تغییر استراتژی 01.AI: دیگر به دنبال مدل‌های بزرگ نیست

لی کای فو، مدیرعامل 01.AI، در مصاحبه با LatePost جزئیات تغییر استراتژیک اخیر شرکت را تشریح کرد. تغییر اصلی این است که 01.AI دیگر به دنبال آموزش مدل‌های فوق‌العاده بزرگ نیست، بلکه بر توسعه مدل‌هایی با پارامترهای متوسط، سریع‌تر و مقرون‌به‌صرفه‌تر تمرکز می‌کند و بر اساس آن برنامه‌های تجاری را توسعه می‌دهد. این تغییر نشان‌دهنده اولین تنظیم جهت‌گیری توسعه توسط یک شرکت بزرگ مدل‌های زبانی در چین و همچنین منعکس‌کننده یک نقطه عطف مهم در تب مدل‌های بزرگ در دو سال گذشته است.

لی کای فو تاکید کرد که 01.AI به دنبال خرید توسط شرکت دیگری نیست و آموزش‌های اولیه را ادامه خواهد داد. این شرکت یک "آزمایشگاه مشترک مدل‌های بزرگ صنعتی" با علی‌بابا کلود ایجاد کرده است. اکثر تیم‌های آموزش و زیرساخت هوش مصنوعی 01.AI به این آزمایشگاه ملحق شده و کارمندان علی‌بابا خواهند شد. هدف از این مدل همکاری، استفاده از منابع شرکت‌های بزرگ برای آموزش مدل‌های بزرگ‌تر و در نتیجه افزایش توانایی مدل‌های کوچک‌تر 01.AI است.

چالش‌های استارتاپ‌های مدل‌های بزرگ در چین

لی کای فو چالش‌های اصلی استارتاپ‌های مدل‌های بزرگ در چین را خلاصه کرد:

محدودیت‌های تراشه: شرکت‌های چینی با محدودیت در دسترسی به تراشه‌ها مواجه هستند که منجر به کاهش میزان سرمایه‌گذاری و ارزش‌گذاری در مقایسه با همتایان آمریکایی می‌شود.
کاهش سرعت قانون مقیاس‌پذیری: اثر قانون مقیاس‌پذیری در حال کاهش است و تنها در یک سال از باور به شک و تردید تبدیل شده است.
رقابت با شرکت‌های بزرگ: استارتاپ‌ها در مقیاس مدل با شرکت‌های بزرگ رقابت می‌کنند و در نهایت موفق نمی‌شوند.
مشکلات تجاری‌سازی: چگونگی تبدیل فناوری به ارزش تجاری و دستیابی به سودآوری، سوال اصلی برای همه شرکت‌های مدل‌های بزرگ است.
مشکلات بازار: بازارهای B2B، B2C، داخلی و خارجی همگی با موانع دشواری روبرو هستند.

استراتژی‌های پاسخگویی 01.AI

لی کای فو معتقد است که سال 2025 سالی خواهد بود که هم شاهد انفجار برنامه‌ها و هم حذف تجاری‌سازی خواهیم بود. فرصت 01.AI در کشف تناسب محصول-بازار (PMF) مدل‌های بزرگ B2B نهفته است. او اشاره می‌کند که در برخی حوزه‌های خاص، مدل‌های بزرگ می‌توانند به مشتریان در دو برابر کردن گردش مالی خود کمک کنند، که این یک PMF واقعی است.

01.AI پس از تنظیم استراتژی خود، بر موارد زیر تمرکز خواهد کرد:

آموزش مدل‌های سریع‌تر و ارزان‌تر، مانند MoE (مدل سیستم‌های متخصص مختلط).
استفاده از مزایای خود در زیرساخت‌های هوش مصنوعی و موتورهای استنتاج برای کاهش هزینه‌های آموزش و استنتاج.
ایجاد همکاری با شرکت‌های صنعتی، تشکیل شرکت‌های سرمایه‌گذاری مشترک و توسعه مشترک مدل‌ها و راهکارهای خاص صنعت.

دلایل کنار گذاشتن AGI

لی کای فو اعتراف کرد که 01.AI مدت‌ها پیش از تلاش برای دستیابی به AGI (هوش مصنوعی عمومی) دست کشیده است. او توضیح داد که دستیابی به AGI نیاز به سرمایه‌گذاری منابع زیادی دارد، در حالی که اولویت اصلی 01.AI در حال حاضر تحکیم قدرت خود و دستیابی به سودآوری تجاری است.

او تجربه انتشار مدل Yi-Large در ماه مه سال گذشته را یادآوری کرد و گفت که در آن زمان متوجه شد که سرعت مدل کم و هزینه آن بالا است. این امر باعث شد 01.AI تصمیم بگیرد که دیگر برای آموزش مدل‌های فوق‌العاده بزرگ پول خرج نکند، بلکه بر توسعه مدل‌های تجاری‌سازی تمرکز کند که می‌توانند پیاده‌سازی و سودآور باشند.

همکاری با علی‌بابا

ایجاد آزمایشگاه مشترک با علی‌بابا کلود یک گام کلیدی در تنظیم استراتژی 01.AI است. لی کای فو گفت که این مدل همکاری می‌تواند به طور کامل از مزایای هر دو طرف استفاده کند، اشتراک‌گذاری و ساخت مشترک در فناوری، پلتفرم و برنامه‌ها را تسریع کند و یک الگوی جدید همکاری بین "شرکت‌های بزرگ + ببرهای کوچک" در چین را آغاز کند.

