海天瑞声董事长贺琳:为大模型“火箭”加燃料
■相关公司:海天瑞声(SH688787 ,火箭股价89.26元
,海天市值53.85亿元)■核心竞争力
:具备标准化数据集产品规模化生产能力,瑞声燃料累计完成超过1300个自有知识产权的董事大模训练数据标准化产品的建设 ,在全球企业中稳居前列;较早地布局并建立了多语种能力
。长贺■机构眼中的型加公司:国内AI训练数据龙头提供商
,自动驾驶业务打开成长空间■所属概念 :数据服务 人工智能 AIGC每经记者 可杨 每经编辑 董兴生11.2公里/秒,火箭是海天火箭能够成功摆脱地球引力束缚,飞离地球的瑞声燃料速度 。而瞬间的董事大模燃料燃烧所提供的推动力
,是长贺帮助火箭一次又一次加速直至进入外太空的助力
。在与《每日经济新闻》记者交流时,型加海天瑞声董事长贺琳觉得
,火箭作为一切人工智能技术最上游的海天数据
,就是瑞声燃料人工智能这艘火箭的“燃料” 。海天瑞声正是一家生成“燃料”的公司
。海天瑞声是国内最早投入AI训练数据的专业服务商之一
,2023年 ,不断翻涌的大模型浪潮将这家公司推至资本市场的聚光灯下。而身处潮水之中,贺琳对未来的思考依旧谨慎。大模型狂热:初印象非常惊艳,但对预期“审慎乐观”2023年初
,贺琳在海天瑞声公司年会上的发言稿,80%由ChatGPT完成。“非常的惊艳
,有点不(敢)相信
。”这是贺琳对ChatGPT的初印象 ,“当然,也有不尽如人意的地方,我觉得这才是我们要努力的方向
。”ChatGPT的出现 ,让这家数据公司突然站到了资本市场舞台中央 。2023年开年以来
,海天瑞声股价一路走高
,3月一度涨至191.96元/股
,较其2021年8月上市时翻了一番
。而海天瑞声方面,则已多次在投资者互动平台发布提示 ,称公司与OpenAI没有合作 ,也尚不能预期大模型业务将带来多少收入
。“年初 ,我们还在仔细观察、论证这个技术到底对数据有什么样的需求。”贺琳认为,合适的入局时机应该是当这项技术能够真正在行业中落地的时候 ,这意味着其有真正的应用场景
,而非伪场景。“我们要确定这个需求是真的,且有人会为这个需求买单,这才是一个正常的商业逻辑 。”同时,当行业落地时刻到来,数据的需求量也会迎来大规模提升
。“这给公司带来的上升空间
,我认为是非常乐观的,(目前)我们还是抱着乐观审慎的态度去看
,去跟踪,去研究这项技术。”“判断一个行业 ,我们会更深刻地去想这个行业到底需要什么样的数据
,只有想清楚这件事,我们才会走过去,我们当初对自动驾驶领域的布局就遵循了这个逻辑 。”贺琳介绍。布局自动驾驶行业是海天瑞声在2021年定下的战略方向 ,在贺琳看来,自动驾驶赛道已经符合这个判断逻辑。从L2到L4 ,自动驾驶已经有相当多的应用落地,同时,自动驾驶的数据需求量十分巨大。她判断
,自动驾驶是一个人命关天
、对安全要求非常高的技术
,它需要大量数据来打磨,去覆盖各个不常见的场景来保证安全性,因为任何极端天气或极端场景都可能导致误判。“怎么避免?就需要大量的数据去训练 ,让模型接触到更多长尾的场景来提高它的安全性。”今年4月18日,海天瑞声正式推出其专为自动驾驶场景设计的全栈式数据标注平台“DOTS-AD自动驾驶标注平台” 。数据需求增加背后 :系统性差距依旧存在贺琳曾就职于中国科学院声学研究所
,从事语音识别 、语音合成
、汉语语言理解、语音心理测试等方面的研究工作 。成立于2005年的海天瑞声 ,最初诞生于贺琳在这份工作中捕捉到的行业痛点
。“我们当时在课题组其实也会遇到(缺少)数据的问题,解决办法就是工作人员 ,加上研究生、博士生,自己来做数据 。”尽管彼时实验室的数据量相对较少,但也已经算是一项繁琐的工作。随着技术的发展,智能语音从实验室走向大规模应用阶段
