意从头开始创业去做的事情。我的决心支持我迈出这一步，那么我就需要找到在认知、专业度、水准等各方面跟我们一致，并且认可我们、愿意与我们一同长期探索这件事的投资机构来跟我们合作。而启明和经纬正是这样的机构。
多少了解ChatGPT背后AI大模型训练的人都已经知道，AI大模型训练非常烧钱，这也意味着我们需要投入比其他领域创业项目更多的资金。但很庆幸我和我们的投资人都坚定认为，我们做的事情能够真正改变我们的商业创新模式，给整个产业提供价值。
所以，这次的融资，非常荣幸衔远科技得到了众多顶级投资机构的认可，获得了可供研究、开发与产品验证的充裕资金。与此同时也感谢我们的客户和合作伙伴，与我们一起共创。
甲子光年：你认为衔远科技备受投资人认可的最大原因是什么？
周伯文：资本认可的其实是几件事的融合。首先是这件事的价值和意义。
衔远科技正在做的，其实是将人工智能更深层次地与产业结合，用AI帮助企业实现数实融合，让企业实现从消费者需求洞察到产品创新的全过程数智化。这背后的支撑点其实就是第二点，人工智能技术的突破。
事实上，过去十年，AI企业主要集中在判别式AI领域，如图像识别或语音识别等。近年高速发展的生成式AI及其背后的大规模预训练模型，让人工智能进入了新的时代——从判别式AI到生成式AI。随着AI大模型技术日渐成熟，以及人机交互协同不断磨合，产业数智化的场景边界将被不断拓宽，技术的发展进程也将进入到AI与产业融合的快速发展阶段。
人工智能与产业融合这件事也并非今天才有，但以往我们比较熟知的AI应用主要还是集中在判别式AI层面，例如内容类App的个性化内容推荐、电商类App千人千面的商品推荐算法。但这些都是基于已有内容或产品进行推荐。而衔远科技的目标，是让企业能够通过大模型生成式AI，来进行爆款产品打造，真正实现智能化业务驱动，进而在过程中实现整个产业链的升级。这件事在过去是没有的。所以衔远科技也是首次将生成式AI带进了实体产业。
当然，衔远科技的团队背景也是我们的优势。我本人有20多年的自然语言生成、对话与交互式人工智能的研究经验。我在2016年提出的自注意力融合多头机制的自然语言表征机理，就是现在ChatGPT背后Transformer架构的核心思想之一。另外，我们团队有着多年成功的AI算法工程化和产业化的经验，并在企业内多元产品创新和企业间跨界产品创新方面积累了丰富的实操经验。
2.大模型并非巨头才玩得起
甲子光年：2021年底离开京东创业，原因是什么？
周伯文：我并不吃惊ChatGPT会有如今的影响力，2021年我就预感到未来一定会出现像ChatGPT这样的产品。实际上从2018年GPT-1出来之后，业内一直就对其非常关注。随后越来越多的进展证明，由于大模型的存在，人工智能数据标注的成本在持续降低，这意味着AI进入一些新的应用场景的门槛也在降低。
而且我本人无论在IBM还是在京东，都负责过多轮对话的人工智能产品。但这些产品最大的问题是模型本身的泛化不够、对上下文的追踪不够，所以我们通常感觉很多人工智能对话产品都并不智能。而随着AI大模型所展现出来的基础能力越来越强，AI对人的理解也越来越强。当我们发现AI这种深层能力，不再依赖一个特定领域的大量标注时，让我意识到这是一个AI技术拐点的到来。这是技术突破层面的原因。
而第二点就是产业政策的原因。2021年时，数字经济与实体经济的融合，无疑是中国未来长期的重要方向。近几年，中国非常注重科技发展，用科技创新去驱动传统产业升级——科技强国。如何利用人工智能技术让企业实现业务创新，这是我从2021年至今一直在思考的事情。
结合我的过往经历，这些思考最终就会收敛到通过最新的AI大模型人机协同对话技术，去帮助企业更好洞察消费者需求，把需求映射到实体产业中，让实体产业去设计、迭代、打造更好的爆款产品，压缩产品上市周期，提高产品成功率。这给企业带来的价值是非常明显的。因为它的time to