اگرچه برخی از تیم‌های آموزش اولیه و زیرساخت هوش مصنوعی به علی‌بابا ملحق می‌شوند، 01.AI همچنان یک تیم آموزشی و زیرساخت کوچک‌تر را برای ادامه توسعه مدل حفظ می‌کند. لی کای فو تاکید کرد که 01.AI آموزش اولیه را متوقف نخواهد کرد، اما دیگر بر مدل‌های فوق‌العاده بزرگ متمرکز نخواهد بود.

کاهش سرعت قانون مقیاس‌پذیری

لی کای فو اشاره کرد که قانون مقیاس‌پذیری در حال کاهش است. این بدان معناست که بازده سرمایه‌گذاری بیشتر در قدرت محاسباتی و داده‌ها در حال کاهش است. او به عنوان مثال گفت که افزودن از یک کارت به ده کارت ممکن است به ارزش 9.5 کارت برسد، اما افزودن از 100000 کارت به یک میلیون کارت ممکن است تنها به ارزش 300000 کارت برسد.

او همچنین اشاره کرد که منابع داده اینترنتی مانند سوخت‌های فسیلی در حال اتمام است. این امر باعث می‌شود که هزینه آموزش مدل‌های فوق‌العاده بزرگ بیشتر و بازده آن کمتر شود.

نقش مدل‌های فوق‌العاده بزرگ

علیرغم کاهش سرعت قانون مقیاس‌پذیری، لی کای فو معتقد است که مدل‌های فوق‌العاده بزرگ همچنان نقش مهمی به ویژه به عنوان مدل‌های معلم دارند. او اشاره کرد که مدل Opus آنتروپیک برای آموزش مدل‌های کوچک‌تر استفاده می‌شود.

مدل‌های فوق‌العاده بزرگ می‌توانند از طریق روش‌های زیر توانایی مدل‌های کوچک را افزایش دهند:

برچسب‌گذاری نتایج برای بهبود اثرات آموزش پس از آن.
تولید داده‌های ترکیبی برای آموزش مدل‌های جدید.

سوال اصلی تجاری‌سازی

لی کای فو معتقد است که همه چیز در عصر مدل‌های بزرگ در حال تسریع است و سوال تجاری‌سازی سریع‌تر مطرح می‌شود. او تاکید کرد که شرکت‌های هوش مصنوعی باید به این سوال اصلی پاسخ دهند: چگونه فناوری را به ارزش تجاری تبدیل کرده و به سودآوری دست یابند.

او پیشنهاد کرد که شرکت‌های هوش مصنوعی باید:

عملکرد تجاری را درک کنند.
رشد درآمد را محقق کنند.
هزینه‌ها را کنترل کنند.

لی کای فو همچنین بر اجتناب از سرمایه‌گذاری در مسیرهای تجاری‌سازی که بازدهی ندارند، مانند برنامه‌های B2C که نیاز به تزریق مداوم سرمایه و ضرر برای حفظ موقعیت در صنعت دارند و همچنین پروژه‌های مناقصه B2B که هزینه بالایی ندارند و ارزش اصلی ایجاد نمی‌کنند، تاکید کرد.

مسیر تجاری‌سازی 01.AI

01.AI به طور فعال در حال گسترش بازار B2B است و در حال آزمایش در زمینه‌هایی مانند بازی، انرژی، خودرو و امور مالی است. آنها با شرکت‌های صنعتی همکاری کرده، شرکت‌های سرمایه‌گذاری مشترک تشکیل داده و به طور مشترک مدل‌ها و راهکارهای خاص صنعت را توسعه خواهند داد.

لی کای فو گفت که درآمد واقعی 01.AI در سال 2024 از 100 میلیون یوان فراتر رفته و پیش‌بینی می‌کند که درآمد در سال 2025 چندین برابر شود.

آینده برنامه‌های AI-First

لی کای فو معتقد است که قطعا برنامه‌های AI-First مخرب به وجود خواهند آمد. او اشاره کرد که این برنامه‌ها باید دارای ویژگی‌های اصلی زیر باشند:

تعامل با زبان طبیعی.
توانایی استدلال و درک عمومی.

او همچنین یک روش برای قضاوت ارائه داد: اگر یک برنامه بدون مدل بزرگ قابل ایجاد نباشد، قطعا یک برنامه AI-First است.

بینش‌های کارآفرینی لی کای فو

لی کای فو گفت که او برای استفاده از فرصت‌های عصر هوش مصنوعی و تبدیل تجربه و توانایی‌های خود به ارزش، وارد کارآفرینی هوش مصنوعی شده است. او معتقد است که چالش‌هایی در روند کارآفرینی وجود خواهد داشت، اما یک مدیرعامل خوب نباید به راحتی پشیمان شود.

او بینش‌های کارآفرینی خود را خلاصه کرد:

به طور کورکورانه در اهداف غیرممکن سرمایه‌گذاری نکنید.
از فرصت‌ها استفاده کنید و تصمیمات قاطع بگیرید.
پیش‌بینی روشنی از آینده داشته باشید و از قبل تنظیمات لازم را انجام دهید.

چشم انداز 2025

لی کای فو نسبت به سال 2025 خوشبین است. او پیش‌بینی می‌کند:

تعداد زیادی برنامه B2C منفجر خواهند شد.
PMF مدل‌های بزرگ B2B کشف خواهد شد و تعداد زیادی مدل خاص صنعت ظاهر خواهند شد.

او همچنین گفت که 01.AI در حال بررسی کاربرد Agent (عامل هوشمند) است و در زمینه‌های عمودی با شرکا مدل‌های صنعت + Agent را به طور مشترک توسعه خواهد داد.