智谱AI张鹏：中国创业者也应做0到1创新，大模型基本能力已比肩 GPT-4
作者|叶蓁
编辑|康晓
出品丨深网·腾讯新闻小满工作室
2023年下半年，在参加多场国内大模型行业研讨会后，智谱AI CEO张鹏强烈意识到：中国创业者不应该给自己贴一个只擅长“1到100”的标签，然后限制我们去想“0到1”的突破可能。
“能不能把这个标签彻底扔掉，不要用它来限制自己创新和进步的脚步？”
张鹏的问题，源自中国大模型产品和ChatGPT在认知上的差距。
“用个不太好的词，得其形未得其神。虽然双方某些层面也是一致的，比如不约而同的把多模态作为最新模型的关键特征，但多模态为什么重要，大家不是都能说得清楚，这就是差异。”
张鹏和智谱AI试图从本源上来理解OpenAI背后的逻辑，来对齐GPT-4的水平。
基于此，1月16日，在2024智谱AI技术开放日Zhipu DevDay上，张鹏发布了新一代基座大模型GLM-4。
据介绍，GLM-4在基础能力上实现大幅升级，性能相比上一代全面提升 60%，逼近 GPT-4。其支持更长上下文、更强的多模态，包括更高精度的文生图性能和更丰富语义的图片理解。
同时，GLM-4-All Tools 实现自主根据用户意图，自动理解、规划复杂指令，自由调用WebGLM搜索增强、Code Interpreter代码解释器和多模态生成能力以完成复杂任务。GLMs个性化智能体定制能力上线，任何用户用简单的提示词指令就能创建属于自己的 GLM 智能体。
毋庸置疑，当下的智谱AI，正处于浪潮之巅。去年6月，在硅谷科技媒体The Information的盘点中，智谱AI被视为最有可能成为“中国OpenAI”的5家企业之一。
在2023年智谱AI的全员大会上，张鹏很感慨，“生在这个时代很幸运，一辈子几十年的时间，可能就赶上这么一波技术的潮流。”
2019年成立的智谱AI是国内最早研发大模型的企业之一，由清华大学知识工程实验室（KEG）技术成果转化而来。智谱AI的去年完成了累计25亿元的融资，投资方包括美团、蚂蚁、阿里、红杉和高瓴等。
在经历了追赶ChatGPT的一年后，张鹏认为，2024年中国大模型的主题词是顶天立地。“我们希望朝国际上最先进的水平去看齐，在技术上和应用上去尝试顶一下天；而立地这个事情就是把公司的商业化做好。”张鹏告诉《深网》。
以下是腾讯新闻《深网》专访智谱AI CEO张鹏实录整理，在不改变原意的情况下有所删减：
“与GPT 4水平对齐”
《深网》：最近大半年时间，GPT和国内大模型产品的发展速度是不是达到预期？
张鹏：GPT的发展速度还是挺快的，几个月时间做到2亿用户。不管是 GPT4, 11月份发GPT store，还有最近疯传的 GPT5，不管真的假的， 可以看到 OpenAI也在快速的往前更新和迭代，确实没有让大家失望。
国内的发展速度也挺快的。站在国外的角度看国内的大模型，能明显的感觉到国外对于国内产品的发展速度挺认可。
对比国外一些比较知名的权威人士和团队写的文章，从整个时间演化顺序来看，出现在文章里的中国厂商产品是在增加的，国外的同行很关注我们在做的这些事情。
《深网》：智谱AI最新的技术突破是什么？
张鹏：我们带来了新一代的模型GLM-4，大脑本身的聪明程度提升了，原来是一个高中生，现在可能到了大学生水平，大脑的水平提升的同时，我们也让它长出了手脚、眼睛、耳朵，具备了跟现实世界和数字世界进行交互的一些基本能力。
《深网》：目前智谱AI的水平，可以对标GPT的哪个阶段？
张鹏：我们一以贯之的是瞄向AGI路径中的一个阶段，每3-6个月更新一次做一次升级，每一代都会有一些不同，比如说上一代我们解决的是模型能力矩阵的对标，然后这一次是模型的能力上跟GPT4做到基本对齐，GLM-4 的基本能力已经比肩 GPT-4。
《深网》：对标GPT 4，最重要的是提升你们的多模态理解能力？
