縮放定律的放緩帶來的技術路徑演變

在 2024 年的 NeurIPS 會議上，Ilya Sutskever 提出了一系列關于人工智能發展的挑戰性觀點，尤其集中于 Scaling Law 的觀點：「現有的預訓練方法將會結束」，這不僅是一次技術的自然演進，也可能標志著對當前「大力出奇跡」方法的根本性質疑。

Ilya 討論了預訓練模型的局限性，預見 AI 系統需要發展出更加接近人類思考方式的推理能力。他強調，為了突破當前的局限并繼續提升 AI 的能力，必須尋找新的訓練方法。這意味著，基于語言單一模態的大模型能力已經逼近上限。基于現有的開源路線分析，商業社會想要尋求 AGI，必須將目光轉向多種模態和推理過程。

商業領域對人工智能公司的偏好開始出現范式轉換

知名數據分析機構 CB Insights 發布的「2024 年第三季度全球人工智能投融資報告」顯示，該季度全球人工智能交易數量環比激增 24%，但融資實際上環比下降了 29%，主要歸因于單筆融資金額超過 10 億美元的「巨額交易」數量環比下降了 77%。報告指出，這反映了當前市場對中小規模、高潛力初創企業的偏好轉變，投資者更加關注具有創新技術和可擴展商業模式的企業。

作為專業的人工智能媒體與產業服務平臺，機器之心于 2017 年發布了 AI 榜單「Synced Machine Intelligence Awards」，在隨后的時間里，伴隨 AI 的跨越式發展，機器之心的年度評選也逐漸成為了產業風向標之一，其中，機器之心 2024 年度評選中的「大模型最具潛力創業企業 TOP 10」，旨在表彰技術創新能力強、團隊領先、已經推出大模型或擁有完整大模型研發能力的創業企業。

其中名列「大模型最具潛力創業企業」榜單首位的貝式計算，其產品 OpenBayes 可能是是中國最受歡迎的 GPU 計算系統之一，擁有超過 17 萬注冊科研人員和過百個集群私有部署客戶。

2024 年第三季度，緊跟多模態大模型升級趨勢，OpenBayes貝式計算基于集群構架、編譯器、模型結構等領域的多項創新與技術，推出了多模態模型貝式小算，結合了先進的視覺理解和語言生成技術，能夠同時處理和分析多種形式的數據，包括靜態圖片和動態視頻。

模型性能方面，得益于OpenBayes貝式計算近年來在編譯器技術領域的積累，貝式小算可天然運行在 Nvidia、ARM 以及多種國產芯片上，同時擁有較高的計算精度和計算效率。該模型在MME-Realworld 等評測中取得了優異的成績，是前列排名中為數不多的初創企業之一。

*MME-RealWorld 是迄今為止已知最大的完全人工標注基準，擁有超 1.3 萬平均像素為 2,000 × 1,500 的高分辨率圖像，收集了更多關于中國的真實場景圖片，評測任務相較傳統基準難度更大。

以此為基礎，OpenBayes貝式計算賦能企業客戶，已經為十余個私有部署用戶提供了高效可靠的大模型服務，該多模態模型成功落地于衛星遙感、醫療影像、法律財務、文件表格互譯等生產場景。

舉例而言，在中國科學院某研究所，OpenBayes貝式計算為該院所級高性能計算集群的百余名學者與工程師用戶提供了完備的 AI+HPC 計算體驗。工科研究者可以通過同一套計算系統無縫連接各類 HPC 應用與 AI 計算框架，通過統一的數據流轉流程，使得工科領域相關計算結果可以無縫連接 AI 的最佳實踐，進而加速了 AI 在諸多工科領域的研究效率。

值得一提的是，就在 2024 年 11 月 28 日，OpenBayes貝式計算還入選了 36氪評選的「WISE2024 商業之王年度最具商業潛力企業」。如今再度獲評機器之心「大模型最具潛力創業企業 TOP 10」，可以說是對公司發展空間的高度認可。

從人工智能技術落地的角度來看，OpenBayes貝式計算擁有 17 萬注冊科研人員和過百個集群私有部署客戶，是公司創新技術與解決方案落地應用的最佳渠道，其中包括清華大學、北京大學、北京郵電大學、天津大學、上海交通大學、中國科學院等頭部科研院所，以及招商局集團、南方電網、遼港集團、粵能能源等重點頭部公司。OpenBayes貝式計算的商業化潛力已經初步獲得驗證，是否能夠如期兌現，仍然需要時間來證明。