作者 | 褚杏娟
“在舊金山，隨便進(jìn)去一家咖啡館，十分鐘之內(nèi)，你就會聽到有人在談?wù)?ChatGPT、AI。不管是不是有些天馬行空，視線范圍內(nèi)的所有人都在嘗試著融入和探索新的事物。”25 歲決定與賈揚(yáng)清一起在美國加利福尼亞州創(chuàng)業(yè)的魚哲說道。
魚哲跟賈揚(yáng)清的緣分始于阿里云。2020 年，魚哲本科畢業(yè)后入職阿里云，這是賈揚(yáng)清進(jìn)入阿里的第二年。當(dāng)時，負(fù)責(zé)阿里云機(jī)器學(xué)習(xí)平臺 PAI 產(chǎn)品線的魚哲進(jìn)入了賈揚(yáng)清的團(tuán)隊(duì)，并與之共事了很久。2023 年，賈揚(yáng)清從阿里離職創(chuàng)業(yè)，魚哲也選擇加入這支隊(duì)伍。
“我非常認(rèn)同揚(yáng)清的創(chuàng)業(yè)方向，這個方向非常有趣。”魚哲說道。在時代浪潮的推動下，每個人都在尋找自己的方向。魚哲用這個中式的比喻來形容他們正在做的事情：我們不幫別人包餃子，而是為他們的廚師提供一個優(yōu)秀的中央廚房，讓廚師們可以輕而易舉的獲取所需的食材以便其能更好地準(zhǔn)備自己的菜肴。
那么，這個 98 年的“新秀”是如何一步步走向 AI 創(chuàng)業(yè)道路的？他們現(xiàn)在究竟在做什么樣的事情？又是如何思考 AI 的現(xiàn)狀和發(fā)展的呢？
從高中開始就一直很“不正經(jīng)”
2017 年 7 月的一個周末，深圳的臺風(fēng)襲來，而幾十位極客正在科技寺舉辦的黑客松上如火如荼地討論各種項(xiàng)目，其中便有魚哲的身影。
在大二選擇 Gap Year 時，魚哲在編程貓擔(dān)任算法工程師，業(yè)余時間利用圖像識別和自然語言處理技術(shù)，做了一個可以在對話中自動生成相應(yīng)表情配合文字的程序，叫“表情包終結(jié)者（Meme Fighter）”，據(jù)說是因?yàn)樗?jīng)常在微信群的表情包大戰(zhàn)中慘敗。
兩天內(nèi)做出這樣一個項(xiàng)目，對魚哲來說并不是太難。
當(dāng)大多數(shù)人在為高考努力的時候，受素質(zhì)教育影響的魚哲被更愿意去探索不同的領(lǐng)域。那時的他對技術(shù)很感興趣，除了一直關(guān)注最新的技術(shù)動態(tài)，他玩過單片機(jī)、也參與了一些機(jī)器人項(xiàng)目，算是積累了一些經(jīng)驗(yàn)。后來在第一次接觸 JupyterLab 時，遇到問題后的魚哲會自己修復(fù)并提出 bug 報(bào)告，因此還被 JupyterLab 創(chuàng)始人邀請參與到了項(xiàng)目中。
舉一反三也是魚哲的強(qiáng)項(xiàng)。在編程貓工作時，他需要讓模型能夠應(yīng)對大量業(yè)務(wù)流量。最開始無從下手，但當(dāng)時聽了“Instagram 如何架構(gòu) Python 后端”的講座后，魚哲借鑒了其思路并實(shí)施到自己項(xiàng)目中，取得了不錯效果。
在魚哲的成長過程中，實(shí)習(xí)工作是家常便飯，但也正是一次次的工作經(jīng)歷影響了他看待世界的方法，進(jìn)而影響了他的職業(yè)選擇。
高中期間，魚哲去了一家咨詢公司做市場調(diào)研的工作。實(shí)際上，這份工作并不復(fù)雜：研究當(dāng)時市場上的青少年科技夏令營主要做什么、定價情況、客戶群體等，在收集到大量數(shù)據(jù)并進(jìn)行分析后，推測當(dāng)?shù)厝藗兊南M(fèi)情況、對子女教育的投入等。