张鹏：多模态能力是其中非常重要的一个组成部分。我们聊多模态的时候，首先映入脑海的文生图、图生文，这个事情原生的驱动力是要解决跨模态的理解和生成，其本质是什么？在AGI的版图里，它代表的是什么意义？
当时我看到GPT4的报告触动很大，大家都在做文到图生成的时候，GPT4做了一个图到文的理解、推理和生成，它为什么要做这件事情？
我个人理解，人的视觉、听觉、触觉等，都是原始的基础数据和信息的感知能力，但语言是人造的，用抽象符号来描述这些原始信号的东西。本质上，语言是一种更高阶的信号。
人之所以为人，是因为语言，这件事情诞生是一个非常重要的节点。两个节点，一个是工具创造和使用工具，一个是语言，这是人工智能发展两个大的标志。
从抽象数据生成具象化内容（文生图），比从具象信息到抽象信息的转换（图到文），要更容易一些。为什么？因为具象的信号收集更容易，它包含的信息量的密度小；但从低维信号里面去抽取高维信号是难的，要排除掉噪音，得到价值最大的部分。
本质上，由低级信号到高级信号，更能体现认知的能力。
GPT4实现了图像的理解和推理，我们认为这是非常重要的一个方向。整个2023年，我们在多模态方面花了很大的精力去做图生文这件事情。而Gemini的发布也验证了这个事情，谷歌也认为这件事情很重要，谷歌甚至走的更远，它把图像、视频、声音、全部统一到一个模型里去学习。
《深网》：代码增强能力也是目前大模型之间的竞争点？
张鹏：代码增强是一个比较实际的问题，训练语言模型的认知能力，类似于再造一个大脑，需要更强的思考能力、理解能力、推理能力和认知能力。
大脑如果不和外界接触和交互的话，永远是个缸中大脑，能力再强也干涉不了现实世界。代码增强赋予了大模型交互能力，也包括搜索增强能力，让大模型长出手和脚，眼睛和耳朵，更自主的去获取信息，更方便的去跟外界的这些系统进行交互。代码增强让大模型产生更大的价值。
“2024关键词：顶天立地”
《深网》：2024年，你认为国内大模型的主题和趋势是什么？
张鹏：顶天立地。顶天也可以用创新来表示，顶天就是去突破，技术上创新，应用上创新，都是顶天的事儿，往上突破的事儿。
2023年国内企业在技术上都是一个追赶的态势，智谱AI稍微靠前一点，2024年我们希望朝国际上最先进的水平去看齐，在技术上也尝试去顶一下天，GLM-4 就是我们这方面的最新尝试；还有一个就是应用，两条思路——原来的钉子砸一遍和找到新的钉子。把原来钉子砸一遍，这个事情大家都能想到，就是用大模型改造现有的工作流程；找到新的钉子，意思就是尝试一些突破性的创新。
立地这个事，不管技术的突破也好，应用的创新也好，回归到公司本身还是要把商业上的业务做踏实了，转化成公司的收入和收益，创造客户价值。
《深网》：国内有投资人认为，OpenAI的技术本身没那么难？
张鹏：这种表述可能不严谨，更严谨的表述是从技术原理上来说，OpenAI确实没有太多神秘的地方，而且有很多原创的技术也不是OpenAI发明的，它把这些技术发扬光大或者做到极致。但从技术工程和落地上来看，这就是一件了不起的事情。
ChatGPT从技术原理、工程化、应用到市场，是一个非常紧密的闭环，很难单独割裂来看。
《深网》：从技术上看，国内的大模型能赶超 GPT吗？
张鹏：现在还是一个追赶的态势，我们也一直在缩小之间的差距，毕竟后发有后发的优势，也省去了前面的一些探索，把精力集中在相对正确的路径上。但说实话，光靠这样的东西不太可能实现超越的，因为大家的路径是一样的，因此最后你可能最多做到和tGPT一样。
这正是智谱选择自研 GLM 预训练框架的原因。我们尝试用局部的或者整个链条中的一些创新突破，来提升我们追赶的速度。
OpenAI起步比较早，发展的速度体现为曲线的斜率，国产大模型起步比它晚，只有用一点一点的积累去调整发展速度，调整曲线的斜率，才有可能预期会越来越近，会有一个交叉的点。
