經(jīng)濟(jì)觀察報(bào) 記者 沈怡然 今年4月，一家人工智能頭部企業(yè)中的幾位研究員不約而同地關(guān)注到了一項(xiàng)新技術(shù)：SAM（SegmentAnythingModel）。研究員們很快將這一技術(shù)上報(bào)部門負(fù)責(zé)人，這家企業(yè)以機(jī)器視覺(jué)技術(shù)起家，研究員關(guān)注到的技術(shù)也與此有關(guān)。“隨著SAM的出現(xiàn)，越來(lái)越多AI的人意識(shí)到，大模型對(duì)于他們而言是一次沖擊”，其中一名研究員說(shuō)。

一個(gè)月后，這家公司開(kāi)始調(diào)配資源開(kāi)發(fā)視覺(jué)大模型。

此后三個(gè)月，頭部的機(jī)器視覺(jué)AI企業(yè)關(guān)注到這一技術(shù)的潛力，截至目前，商湯科技、云從科技等人工智能公司以及傳統(tǒng)安防企業(yè)，紛紛開(kāi)始投入這場(chǎng)新的技術(shù)競(jìng)爭(zhēng)。

(資料圖片)

SAM，是一種面向通用場(chǎng)景的圖像分割模型，在今年4月由Meta推出，就像和ChatGPT對(duì)話一樣，人類可以通過(guò)一些語(yǔ)言指令，讓SAM自主分辨和思考圖片中的內(nèi)容，SAM被認(rèn)為是出現(xiàn)在視覺(jué)領(lǐng)域的ChatGPT。

全世界的發(fā)燒友用它畫畫、摳圖，玩得不亦樂(lè)乎，中國(guó)研究員們卻識(shí)別出SAM的威力：若用在自動(dòng)駕駛、安防監(jiān)控，以檢測(cè)人、車和道路，它就是一個(gè)從根本上打破傳統(tǒng)機(jī)器視覺(jué)玩法的大模型。

分割和識(shí)別圖像是機(jī)器視覺(jué)的核心任務(wù)。過(guò)去，每創(chuàng)建一個(gè)分割圖像的任務(wù)，都需要訓(xùn)練一次算法、標(biāo)注一批數(shù)據(jù)，以疊加小模型的方式讓機(jī)器“看見(jiàn)”圖像中的各類物體。而SAM表現(xiàn)出了一些新的特征：無(wú)需為每一個(gè)特定任務(wù)創(chuàng)建小模型，機(jī)器可以自主對(duì)任何圖像中的任何物體進(jìn)行分割，甚至是未知的、影像模糊的場(chǎng)景，且操作極為簡(jiǎn)單。

這意味著SAM具有更加通用的特征，且有可能利用這種通用特征，大幅度降低機(jī)器視覺(jué)識(shí)別的成本，從而改變基于原有技術(shù)的商業(yè)模式和競(jìng)爭(zhēng)格局。

自2016年開(kāi)始，擁有巨大市場(chǎng)的中國(guó)涌現(xiàn)了上百家人工智能公司，在市場(chǎng)競(jìng)爭(zhēng)和資本助推下，逐步形成了數(shù)家AI獨(dú)角獸，商湯科技、云從科技、曠視科技、依圖科技，這些公司將AI帶入安防、政務(wù)、工業(yè)領(lǐng)域，并利用算法上的精進(jìn)、規(guī)模上的優(yōu)勢(shì)建起了護(hù)城河。

但如今，隨著技術(shù)的更迭，這場(chǎng)賽事有可能重新展開(kāi)。

中國(guó)移動(dòng)集團(tuán)首席科學(xué)家、中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟副理事長(zhǎng)馮俊蘭對(duì)記者表示，AI大模型將帶來(lái)一種全新的人工智能范式，過(guò)去所謂的AI領(lǐng)域的護(hù)城河在大模型沖擊下基本不存在了。SAM的出現(xiàn)，證明視覺(jué)大模型的可實(shí)現(xiàn)性，顛覆了一直以來(lái)機(jī)器視覺(jué)的研究框架、交互和生產(chǎn)服務(wù)方式。