“這種洞察力非常有趣，你可以通過一些有趣的數(shù)據(jù)看到其他人是如何生活的，就像有了上帝視角。”魚哲說道。咨詢公司對方法論和數(shù)據(jù)運(yùn)用的重視也深刻影響了魚哲，讓魚哲養(yǎng)成了“用數(shù)據(jù)看世界”的思維習(xí)慣。
另外，這段實(shí)習(xí)經(jīng)歷也讓魚哲接觸到了另一個跟技術(shù)無關(guān)的領(lǐng)域：商業(yè)運(yùn)作。魚哲開始思考將技術(shù)與商業(yè)結(jié)合起來。他認(rèn)為，技術(shù)不能只停留在實(shí)驗(yàn)室中，只有真正落地并被大家接受和應(yīng)用才能發(fā)揮更大的價值。
于是，本科期間，魚哲選擇了去美國倫斯勒理工就讀信息技術(shù)與網(wǎng)絡(luò)科學(xué)專業(yè)（Information Technology and Web Science，ITWS），計(jì)算機(jī)學(xué)院和商學(xué)院各學(xué)兩年，深入了解技術(shù)對商業(yè)變革的影響。根據(jù)規(guī)劃，其最終的職業(yè)發(fā)展方向就是技術(shù)的落地及商業(yè)化。
“阿里云最年輕的產(chǎn)品經(jīng)理”
阿里云是魚哲大學(xué)畢業(yè)后的第一份正式工作，22 歲的他成了“阿里云史上最年輕的產(chǎn)品經(jīng)理”。
在阿里云，魚哲更像是經(jīng)歷了一場“系統(tǒng)化訓(xùn)練”，用他的話就是，這次工作對他在“個人技術(shù)深度和廣度方面的提升、個人職業(yè)規(guī)劃的明朗，以及商業(yè)模式和市場的理解上，都產(chǎn)生了很大影響。”
回憶起這段經(jīng)歷，魚哲最先想到的是養(yǎng)成了“只要沒干死，就往死里干”的態(tài)度。當(dāng)時阿里云要研發(fā)很多新產(chǎn)品，剛?cè)肼毜乃睦锉镏鴦牛瑢⒆约旱墓ぷ鞴?jié)奏安排得非常緊：早上吃咖啡因含片，中午甚至只吃蛋白質(zhì)代餐，一直工作到晚上九點(diǎn)或更晚。“年輕人總是會容易感動自己，以為這個世界離開了我就不行。”魚哲笑著調(diào)侃當(dāng)年的自己。
魚哲坦言自己經(jīng)歷了失敗，“想要第一次嘗試的事情也不總是正確的”，但周圍阿里的同事給了他很大的包容，經(jīng)過多次試錯后最終可以找到正確的“打開方式”。這些努力也讓他收獲頗豐：經(jīng)手業(yè)務(wù)一年里基本上都實(shí)現(xiàn)了二三十倍的增長。
對魚哲來說，“阿里云最年輕的產(chǎn)品經(jīng)理”的標(biāo)簽，從某種程度上來說，代表著他年輕的特質(zhì)。“年輕時，我們對許多東西都不懂，也不知道如何去應(yīng)對，意識到‘自己不知道’很重要，更重要的是迎難而上的勇氣和不斷探索的精神”魚哲解釋道。
選擇創(chuàng)業(yè)，只能不停地學(xué)習(xí)
去年下半年，ChatGPT 的爆火引發(fā)了 AI 狂潮，進(jìn)而吸引了一批 AI 創(chuàng)業(yè)者，多年前就想創(chuàng)業(yè)的賈揚(yáng)清這次終于下場。
“在 AI 領(lǐng)域，模型的保鮮期基本上是一年左右。”賈揚(yáng)清曾表示，因此他瞄準(zhǔn)了需求更明確的方向：如何更好地部署模型，是否有更彈性的、更穩(wěn)定的、更低成本的部署模式。不直接幫企業(yè)開發(fā)應(yīng)用是因?yàn)樵S多情況下，用戶比廠商更了解特定場景的實(shí)現(xiàn)細(xì)節(jié)，廠商無法深入解決專業(yè)領(lǐng)域的問題。