,更多场景的覆盖需求 ,意味着数据需求随之大规模增加。与此同时 ,在与一些就职于大型企业或研究机构的前同事交流时,贺琳发现 ,大家都在关注数据的问题。“(大家)认为数据是一个非常大的瓶颈,阻碍他们技术的落地。所以我就在想,那是不是可以由我出来做这件事情,帮助大家解决这个困难。”时至今日 ,贺琳觉得
,彼时促使她创业的瓶颈依旧存在。在她看来,数据的需求是跟着技术的发展而变化的,随着技术在各个行业中落地 ,就会有更多的数据需求爆发。“像现在大模型起来
,很多人都认为 ,数据差距是一个造成系统性差距的非常重要的原因 ,所以大家认为数据还是很重要的要素 ,这个瓶颈依然存在 。”不同的是,贺琳创业之初,国内竞争对手少,海天瑞声得以在市场快速突围 。而如今,国内已经出现一批新的数据公司,先发优势成为当下数据公司核心竞争力的基础。“其实 ,这个行业有很多的技术壁垒和‘know-how’,也是需要不断打磨项目 ,才能去沉淀自己的技术、学会各类‘knowhow’的 ,这是靠项目积累出来的,而不是短期能很快积累起来的。”海量数据如何最终成功支撑起庞大参数的大模型运行?需要首选了解一个概念——数据集。贺琳介绍 ,数据集的产生是一个非常复杂的过程,其中包括设计阶段、采集阶段 、处理阶段以及最后的质检阶段
。在设计环节,需要先去了解数据集是为了解决哪个问题,这个问题需要什么样的数据 ,需要多大的量,需要什么样的场景,以及采集的样本、规模
、内容 ,包括采集的设备
、标注的规范等;采集环节则是按照设计的方案 ,到大千世界采集,有可能是声音,有可能是图像、图片 ,又或是手写的字、道路的场景。采集完成后则需要进入清洗、标注环节。最后生产出的数据集需要通过双层的质检流程,最终才能生产出一个合格的数据集。这其中
,清洗规则的好坏、标注的准确性都会极大地影响数据集的质量 ,进而影响模型的效果。贺琳举例说,海天瑞声的大模型数据清洗率是5%
,即清洗出来正确的数据仅仅占原数据的5%,这也印证了数据清洗环节的重要性。而标注的流程则主要是解决准确性和一致性问题,“我们通常说95%、98%或者是99%,不同的准确率对模型训练的结果有非常大的影响”
。“数据的清洗和标注流程对于模型的质量至关重要
,它们可以提高数据的质量和准确性,帮助模型更好地去学习
,也为模型的评估奠定了一个很好的基础 。”贺琳表示。贺琳认为,高质量的数据包括了数据的丰富度,场景的丰富度,数据的准确性、一致性等
,这都是衡量高质量数据的标准 。她也认同 ,高质量数据的提供 ,需要高质量人工的支持。“有一些高质量的数据,尤其是行业数据,确实需要更高层次的人去处理
。因为我们也了解到,像OpenAI这样的公司
,它背后也有一个很强大的数据处理团队 ,他们要把对行业的‘know-how’或者是更高层的一些知识灌输到数据里。”她表示 。浪潮的下一步:离开人工 ,实现智能“有多少智能
,就有多少人工
。”这句话依旧得到大部分人的认同。在海天瑞声这家“燃料”制造商
,优质“燃料”的诞生,同样需要最了解“火箭”的人来把控 。贺琳介绍,海天瑞声的管理层除拥有比较好的学术背景外,也都有在外企或大厂等机构的工作
、管理经验 。“他们以前是数据的使用者
,加入公司以后
,他们非常知道数据的使用者需要什么样的数据,这可以让他们更快速地对市场有预判 ,也会更好地跟业界交流 。”她同时坦言,为不同行业提供的数据,需要具备不同行业专业知识的人来处理。“但把规则定下后
,可能通过一些训练
,让基础的人员能具备这样的训练能力 。”在贺琳看来,“有多少智能就有多少人工”是一个误解
。“确实
,这个行业有很多的人力,但人力是在技术的支撑下做这些事 ,没有技术支撑,可能人力需要现在的10倍都不止
。所以,我们这种综合性的数据服务商一直都在追求用更自动
