文|阿爾法工場

當下的大模型賽場，隨著最初的熱潮褪去，不少VC和投資人對大模型已經進入了一個冷靜期，其投資標準，也變得理性、嚴謹了許多。

既然如此，那么這一階段能得到明星資本青睞的團隊，都具有哪些特征呢？

如前段時間，突然發布自身產品的神秘創業公司——月之暗面Moonshot AI，就給我們提供了一個參考。

在自身的大模型 Kimi Chat發布前，很少有人會想到，這個創始人僅31歲，且沒有任何產品發布的AI初創企業，會獲得紅杉中國和真格基金等 VC 的投資，并被The Information 選為五家「中國 OpenAI」的創業公司之一。

那么，對國內大模型而言，月之暗面的入局，究竟是又一場講故事的炒作，還是一匹赫然出世的黑馬？

01 VC們的考慮

現階段，要拿捏一個AI初創企業的含金量，除了企業公開展示的信息外，從VC們的角度倒推回去，分析其投資的理由，也是一種值得借鑒的思路。

以投資了月之暗面的明星資本紅杉中國為例，目前紅杉中國在AI領域已經已投資了近 30 家企業，但其真正的核心標準只有兩個：1、有使用場景，解決實際問題；2、系統能夠持續不斷獲得有用的數據自我學習來提升處理能力。

在第一條標準上，紅衫中國對AI企業的篩選，有著與國內大多數VC不同的洞見。

當前，AI 投資大多集中在 B 端，因為相較于C端，B端的行業垂直類大模型更好找到應用場景。

然而，紅衫中國卻認為，垂直行業背景不是必備條件，而對行業痛點的深刻洞察，則是更為重要的因素。

比如摩拜創始人不是做自行車的，但是她發現了實實在在的需求，并且意識到在這個過程中 AI 能夠發揮價值。

按照這樣的思路，來看月之暗面的情況，我們就會理解紅衫中國投資的理由。

在月之暗面發布的大模型Kimi Chat，是首個支持輸入 20 萬漢字的智能助手產品。這一上下文長度，是目前最高的 Claude 2-100k（約 8 萬字）的 2.5 倍，GPT-4-32k（約 2.5 萬字）的 8 倍。

超長的文本輸入，意味著什么？

在Kimi Chat發布前，大模型落地的一個最大阻礙或瓶頸，正是輸入長度的限制。

由于長度所限，任何需要進行長篇分析或持續對話的場景，現有的大模型都難以勝任。

例如，在法律行業中，有時從業者需要處理大量的長文本，例如法律文件、合同、判決書、案例等，而在媒體行業中，編輯或撰稿人，也需要對大量的文章、新聞、報道進行分析閱讀。

誠然，面對輸入長度的限制，人們可以用“分段發送”這種投機取巧的方式規避，然而，由于長度所限，在達到字數限制后，大模型仍然必須對每段內容重新開始分析。

而這種不斷“從頭開始”的情況，也使大模型難以形成一套連貫的、有深度的見解。

這樣的情況，就像是一個原始人，雖然學會了寫字，但卻因文字載體（只能刻在石頭上）所限，無法保存更多的信息，積累更多的智慧，于是文明便無法長遠地發展。

而大模型要想擺脫這樣的“原始階段”，向更廣闊的場景擴展，文本長度的限制是一定要突破的。

也正因如此，抓住了“長度限制”這一痛點的月之暗面，才會如此得到紅衫中國的重視。

然而，除了具體的場景、技術之外，“人”的因素，在大模型創業過程中同樣不可忽視。

02 技術天才的前路

當下，幾乎每個AI初創企業都想成為OpenAI，但又有多少團隊具備那樣的人才配備，以及能讓其充分發揮自身才干的土壤呢？

從表面上看，在目前的大模型創業熱潮中，名校畢業、大廠經驗、濃厚的技術基因，似乎已經成了一種“標配”

月之暗面的情況也是如此。

其創始人楊植麟，不僅出身清華，深造于卡內基梅隆大學，后來又效力于谷歌大腦研究院和Meta（Facebook）人工智能研究院，并且還曾與圖靈獎得主楊力昆（Yann LeCun）合作發表論文。

同樣的，身為團隊第二大股東的周昕宇，也是楊植麟清華大學計算機科學與技術系的同學；

而第三大股東吳育昕，畢業于清華大學與卡耐基梅隆大學，曾獲2018年歐洲計算機視覺會議（ECCV）最佳論文提名。同時也是Meta（Facebook）人工智能實驗室FAIR團隊的一員。

