出品｜搜狐科技
作者｜郑松毅
编辑｜杨锦
近日，由声网联合主办的RTE2024第十届实时互联网大会在北京开幕。
大会开始前，Lepton AI创始人兼CEO贾扬清早早就坐在了嘉宾席。蓝色衬衫、牛仔裤，熟悉的那般“码农”形象再现。
他还是习惯性地把微笑挂在嘴边，和搜狐科技聊了聊最近美国硅谷发生的变化，以及对AI发展现状和未来趋势的一些看法。
这是他今年第二次回国，在大会开始前一晚刚到北京，但整个人看不出来丝毫倦意。
AI如何落地应用？国内外都在忙着找答案
“这次回来能明显感受到大家对于AI应用积极探索的热闹氛围，硅谷也正如此。”贾扬清说。
“相较于AI热潮初期的硅谷，现在的硅谷‘冷静’了许多，关注点更偏向于应用。大多数企业会选择在现有模型基础上加速功能迭代和研发。几乎没人还在比谁的模型更大、参数更多。”
他补充道，“同等质量的模型，规模会变得越来越小，计算效率会越来越高，模型架构会变得更加开放和标准，这是我观察到的未来趋势。”
如果说前两年的AI是在“卷”技术，那今年无疑都转向了“卷”应用。
在贾扬清看来，今天是做应用最好的年代，AI呈现出来的智能能力让做应用变得更简单，同时能够带给用户更好的交互体验。
以前人们常认为，芯片短缺是阻碍AI发展最大的“绊脚石”。但在贾扬清看来，“芯片供应链问题已经有了非常好的解决方案，因GPU短缺造成的算力问题不再会是瓶颈。关键是看如何找到AI应用路径，与垂直领域深度结合，真正把AI用起来。”
“就像当年‘电’刚被发明出来时，很多人不知道它有什么用，直到冰箱、电视、手机的出现，才让电的价值得以体现。”
但想让AI真正用起来，成本是一个不得不考虑的问题。
有人提出，“如今AI技术难广泛落地应用，问题是出在了高额成本上。从客服行业来看，标杆是5元每小时，这是菲律宾和印度的人工价格。要是AI使用成本比人还贵，就没必要了。”
对此，贾扬清比之前更加乐观。他认为，“ 成本不是核心问题，Token的推理成本可能在接下去的一年还会再降低十倍，甚至更多。公司更应该关注的是用户体验。让AI使用成本降低到人工成本以下，可能就是一两年的时间。 ”
他表示，“核心的大语言模型其实都差不多，但企业如何管理数据、怎么打通权限、用户搜索时是想找到文档还是想要内容总结？这些长远深度的思考远比模型本身更重要。”
GPU价格是个“伪命题”
除了应用，当前AI竞技场的另一关注点在于AI基础设施。
搞云计算出身的贾扬清，认为现在迎来了“云”的第三次浪潮，而AI正是这场革命的催化剂。
他介绍，“云”的前两次浪潮分别是2000年代的“Web云”，以及2010年代的“数据云”，而这次兴起的是“AI云”。
与前两朵“云”不同的是，“AI云”是在”传统云“的基础上增加了AI算法，利用神经网络等技术，可以满足更大规模的数据处理和计算需求。
“今天所有的AI应用都对大模型有非常高的需求，无论是AI图像生成还是AI视频生成，都会调用软件框架，最后落到云基础架构和GPU上面。”贾扬清说。
谁都不想错过“风口”的机会，“AI云”也正是贾扬清在辞任阿里巴巴技术副总裁后，看准的创业方向。
贾扬清说，“挤大模型赛道不是最想干的事，更看重AI发展背后生出的机会点，即对高性能计算的需求，以及AI市场会越来越需要好的云服务，这是团队最擅长的。”
Lepton AI和很多硅谷创业公司一样，团队规模并不大，大多是程序员和产品经理。
公司名字的由来也很有意思，在物理学中，“Lepton”指的是轻子，是一种基本粒子。
这和贾扬清所期望的一样，用最简单的方式和低廉的成本帮助其他公司解决行业痛点问题。
“他们需要更快的GPU、更好的供应链、更高的性价比、更加专业的服务...这一切都是我们正在做的事。”
