今年以來，大模型掀起熱潮，沉寂許久的人工智能再一次令所有人興奮起來。尤其是ChatGPT的出圈，為人工智能這把火添了新柴。

《人類簡史》中提到，智人之所以能夠成為這個星球唯一霸主，一個重要的原因是他們發(fā)展出了“虛擬”的語言。

數(shù)字人要想逼真，在語言能力上勢必要下功夫，而ChatGPT的語義理解能力相比過往的人工智能有著顯著的提升，不少人認為有大模型驅動，數(shù)字人將有變革性的發(fā)展。

而就在大模型浩浩蕩蕩而來，所有人都在加速狂奔時，小冰CEO李笛早在幾個月前提出了自己的判斷，在他看來，大模型只是揭示了一場變革的開始，但它遠遠不是變革本身。

掌舵小冰公司，相比于追求技術的酷，李笛更關注技術的實用性和穩(wěn)健性。

“大模型是驅動數(shù)字人的其中一個技術來源”

不可否認，大模型固然是好。

“在數(shù)字人領域，大模型確實可以解決過去一些沒有解決的問題。”李笛告訴獵云網(wǎng)，一方面，大模型涌現(xiàn)的能力之一是思維鏈，在一定程度上，比過去的知識圖譜做得更好，“過去，大多通過腳本讓人工智能一個步驟一個步驟地去完成一件事情，但到了大模型，它自己一定程度上有邏輯思維能力，會思考自己下一步應該做什么，這有機會讓數(shù)字人去控制更多的線上線下的場合。”

另一方面，大模型在回答問題方面，比過去的檢索模型、生成模型在質量上有巨大的提升，但盡管如此，大模型依然沒有突破到意識層面。

對于數(shù)字人而言，其交互場景往往多樣復雜，無法判斷用戶具體交互何種內(nèi)容，這要求數(shù)字人需要擁有一定的通用泛化能力，而此前行業(yè)內(nèi)使用的檢索模型，往往無法覆蓋長尾問題。

除此之外，李笛提到在與數(shù)字人交互時，用戶對內(nèi)容的需求偏向也不同，“有時候用戶可能只是想和數(shù)字人聊天，尋求陪伴，這個時候更偏向于數(shù)字人輸出有趣的內(nèi)容，而有時候用戶和數(shù)字人交互是純知識交流，這個時候需要數(shù)字人提供有用的內(nèi)容。”

李笛坦言，過去“有趣”和“有用”往往無法兩全其美，只能偏重其中一方，但大模型的出現(xiàn)有機會讓兩者并重。

“大模型可以大量壓縮信息，在預訓練過程中，遠大于其他檢索模型所能壓縮的知識，可以做很好的預測。”

或許因為大模型的“大力出奇跡”，讓不少人對大模型產(chǎn)生了極大的期待，認為其將變革數(shù)字人行業(yè)。

但在李笛看來，這并不代表一個大模型可以驅動數(shù)字人的一切，他對大模型在數(shù)字人領域的應用視為是驅動數(shù)字人的其中一個技術來源。

“大模型技術很酷，但并不穩(wěn)”

事實上，李笛比國內(nèi)平均早一年接觸到ChatGPT，在國內(nèi)數(shù)字人廠商狂熱追逐大模型之時，李笛已經(jīng)看到了大模型的問題所在。

李笛談到：“大模型的本質仍是回答問題，但是人與人之間是互相激發(fā)，也并不一定要回答問題，要想讓數(shù)字人像人，一定不能只是一個答疑者。”

此外，李笛還談到，人在交互過程中是多模態(tài)交互。“雖然大模型也向多模態(tài)方向發(fā)展，但是這種多模態(tài)和數(shù)字人的多模態(tài)存在差別。大模型的多模態(tài)往往是同時處理多種模態(tài)，并把多種模態(tài)視為一個模態(tài)。而數(shù)字人的多模態(tài)是指，表情、聲音、動作、語義彼此之間達成高度協(xié)調(diào)統(tǒng)一。”

