楼市以价换量,还是当下主流
运输效率方面,楼市流之前抵达香港要6至7小时,现在仅需3至4个小时。
比如,换量还要给医疗机构做一个医药医疗大模型,换量还必须把医疗进行场景细分——在里边找出50到100个场景,并对每个场景分析,看看文章生成、情感判断、内容翻译等大模型最常见的功能能不能发挥作用。中国正发出拥抱新一轮科技和产业浪潮的新信号,下主发力以人工智能为引擎的新质生产力。
楼市流能不能展开聊聊?周鸿祎:我们去年从toB模式中找到一些方法论。Sora运用到的仍是已有的技术,换量还只不过OpenAI把这些技术综合起来从工程上进行了优化,做到了之前的人没有做到的事情。如何做出这个判断?周鸿祎:下主首先,我认为有差距是必然的,知道差距是多少,剩下的就是追赶问题。
所以我主张要在企业用大模型不要一下子宏大叙事,楼市流而是在内部业务链条,或在外部产品功能中,选取两到三个场景,用大模型赋能。我现在说话比较谨慎,换量还你说大了,别人说你自卑。
但真正用一用,下主我觉得国内的大部分都达到或者超过了GPT-3.5的能力,全世界也就只有中国有这个能力。
你说小了,楼市流别人说你自大。我认为,换量还大模型比光刻机、芯片的难度要低很多,因为毕竟是软件,但未来是要奔着AGI,也就是通用人工智能去的,这块的挑战就是算力。
但如果把大模型越做越小,下主走垂直化、下主产业化、企业化、场景化的道路,可能不需要万亿、千亿的参数,只需要百亿的参数,再加上一些私有的核心数据加持,在一个垂直单元上是可以超过GPT-4的。这就对算力的要求就降到很低,楼市流可能有十张消费级显卡在一个场景就能用起来,非常适合我们国家,这也是我们弯道超车的一个场景。
打个比方,换量还现在我们造出内燃机了,不能说我想造飞机,内燃机不能用,我不管了,我要造喷气发动机去。所以我主张要在企业用大模型不要一下子宏大叙事,下主而是在内部业务链条,或在外部产品功能中,选取两到三个场景,用大模型赋能。
(责任编辑:马浚伟)