具体来说，Lepton AI提供的是大模型推理引擎，建立了云平台供用户找到性价比最高的GPU资源。
贾扬清认为，“GPU价格在一定程度上是个‘伪命题’，因为Buy is better than build（购买AI云服务会比自建算力设施更划算）。”
他提到，“很多有前瞻性的CEO已经放弃纠结一块GPU到底需要多少钱，而是选择了这样的方式，把更多的精力和资源放在应用开发上。”
对话最后，搜狐科技请贾扬清谈了谈如何才能在技术创新的道路上找到自己的方向。
他想了片刻说，“创新没有捷径一说，兴趣是最好的驱动力，因为谁也猜不到未知技术领域会带来怎样的惊喜，能做的就是追随兴趣坚持走下去。”
智能客服减少了人工成本智用AI，但真的能解决客户问题吗？
可以显著的节省人工客服成本，智能客服可以自动回答大部分的客户问题;智能客服可以7*24小时不间断服务，可以延长服务时间;智能客服可以辅助人工客服的工作，减少大量重复无意义的客服工作，提升人工客服的工作体验模帆。
智能客服产品先后和多家公司建立了合作关系,包括深圳市一满乐有限公司、北京市七月科技有限公司、深圳市快学教育有限公司等。 我们推出智能客服的免费版系统,企业只需要导入知识库,就可以生成自己的智能客服,并支持API、微信、网站等多种接入方式。 欢迎更多的企业联系我们,免费试用，定制开发。
AI智能客服特色:
(1)免费使用。磐创AI智能客服基础版不收取任何费用,用户可通过我们的系统填写公司信息、联系方式等基本信息,我们的工作人员审核通过后便可以体验、使用我们的客服系统;
(2)支持多种接入方式。磐创AI智能客服支持桌面网站、移动网站、App、邮件、微信等多种渠道接入,无论用户来自于哪个渠道都可以享受到我们的服务;
(3)智能学习。 我们支持用户匹量导入知识库,一键式的模型自动训练,自动生成客服机器人。 并在特定的领域(如:在线教育、会计、税务等)有比同行有更高的准确率、更快的速度。
(4)匹配多种业务接待场景。 a. 机器人客服优先 b. 人工客服优先 c. 仅机器人客服 d. 仅人工客服。
(5)支持私有化部署。 磐创AI智能客服是面向企业版的客服系统,支持为企业提供部署、配置等服务。
AI-智能客服，助力企业使用人工智能技术，提升用户体验，降低运营成本。
BotMind 是人工智能时代的人机交互方式,基于人工智能 + 自然语言处理 + 大数据 创造出全新的人机旦并雹交互体验。
应用场景:智能机器人,智能机器人的核心之一是让其拥有与人类沟通交流的能力,BotMind就是机器人的大脑。 基于BotMind可以打造出聊天机器人、早教机器人、陪护机器人等。 智能家居,通过BotMind将家居生活相关的设施进行统一管理,作为人和家居设施沟通的媒介,打造全新的生活体验。 智能设备,基于BotMind的智能音箱,在获得全新交互体验的同时为用户增添了更多的乐趣。 除了智能音箱,BotMind可以接入任何可以有人机交互的设备蔽悔。 虚拟人物,虚拟人物可以作为虚拟的品牌形象,虚拟化的游戏人物等。 BotMind能够赋予这些虚拟人物部分真人的属性,让虚拟人物更加真实。 私人助理,基于BotMInd打造的私人助理,能够辅助日程管理、事件提醒、购票、订餐以及娱乐等。
AI开发的具有自主知识产权的NLP工具集CNLP,在分词、词性标注、实体识别等任务的评测中均具有较高的准确率。 在自然语言处理方面,磐创团队拥有扎实的基本功。 磐创团队拥有多名具有丰富的人工智能算法研发和应用经验的工程师,具有图像识别、舆情分析、异常检测以及智能客服等相关项目经验。 磐创AI从事了多年自然语言处理相关的工作,积累了大量的数据。 磐创的智能客服系统在为用户提供优质服务的同时,通过与客户的合作,经过授权获得了大量高质量的数据。 通过不断积累各行各业的数据,BotMind的知识库也在不断扩充,其能力也得到了大幅的提升。 随着数据的积累,BotMind也会越来越智能。