market快了很多，收入和利润增长明显加快。而对于消费者来说，消费者能够用更低的价格，买到更好的产品。这就是我们做这件事的意义。
甲子光年：这件事必须要脱离大平台才能实现吗？
周伯文：显而易见，大平台无疑有更多的人才与资金，这些都是大平台的优势。但与此同时，我们在大平台内部时，往往也会受限于大平台本身的业务需求，毕竟这是我们的首要工作。这就是创新者的窘境。也许在大平台中，我要做100件重要的事。但成为创业者之后，我只要聚焦这一件事就好。
甲子光年：你认为衔远科技做这件事的最大难点是什么？
周伯文：2021年底我们在入局人工智能大模型创业的时候，当时国内整体AI技术发展并不成熟，今天也远未成熟。衔远科技希望用AI来推动实体经济的数智化发展，意味着我们需要深度理解客户的业务场景，理解消费者在不同场景下的消费体验，以及这种体验跟商品的品参、生产流程、供应商的关系，进而才能通过AI的推理和生成，去找到打造爆款产品的最优方式。尤其是还有一些跨品类的迁移学习，这些在技术与业务层面都并不容易。
前面提到，与千人千面的推荐算法不同，我们需要让生成式AI帮助企业真正实现智能化业务驱动，通过与人的交互迭代，让AI不断跟人进行共创，在过程中给人真正提供有价值的决策信息，实现AI与企业及产业的结合。
举例来说，衔远科技现在做的事情，与那些匹配消费者和商品的人工智能类似。但最大的区别在于，我们不仅匹配已有的商品，甚至还要匹配还没有生产出来的商品。一件商品里面有很多细微的元素，我们把它叫做不同的“品参”，例如标签、工艺、场景、体验等等，这些品参我们要去结合消费者的动态数据，并把最终的产品再去跟消费者匹配，这件事的难度可想而知，也只有人工智能才能完成。
而更加困难的问题在于，衔远科技正处于科技产业化的无人区当中。到目前为止，我们还没有看到其他项目正在系统性研究AI大模型与产业生产力的关系，而我们却已经走在了这条路上。
甲子光年：如何突破这一难点？
周伯文：2021年底创业时，其实我并没有传统企业打造产品相关的经验。一方面我们招聘了一些有产品策划背景相关的人才，同时在过去一年我们也走访了大约100多家目标企业。我们花了大量时间去了解，这些企业真实的业务流程是怎样的，产品创新有什么难度、消费者洞察有什么问题。例如3C、家电、快消、服装等等行业，AI对他们有什么贡献、遇到了哪些挑战、数字化程度如何等等。与过去“拿着锤子找钉子”的AI
1.0阶段相比，我们是从企业痛点出发，来到了AI 2.0的阶段。
甲子光年：一个普遍的观点是：ChatGPT类项目训练所需的数据规模庞大、成本高昂，只有大公司能做，创业公司没什么机会。
周伯文：我并不这么认为。因为大模型技术本身还在持续迭代中，包括GPT-3其实也很不成熟。我并不认为要做到GPT-3的效果，一定需要1750亿模型参数。事实上我们有大量的空间去压缩它。这是我对技术的判断。
因为如果我们不做GPT-3这种“万金油”式的生成式AI，那么我们就可以把它的认知领域缩小到更窄的范围，但同时深度大大加深。
这样做有两个好处，第一，大模型的训练参数能够减小至少一个数量级，但对领域的深度理解反而超过GPT模型；第二，减少模型参数之后，训练成本也会大大压缩，训练一次甚至能够从几百万美元减小到几十万美元。一旦模型参数和训练成本下降之后，那么我们就可以用更低的成本在特定领域对模型进行大量训练。此时那些通用大模型要想在这方面追赶也就很难了。
在这种情况下，其实最核心要做的，就是我们如何能够把技术与场景进行结合，打造垂直领域的大模型闭环。这样也能够更深度的与产业结合，创业公司的机会点也由此产生。
3.比ChatGPT更专业，但更好用
甲子光年：衔远科技的“领衔CIP”数智化平台到底是什么，能够解决什么问题？
周伯文：长期以来，很多品牌的痛点都集中在：消费者需求难以捕捉、企业产品同质化严重、研发周期长、库存积压严重、营销费用高、企业利润率低等方面。