已經(jīng)在 AI 領(lǐng)域積累多年的魚哲很認(rèn)同賈揚(yáng)清的觀點(diǎn)，因此在阿里云工作三年的魚哲加入了這個創(chuàng)業(yè)團(tuán)隊(duì)。“我的優(yōu)勢在于曾在甲方和乙方兩方都工作過，對整體商業(yè)模式有較為深入的了解。我還有一段時間在海外工作、生活和學(xué)習(xí)，這些經(jīng)歷讓我能更全面地看待問題。”魚哲認(rèn)真剖析了自己。
如今，魚哲在 LeptonAI 擔(dān)任產(chǎn)品負(fù)責(zé)人一職，他經(jīng)常參加各種線下活動，通過與外界交流來了解市場和用戶的需求，進(jìn)而反推出自己應(yīng)該做什么樣的產(chǎn)品。
對于魚哲來說，大廠的很多工作相對來說都是可預(yù)測的，而現(xiàn)在的工作不確定性更強(qiáng)，但也更加讓他興奮。他如今需要更快速地學(xué)習(xí)，并充分利用自己之前的工作經(jīng)驗(yàn)，來找到更好幫助用戶實(shí)現(xiàn)自己 AI 落地的方法。
沒有固定的上下班時間、更注重結(jié)果，選擇創(chuàng)業(yè)公司讓他比之前更加忙碌。同時，像魚哲這樣的 AI 創(chuàng)業(yè)者，現(xiàn)在面臨的最大挑戰(zhàn)之一就是市場的不確定性：整個 AI 和機(jī)器學(xué)習(xí)領(lǐng)域變化迅速，每天都有新的機(jī)會和技術(shù)涌現(xiàn)，大家每天讀論文的速度都跟不上發(fā)布速度，他們需要始終都要保持初學(xué)者的心態(tài)，不斷學(xué)習(xí)和吸收新知識。
“我也沒有特別好的辦法，只能盡力跟進(jìn)最新進(jìn)展，多與業(yè)內(nèi)一些頂尖公司的專業(yè)人士交流，跟上這個快速發(fā)展的領(lǐng)域。”魚哲說道。
“很難找出這樣出色的團(tuán)隊(duì)”
作為一個創(chuàng)業(yè)公司，魚哲所在的 LeptonAI 現(xiàn)在主要將精力放在了三個方面：
持續(xù)進(jìn)行 AI 模型的前沿創(chuàng)新研究，涵蓋訓(xùn)練、推理、編譯等方面，不斷提高模型從訓(xùn)練到生產(chǎn)環(huán)境等各個關(guān)鍵環(huán)節(jié)的競爭力；提升工程平臺性能，確保整個工作流程更加高效；不斷思考和調(diào)整商業(yè)模式，以確保公司在整體上保持競爭力。LeptonAI 的自信來自創(chuàng)始成員們此前資深的工作經(jīng)驗(yàn)。創(chuàng)始人們在這些大廠多次帶領(lǐng)團(tuán)隊(duì)實(shí)現(xiàn)技術(shù)和產(chǎn)品架構(gòu)升級。比如賈揚(yáng)清就曾在 Meta 將 Pytorch 打造為深受 AI 開發(fā)者們喜愛的框架的經(jīng)歷。這給 LeptonAI 的啟示就是要與開發(fā)者“共鳴”：雖然 Pytorch 可能在性能方面不及靜態(tài)圖的 TensorFlow，但它讓開發(fā)者使用起來更方便。“我們對 AI 開發(fā)者的需求有很好的理解，知道他們在使用時可能遇到的問題。”
除了“AI 大神”賈揚(yáng)清，團(tuán)隊(duì)很多成員之前都曾在阿里、Google、Meta 和 Uber 等大廠工作，積累了在 AI 應(yīng)用和 AI 框架方面的豐富經(jīng)驗(yàn)。團(tuán)隊(duì)對云基礎(chǔ)架構(gòu)也有深入了解，能夠充分利用各種云資源，包括完備的云服務(wù)商和基礎(chǔ)的 IDC。同時，新團(tuán)隊(duì)的成果，比如之前做的 Llama 2 API 以及 SDXL 性能優(yōu)化等，得到了開發(fā)者們認(rèn)可和好評，這也讓團(tuán)隊(duì)更加自信。