新版阿法狗碾压旧版，人工智能究竟能发展成什么样？
最新版本阿尔法狗：自学3天，就100:0碾压李世石版旧狗。 这太可怕了，我要大胆说一句：人工智能很可能导致人类的永生或者灭绝，而这一切很可能在我们的有生之年发生。
这并不是危言耸听，其实人工智能的概念很宽，所以人工智能大体可以分为三种：
第一、弱人工智能:弱人工智能是擅长于单个方面的人工智能。 比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋。
第二、强人工智能:人类级别的人工智能。 强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。
第三、超人工智能：牛津哲学家，知名人工智能思想家Nick Bostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。 ”超人工智能可以是各方面都比人类强一点，也搭唤可以是各方面都比人类强万亿倍的。
这样一分，我们不难看出，现在的人工智能还处在＂弱智”阶段。
回到问题，我们会注意到强调的是：新版本、碾压。 这则新闻还有一个点就是自学三天。 说到
这里，我要引出一个沉重的概念：递归的自我改进。
这个概念是这样的：一个运行在特定智能水平的人工智能，比如说脑残人类水平，有自我改进的机制。 当它完成一次自我改进后，它比原来更加聪明了，我们假设它到了爱因斯坦水平。 而这个时候它继续进行自我改进，然而现在它有了爱因斯坦水平的智能，所以这次改进会比上面一次更加容易，效果也更好。 第二次的改进使得他比爱因斯坦还要聪明很多，让它接下来的改进进步更加明显。 如此反复，这个强人工智能的智能水平越长越快，直到它达到了超人工智能的水平---这就是智能爆炸，也是加速回报定律的终极表现。
试想一下：一个人工智能系统花蚂枝肢了几十年时间到达了人类脑残智能的水平，而当这个节点发生的时候，电脑对于世界的感知大概和一个四岁小孩一般；而在这节点后一个小时，电脑立马推导出了统一广义相对论和量子力学的物理学理论；而在这之后一个半小时，这个强人工智能变成了超人工智能，智能达到了普通人类的17万倍。
当一个超人工智能出生的时候，闷世对我们来说就像一个全能的上帝降临地球一般。
人工智能在法学领域的应用
人工智能在法学领域的应用主要包括以下几个方面：
一是完成法律大数据的存储工作：法律是一个需要大量阅读和记忆的工作，在人工智能没有出现之前，完成阅读与记忆的工作全部需要在图书馆或者相应网站去搜索，费时费力。 而有了法律数据存储服务器，我们只需要通过输入关健信息，就可以从岁碰大数据库中提取自己需要的材料，方便很多。
二是完成法律数据分析工作：法律数据分析是建立在数据存储、数据分类管理、数据统计的基础上的。 数据分析的目的是为决策者提供依据，比如可以根据案件的数量来分析案件发生的诱因是什么，从而起到预警作者，比如在打官司的时候根据你主张的诉求和提供的证据，会为你分析出打官司的胜算在多少。
三乎凯谈是完成法律数据应用工作：不论是数据存储，还是数据分析最终目的都是为应用提供服务。 而法律数据的应用主要是为需要法律服务的人群提供更孙伏快捷和便利的服务。 比如针对当事人提供的法律文书撰写、法律服务咨询、法律知识普及等常规的服务。 针对律师提供法律法规查询、判例查询，基于数据分析基础上的应诉方案选择，或者对同一件事不同的律师和专家的观点。 小到日程安排，大到案件分析，都可以起到作用。 以至法官审判依据的法律，或者大到根据不同时间的数据分析那社会活动应该进行立法制约等，都可以通过人工智能来实现。
