在2024 T-EDGE创新大会暨钛媒体财经年会上，DeepAI首席执行官Kevin Baragona分享了他对当下大模型行业发展现状的独到见解。过去一年，大模型领域可谓风起云涌，其发展速度与带来的影响都令人瞩目。
李开复等业内专家指出，过去一年大模型的推理成本下降了约10倍（例如从GPT-4、Turbo、4o到o1），推理速度显著提升。然而，这一飞速发展也面临挑战。随着算力的提升，大模型的Scaling Law（扩展定律）开始失效，全球数据总量的限制成为制约大模型进一步发展的瓶颈。
针对这一行业困境，Baragona提出了DeepAI的解决方案。作为美国领先的生成式AI供应商，DeepAI提供文生图、文生视频、音乐创作以及开发者API等一系列工具，赋能个人创作者和企业高效利用AI技术。
Baragona回顾了AI的发展历程，从过去被视为笑柄的“令人羞愧”的技术，到如今蓬勃发展的“黄金时代”。他认为，计算成本的大幅下降是推动AI快速发展的主要动力。大规模的算力投入和数据积累，是提升AI性能的关键。然而，这一模式也暴露出问题：大语言模型的进步开始放缓。
Baragona认为，大语言模型发展放缓的根本原因在于现实世界数据的有限性，可用于训练的数据资源几近枯竭。他指出，DeepAI的应对策略是回归模型架构本身的优化，特别是推理架构的优化。此方法虽然初期会增加模型的推理时间、数据训练和测试时间，但能够大幅降低对数据量的需求。通过逐步优化推理模型的各个步骤，最终可以实现推理速度的提升和AI性能的增强。Baragona预测，在新的架构下，算力成本将持续降低，而AI性能却可能取得突破性的进展。
DeepAI在图像和视频生成领域取得了显著突破。Baragona分享了DeepAI早期图像生成效果不佳的经历，如今，其生成图像已达到令人惊叹的清晰度和真实感，甚至能创作出现实中不存在的奇幻场景，展现了强大的泛化能力。
Baragona也坦言，AI发展并非一蹴而就。深度学习技术曾经历漫长的“寒冬”，饱受质疑。然而，GPT-3等模型的出现改变了这一切，深度学习技术获得广泛认可，推动了AI的快速发展。他指出，英伟达在AI领域的成功，得益于其以较低成本提供高效矩阵乘法运算能力，这体现了算力成本降低的重要性。
AI技术的快速发展也引发了社会担忧，关于AI安全性和监管的讨论日益增多。各国和企业之间的竞争加剧，也导致AI研究和开发变得更加保密。然而，Baragona认为，AI的核心技术框架并非神秘，关键在于有效整合海量计算资源和庞大的数据集，这如同一种“炼金术”，能够显著提升AI模型的性能。
关于大语言模型是否进入平台期的问题，Baragona认为，虽然发展速度放缓，但并未完全停滞。数据资源的匮乏是主要瓶颈，但他并不认为研发全新模型架构是解决问题的关键。他认为，只要数据量足够丰富，计算资源充足，不同架构的性能差异不会太大。真正重要的，是重新审视对AI模型的期望和定位，将重点放在提升模型的推理能力上，使其能够灵活应用知识解决实际问题。