而我们通过底层大模型能力，深度绑定企业创新的刚需场景，利用生成式AI能力将市场、消费者与趋势洞察直接生成为产品的创意与品参，就能极大加速企业产品到市场的速度，提升爆款概率。
我们自主研发了全球首个通过生成式人工智能、多轮交互的人机协同，帮助企业创新的数智化平台——领衔CIP（ForeSight CIP TM），并且基于该平台，进一步打造了多轮对话产品ProductGPT。
具体来说，领衔CIP平台同时提供多角色系统、人机互动共创等功能，帮助企业实现高效组织创新，提供从机会洞察、产品规划、产品设计、产品验证到产品上市的全流程、全链路的一站式服务，助力企业产品与服务的全周期智慧运营，批量化提升产品的竞争力，增强企业的运营效率和盈利能力，助力企业成为数字经济时代的高价值品牌。
打开网易新闻 查看更多图片
甲子光年：与ChatGPT相比，ProductGPT的区别是什么？
周伯文：ProductGPT与ChatGPT很像，也是一款多轮对话类AI产品，能够让客户与AI系统进行交流、共创与协同。但区别在于，ProductGPT是基于领衔CIP研发的。这就意味着ProductGPT在3C、消费品、美妆等这些领衔CIP底层训练模型所包括的领域，比ChatGPT给出的回复更加专业。
我们在使用ChatGPT很容易发现，虽然它的回答很流畅，但信息没有深度，很多人都会认为它在说一些“正确的废话”，并且甚至有时候还会有错误。但ProductGPT的目标就是为了给专业人士提供更有深度、更有价值的信息来完成业务共创。比如某款产品的销量、市场占有率分析、用户画像等等。
所以在这种差别之下，基于领衔CIP，ProductGPT就能够在持续不断与客户的交互过程中实现专业数据的沉淀与模型训练，形成从应用场景、到终端用户、到交互协同的垂直大模型。
甲子光年：目前ProductGPT是否已经上线？
周伯文：现在我们的领衔CIP已经有客户在使用了。ProductGPT还在研发当中。
甲子光年：衔远科技大模型训练所用的数据来源于哪里？
周伯文：目前我们的数据核心还是来源于公域数据。我们训练所用的数据量非常大，而且用的也是包括图片在内的多模态数据。
4.中国的OpenAI需要探索新的道路
甲子光年：ChatGPT能够产生这么大的影响力，根本原因是什么？
周伯文：ChatGPT上线之后爆火，很多人都认为它展现了人工智能在自然语言理解上的能力，能够更丝滑地与人对话。这确实是它爆火的原因之一。
但在我看来，ChatGPT除了比以往AI产品都更加智能以外，还有一个非常重要的原因，那就是ChatGPT是在这些“现象级”AI产品中，首次展现出机器与人在协同层面发挥巨大作用的AI产品。而这一点往往非常容易被人忽略。
过去无论是下国际象棋的“深蓝”、懂自然语言并参加百科知识竞赛的IBM Watson、还是下围棋的“AlphaGo”等现象级AI产品，它们的目标都是“击败人类”。而ChatGPT却是通过多轮对话的形式，在交互过程中实现与人的协同。这是与以往现象级AI产品完全不一样的地方。
甲子光年：中国厂商与ChatGPT的差距究竟有多大？
周伯文：在ChatGPT出现之后，国内陆陆续续有很多巨头都宣称自己在GPT模型上早有积累。或者一些创业公司和创业者宣布要做中国版的OpenAI。但我认为，如果中国在科技的发展之路上永远作为一名追随者出现的话，那么我们永远赶不上国外。
我认为，中国的OpenAI一定要有人探索一条与OpenAI不一样的道路。中国与美国的情况完全不同。中国有大量亟待数智化转型升级的传统产业，有太多需要依赖人工智能实现效率提高的业务场景。所以我们有理由相信，这条全新的道路就是垂直整合从自有基础大模型到应用、用户的全场景闭环，实现生成式人工智能技术与商业价值“双落地”。只有脚踏实地，才有可能在这条路上跑出中国的OpenAI。