因此，算法、系统工程、数据、应用到落地等等这一个链条上，所有的创新累加起来，才有可能去超越它。
《深网》：未来各巨头都会有自己的大模型，产品会不会趋同，差异化在哪？
张鹏：我们公司在做全局的能力，这些能力对对于AGI的整个的目标达成,是必不可少的部分，有些会偏向应用去做，有些是偏向行业去做，慢慢的会有一些差异。
“从0到1”的标签
《深网》：OpenAI前一阵的人事风波对GPT的技术演进影响大吗？
张鹏：目前看起来好像没有太大的影响。
《深网》：在您看来，国内大模型目前和硅谷的差距主要在什么维度？
张鹏：差距从各个方面都能列举一些出来，我觉得本质还是大家对这个事情的认知。以OpenAI和谷歌这些世界顶尖级团队为代表，他们对大模型的认知一定是非常高的。
《深网》：为什么存在这种差异？
张鹏：去年参加一些论坛和圆桌，大家讨论认为，中国人不太擅长0到1，但很擅长1到100。我在思考为什么？大家去总结过去的一些事情，以移动互联网和互联网举例，中国都不是技术的起源，但从应用的角度来说，中国的公司跑的都很猛，超过了美国公司。
当然这些过去不足以去贴一个标签，限制自己去想0到1的事情，我一直在想，我们应该能够把这个标签彻底扔掉，不要用它来限制自己创新和进步的脚步。
《深网》：你认为大模型的本质是什么？
张鹏：我觉得大模型是我们在探索AGI的过程当中，尝试去理解或者是模拟接近人脑的认知能力的一种技术手段，它是基于人工智能的行为学方法。
《深网》：如何看待AGI下半场的竞争格局？
张鹏：严格来讲不叫AGI的下半场，应该是生成式AI的第二场。后面还有几场，我不知道。
AGI也不等同于生成式AI。大模型可能是我们在追寻AGI过程当中一个非常有效的技术手段，但可能并不代表AGI。AGI很难，还有很多问题需要去解决。
《深网》：对国内的通用大模型来说，现在是个什么样的节点？
张鹏：我想经过 2023 年的充分竞争，现在我们逐渐可以说进入一个决战时刻了。
“闭源让企业更容易获取收益”
《深网》：开源和闭源，目前来看会导向两条不同的技术和产业路径？
张鹏：开源和闭源确实是两个事情。开源、闭源和商用之间是什么样的关系？
在我看来，开源是整个产业大的生态里必不可少的一环，是技术的多样性和创新的活力和动力。开源会有一些允许的，会被拿去做商业，但真正大规模的商用最终会落到闭源。商业价值上，尤其对中大型客户而言，选择并不在于这个技术本身获得的成本，还包括了技术的稳定性，支持程度，一致性，服务和安全一系列的问题。
从商业应用来讲，闭源版本可能会让企业获得更好收益，来维持比较好的商业化服务，所以开源和闭源目的不一样，本质也不一样。
《深网》：能否分享下智谱商业化落地进展？
张鹏：从整个商业化落地的路径上来说，我们会有自己的一些选择，这个选择是来源于我们团队的基因，以及我们对当前市场的一个综合判断。我们很早就确定我们要做TO B，我们也罢商业化落地的主要精力放在这块；TO C我们也会去做，但我们的目的也比较明确，把闭环做起来，给未来也留下一个可能性， TO C应用这一块可能未来也是一个要爆发的点。
TO B这块像开放平台，实际上是我们对于TO B服务落地的一个具象化的结果。
《深网》：人工智能此前没有爆发，是不是缺一款划时代的产品？
张鹏：人工智能的爆发不是一个产品能决定的事情。就像上一代AI的技术，能够说它不够爆发吗？每天刷脸，支付，语音都已经到这种程度了，算不算爆发，但大家为什么认为那个不算爆发？可能潜意识里觉得它不是我们想象中的人工智能，而更像是工具。
《深网》：国产手机也在开发端侧大模型，英特尔和联想等开始发力AIPC，这些硬件领域的AI革命会不会带来相关产业的重塑？
张鹏：我觉得大概率会，大家希望在手机上用到新东西，需求是存在的。第一怎么把这个技术的路径走通；第二把成本降下来；第三个把使用的体感提升上去，某种程度上讲，这三件事是同步要进行的。