小爱同学距离ChatGPT还差一个文心一言

猎云精选（lieyunjingxuan）原创

作者 | 王非

“全力以赴、坚决拥抱”，雷军为小米大模型发展定调！

继任命栾剑担任技术委员会AI实验室大模型团队负责人后，雷军于4月14日晚间在微博发文，首度谈及小米对大模型和AIGC的看法。

除了定下发展基调，雷军还透露，对于大模型，小米“正在研发一些有趣的技术和产品，等我们打磨好了，再给大家展示。”

事实上自3月份以来，各路互联网大佬和技术大牛，以及BAT华为360商汤等大厂密集发声，雷军此番表态，可谓“虽迟但到”。

值得注意的是，雷军在微博提及小米，在AI领域有AI实验室、小爱同学、自动驾驶等团队。

于是，小米在大模型领域的发力方向，可窥一二。

来源 / 微博截图

出身微软，栾剑成小米大模型领头人

4月14日，据澎湃新闻报道，小米集团发布内部邮件，任命栾剑担任技术委员会AI实验室大模型团队负责人，向技术委员会副主席、AI实验室主任王斌汇报。

公开资料显示，栾剑现任小米技术委员会AI实验室语音生成团队负责人，曾任东芝研究院研究员、微软工程院高级语音科学家、微软小冰首席语音科学家及语音团队负责人等职位。

目前，网络上关于栾剑的报道并不多。在知乎上，他的个人标签为“小米NlP技术高级总监”。

2018年5月，知乎官方发布《我们和微软小冰发了一首单曲 | 为「新知青年」而唱》一文后，栾剑本人还赞同了该文章。

据SegmentFault报道，2019年11月，在微软小冰的一场内部WorkShop上，时任微软小冰首席语音科学家栾剑与另外两位“首席科学家”共同分享了微软小冰当年在自然语言处理、语音学研究、多模态生成等领域研究进展。

来源 / SegmentFault

彼时，栾剑以《小冰唱歌技术进展》为题演讲。他提到，微软小冰团队“在语音合成领域大方面的东西可能已经解决，但语义理解方面，可能还需要通过长时间的积累和技术的发酵。”最终，团队找到了一个更有挑战性的课题——唱歌。做唱歌主要有三个原因：第一个原因，唱歌的门槛比说话高；第二唱歌的情感表达更加丰富激烈；第三它是一个很重要的娱乐形式。

值得一提的是，栾剑还在现场分享中提到，深度学习其实在上世纪90年代就火过一阵，但那个时候却没有取得像今天这么大的成果。他认为主要有两个主要的原因：

1. 因为硬件技术的方法，当时的算力还不够，现在有GPU，而且GPU还在不断地升级，所以它的计算能力在提高；2. 另外一个很重要的支撑就是数据，现在有大数据的支持，所以才能够把深度学习做得这么好。

随后，栾剑就从微软跳槽到了小米，具体时间不详。

北京大学现代信号与数据处理实验室于2021年5月发布的文章显示，2020年5月，小米人工智能部语音技术总监王育军及其团队应邀来校举行北大&小米技术交流会。当天，栾剑博士的汇报题目是《语音生成技术》，介绍了语音合成的基本概念，并就该领域的关键问题展开讨论。

来源 / 北京大学现代信号与数据处理实验室

今年以来，ChatGPT爆火后，栾剑也在4月份接连在知乎发布两篇文章，分享自己的感悟。

作为“一个AI领域近20年的从业者”，栾剑在4月5日发布的《一个关于ChatGPT能力涌现成因的猜想》一文中认为，产生“涌现”能力的三要素可总结为：

大数据：如果数据不够丰富，就可能也没必要挖掘出“概念”与“常识”；大模型：如果参数量不够多，模型没有足够的空间去完成“层级结构”；多任务：如果任务比较单一，模型没有动力去做结构调整，“平行结构”成为模型的“偷懒”选择。

随后在4月8日发布的《hatGPT的训练过程对“鸡娃”的启示》一文中，栾剑“通过类比，尝试定性地探讨儿童教育可以从ChatGPT的训练过程中得到哪些启示”。

出身微软，拥有丰富的AI语音技术储备和工作经历，如今担任小米大模型团队负责人后，栾剑如何发挥自身优势，又能与“小爱同学”碰撞出怎样的火花，我们也只能拭目以待。

内有千人AI团队，外有金山云护驾

当地时间4月14日，英国《金融时报》援引知情人士消息报道，特斯拉CEO埃隆•马斯克（Elon Musk）正在组建人工智能初创公司，为了与ChatGPT的研发公司OpenAI展开竞争。

作为中美互联网圈，最受瞩目的“网红创始人”。马斯克都来了，雷军还会远吗？

巧合地是，两人都是在4月14日，针对大模型，显露出自己的布局。

事实上，小米入局大模型领域可谓“水到渠成”。

从内部人才储备来看，小米目前已拥有超过1200人的AI团队。如今，雷军也终于为大模型团队选定了栾剑为“舵手”。

来源 / 小米官网

从服务能力协同来看，雷军手中亦有金山云这张底牌。金山云是金山软件的附属公司，在公司掌舵人雷军超前布局下，是与阿里巴巴最早在中国全力进军云计算的企业。

ChatGPT热潮带来的AI竞争，最直接的受益者正是云计算平台。

一方面，生成式AI应用背后的大模型需要更强的算力。OpenAI此前公布过一组数据，目前大模型训练所需算力的增速保持在3-4个月/倍速度增长，远超摩尔定律18-24个月/倍。