“在業(yè)界，找出這樣一支能夠在這些方面都表現(xiàn)出色的團(tuán)隊(duì)是非常困難的。”魚哲說道。
至今為止，LeptonAI 仍然專注于開發(fā)面向應(yīng)用和開發(fā)者的 AI 工具平臺。不過，魚哲也表示，順勢而為非常關(guān)鍵，“每個團(tuán)隊(duì)都需要建立自己的基本實(shí)力和核心競爭力，在此基礎(chǔ)上，關(guān)鍵就看哪個團(tuán)隊(duì)能夠更快地跟上技術(shù)熱點(diǎn)的發(fā)展，并且能夠充分利用已有的能力。”
LeptonAI 不會制定過于詳細(xì)的長期規(guī)劃，而是傾向更靈活地應(yīng)對局勢，以月、周為周期來關(guān)注公司的目標(biāo)和方向，不斷調(diào)整和適應(yīng)變化。
比如，目前市場需求主要集中在大模型方面，公司則會在這方面相對投入更多資源。但這并不意味著 LeptonAI 放棄了傳統(tǒng)的深度學(xué)習(xí)或機(jī)器學(xué)習(xí)模型，因?yàn)楹芏嗥髽I(yè)實(shí)際上是混合模型的架構(gòu)，這些傳統(tǒng)模型并沒有被舍棄。
怎么做好產(chǎn)品？
“我們不是過去傳統(tǒng)意義上的服務(wù)提供者。”魚哲強(qiáng)調(diào)，“我們是要將客戶的行業(yè)專業(yè)知識轉(zhuǎn)化為應(yīng)用落地的加速器，而不是代替他們完成任務(wù)。”
在對外交流過程中，魚哲發(fā)現(xiàn)用戶的需求多且細(xì)，比如企業(yè)很想使用一些機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，但模型的復(fù)雜度是個阻礙；企業(yè)想在不將代碼放在公共互聯(lián)網(wǎng)上的情況下，利用代言模型來管理代碼補(bǔ)全，但技術(shù)能力可能無法實(shí)現(xiàn)等。魚哲團(tuán)隊(duì)要做的就是依靠工作經(jīng)驗(yàn)找到其中確定性的東西，來解決用戶真實(shí)存在的問題。
當(dāng)前，LeptonAI 的思路是：開發(fā)者用 Python 原生方式構(gòu)建模型，無需學(xué)習(xí)容器或 Kubernetes；然后在本地調(diào)試和測試模型，再使用單個命令將它們部署到云端；之后，開發(fā)者可以通過簡單、靈活的 API 在任何應(yīng)用程序中使用模型。這個過程中，LeptonAI 還要幫開發(fā)者選擇最適合應(yīng)用程序的異構(gòu)硬件，并做水平擴(kuò)展來處理大量工作負(fù)載。
為了方便開發(fā)者以更舒適的方式構(gòu)建和打包 AI 應(yīng)用，LeptonAI 提供了一個名為“光子（Photon）”的 Python 庫，“光子無處不在，何時何地都能找到它，同時也象征著速度快的特性。”Photon 最初是團(tuán)隊(duì)將機(jī)器學(xué)習(xí)模型、運(yùn)行時環(huán)境以及工程代碼有機(jī)結(jié)合的抽象概念。現(xiàn)在，Photon 定義了一組處理程序和 Python 依賴項(xiàng)，用戶也可以根據(jù)情況構(gòu)建自己的 Photon。
