2023阿里雲峯會將在4月11日舉行,阿里CEO張勇將出席,包括“AI新範式與商業創新論壇”等論壇。
此前,阿里達摩院已經在機器智能、數據計算、機器人和金融科技等5個研究領域進行佈局,其中包括:1)語音識別及語音喚醒:面向家居、車載、辦公室、公共空間、強噪聲、近遠場等複雜場景,提供開發者定製模型自學習能力;2)營銷技術:閒魚賣家助手、AE多語言營銷機器人、阿里雲智能推薦產品;3)翻譯技術:在速賣通、阿里巴巴國際站等跨境業務中得到廣泛應用。
若後續阿里推出大模型,相關公司有望在後續業務合作及落地環節更加受益。
2023阿里雲峯會將於23年4月11日在北京國家會議中心舉辦。據官網,阿里雲峯會將圍繞雲計算在公共服務的深入作用,普惠產業、生態、社會。
峯會將分爲主論壇和兩個分論壇:主論壇由三大主旨演講和一系列重大發布構成,展示先進的計算、數據、智能技術帶來的普惠和產業創新加速;分論壇爲數字化深耕和數字化趨勢,覆蓋政務、銀行、互娛&遊戲、智能汽車、石油化工、跨國企業、零售品牌等領域。
據官網,2023阿里雲峯會的主論壇將有一系列重大發布,展示先進的計算、數據、智能技術帶來的普惠和產業創新加速。在4月11日下午的 “AI新範式與商業創新論壇”的分論壇上,嘉賓將分享阿里通義模型家族+ModelScope社區,以及阿里雲的算力支撐方案。
脫口秀演員鳥鳥在微博展示的“鳥鳥分鳥”或爲大模型的預告。4月4日,脫口秀演員鳥鳥在微博分享視頻,展示了阿里大模型聯合團隊根據鳥鳥的聲音和說話方式,在天貓精靈上呈現的“鳥鳥分鳥”,一個類似ChatGPT的語音助手。
據量子位,阿里聯合團隊用15天的時間,基於基礎預訓練大模型,進行層次化訓練,包括大規模語言訓練、知識和工具增強、個性化對話增強、人類反饋增強等四個由淺入深的步驟,實現知識學習。
據量子位,其中的知識和工具增強的步驟類似ChatGPT調用第三方插件,獲得具有時效性信息的方式,鳥鳥分鳥可以通過調用搜索引擎作爲輸入,經過理解、總結和歸納,保障信息的準確性和時效性。
2023阿里雲峯會將由主論壇和2個分論壇構成。主論壇的主持分別爲張勇(阿里巴巴集團董事會主席兼首席執行官、阿里雲智能集團首席執行官)、周靖人(阿里雲智能集團首席技術官)、蔡英華(阿里雲智能集團全球商業總裁)。
分論壇有2個主題:數字化深耕、數字化趨勢。數字化深耕分爲覆蓋政務、銀行、互娛&遊戲、智能汽車、石油化工、跨國企業、零售品牌等7個領域的論壇,數字化趨勢包含企業出海、綠色發展5個論壇。各分論壇的嘉賓如下表:
根據目前2023阿里雲峯會已有的信息來看,我們認爲:
1、從脫口秀演員鳥鳥在微博中展示的“鳥鳥分鳥”看,接入大模型的入口已從PC和手機端,擴展至天貓精靈。我們預計未來有望實現“萬物皆入口”,擴展至包括智能汽車、VR/AR眼鏡、耳機等產品。生成式AI大模型最終有望成爲構建元宇宙的技術基礎之一,並在應用端帶起創新浪潮。
2、從早期發佈通用大模型,到百度發佈“文心千帆”企業級大語言模型,再到阿里雲峯會此次探討的行業覆蓋政務、銀行、互娛&遊戲、智能汽車、石油化工等多領域,我們已看到垂直行業大模型的發展有望加速AIGC落地各領域。未來各公司在產品研發上的AI融合,及AI對已有產品的迭代,預計將是市場持續催化的動力。
從近期海內外的發展看,參與大模型研發的公司數量有增加趨勢,未來有望有更多垂直領域大模型出現。
從海外看,不僅有研發通用大模型的公司,如美國的OpenAI和以色列的AI21 Labs,也有開發文生圖擴散模型Stable Diffusion的初創公司Stability.ai,還有握有大量數據的垂直領域公司也在參與大模型研發。如Salesforce開發了企業服務的大模型EinsteinGPT,彭博通過自有的大量金融數據開發了BloombergGPT,圖庫服務商Getty Images與英偉達也將合作開發大模型。
我們認爲這對國內同樣掌握大量數據的公司在發展和應用大模型方面具有較大的參考意義,相關公司在提升自身服務質量的同時,也有望基於自有數據進行二次變現。
隨着阿里發佈通義大模型,原本與阿里有股權關聯或業務關聯的公司有望率先接入,從而受益AI對業務的提質增效。如阿里雲、百度與浙數文化子公司傳播大腦成立傳播大腦技術生態聯盟。
據阿里雲公衆號,浙數文化控股子公司傳播大腦與阿里雲作爲重要夥伴簽訂了深化合作協議,將與阿里達摩院、阿里雲、釘釘在技術和生態上展開合作。比如達摩院將提供虛擬人、多輪對話和AIGC等產品和技術服務,供傳播大腦創新應用場景;特別在文化傳媒領域,依託傳播大腦的業務數據優勢和達摩院的技術優勢,將聯合推進宣傳文化領域大模型訓練,推動媒體、文化領域AI新應用。
風險提示:
生成式AI技術發展不及預期、各領域技術融合進度不及預期的風險、算力支持程度不及預期、數據質量及數量支持程度不及預期、用戶需求不及預期、技術壟斷風險、原始訓練數據存在偏見風險、算法偏見與歧視風險、算法透明度風險、增加監管難度風險、政策監管風險、商業化能力不及預期、相關法律法規完善不及預期、版權歸屬風險、深度造假風險、人權道德風險、影響互聯網內容生態健康安全風險、企業風險識別與治理能力不足風險、用戶審美取向發生變化的風險。