、更智能的方式来完成数据的任务,不断解放人力 。”贺琳希望,能一步步减少人工对人工智能的参与,大模型的浪潮,正在加速实现这个目标。“让计算机自动处理数据 ,永远都是我们的追求
。”据她介绍,公司也在探讨未来的两大工作方向,一个是打造一批针对通用领域、垂直领域 ,且具备单模态和多模态属性的
、供给大模型使用的数据集产品。另外 ,海天瑞声也在计划启动数据生产垂直大模型的研发项目,希望用大模型技术来支撑数据的生产。“大家都说大模型将给众多垂直行业带来重大积极影响,其实数据处理本身也是一个垂直行业,我们希望用大模型的能力来更自动化地把数据处理这件事情做好。”“人工智能的背后是人工”也是有可能发生改变的。“现在背后依然确实需要很多的人工 ,但是我们一直在尽量想办法减少人工。包括加入很多算法,提高对数据做预标注的准确率,准确率越高
,人工参与的程度越低 。”但贺琳也坦言,这件事并不容易。“其实,如果真的把这个事都做成了,人工智能就完成了 。因为不需要人的介入 ,相当于它处理的东西都跟人想的是一样的。”但另一方面,当技术达到一定突破后
,伦理
、法规
、安全等问题就会出现
,如何解决这些问题 ,也是今后整个人工智能行业面临的难题。新的变革契机 :多模态需求将推高行业门槛每一次的火箭升空 ,都需要大量的燃料助推
。贺琳认为,当人工智能技术迎来新的变革时,对数据提供商来说就是一次契机 。“我觉得可能也是根据一些需求,比如像苹果手机的siri出来以后,大家就会认为在语音上有一些突破 ,这些数据的需求就会暴增。”贺琳觉得,在整个人工智能行业,数据就像人类学习知识时使用的教科书,“你的教科书越全面 ,信息越准确
,学习的结果就会越好 ,其实机器也是一样的”
。她认为,数据集本质上就是人类把自己对大千世界 、万事万物的一些认知和判断方法加载到数据上 ,然后让机器去学习
,使机器得出来的对事物的判断结果更加趋近于人类。在她看来
,这就是数据公司的价值。而在大模型的热潮之下,多模态的能力成为一个关键词 。贺琳表示,多模态数据是未来的一个方向
。“多模态的数据里蕴含了更多更丰富的信息
,对机器做判断也会提供更多的信息来源 ,但多模态的数据(获取)的难度也非常大
。”她进一步介绍,首先 ,多模态数据要求的量很大 ,合规取得这些数据的难度就会更大;其次
,多模态数据采集的设备也非常昂贵,对数据公司的财务能力是一种考量
。此外
,多模态数据对齐的问题 、对齐的标准等
,都是多模态数据的难点。贺琳认同一点,多模态能力会导致数据公司的入门门槛提高。“包括我们可能还要去做一些数据生成技术,用我们的一些单一形态的数据来合成多模态的数据,这都要求公司有更高维度的研发能力。”目前
,贺琳依旧认为,数据这个方向是海天瑞声未来的定位,因为这个领域要做的事情太多了。“随着技术的发展进入千行百业,每一个行业都需要认真地去了解这个行业的‘knowhow’是什么、如何解决这个行业的一些关键痛点。那么多行业呢 ,我们有足够大的空间去拓展。”而深入行业
,则需要公司本身有一定的研发能力,同时,在进入行业时,需要有行业专家的参与,通过真实的项目打磨,进而逐渐积累。“这不是个一蹴而就的事情,需要一个长期持续的过程
。”她表示。贺琳相信,通用人工智能终将有一天会实现 ,但这也需要一个过程
,即便技术达到了 ,还有伦理的问题
、安全的问题、合规的问题。这些都解决了之后
,如何解决行业的问题,也有很长的一段路要走
。而在这条路上,她认为,数据公司将会扮演越来越重要的角色。在这个过程中 ,算法可能会相对趋于稳定,但仍需大量的 、类型迥异的数据对算法进行训练,才能解决行业的问题。翻译搜索复制每日经济新闻
相关文章:
- 连续击败曼城阿森纳,埃梅里的维拉要在英超争冠了?