大模型的交互速度也是數(shù)字人廠商不可忽視的維度。

在不同場景下，人對交互速度有著不同的標準，而數(shù)字人不論是直播還是對話，都偏向交流性場景，在數(shù)字人行業(yè)里有一句話，數(shù)字人的一大美德是“秒回”。

但目前大模型的交互速度仍需要幾秒鐘，還不能達到“秒回”的美德。如果通過堆分布式服務器提升交互速度，其成本又將進一步提高。

拋開大模型在數(shù)字人場景下的局限性不談，就大模型技術本身而言，李笛認為大模型像學日語，“入門簡單，但越往后越難。”

“大模型拉低了準入門檻，只要參數(shù)規(guī)模提高，效果會很明顯，但是這個效果是粗暴的，很難有潛能。”原因在于目前，大模型涌現(xiàn)能力機制尚不明朗，難以預判訓練效果，也難以做調(diào)優(yōu)工作。

在李笛看來，至少到明年一季度之前，大模型技術仍處在新技術劇烈震蕩階段，在探明技術機制之前，李笛不敢貿(mào)然應用在產(chǎn)品上。

對此，李笛用了一個任天堂的類比，“作為游戲機主機商，索尼和微軟追求機能，往往應用最先進的機能，而任天堂則選擇榨干成熟技術，在其他公司將畫質推進到4K時，任天堂在1080P、720P這些成熟的分辨率上思考如何把已有硬件性能推進到極致。”

在“酷”和“穩(wěn)健”的選擇中，李笛選擇了“任天堂”式的穩(wěn)健。

在別人追求龐大參數(shù)規(guī)模的大模型，展現(xiàn)出何種力量時，李笛更關心，在大量的并發(fā)使用過程中，大模型技術能穩(wěn)定在什么狀態(tài)，以及他需要盡可能地了解和可控這個新技術。

“數(shù)字人的未來是混合模型”

李笛坦言，當下大參數(shù)模型確實通用能力更強，但一味追求大參數(shù)模型，沒有未來，尤其是參數(shù)規(guī)模越大，同質化越嚴重。

去年年底，李笛就提出了小冰認為的未來是混合模型的觀點。但彼時，一味追求大模型的聲音仍然居多，到現(xiàn)在，混合模型逐漸被更多人認可。

OpenAI 原董事霍夫曼也認為“其實GPT 1/ 20 規(guī)模的參數(shù)模型效果反而是最好的。”

事實上，從2019年開始，小冰就已經(jīng)在做不同規(guī)模的模型訓練和調(diào)優(yōu)，有的模型只負責思考，有的模型只負責生成。目前，小冰框架內(nèi)有近1000個大中小模型有機組合在一起共同支撐數(shù)字人運轉。

相比于用一個大模型驅動數(shù)字人而言，混合模型在成本上有著極大的優(yōu)勢。而成本是商業(yè)化落地重要的考量。

“首先，模型參數(shù)規(guī)模降低，其基本運算也隨之降低，其次，小冰在技術上做了調(diào)優(yōu)，將其成本降低至一輪交互0.5厘，接近檢索模型0.3厘的成本，而大模型一輪交互至少需要幾毛錢。”

此外，混合模型可以運行于最廉價的T4 GPU，而無需A100等高端芯片，甚至神經(jīng)網(wǎng)絡渲染部分，可以不用運行于GPU，而是運行于CPU，“這個對應到的成本差距，大概從每分鐘幾塊錢，或者說每小時幾十塊錢，到每天幾毛錢的區(qū)別，可以說成本幾乎為0。”

與此同時，李笛告訴獵云網(wǎng)，混合模型在交互速度可以做到幾十到幾百毫秒，遠快于目前大模型幾秒鐘的交互速度。

更為重要的是，混合模型在經(jīng)過小冰團隊長期驗證后，已確保技術安全邊界已知。5月小冰公司發(fā)布的"GPT克隆人計劃"運用的就是這套混合模型方案。

但不可否認的是，以大模型為標志，世界開始進入到更快的技術迭代周期，正如李笛所說：“大模型揭示了一場新的變革。”