“我們?cè)诳创墒紸I創(chuàng)業(yè)時(shí)，不僅僅局限于大模型，而是更關(guān)注場景應(yīng)用，以及為場景應(yīng)用提供支撐的中間層，這些領(lǐng)域仍然蘊(yùn)藏著巨大的機(jī)會(huì)。”在12月初召開的2023中國上市公司投資價(jià)值峰會(huì)暨中國投資基金峰會(huì)（以下簡稱“雙峰會(huì)”），順網(wǎng)科技CEO樊星博士在探討《GenAI時(shí)代的商業(yè)化挑戰(zhàn)與機(jī)遇》時(shí)如此指出，這一前瞻性的觀點(diǎn)引起了廣泛關(guān)注和討論。如果說GenAI的第一步是通用于各行各業(yè)，那么第二步飛躍便是在垂類場景中穩(wěn)健落地，其具備兩種落地范式：第一種路徑是直接在大型模型上進(jìn)行應(yīng)用開發(fā)，或者進(jìn)行簡單的商業(yè)化封裝。這種方式反應(yīng)迅速，能快速吸引用戶，但其在國內(nèi)可能面臨合規(guī)性問題。而進(jìn)一步的，由于門檻不高，這種方式容易被大模型逐漸取代。第二種路徑則是結(jié)合大模型和中間層框架的方法。這種方法考慮到了大模型自身的局限性，補(bǔ)充提示工程、答案工程，注入行業(yè)垂直模型，提高了模型的應(yīng)用效果。在這種模式下，企業(yè)所擁有的豐富行業(yè)數(shù)據(jù)，可通過中間層安全地提供給大模型。在這樣的認(rèn)知下，順網(wǎng)科技構(gòu)建了模型層-中間層-應(yīng)用層的場景落地路徑。模型層方面，順網(wǎng)科技采取了一種獨(dú)特而高效的：構(gòu)建一個(gè)全面的模型池，而不是自行開發(fā)單一的大模型。這個(gè)模型池聚集了來自不同來源的多樣化模型，涵蓋了廣泛的功能和特性，使得順網(wǎng)科技能夠針對(duì)各種應(yīng)用需求靈活選擇和組合適當(dāng)?shù)哪Ｐ?。此外，為確保解決方案的實(shí)用性和針對(duì)性，順網(wǎng)還在在模型池中重點(diǎn)融入了專門針對(duì)游戲和泛娛樂領(lǐng)域的行業(yè)垂直模型。這些模型基于對(duì)以游戲?yàn)榇淼姆簥蕵奉I(lǐng)域的深入理解和數(shù)據(jù)分析而構(gòu)建，能夠精準(zhǔn)地滿足陪伴虛擬人開發(fā)、游戲體驗(yàn)優(yōu)化、個(gè)性化角色聊天等特定需求。這些小型模型專注于特定的任務(wù)或流程，例如游戲角色的自然語言處理、情感分析，或者是游戲場景中的復(fù)雜決策支持。它們雖小，但功能精準(zhǔn)，能夠在其專長領(lǐng)域內(nèi)提供極高的效率和準(zhǔn)確度。中間層方面，順網(wǎng)科技選擇建立SPICE引擎解決大模型落地的最后一公里，提供語料的實(shí)時(shí)采集、數(shù)據(jù)清洗、過濾和嵌入，這些功能確保了數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性，為大模型提供了高質(zhì)量的輸入。SPICE引擎的一個(gè)顯著優(yōu)勢(shì)是它為上層陪伴應(yīng)用提供了一個(gè)通道，使它們能夠訪問和利用大模型池與知識(shí)庫。這一過程涉及到大模型與知識(shí)庫的有效融合，以及應(yīng)用的部署和執(zhí)行。這種融合不僅使得順網(wǎng)能夠充分利用已有的知識(shí)資產(chǎn)，還能借助大模型強(qiáng)大的表達(dá)和推理能力，實(shí)現(xiàn)二者的完美結(jié)合。SPICE引擎還令A(yù)I應(yīng)用具備了長期記憶的能力。由于Token的限制，大模型本身只能擁有短暫的記憶能力。通過SPICE，順網(wǎng)能夠幫助陪伴AI應(yīng)用構(gòu)建長期記憶，這一點(diǎn)在處理復(fù)雜和長期的任務(wù)時(shí)顯得尤為重要。此外，SPICE還整合了深度學(xué)習(xí)、自然語言等多項(xiàng)AI技術(shù)，創(chuàng)造了一個(gè)能夠進(jìn)行復(fù)雜思考、自主行動(dòng)和精準(zhǔn)感知的框架。