文章主题：基础算法, AI2.0, 创新奇智, ChatGPT
机器之心原创
作者：吴昕
🌟在AI1.0时代，企业聚焦于大模型背后的算法实力，将其转化为业务的核心驱动力，通过将基础算法与前沿理念融入到各领域解决方案中，实现服务升级和产品创新。而对于像创新奇智这样的领航者来说，虽然平台构建至关重要，但长远来看，专注于行业的深度拓展才是关键路径。🎯让技术真正落地，服务于实体经济，是每个AI时代的明智选择。🌍
ChatGPT 热潮持续不断，一场接一场的密集发布事实上都在回答同一个问题：
ChatGPT 来了，跟还是不跟？如果跟，怎么跟？不跟，又意味什么？
🌟【创新奇智AI盛宴】🚀4月13日，中国AI领军企业创新奇智，在中关村核心地带的会议室，为全球媒体带来了一场别开生面的智能科技盛宴。💼CEO徐辉深度剖析了2022年业绩飙升的秘密，展示了公司AI2.0时代的雄心壮志。🌟财报亮点：🔥年度增长猛如闪电，创新奇智凭借其卓越的技术实力和精准的战略执行，实现了令人瞩目的业绩飞跃。🚀🔍战略布局：📈在AI2.0的新征程中，创新奇智以AIGC（人工智能生成内容）为核心，推出了备受期待的「奇智孔明」AInnoGC，专为制造业定制，引领行业创新潮流。💡新品发布：✨这款面向制造领域的革命性产品，不仅展示了公司的技术实力，更是对未来AI应用的前瞻承诺。🎉这场沟通会不仅是公司实力的展示，也是科技与未来的一次深度对话。🌟让我们共同期待创新奇智在AI领域创造更多可能！🌐#创新奇智 #AI2.0 #媒体沟通会 #AIGC #孔明产品
在智能制造的实战环节，我们与『智慧诸葛亮』深度交流，聚焦于实训和工业软件的核心议题。他们展示了卓越的样本生成技术，令人眼前一亮。🌟
🌟【独家揭秘】”奇智孔明”引领未来商业新风尚——专注2B领域，深化工业智能化！🚀💡在科技浪潮的前沿，”奇智孔明”正悄然崭露头角，以内测的姿态，引领一场制造业的深度变革。它专为那些寻求智能制造升级的垂类场景而生，致力于满足企业对2B商业化需求的创新探索。🛠️不同于传统的商业模式，”奇智孔明”聚焦于实效，通过先进的技术手段，将复杂工业流程智能化，提升生产效率，释放企业潜力。它的目标是帮助企业实现数字化转型，迈向更高效、更具竞争力的未来市场。🌐作为行业翘楚，公司坚持用户至上的原则，致力于打造一个完全保密且专业高效的内测环境，确保每一位参与者都能充分体验其独特价值。我们期待与有志于工业智能化的伙伴们共享这一创新成果，共同开启商业的新篇章。欲了解更多详情，敬请关注我们的动态更新，或直接联系我们获取最新资讯。让我们一起见证”奇智孔明”如何用智慧点亮制造业的未来！💡—原文已根据要求进行了改写和优化，保留了主要信息并移除了个人身份和联系方式，同时使用了SEO友好的词汇和emoji符号，以吸引搜索引擎和读者关注。
一、初见「孔明」
🌟🚀【奇智孔明】工业预训练翘楚，AI2.0革命引领者！💡Industrial geniuses, meet AInnoGC – your go-to engine for top-notch content creation in niche sectors 🌟Industry-specific excellence, powered by cutting-edge AI technology 🚀Transforming your business with intelligent content generation 🤖这款创新奇智的旗舰AI2.0产品，以卓越的工业预训练模型为核心，专为垂直领域定制生成内容。它不仅保证了高质量，还能深度贴合企业需求，提升品牌影响力。🚀Experience the future of AI-driven content creation today! 💻🌟
🌟🚀引领未来创新！我们的算法引擎致力于将生成式技术无缝融入产品解决方案，为各行各业（哪怕是隐形冠军）解锁专属的AI内容生成力。🌍💡由行业领军者张发恩带领的创新奇智团队，专注于打造这样的智能平台，让数据说话，驱动创新。欲了解更多详情，敬请关注我们的最新动态，一起探索无限可能！🌐💖
创新奇智的人工智能技术栈。目前 AInnoGC 是规划在 cloud 上的技术组件或者是技术引擎。MMOC 是一个软件平台，算法可以插进去，因此，AInnoGC 目前定位是 on cloud。围绕制造业打造的产品解决方案通常可以分为两类。一类涉及产线运营效率提升，比如工业质检。
另一类叫做企业信息智能，信息和知识密度比较大，也和结构化数据有关，非常适合大模型的应用。我们现场测试了「孔明」的两个主要能力——智能实训和工业软件——都属于这类情况。