關(guān)于 Python 作為 AI 服務(wù)框架的問題，業(yè)內(nèi)目前存在一些爭議，比如 Python GIL 是眾所周知令人頭疼的問題。為解決 Python 帶來的性能問題，大家的基本思路似乎是放棄 Python：Hugging Face 用 Rust 重寫了一個 ML 框架、Modular 公司發(fā)布了名為 Mojo 的新編程語言。在魚哲看來，Python 的應(yīng)用取決于具體的使用場景。例如高頻量化交易場景可能需要使用更低級別的語言來滿足毫秒級延遲的要求，而在其他情況下，幾十毫秒級別的延遲可能是可接受的。
對于性能要求極高的場景，LeptonAI 會對原本在 Python 下進(jìn)行的模型服務(wù)進(jìn)行編譯、推理、優(yōu)化和加速等處理，進(jìn)而保證其他方面的高效運(yùn)行。比如部署在機(jī)器人或車輛上的應(yīng)用，運(yùn)行時資源非常有限，LeptonAI 會通過特殊的壓縮手段來保持更高的性能，而用戶端是無感的。
LeptonAI 當(dāng)前主要在公有云中提供全托管服務(wù)，但 LeptonAI 給自己的定位和傳統(tǒng)云廠商有些不同。“我們幫助客戶制定自己的 AI 戰(zhàn)略，這是很多廠商不提供的服務(wù)。我們能夠提供很多云廠商無法提供的技術(shù)細(xì)節(jié)，我們比云廠商更深入了解 AI。”魚哲說道。
目前 LeptonAI 產(chǎn)品處于開放測試階段，還在不斷優(yōu)化迭代和完善功能。比如團(tuán)隊(duì)推出了一個名為 TUNA 的功能，用戶只需要上傳語料，就能一鍵操作對模型進(jìn)行微調(diào)。魚哲總結(jié)自己產(chǎn)品的優(yōu)勢在開發(fā)者體驗(yàn)、價格成本和性能上。
測試有時候也不僅僅針對產(chǎn)品，還有對開發(fā)團(tuán)隊(duì)心理的考驗(yàn)。“這個階段，沮喪的事情有很多。”魚哲說道，“當(dāng)你抱著很高的期望嘗試時，有時會發(fā)現(xiàn)某個基礎(chǔ)組件并不穩(wěn)定，或者是最初以為用戶會非常喜歡的功能，實(shí)際做完后發(fā)現(xiàn)用戶覺得很難用。”
技術(shù)不斷進(jìn)步，總會有新的問題需要解決。在魚哲看來，最重要的是保持冷靜、堅(jiān)定前行，因?yàn)楹芏嗍虑椴]有捷徑可走。“這個道路上的坑也是多不勝數(shù)的，不要試圖繞過，而是要努力填坑，并且越快越好。”
承上啟下的角色
現(xiàn)在，LeptonAI 的客戶涵蓋了金融、能源、自動駕駛以及信息互聯(lián)網(wǎng)服務(wù)等領(lǐng)域。除了個別性能要求極高場景，LeptonAI 并不針對特定行業(yè)提供解決方案，更多是提供底層標(biāo)準(zhǔn)能力，方便用戶快速應(yīng)用。
“我們處于一個承上啟下的角色。因?yàn)樵谏嫌魏拖掠蔚拿總€人，都有他們自己的客戶（甲方）和供應(yīng)商（乙方）。”魚哲說道。
LeptonAI 提供算力、模型和服務(wù)，服務(wù)方面包括通用流行模型的 API 服務(wù)、個性化模型的平臺服務(wù)和對模型進(jìn)行微調(diào)和部署的服務(wù)。這些能力背后需要計(jì)算、存儲和網(wǎng)絡(luò)三種資源支撐。LeptonAI 會從不同的供應(yīng)商那里采購這些資源，包括傳統(tǒng)云廠商和新興云廠商。能夠做好供應(yīng)鏈整合、在價格上獲得比競爭對手更大的優(yōu)勢，這也是 LeptonAI 的核心競爭力之一。
LeptonAI 的收費(fèi)項(xiàng)主要有三部分：基于軟件訂閱的費(fèi)用，私有模型部署的資源使用費(fèi)用，和熱門模型的使用費(fèi)用。資源使用的定價邏輯是基于規(guī)格乘以使用時長的方式來計(jì)算。對于單位價格，LeptonAI 基于 AWS、GCP、Azure 等多個市場供應(yīng)商來設(shè)定適當(dāng)價格。