通過這一引擎，AI可以更好地理解用戶的意圖，預(yù)測用戶的需求，甚至與用戶進(jìn)行自然且富有情感的交流。應(yīng)用層方面，順網(wǎng)科技推出了“順網(wǎng)靈悉”，這是一個(gè)針對(duì)陪伴場景設(shè)計(jì)的個(gè)性化虛擬游樂場。靈悉的世界提供了一個(gè)獨(dú)特的平臺(tái)，其中用戶可以與各種AI虛擬角色互動(dòng)，這些角色不僅有著多樣的形象和個(gè)性，還具備豐富的知識(shí)和能力。在游戲陪伴功能中，靈悉將其設(shè)計(jì)成為了一個(gè)可選擇的“技能”選項(xiàng)。用戶可以選擇不同AI角色加載“技能”一起游戲，體驗(yàn)不同類型的游戲場景。它們不僅是玩家的助手，還能成為指導(dǎo)者或伙伴，增強(qiáng)游戲的沉浸感和趣味性;而在角色定制方面，靈悉的世界允許用戶創(chuàng)造和定制自己的AI角色。用戶可以選擇角色的外觀、性格特征、技能等，創(chuàng)造一個(gè)完全符合個(gè)人偏好的虛擬伙伴。這種定制化的體驗(yàn)使得每個(gè)角色都具有獨(dú)特性，為用戶提供了一個(gè)充滿想象力和創(chuàng)造力的空間;在設(shè)想中，靈悉將構(gòu)建一個(gè)“世界”生態(tài)，讓用戶之間可以交流經(jīng)驗(yàn)、分享角色故事和游戲挑戰(zhàn)。在靈悉世界中，用戶可以展示自己創(chuàng)建的角色，與其他用戶的角色互動(dòng)，甚至可以組織或參與虛擬活動(dòng)和挑戰(zhàn)，增強(qiáng)用戶間的互動(dòng)和參與感，構(gòu)建一個(gè)活躍且開放的AI陪伴生態(tài)世界。在模型層、中間層、和應(yīng)用層之外，順網(wǎng)科技在其18年的業(yè)務(wù)歷程中積累了豐富的數(shù)據(jù)維度和廣泛的應(yīng)用場景，尤其在泛娛樂領(lǐng)域。這些高質(zhì)量的數(shù)據(jù)成為了AI持續(xù)迭代和智能化調(diào)優(yōu)的堅(jiān)實(shí)基礎(chǔ)。每一份數(shù)據(jù)的獲得和處理，都是對(duì)模型智能的進(jìn)一步增強(qiáng)，確保了AI技術(shù)在精準(zhǔn)性和適應(yīng)性上的持續(xù)提升;在算力方面，順網(wǎng)科技憑借其在電競和游戲娛樂領(lǐng)域的深厚積累，構(gòu)建了一個(gè)高效的多層次算力網(wǎng)絡(luò)和資源池。這個(gè)網(wǎng)絡(luò)特別針對(duì)電競和游戲領(lǐng)域的需求，提供了極低時(shí)延的渲染算力，通常達(dá)到毫秒級(jí)，滿足了這些應(yīng)用對(duì)速度的嚴(yán)格要求。同時(shí)，順網(wǎng)也充分考慮到了其他非時(shí)間敏感場景的算力需求，展現(xiàn)出其算力網(wǎng)絡(luò)的靈活性和適應(yīng)性;未來，順網(wǎng)將通過提供英偉達(dá)GPU算力解決方案，進(jìn)一步支持AIGC、模型推理和XR/MR等應(yīng)用場景。隨著大模型終端化適配，以及半導(dǎo)體終端側(cè)AI能力的提升，對(duì)AI場景的支持將從推理向更多場景延展。隨著順網(wǎng)科技在AI領(lǐng)域的深入，公司已經(jīng)成功地集齊了AI商業(yè)化的五大關(guān)鍵要素：場景、中間層、模型、算力和數(shù)據(jù)。樊星博士在其演講中總結(jié)道：“在GenAI商業(yè)化的征程中，這五個(gè)要素是不可或缺的。場景不僅是觸達(dá)用戶群體的關(guān)鍵，也是商業(yè)閉環(huán)形成的核心。中間層的作用在于加速試錯(cuò)過程，幫助我們更快地識(shí)別并滿足用戶的具體需求。模型是生成式AI這一輪最核心的能力部分，算力是基礎(chǔ)支撐，而數(shù)據(jù)則是細(xì)分領(lǐng)域表現(xiàn)出色的根本。”