IEEE高級(jí)會(huì)員、天津理工大學(xué)教授、AR/VR技術(shù)專家羅訓(xùn)對(duì)記者表示，之前頭部企業(yè)的AI能力優(yōu)勢(shì)，會(huì)因?yàn)橥ㄓ么竽Ｐ偷呐d起而被一定程度削弱。但是這些企業(yè)是否本身會(huì)變?nèi)酰Q于它們的轉(zhuǎn)型。

技術(shù)路線

作為AI的一個(gè)重要分支，機(jī)器視覺(jué)的目標(biāo)是讓計(jì)算機(jī)模仿人類視覺(jué)系統(tǒng)，實(shí)現(xiàn)圖像和視頻的理解和處理。

2000年后，被稱人工智能奠基人的Ge－offreyHinton、YannLeCun和YoshuaBengio突破了深度學(xué)習(xí)技術(shù)，讓機(jī)器可以模糊地模擬人腦，從海量圖像中自動(dòng)學(xué)習(xí)并提取特征。

2012年是一個(gè)重要時(shí)間節(jié)點(diǎn)，斯坦福大學(xué)教授李飛飛創(chuàng)建的ImageNet項(xiàng)目，將深度學(xué)習(xí)推向主流：研究者可通過(guò)對(duì)大量圖片的人工標(biāo)注教會(huì)計(jì)算機(jī)識(shí)別各種各樣的物體，這大幅提升了機(jī)器視覺(jué)的準(zhǔn)確率，降低了成本，使其有了商業(yè)化的可能。

2023年4月，新的變化到來(lái)，Meta公司上線了一款名叫SAM的圖像分割模型。作為一款大模型，SAM不僅為機(jī)器安上感知外界的眼睛，還賦予機(jī)器一個(gè)真正的大腦，它學(xué)會(huì)對(duì)圖像進(jìn)行觀察、感知、思考、邏輯推理、得出結(jié)果，且操作極其簡(jiǎn)單，類似于ChatGPT用人類語(yǔ)言對(duì)話的方式給機(jī)器命令。

簡(jiǎn)言之，它更容易地實(shí)現(xiàn)了機(jī)器視覺(jué)的目標(biāo)，過(guò)程中無(wú)需大量圖像標(biāo)注、堆疊算法，消耗的算力也更少。英偉達(dá)人工智能科學(xué)家JimFan表示，SAM大模型是機(jī)器視覺(jué)的GPT-3時(shí)刻，它已經(jīng)了解了物體的一般概念，即使對(duì)于未知對(duì)象、不熟悉的場(chǎng)景（例如水下圖像）、在模棱兩可的情況下也能進(jìn)行圖像分割。

Meta發(fā)布SAM后，也將模型及其背后的訓(xùn)練數(shù)據(jù)集一并開(kāi)源，并從AR、VR、內(nèi)容創(chuàng)建等領(lǐng)域，介紹了SAM的應(yīng)用場(chǎng)景。

身在中國(guó)的企業(yè)和研究人士很快判斷出SAM可能具備的商業(yè)價(jià)值若將其用在自動(dòng)駕駛、安防監(jiān)控，以檢測(cè)人、車和道路，它能從根本上打破傳統(tǒng)機(jī)器視覺(jué)的玩法。

馮俊蘭表示，大模型將改變AI的供給模式，將供給方的復(fù)雜度大幅度降低，邊際成本接近于零；業(yè)務(wù)方可以用更簡(jiǎn)單的自然語(yǔ)言表達(dá)需求，不再需要依托工程師用代碼等專業(yè)指令與機(jī)器交流，依據(jù)自身需求靈活部署到不同的模型上，提高了效率