先来看看智能实训。我们先站在培训老师的角度，要求「孔明」准备一份为期三天的汽车厂家的培训大纲，完成速度很快，内容安排老练周到。
接着，我们又改变主意，希望将培训方案时间改为七天：制造业虽然积累了很多数据，但传统工程师通常不会写程序利用这些数据。如果工程师想知道如何使用人工智能方法实现机车尾部和吊钩识别，问问「孔明」就知道了：如果想不起实现目标检测的代码，「孔明」也能帮上忙：新入职的新手工人也可以通过自然对话更快了解工作相关的内容：除了智能实训，在工业软件方面，「孔明」能够做些什么呢？目前国内工厂的数字化已经达到一个比较高的水平，每一项生成步骤都有相应的数据产生并且记录再工业软件上，比如业务数据、物流数据、管理数据、财务数据等等。但数据越多并不意味着洞察业务更方便，现在，仅凭对话就能立刻获得不同管理者想要的表格，节省了大量配置报表的工作。
你看，要求「孔明」生成某工厂 2022 年员工出勤率与离职率的统计表格，它也做得不错：
目前，智能实训和工业软件的应用正处在客户 POC 阶段。除此之外，我们还尝试用自然语言让「孔明」生成一张硅片瑕疵图片样本，结果，也成功了。我们测试过，据张发恩介绍，新生成式算法生成的图片比利用对抗生成网络生成的图片，在泛化性和多样性方面都会好很多。通过扩散模型生成样本的效率也更高一些。
仔细观察，不难发现这两个应用场景的选择都非常巧妙。比如，智能实训的经济效益和社会效益都很好。大学生毕业进入企业需要接受培训，资深产业工人另谋就业或者转型也需要接受新的职业培训。传统工程师也要与日益普及的软件打交道，了解编程知识。对于模型来说，这种不受时间、地点限制，可 7 × 24 小时交互意味着源源不断的反馈和数据供给。
这些数据不如产线上的数据要求严苛，对于培训来说已经够用。实训场景对生成结果也有一定包容性。随着闭环的形成，数据反哺并不断提升模型能力，平台越来越精准，累积的数据也会逐渐变成信息资产。
工业软件也是。将 ERP、MES 等不同业务系统的数据拿出来，根据不同的人的关切程度按需生成各种分析报表，辅助决策，同时也是在做数据和信息资产的积累。
精选两个场景，切开入口之后，公司还会一步步往外推开。创新奇智认为 AI 生成内容能力在很多工业场景中有大的发展空间。比如，样本甚至标签生成、站在工厂规划角度，智能产线设计、自动排程等也有很大的潜力。
公司的产品货架上过去有「软硬兼施」，有运营效率，未来还有信息智能甚至更多，这样一个全方位的管家服务，将帮助公司更加深度地黏住企业客户。
二、技术与商业：「孔明」背后的大模型逻辑
据介绍，技术路径上，计算机视觉和自然语言处理技术其实同宗，创新奇智的工业预训练大模型也使用了 Transformer 架构。
可以确定的是，面向行业和面向客户的预训练大模型会成为一个必然需求。张发恩也反复强调，参数数量不等于模型能力，模型的规模大小并那么重要，重要的是模型的能力。
如果说 ChatGPT 是一个受过大学教育、具备通识知识的人，那么，他要在智造领域有所作为，还要接受专业培训。创新奇智的工业预训练模型更加面向 B 端制造业，领域知识体量没有通识那么大，目前也不需要比肩通用大模型的参数规模。
我们会更加关注服务和经济效益上的能力，我们会更加务实。张发恩说。
在大家颇为关心的算力问题上，虽然公司没有几万张 GPU 卡，「但我们还是有算力规模能力的，五年下来还是积累了一定数量的 AI 算力。」徐辉在沟通会上透露。
目前，创新奇智也在利用一些先进技术（例如 LoRA）对算法进行优化，让大模型在小算力的情况下依旧可以运行。
对此，张发恩进一步解释道，GPT3.5 有 1750 亿个参数，用了几千张 GPU 卡训练了几个月。但同样规模参数的大模型，训练精度和所需算力水平其实在快速下降。
这就像第一次做一个产品，交付周期也长，人工打造的也多，往后批量的时候，周期和成本都会往下降。技术界也是一样，同样规模模型能力，可能只需要原来算力的几十分之一就能做到。「对于这一块儿，我们相对表示乐观，所以不去军备竞赛。」他说。
与其一味追求模型的规模，创新奇智更愿意强调工业预训模型的领域性和私有化部署，模型的成功离不开大量专业数据和 know-how 的积累。
通用的预训练大模型，例如 ChatGPT 不能有效解决行业中大客户对大模型的专属需求，训练时使用的数据也是公开的互联网数据，大模型内部并不含有行业的或某大客户内部业务数据知识。尤其是，对于各个细分领域的巨头来说，数据——无论是经营数据还是生产数据（比如工艺、成分、流程）——都是公司的商业壁垒。
你很难想像华星光电或者中石油会把数据拿给别人训练，它只会建立自己的大模型技术。因此面向行业和面向客户的预训练大模型，私有化部署会成为一个必然需求。