從人員構成上看，這是一個技術基因頗為濃厚的團隊。

然而，在當下的國內大模型賽場上，明星般的技術人才很多，可真正做出突出成就的，卻仍是鳳毛麟角。

原因何在？

從OpenAI、Midjorney等成功團隊的案例中，我們至少可以總結出兩點：1、團隊對自身“獨立性”的堅持；2、創始人的視野、經驗是否開闊；

關于第一點，就國內的情況而言，盡管“技術天才”創業的案例已不在少數，但其中相當一部分團隊，由于缺乏股權或經濟上的獨立性，最終被收購、控股，如之前被光年之外收購的一流科技就是這樣的例子。

而相較之下，OpenAI、Midjorney在融資、股權問題上，則有著更為獨立的自主權。

身為非盈利性組織的OpenAI，不用總是將股東的意志放在第一位；而Midjorney的創始David Holz，更是憑借著自身的名氣與人脈，在不融資的情況下就集齊了相應的資源、人才。

凡此種種，都使其更易于堅持自身獨立的研究方向。

而在這方面，根據天眼查App信息顯示，月之暗面由楊植麟持股78.97%，擁有絕對控制權。

除了對“獨立性”的堅持外，創始人的視野和實踐經驗，也成了大模型團隊成敗的另一大因素。

因為技術型團隊，雖然對研究有著純粹的熱忱，但有時候，這樣的執著卻會“劍走偏鋒”，陷入一種誤入歧途的窘境。

在當下AI的發展方向中，存在著許多不同的路徑，有些是有前景的、靠譜的，有些則是需要排除的“錯誤選項。”

而唯有與國外一流的高校、機構和企業進行廣泛交流，并親自參與實踐，才能從中得出正確的、具有前瞻性的判斷。

說回到月之暗面，在視野與實踐經驗方面，楊植麟曾效力于谷歌大腦研究院和Meta（Facebook）人工智能研究院，是Transformer-XL和XLNet的第一作者。

其中，XLNet模型曾在18項自然語言任務中取得了好于谷歌BERT的效果，是當時NLP領域熱門的國際前沿模型之一。

這樣開闊和前沿的履歷，確保了作為創始人的楊植麟，在技術方向的把握上，保持了與國際一線人才相近的水準。

03 “局部勝利”的含金量

在目前月之暗面公布的信息中，其最為人稱道的一點，就是推出了首個支持輸入20萬漢字的大模型Moonshot，以及搭載該模型的智能助手產品Kimi Chat。其文本長度是GPT-4-32k（約 2.5 萬字）的 8 倍。

可以說，這是國內在局部領域對GPT-4等先進模型取得的又一場“勝利”。

為什么說“又”呢？

因為此前已經有不只一個國產大模型，宣稱自己在某些方面“超越”了GPT-4。

9月，學術界當紅開源評測榜單C-Eval最新一期排行榜中，云天勵飛的大模型“云天書”排在第一，而GPT-4僅名列第十。

之所以會出現這樣詭異的現象，是由于部分國產大模型，學會了一些別樣的“應試技巧”（例如將測評的答案摳下來訓練），才造成了如此奇觀。

其實，從OpenAI的經驗來看，一種真正的技術上的“局部勝利”，應該是對AI某一領域天花板的突破，而不是呈一時的數據英雄。

這也是為什么，當年GPT-1被谷歌的BERT打得完敗，且測評、數據紛紛拉胯的情況下，OpenAI仍然選擇大模型，而非小模型的原因。

畢竟，小模型在專業任務上表現雖強，但只要參數無法提升，更強的智能就無法涌現。

同樣地，目前月之暗面推出的Moonshot，同樣可以看作是對大模型某一“天花板”的突破。

因為在長文本方面，也存在文本長短、注意力和算力類似的“不可能三角”。

這表現為，文本越長，越難聚集充分注意力，難以完整消化；注意力限制下，短文本無法完整解讀復雜信息；處理長文本需要大量算力，提高成本。

在這樣的不可能三角中，自注意力機制的計算量會隨著上下文長度的增加呈平方級增長，比如上下文增加32倍時，計算量實際會增長1000倍。

而計算量的提升，就意味著就不得不消耗更多的算力，而這無疑意味著更高的模型部署成本。

有鑒于此，唯有以長文本技術為突破，人們才能在其通用模型基礎上去裂變出N個應用。

現階段，長文本的“不可能三角”困境或許暫時還無解，但正因如此，攻破這樣的“天花板”才真正有其意義和價值。

而所謂中國的OpenAI，或許正是誕生于對這一個個“天花板”的攻克中。