宇視科技首席產(chǎn)品官朱兵對(duì)記者表示，“過(guò)去干AI的活就像是搬箱子，其實(shí)是一些技術(shù)含量相對(duì)較低的體力活，當(dāng)AI賦能單點(diǎn)的場(chǎng)景，它是非常碎片化和定制化的，售前效率、售后效率、銷售效率都較低，產(chǎn)業(yè)的上下游都比較痛苦”。朱兵舉例稱，廠家投入開(kāi)發(fā)、收集素材、標(biāo)定、針對(duì)不同場(chǎng)景和地區(qū)做定制算法的投入和代價(jià)非常大，研發(fā)過(guò)程中往往面臨著素材緊缺、周期過(guò)長(zhǎng)、指標(biāo)優(yōu)化難等等問(wèn)題，對(duì)客戶來(lái)說(shuō)，定制開(kāi)發(fā)費(fèi)也是一筆不小的支出。

如今，用大模型替代原有的小模型玩法，無(wú)需堆疊算法、無(wú)需大量標(biāo)注數(shù)據(jù)，過(guò)程中消耗的算力極少，可以用更簡(jiǎn)單的人類語(yǔ)言給機(jī)器下命令，無(wú)需用專業(yè)的計(jì)算機(jī)編程語(yǔ)言。朱兵表示，大模型大幅拉低了AI的研發(fā)和部署成本，它建造了一系列新的玩法，重構(gòu)了行業(yè)秩序，尤其計(jì)算機(jī)視覺(jué)行業(yè)，之前的大公司構(gòu)造的技術(shù)壁壘已經(jīng)被抹平了，大家又回到同一個(gè)起跑線上。

涌入

圍繞上一代機(jī)器視覺(jué)技術(shù)，中國(guó)誕生了一批人工智能公司，這些公司提供的技術(shù)開(kāi)始被廣泛用于公安、地鐵、樓宇商廈的攝像監(jiān)控識(shí)別和安檢識(shí)別。

“AI四小龍”是指在2011年至2014年間陸續(xù)成立的四家中國(guó)人工智能企業(yè)，分別是商湯科技、云從科技、曠視科技、依圖科技。他們的共同特點(diǎn)是以機(jī)器視覺(jué)為核心技術(shù)，此前AI在深度學(xué)習(xí)路線上的突破為這一批人工智能企業(yè)的崛起提供了技術(shù)基礎(chǔ)，而中國(guó)的產(chǎn)業(yè)優(yōu)勢(shì)又為這些企業(yè)的發(fā)展提供了市場(chǎng)。

在SAM面世后，它們開(kāi)始紛紛瞄準(zhǔn)這一技術(shù)。

記者從多位業(yè)內(nèi)人士處了解到，除了依圖科技，“AI四小龍”中商湯科技、云從科技、曠視科技都在研發(fā)視覺(jué)大模型，號(hào)稱傳統(tǒng)安防的“海大宇”中，海康威視(002415)和宇視科技也布局相關(guān)技術(shù)研發(fā)。

4月，就在Meta上線了SAM后的幾天，商湯發(fā)布“日日新”大模型。商湯智能產(chǎn)業(yè)研究院院長(zhǎng)田豐對(duì)記者表示，“日日新”系列是包含自然語(yǔ)言生成、圖片生成、視覺(jué)感知等多個(gè)大模型的集合，其中“如影”、“瓊宇”、“格物”都屬于視覺(jué)相關(guān)的大模型。

5月，云從科技發(fā)布了“從容”大模型，是包含視覺(jué)在內(nèi)的多模態(tài)大模型，云從科技在最近的投資者會(huì)議上表示，視覺(jué)大模型是非常重要的，未來(lái)也將推出視覺(jué)主導(dǎo)的模型。因?yàn)楣驹谟?jì)算機(jī)視覺(jué)方面的儲(chǔ)備較強(qiáng)，也因?yàn)橐鉀Q客戶具體業(yè)務(wù)需要多模態(tài)技術(shù)。