与此同时，制造业又是一个行业 Know-how 极强的领域，每个细分领域都有自己的知识，在智能化过程中，每个相似的环节都需要根据对行业 know-how 重新设计。这些知识是通用大模型没法凭空生的，只有深耕行业服务的公司才能设计出针对工业的大模型。
如果说工业预训练大模型构成「奇智孔明」的核心，那么，在它之上还有四个关键技术组件：Fine Tune Service、Prompt Service、Instruction Service，以及 Model Service。
比如，Fine Tune Service 代表着我们会在模型上做微调，让模型具备能理解客户私域信息的知识。张发恩解释道，这些客户的数据当然是私有的，领域的数据，训练到一个给客户专门部署的模型中，不会留在我们这一侧。
为了加速模型迭代，Prompt Service 有助于提升企业客户与模型合作效率，生产更符合需求的结果。
不过，不管如何强调垂类行业的大模型无法比肩通用型的规模，投入成本之大仍然不容置疑——模型大、适配困难，训练一次的时间和电价成本都不低。这部分成本需要服务商选择合适的对象去摊薄，这就要求产品一方面上量，另外也要有一定的购买力。我们在创新奇智 2022 年财报中也找到了答案。目前，公司制造业务板块聚焦于「钢铁冶金、面板半导体、3C 高科技、工程建筑、汽车装备、能源电力、食品饮料 & 新材料、智造实训 」8 个细分领域。
客户数量也从 2021 年的 159 家增加至 2022 年的 292 家。其中，制造业的客户数量从 2021 年的 93 家增加至 2022 年的 221 家。
创新奇智将年收入贡献 450 万以上的客户称为优质白金客户。精耕细作优质白金客户，是公司持续获得客户粘性和收入成长的重要方法。2022 年，公司优质白金客户收入从 2021 年的 7.99 亿元增长 69%，达至 13.5 亿元，其中，制造业优质白金客户贡献的收入由 2021 年的 4.13 亿元增长至 2022 年的 7.92 亿元，增长比例为 92%。
事实上，公司研发「奇智孔明」的驱动力也有一部分来自客户。ChatGPT 很好地教育了 AI 圈外的人，公司客户会主动找到公司要求他们提供一些服务。
我们逐步研发工业预训练模型，徐辉表示，在制造业和金融领域选择客户和场景，做联合应用落地探索，利用 AIGC 去做一些更落地、切实际的应用和企业服务。希望借助工业预训练大模型，积极开拓增量市场，更深刻地服务制造业客户，也进一步提升为客户降本增效的能力。
三、「横」与「竖」，如何拥抱 AI2.0？
如果将 2018-2022 定义为 AI1.0，这五年来人工智能遍地开花，却未形成真正的智慧。除了客户接受程度有限，也因为技术部署的时间和经济成本都比较高。
即便如此，创新奇智仍取得了亮眼业绩。财报显示，公司在 2022 年营业期内收入 15.58 亿元，同比增长 80.9%；毛利额达 5.07 亿，同比增长 89.7%；毛利率 32.6%，同比增长 1.6 个百分点。
「AI+ 制造」为公司第一大业务板块，收入人民币 9.48 亿元，同比增长 111.2%，营收占比从 2021 年的 52.2% 提升至 60.9%。
徐辉在沟通会上表示，对公司未来业绩增长表示乐观，也坚信 AI 行业一定会走向正循环。
不过，值得注意的是，目前中国制造业的 AI1.0（以卷积神经网络 CNN 为代表）普及率可能仅有 10% 左右，因此在未来相当长一段时间里，1.0 版本技术普及仍然是创新奇智营收增长的坚实支柱。
财报也提到 2023 年将积极布局 AIGC。对自己在 AI2.0 时代所处的位置，创新奇智一直有着清楚认知——术业有专攻，我们特别适合做大模技术的行业应用。
面对这样一个一半火焰一半海水的时代机遇，「我们给自己的定位是坚定去做运用大模型技术的行业应用的公司。」徐辉说，扬己之长，做好大模型技术应用的创新旗帜。
而对于做平台的那一「横」，徐辉认为最后逻辑上会有非常先进的大模型平台公司，中国也会有。
长远来看，横非常重要，未来有更多的纵深一「竖」更重要，正所谓宝剑锋从磨砺出。
有人发明了电和冷冻技术，非常伟大，人类深受其利。但谁赚到了更多的钱呢？是那些将电和冷冻技术运用到不同场景的人，比如将电和冷冻机结合起来造出冰箱、冰柜的人。
还有谁比造冰箱、冰柜的人赚得更多呢？是可口可乐，因为它改变了人类的生活方式。
THE END
转载请联系本公众号获得授权
投稿或寻求报道：content@jiqizhixin.com
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