魚哲表示，LeptonAI 并不是基于各種成本來定價的，而是假設(shè)用戶自己處理需要花費(fèi)的成本，然后 LeptonAI 在此基礎(chǔ)上設(shè)定價格，目的是確保用戶直接購買現(xiàn)成解決方案比自己做要更加劃算。
不過魚哲強(qiáng)調(diào)，低成本并非是 LeptonAI 的主打市場推廣策略，同時還是要關(guān)注用戶使用體驗(yàn)和產(chǎn)品性能。畢竟 To B，從來就不是單個維度上的短跑，而是多個維度的長跑。
此外，LeptonAI 也在積極融入整個行業(yè)發(fā)展中，以 GitHub 開源工具鏈 SDK 的方式來降低模型使用的門欄，讓每一位 AI 開發(fā)者們通過一行命令即可拉起熱門模型。
不能“拿著錘子找釘子”
關(guān)注 AI 多年，魚哲這次感受到的一個顯著變化是，人們不再是僅僅被炫酷的技術(shù)吸引后就不斷投入資金進(jìn)行嘗試，反而會更加迅速地關(guān)注技術(shù)的實(shí)際應(yīng)用和落地，更注重可行性和投資回報(bào)率（ROI）。人們變得更加理性，特別是在資本投入方面，也更加客觀、認(rèn)真地去思考技術(shù)如何落地。
大模型因?yàn)榱奶鞕C(jī)器人被更多人熟知，但大模型不僅僅是聊天機(jī)器人。大模型的多模態(tài)特性可以將世界上的豐富多彩元素轉(zhuǎn)化為機(jī)器可理解的格式。大模型的應(yīng)用場景是非常廣泛的。但對于大模型應(yīng)用來說，最困難的不是訓(xùn)練模型，而是找到適合的應(yīng)用場景和相應(yīng)數(shù)據(jù)。
魚哲表示，開發(fā)大模型應(yīng)用，行業(yè)經(jīng)驗(yàn)和數(shù)據(jù)的質(zhì)量是非常重要的因素：有足夠的行業(yè)經(jīng)驗(yàn)才能更好地理解目標(biāo)受眾的需求和應(yīng)用場景；而數(shù)據(jù)的質(zhì)量和多樣性將直接影響模型的性能和效果。這兩項(xiàng)確定后，擁有先發(fā)優(yōu)勢就非常關(guān)鍵，開發(fā)者一定要保持持一定的迭代速度。
但在新技術(shù)落地上，找到場景也很難。“如果我現(xiàn)在只是拿著一個大模型去構(gòu)建應(yīng)用，那這就像拿著錘子找釘子。實(shí)際上，我們應(yīng)該先有一個場景，然后再構(gòu)建相應(yīng)的應(yīng)用。”魚哲進(jìn)一步說道，同時，大模型落地還需要企業(yè)里有既了解特定場景又熟悉相關(guān)技術(shù)、清楚什么能做什么不能做的人才，才能真正落地。
本質(zhì)上，大模型應(yīng)用還處于非常早期的階段，大多數(shù)應(yīng)用仍停留在概念驗(yàn)證（POC）或短期上線能夠使用的狀態(tài)。就像 Bing 或者 Google 搜索雖然落地了，但在特定領(lǐng)域的深度應(yīng)用還在不斷嘗試中。
“建議大家不要被大模型束縛住。實(shí)際落地時，除了大模型外，還可以充分利用許多已存在的深度學(xué)習(xí)模型或傳統(tǒng)模型。例如在圖像處理方面，卷積神經(jīng)網(wǎng)絡(luò)（CNN）實(shí)際上可能比大模型更適用。”魚哲說道。
如今，行業(yè)在大模型上基本形成了這樣的共識：沒必要一味追求大規(guī)模參數(shù)，開源會成為主流，通用大模型并不“通用”，垂直行業(yè)的大模型更被期待。魚哲認(rèn)為，下一步是努力消除基礎(chǔ)能力和場景差距。這方面，AI Agent 被寄予厚望，人們希望借此解決單靠大模型無法解決的問題。