曠視科技和依圖科技尚未推出大模型。曠視科技對(duì)記者稱，“正在研發(fā)大模型，但沒(méi)有對(duì)客戶推出和交付”。在方向上，曠視選取了通用圖像大模型、視頻理解大模型、計(jì)算攝影大模型和自動(dòng)駕駛感知大模型四個(gè)研究方向，并獲得一定突破。

研究機(jī)構(gòu)Omdia人工智能首席分析師蘇廉節(jié)對(duì)記者表示，在視覺(jué)大模型這一波沖擊下，“AI四小龍”快速轉(zhuǎn)型大模型，部署以視覺(jué)為主的多模態(tài)大模型，這樣的路徑相對(duì)合理。

海康威視在今年6月對(duì)投資者稱，“SAM模型在發(fā)布之初我們就關(guān)注到了，也進(jìn)行了系統(tǒng)性的評(píng)測(cè)。”朱兵對(duì)記者表示，公司正在自研的AIoT行業(yè)大模型“梧桐”，就是一款以通用大模型+行業(yè)場(chǎng)景+訓(xùn)練調(diào)優(yōu)為架構(gòu)的行業(yè)大模型，在5月9日首次發(fā)布，6月已經(jīng)面向第一批伙伴測(cè)試。

海康威視和宇視科技是以設(shè)備生產(chǎn)起家的傳統(tǒng)安防企業(yè)，在“AI四小龍”殺入安防后面臨激烈競(jìng)爭(zhēng)，一直積極擁抱機(jī)器視覺(jué)技術(shù)，但也因軟件能力不足而被奪走一定的市場(chǎng)份額。

目前，AI企業(yè)開(kāi)始在“大模型的劃時(shí)代”意義上達(dá)成共識(shí)。

商湯智能產(chǎn)業(yè)研究院院長(zhǎng)田豐和云從科技聯(lián)合創(chuàng)始人姚志強(qiáng)，都對(duì)記者表示，AI1.0是小模型時(shí)代，企業(yè)以提供專有小模型為主，運(yùn)用多點(diǎn)技術(shù)解決特定場(chǎng)景需求；AI2.0是大模型時(shí)代，企業(yè)要通過(guò)統(tǒng)一的大型技術(shù)底座平臺(tái)，也就是打造一個(gè)對(duì)世界有通識(shí)感知和認(rèn)知能力的多模態(tài)的基礎(chǔ)模型，并在此基礎(chǔ)上生成一系列行業(yè)小模型，以此來(lái)解決專業(yè)場(chǎng)景和更多海量場(chǎng)景的需求。

姚志強(qiáng)認(rèn)為，如果一家AI企業(yè)還停留在上一階段，或許能解決很多場(chǎng)景問(wèn)題，但成本難以下降，使得規(guī)模化效應(yīng)無(wú)法顯現(xiàn)；田豐認(rèn)為，兩個(gè)時(shí)代是長(zhǎng)期并存的，不是誰(shuí)淘汰誰(shuí)的對(duì)立關(guān)系，兩者以模型協(xié)同的方式去完成。例如采用混合專家模型結(jié)構(gòu)（MoE），AI2.0時(shí)代是多個(gè)模型組合成服務(wù)，1.0的模型也能嵌入進(jìn)來(lái)。

在新的競(jìng)爭(zhēng)中，原有的技術(shù)積累和硬件投入仍將發(fā)揮作用。

田豐對(duì)記者表示，“AI大裝置”智算中心具備強(qiáng)大的AI算力，能夠?yàn)榍|參數(shù)量的20個(gè)大模型提供訓(xùn)練算力，是研發(fā)和訓(xùn)練大模型的關(guān)鍵裝備，商湯科技不僅自用，還開(kāi)放給大模型創(chuàng)企、研發(fā)伙伴使用。