另一方面，区别于传统云计算平台提供的算力、存储等资源，拥有大模型的云厂商未来可以提供基于大模型开发应用。李彦宏不久前在接受采访时就抛出过类似的观点，未来企业在购买云计算的时候不看底层算力，而是看大模型的优劣。

就在本周，阿里和腾讯先后官宣“大动作”。

在4月11日举办的阿里云峰会上，张勇表示，智能化时代带来算力的爆发，同时也提出了更高的要求，阿里云将为AI时代提供好算力基础和大模型能力，全面服务智能化进程。为此，阿里云要做好核心两件事：第一，让算力更普惠，推动自研技术和规模化经营的正循环，持续释放技术红利；第二，让AI更普及，让每家企业的产品都能接入大模型升级改造，并有能力打造自己的专属大模型。

随后在4月14日，腾讯面向大模型训练，发布“超强算力集群”，要助力企业云上训练AI大模型，解决中小企业和创业公司的算力压力。

金山云方面虽然并未像阿里腾讯那样“声势浩大”，但也已有相关动作。

天眼查App显示，近日，北京金山办公软件股份有限公司申请注册多个“chat 会议”“chat 演示”“chat 表单”“chat Office”“chat everything”等商标，国际分类为网站服务，当前商标状态均为申请中。

来源 / 天眼查

内有千人AI团队并由栾剑掌舵，外有金山云护驾，小米大模型已顺利起航。

小爱同学距ChatGPT，

还差一个文心一言

早在今年2月的小米投资者日上，对于小米在ChatGPT上的布局，小米手机部总裁曾学忠就表示，ChatGPT基于AI大模型、千亿级参数量、数据量、还有人工标注支撑，AI大模型方面小米一直都有投入。手机和汽车业务有很多AI大模型落地的场景。

随后，在今年3月的2022年财报电话会议上，小米集团总裁卢伟冰谈到ChatGPT相关问题时表示，小米很早就在AI大模型方面进行了许多部署，同时采用了多技术路线并行的策略，小爱同学就是小米大模型落地的代表。

据卢伟冰介绍，小爱同学已经做了6年，在与用户的交互体验中积累了长期可复用的经验，同时，小米有丰富的场景落地经验，小爱同学支持手机、音箱、车等多场景的智能融合。未来小米将继续大模型研究，引入更加先进的大模型能力，包括探索多模态能力、智能座舱交互体验提升等。

不难发现，小爱同学或许是小米在大模型领域，最直观最先落地的产品。

来源 / 小米官网

然而，需要注意的是，小爱同学的产品能力，与基于GPT-3.5训练而来的ChatGPT仍有不小差距。何况，OpenAI也已发布了更为先进的GPT-4大模型，就连GPT-5也已身处“传说”中。

此前，微软CEO萨蒂亚·纳德拉最近在接受英国《金融时报》采访时表示，苹果的Siri、亚马逊的Alexa，微软自家的Cortana（中文名：小娜）以及公认拔尖的Google Assistant，这些语音助手有一个算一个：都笨得跟石头一样。

随后，微软在2021年就正式宣布停止支持iOS和Android上的Cortana应用，仅保留对Windows平台的支持。

直到OpenAI带来了ChatGPT，微软直接“满血复活”，战斗力爆表。

Siri联合创始人Adam Cheyer也在近期表示，ChatGPT理解复杂信息的能力让现有的语音助手看起来很蠢。

那么，“小爱同学+ChatGPT”，究竟会怎样？

在全球最大的代码托管平台Github上，有开发者尝试将ChatGPT接入小爱同学，Star数已经达到了1.3k。据项目介绍，只要有ChatGPT的账号、小爱音箱、正常连接ChatGPT的网络以及python 3.8+，人人都可以在小爱音箱上使用“ChatGPT版小爱同学”。

具体原理为，唤起小爱同学后，以“帮我”开头询问的问题会自动以文本形式发送一份给ChatGPT，同时会屏蔽小爱同学原本的回答，替换成“正在问GPT，请耐心等待”，而ChatGPT生成的文本则会被小爱同学通过TTS（语音合成技术）进行语音回答。

从开发者的演示显示，整个过程足够流畅，实际回答也远超小爱同学原本的“智力”。

然而，小米官方显然不能直接与OpenAI合作，推出“ChatGPT版小爱同学”。

作为对比，早在今年2月，百度旗下人工智能助手“小度”就宣布，小度将融合“文心一言”的全面能力，打造针对智能设备场景的人工智能模型“小度灵机”，并应用到小度全系产品。

随后在3月份的文心一言发布会上，百度创始人李彦宏曾表示，文心一言差不多是今年1月份ChatGPT的水平，但差距不大，可能只是一两个月的时间。

由此可见，小爱同学距离ChatGPT，至少还差一个文心一言，然后再加“一两个月的时间”。

本文文字及图片出自 深燃