其他
探讨大模型前沿技术与商业化落地 |【奇绩潜空间】第3季开始报名
关注奇绩的小伙伴，奇绩潜空间第三季活动开始报名，第一期活动时间为 7 月 27 日。
【奇绩潜空间】第二季内容回顾
【内容回顾】姚顺雨 - 普林斯顿计算机系博士，ReAct 、思维树框架提出者， Agent 智能领域最早探索者之一。潜空间第2季第1期嘉宾
关键词：Agent
姚顺雨分享了 Agent 智能领域的多个关键议题，从技术发展、挑战、应用场景到与大模型的结合，以及科研成果的商业化，深化了对 Agent 技术实际应用和未来趋势及挑战的理解。
“大模型和 Agent 是相辅相成的，有些人认为我们要更关注 Agent 的层面，有些人认为模型发展好了可以解决所有问题，这是行业内的一个深层的辩论。现在面临的另一个本质问题是如何解决数据挑战，以及如何解决落地场景挑战。在这样的情况下，如何找到一个既符合短期内模型的能力约束，又能落地，又能获取数据的场景是非常值得关注的，需要大家共同尝试。” “好的研究项目需要一个简单清晰的想法，而创业则要解决一个个实际问题。你需要做很多零碎工作，但最重要的是让方案跑起来，给客户做出来有用的东西。研究和创业相通的点在于都要思考你的客户是谁，如何为他们产生价值。例如你要研究一个评测工具，就要思考谁会用这个工具，怎样让大家能轻松使用，它能为用户带来哪些好处。但创业时，你要做一百万件很脏的事情，这是很大的区别。”
创业者唯独不要在商业模式上做创新，要使用已经验证过的赚钱模式，在商业模式上做创新的风险是极高的。 因为我们太小了，不用臆想自己已经在和巨头同台竞争，这是早期创业者常有的幻觉。创业者需要考虑的是怎样活下来，而不是如何去打败巨头。当然巨头都是从草根做起，但我们一开始还是要做好自己的事情。 AI 硬件一定是特别热的赛道，取胜的关键是软件层面的革新和突破。因为大家底层模型的能力水平相似，所以要做到差异化竞争，不同形态的 AI 硬件是很好的思考角度。如果你的软件在特定场景下更好用，用户就会为它买单。
首先我们的定位肯定是不会和大厂直接竞争的。我们的初衷是为有视频生成和模型部署需求的中小型企业服务，当然，如果我们发展速度比较快，视频质量很高的话也可以把它做成一个服务。但在策略上肯定不能盲目的跟大厂直接竞争。 虽然大厂可能有更多的算力资源，但实际上目前我们用不到那么多。所以对创业公司来说，现在也有一些潜在机会——找到 Scaling Law 的正确方向。 出海现在是比较野蛮生长的一个阶段，并不是因为它的发展速度很快，而是还没有找到一个高效统一的策略让 AI 出海企业去模仿，也没有成熟成功的范式去借鉴。如何去竞争，哪一部分市场没有被触达，哪些是空白机遇点，这些事目前我们都还没调查清楚。如果做 AI 出海，能不能在产品上有吸引力，不被 ChatGPT 吃掉，是值得思考的。
在模型和底层硬件愈加同质化的当下，要结合具体的应用场景才能做到推理层面的差异化。例如云端和端侧的场景需求就不同，对延时、吞吐的指标各有要求，这里就有较大的优化和差异化的空间。但只看模型推理服务商层面，技术的成本和效率很容易收敛到接近的水平。 端侧模型是非常重要的发展方向。未来可能会是偏混合模式的架构。端侧有两大好处，一是降低成本，利用用户自己的设备推理；二是保护隐私。 苹果发布的 Apple Intelligence 就是一个好例子，他们也是一套混合模式的模型，在手机上有一个小模型，同时也有一个云端模型，只有任务难度到达一定程度时才会调用云端模型，和我们的 Tool Maker 思想类似。未来模型层面可能出现类似人类社会分工的模式，有比较便宜的小模型，也有比较强的大模型。