云從相關(guān)負(fù)責(zé)人對(duì)記者表示，公司的CWOS操作系統(tǒng)在整合ChatGPT這類超級(jí)語(yǔ)言模型方面有先天的優(yōu)勢(shì)。同時(shí)，該系統(tǒng)可以根據(jù)生產(chǎn)實(shí)際情況，反饋數(shù)據(jù)和信息到大模型中，優(yōu)化模型的訓(xùn)練和調(diào)整，提高模型的準(zhǔn)確性和效率。

大模型突圍市場(chǎng)

“即便沒(méi)有大模型的沖擊，“AI四小龍”也處在一個(gè)轉(zhuǎn)型的迷茫期，需要思考自身的價(jià)值和出路所在”。蘇廉節(jié)表示。

一批人工智能企業(yè)受到了資本和市場(chǎng)的青睞，其中商湯科技、云從科技已登陸資本市場(chǎng)。商湯在2018-2022年間，每年研發(fā)投入累計(jì)超過(guò)120億元，并在2021年IPO時(shí)募資超50億元。云從在2018-2022年間，每年研發(fā)投入累計(jì)超過(guò)22億元，并在2022年IPO時(shí)募資17億元。

技術(shù)和資本的良好互動(dòng)也讓中國(guó)在視覺(jué)識(shí)別領(lǐng)域一度取得了領(lǐng)先的優(yōu)勢(shì)，在2018年前后，中國(guó)在人工智能論文發(fā)表量、人工智能融資額等多方面僅次于美國(guó)或已超過(guò)美國(guó)，特別是在視覺(jué)識(shí)別領(lǐng)域，中國(guó)人工智能公司屢屢在國(guó)際大賽中打破紀(jì)錄，取得優(yōu)良成績(jī)。

但很快，隨著市場(chǎng)的推動(dòng)，原有技術(shù)的潛力逐漸見(jiàn)頂，2019年中國(guó)科學(xué)院院士張鈸在接受經(jīng)濟(jì)觀察報(bào)專訪時(shí)曾提示在現(xiàn)有技術(shù)路線上，產(chǎn)業(yè)應(yīng)用的潛力可能已經(jīng)觸碰到天花板。

更重要的是，從商業(yè)角度，AI原有技術(shù)路線始終難以突破成本瓶頸，以至于更多傳統(tǒng)產(chǎn)業(yè)客戶沒(méi)有能力買單。朱兵表示，“多年以來(lái)，我們沒(méi)有看到蓬勃向上的新秩序，大量企業(yè)在人和車牌識(shí)別這兩個(gè)賽道里殘酷競(jìng)爭(zhēng)，根本原因在于更多算法無(wú)法形成規(guī)模效應(yīng)”。

一位頭部企業(yè)的AI研究員對(duì)記者稱，按照傳統(tǒng)玩法，一家AI企業(yè)為車廠服務(wù)，出售一套識(shí)別路障的算法，識(shí)別一種路障平均單算法需要十幾萬(wàn)元，時(shí)間需要約2個(gè)月，還需要客戶提供上萬(wàn)張用于標(biāo)注的圖片，但僅僅一個(gè)算法是不夠的，實(shí)際道路場(chǎng)景很復(fù)雜，適用于小汽車的算法不一定適用于大卡車，換一個(gè)角度就識(shí)別不出了，當(dāng)檢測(cè)目標(biāo)受部分受遮擋就也難識(shí)別。

為了增加設(shè)備的智能化，AI企業(yè)要疊加多個(gè)算法，簡(jiǎn)單說(shuō)就是堆疊許多個(gè)小模型。根據(jù)財(cái)報(bào)，商湯科技已累計(jì)擁有6.7萬(wàn)個(gè)商用小模型，記者從云從科技獲悉，公司也具備數(shù)千個(gè)商用小模型。