- 2010年,古文奇才王云飞,拒上北大,去学土木工程,实现愿望誓师大会激情演讲的女孩,高考成绩出来了,到底打了谁的脸?
- 原创 揭晓NBA六大经典谎言:科比凌晨四点训练,张伯伦两万只是吹牛
- 崔康熙将泰山拉回正规!双线9场不败 侵略联赛前三
- “累了能歇脚、出行有保障” 蓝骑士节饿了么四川多举措更好服务骑手封面新闻2023-12-11 07:58封面新闻2023-12-11 07:58
- 斯玛特被交易至灰熊!凯尔特人争冠拼图有变,呈头重脚轻之势4年1亿美金续约,湖人拒绝犯错!4换2交易方案,詹姆斯历史第一
- 克雷桑破门+伤退费南多首球 中超泰山4-1亚泰重返前五
- 患上加钱?罗马诺:B罗还在以及利雅患上乐成谈判
- 长春亚泰明日主场战蓉城 伤兵满营,亚泰依旧“不服气”日本“圈养”大批“半人半猪”,体内长着人体器官,说是为救人命
- 原创 离队!3冠球星追随C罗,扎心欧冠豪门,拉波尔塔担忧,梅西又输
栏目分类
最新文章
- 英超热刺 VS 纽卡斯尔联:yo 米直播五次交锋战绩持平双方比赛不缺进球 《绝区零》,不太米哈游开放世界,尚能饭否?《王者荣耀》官方嫦娥典藏手办来了:长腿玉足吸睛腾讯再推互动微短剧,游戏的风吹向了短剧11月出海榜:米哈游双榜登顶,深蓝互动首次入榜坏了,我们一不小心搓出了「战神六:仙剑」腾讯以最「离谱」的方式,成了年度赢家?腾讯LI发行、UE5研发,射击品类又要多一个新细分玩法?
- 双塔威猛!森林狼撕碎灰熊领跑联盟,爱德华兹伤退,李凯尔准三双
- 原创 恭喜曼联!拉爵士亲自点名,9000万欧伪巨星被放弃,红魔队长更换
- 火箭将调整轮换!4号秀正式回归,乌度卡提要求,赢球练兵两不误
- 44分惨案诞生!湖人淘汰鹈鹕!詹姆斯迎里程碑,浓眉16分15板四川14岁少年满脸纹身被父亲驱逐家门,找不到工作,如今怎样了
- 帮朱丹还债2000万,母亲是火箭军上校,41岁的周一围太低调了第一次约会男子请客,女方一口没吃,看到配饰网友摇头:你养不起
- 亚足联针对亚冠浙江队VS武里南队赛后冲突开出罚单扬子晚报2023-12-10 20:33扬子晚报2023-12-10 20:33
- 原创 重返曼联?恭喜穆里尼奥!新老板介入,罗马后悔,英超争4乱了
- 【亚泰同框】毕津浩诠释中超赛场妙不可言的缘分
- 原创 穆帅麻烦大了!一场1-1后2巨星一伤一停,后3轮要踢那不勒斯尤文
热门文章
- 一声姨妈赔1000?一女子不满被效率员叫姨妈谢绝买单求抵偿!
- 阿那亚戏剧节完美收官 刘谦魔术剧场开幕 北戴河新区文旅经济大戏越唱越精彩
- 拜仁7千万欧报价凯恩 热刺断然回绝 列维一意孤行明年恐追悔莫及2009年“赵C”改名案:你不改名,全国人口信息系统就得彻底更改
- 梅西刚走,姆巴佩又要离开,法媒:巴黎圣日耳曼俱乐部高层愤怒年轻时的黄秋燕和利智,相比之下,90%的男人都会选择利智吧
- [瞎话板]Shams:克拉克森3年5500万美元与爵士重新签约
- 不愧是亚洲皇马 浦和红钻下半年将迎来五线作战张子枫未修生图流出,被网友公开批评:她的胸碍了谁的“意淫梦”?
- 错失绝平良机 青岛海牛客场1-2不敌上海上港娱乐圈的“假戏真做”,祸害了多少女明星?
- 身上有着有限的后劲,马刺用次轮签白捡了一个高个子持球手?
- 刘谦魔术工作室落户北戴河新区
- B站的不雅众老爷们,您违心“用钱发电”吗?