AI Agent 示意圖
簡單說來，AI Agent 希望達(dá)成的效果是：一個獨(dú)立思考的實(shí)體具備了多種技能，這些技能可以組合起來應(yīng)用到生產(chǎn)中，最終交付出一個成果。其中，大模型充當(dāng)了代理的大腦，并由 Memory、Tools、Planning、Action 幾個關(guān)鍵組件進(jìn)行補(bǔ)充。
魚哲設(shè)想的一個 Agents 應(yīng)用場景是交互式搜索，比如用戶去某地方開會，智能助手可以除了導(dǎo)航還可以提示哪里可以停車等。魚哲始終認(rèn)為，技術(shù)否能夠成功取決于它是否能與特定場景良好結(jié)合，停留在實(shí)驗(yàn)室內(nèi)的技術(shù)不見天日更難有機(jī)會被打磨，因此更接近場景的人其實(shí)更有機(jī)會。
結(jié)束語
“我無法設(shè)想 AI 不再流行的情景。”魚哲說道，“AI 代表了一種信息處理的方式，而人類對于信息處理方式的投入只會越來越多，不會減少。”魚哲預(yù)計(jì)，人工智能的進(jìn)步和發(fā)展會越來越深入和持久，自己也會持續(xù)在這個行業(yè)深耕下去。
魚哲坦言，自己最擅長的領(lǐng)域仍然是人工智能。在這個領(lǐng)域工作久了，他逐漸意識到，技術(shù)落地的過程比想象的復(fù)雜得多，有些事很多時候更像是一場馬拉松，而不是一次短跑。他現(xiàn)在的首要目標(biāo)是和團(tuán)隊(duì)一起幫助 LeptonAI 發(fā)展壯大，在這個前提下，繼續(xù)秉持自己的興趣前行。
直播預(yù)告
隨著大模型的涌現(xiàn)，許多領(lǐng)域的大佬都發(fā)表過“值得考慮用大模型重新構(gòu)建所有行業(yè)和產(chǎn)品”的看法。那么，在 ChatGPT 推出快一年了，針對不同行業(yè)，這些大模型都用來解決哪些具體問題呢？在實(shí)際落地時，又會面臨哪些挑戰(zhàn)？在 10 月份的 InfoQ《極客有約》中，我們將有幸邀請到 AIGC 領(lǐng)域的杰出從業(yè)者，由魚哲擔(dān)任特邀主持，與他們進(jìn)行深入對話，探討這些重要問題。敬請期待！
戳直播預(yù)約按鈕，預(yù)約 InfoQ 視頻號直播。
直播內(nèi)容
熱了快一年了，讓我們來聊聊生成式 AI 落地吧
特邀主持：魚哲，Lepton AI 創(chuàng)始團(tuán)隊(duì)成員，產(chǎn)品負(fù)責(zé)人
2023 年 10 月 9 日 20:00 對話 廣推科技 AIGC 商業(yè)化負(fù)責(zé)人崔世杰2023 年 10 月 16 日 20:00 對話 京東云言犀 KA 產(chǎn)品負(fù)責(zé)人王超2023 年 10 月 23 日 20:00 對話 網(wǎng)易杭州研究院人工智能部總監(jiān)胡光龍2023 年 10 月 30 日 20:00 對話 百度搜索主任架構(gòu)師 Tianbao內(nèi)容推薦
《行知數(shù)字中國數(shù)字化轉(zhuǎn)型案例集錦【第二期】》重磅發(fā)布，覆蓋多個行業(yè)，對話一線專家，挖掘企業(yè)數(shù)字化的實(shí)踐故事，揭秘?cái)?shù)字化時代背景下如何重塑企業(yè)組織、技術(shù)與人才。掃描下方二維碼，關(guān)注「InfoQ 數(shù)字化經(jīng)緯」公眾號，回復(fù)「行知數(shù)字中國」即可解鎖全部內(nèi)容。
讀者福利
2023 中國云原生成熟度模型報(bào)告