但是訓(xùn)練的時(shí)間和成本也翻倍上漲。

馮俊蘭對(duì)記者表示，很多AI公司難以賺錢，一個(gè)重要原因在于AI服務(wù)的高成本，造成企業(yè)“掙一塊錢賠五塊”，“接單越多、賠的越多”這種模式讓供給方難以持續(xù)，需求方也只能是少數(shù)關(guān)鍵行業(yè)或支付能力較強(qiáng)的行業(yè)。

根據(jù)財(cái)報(bào)，2018至2022年間，云從科技累計(jì)虧損31億元，商湯科技累計(jì)虧損超過(guò)400億元。

為了進(jìn)一步降低AI成本、提升市場(chǎng)，“AI四小龍”戰(zhàn)略上也出現(xiàn)分化。商湯選擇AI大裝置，云從選擇操作系統(tǒng)，曠視選擇芯片，依圖選擇物聯(lián)網(wǎng)。

從這個(gè)角度，大模型可能帶來(lái)的并不僅僅是對(duì)現(xiàn)有公司的挑戰(zhàn)，也可能帶來(lái)一個(gè)全新的商業(yè)模式和應(yīng)用場(chǎng)景。

上述研究員稱，公司曾努力在更多市場(chǎng)找AI的生意，比如，公司曾和一家超市談過(guò)AI監(jiān)控，檢測(cè)售貨員是否在場(chǎng)，公司派出5名算法工程師，光工資就要花30萬(wàn)元，但客戶的十幾個(gè)售貨員月薪加起來(lái)不到5萬(wàn)元；還跟工廠主談過(guò)AI質(zhì)檢，檢測(cè)流水線上的包裝盒是否破損，對(duì)方評(píng)估下來(lái)認(rèn)為雇傭工人更經(jīng)濟(jì)等等。

這些需求統(tǒng)稱為AI的長(zhǎng)尾需求：大量的中小型客戶，支付能力不強(qiáng)，對(duì)AI沒(méi)有剛需，只是在某種場(chǎng)景下有一些特色需求，可用可不用，不愿意支付動(dòng)輒上百萬(wàn)的成本。在這位研究員看來(lái)，未來(lái)，可以將某類大模型或一套多模態(tài)大模型，應(yīng)用于這些視覺(jué)檢測(cè)場(chǎng)景，利用大模型的遷移和通用能力，只需要少量數(shù)據(jù)標(biāo)注和算法投入，開(kāi)發(fā)周期和對(duì)算力的要求也會(huì)更低，這樣費(fèi)用大幅降下來(lái)，客戶就有更大可能買單。

朱兵測(cè)算過(guò)，過(guò)去基于小模型的AI算法對(duì)碎片化需求的滿足度不足10%，未來(lái)基于大模型大概率能提升到超過(guò)50%，整體長(zhǎng)尾算法的效率提升能達(dá)到10倍數(shù)量級(jí)，定制時(shí)間能降至1人周內(nèi)。

姚志強(qiáng)對(duì)記者表示，一旦技術(shù)實(shí)現(xiàn)平臺(tái)化和標(biāo)準(zhǔn)化，各AI公司通過(guò)統(tǒng)一的核心技術(shù)的底座平臺(tái)，快速適應(yīng)海量場(chǎng)景和實(shí)現(xiàn)海量應(yīng)用。

馮俊蘭表示，技術(shù)耗費(fèi)的成本，遠(yuǎn)小于技術(shù)給業(yè)務(wù)帶來(lái)的價(jià)值，當(dāng)滿足了這個(gè)公式，技術(shù)就能實(shí)現(xiàn)規(guī)模化，遷移到更多、更長(zhǎng)尾的市場(chǎng)。這也滿足AI企業(yè)實(shí)現(xiàn)盈利的根本邏輯，也意味著其有機(jī)會(huì)開(kāi)拓更多的藍(lán)海市場(chǎng)。

關(guān)鍵詞：