今日，有消息曝出：大模型初創公司「百川智能」已于近期完成A輪融資，總融資金額達50億元人民币。
i黑馬就以上資訊向百川智能求證，百川智能給出的回應如下：
百川智能确實已經于近期完成了A輪融資，總融資金額達50億元人民币，并且将以200億估值開啟B輪融資。
A輪投資方既有阿裡、小米、騰訊、亞投資本、中金等頭部大廠和市場化投資機構，也包括北京市人工智能産業投資基金、上海人工智能産業投資基金、深創投等國資背景産業投資基金。
百川智能一直堅持“超級模型+超級應用”雙輪驅動的發展戰略。截止目前，已經釋出了12款大模型，并于今年5月推出了首款AI助手——百小應。
百川智能一直認為醫療是“大模型皇冠上的明珠”，是打造超級應用的最佳場景。作為國内唯一一家專注醫療的頭部大模型公司，百川智能在AI醫療技術和應用上均取得了階段性進展。
自研的通用醫療增強大模型，已在多個權威評測中超越了GPT-4，并且還在7月初舉辦的世界人工智能大會（WAIC）上首次對外展示了AI醫療類應用——AI健康顧問。
在近日舉辦的2024全球數字經濟大會人工智能專題論壇，王小川進行了分享。以下為王小川分享内容，經i黑馬編輯：
今天整個中國社會，尤其是科技界，都處于一種既興奮又焦慮的狀态。
一方面，我們要跟美國卷模型，要投入十億、百億美金去做超級模型；另一方面，又在呼喚大模型落地應用的場景。大家擔心，隻做落地應用會錯過未來，但隻考慮未來又沒有當下。
百川是去年4月成立的，今年1月份，朋友們給我發微信祝賀，說“2024年元旦快樂”。我回複的是，“智能紀元二年快樂”。
這句話的含義是什麼？我們已經進入到一個全新的時代，到了智能時代。雖然現在還沒有做到AGI。
我們很幸運，大家是從網際網路時代走過來的，享受了網際網路20年的高速發展，現在又見證和參與到了智能時代的發展。
01
通過語言，我們在接近智能
我想用一個關鍵詞來表達對智能時代的中軸的了解，就是把語言轉變成數學模型。
我們今天講大模型LLM的時候，第一個關鍵詞叫Scale，就是規模。從百億參數到千億參數到萬億參數，再到号稱GPT5的百萬億級參數，資料規模上去之後就能帶來智能。到最後變成，大家覺得投入多少錢進去，就能實作智能。同時我們也會歡呼，比如今年視訊生成領域Sora的推出，是不是代表了未來的另一種智能。
這些其實都不是完整的答案。因為今天我們走通的人工智能路徑，不是在Sora，而在語言。通過将語言變成數學模型之後，能夠獲得今天這樣的人工智能。
很多人說，人和動物的差別，可能是人會語言。
比如圖像識别很厲害、無人駕駛很厲害，我開玩笑講，狗也會無人駕駛和圖像識别。差別在于，語言是我們思考、溝通的載體，是文化和知識的載體。是以通過語言，我們在接近智能。今天這個範式體系并沒有脫離掉語言，是以我們強調語言為中軸。這是在通用智能裡的一個關鍵邏輯。
另一個關鍵詞是能源。資料、算法、算力，大家都已經很清楚了，但今年上半年以來，提到更多的是能源問題。尤其是在國外，已經開始有可控核聚變，在為大規模的新模式部署做準備。如果說AGI或者人工智能再往下爆發，那算力背後的能源會構成一個大的短闆。中國目前為止還沒有開始探索這個問題，在電力方面還沒有美國這種瘋狂的想法。這也是中美大模型發展的差別之一。
02
大模型帶來的是生産力的提升
有個知識管理架構叫DIKW模型，即Data Information Knowledge Wisdom。以前機器産生的是資訊，這個時代的智能核心是産生知識。也就是說，大模型帶來的不僅是資訊的傳遞，而是能夠産生knowledge，代表着對世界的認知。再往後發展，則可以産生智慧。
我們知道，在網際網路時代，更多的是改變了生産關系。不管是淘寶、滴滴還有美團，都是通過網際網路讓更多的商家跟更多的使用者連接配接在一起，提高供需比對的效率。
但在智能時代，大模型帶來的是生産力的直接提升。GPT是這個時代的第一個應用産品，未來我相信會有更多新的應用産生。
在資訊時代，我們是用一種工具思維來使用計算機。現在，我們應該把大模型當成夥伴來思考。如果還是把大模型當成原來的電腦來對待，那它能夠發揮的作用就太有限了。我們更應該把AI當作可以産生陪伴和服務的夥伴。我預測，在未來兩三年，我們可以走出這種工具思維，并且讓AI變得像人類一樣具備服務能力和陪伴能力。
這種情況下，目前的探索方向，一是賦能千行百業，也就是對生産力的提升。另外還有兩個領域：智能助理和虛拟世界。
在個人領域，這種智能助理之前其實做得不太好。目前來講，Perplexity在智能助理領域應該算是不錯的，通過對于搜尋的總結，可以提供更好的知識的呈現。GPT4O更多代表的是一種互動模式的革新，是以人的方式來跟使用者溝通。我認為，未來智能助理會有新的To C産品形态産生，而不隻是在原來的電商、遊戲以及其他領域再重做一遍。
在虛拟世界，随着技術的進步，未來3到5年，我們預見到人工智能将在虛拟世界的多個方面扮演更重要的角色，特别是在娛樂遊戲行業。随着虛拟世界的發展，它将為全球經濟帶來新的動力和變革。我們認為，這将是一個從生産關系向生産力轉變的過程，最終将實作對虛拟世界的賦能。
目前，我們已經讨論了許多概念，包括搜尋增強、多模态、智能體等，這些都是當下提升大模型能力的主要技術路線。這些技術的發展可能會在未來引發一場變革性的力量。
03
強化學習讓大模型具備思考能力
在語言和規模之外，大模型還有一個發展思路是強化學習。OpenAI曾提到，他們的模型可以在某些地方實作超越，包括在18個月之後讓大模型達到博士生的能力。這不是在當下這個範式中能夠解決的，以目前的範式解決問題來講，大模型能達到高中生的水準就不錯了，是以隻能做輔助工作。
但未來會有新的一種範式出現，這是值得大家期待和關注的。這種範式的核心是，用強化學習來改變今天的模型設定。廣義上來講，這就像之前大家熟悉的AlphaGo，專門下圍棋的人工智能。AlphaGo跟大模型走了兩條相反的道路。大模是資料越多越好，有多少資料就可以帶來多少智能。而AlphaGo的第一版本是結合了數百萬人類圍棋專家的棋譜。但是到AlphaGoZero之後，就不需要人類的棋譜了，不用資料反而變得更加智能。
今天大模型隻能解決快思考的問題，其實不具備慢思考的能力。是以大家提到AI超越人類，還需要很長一段時間來通過強化學習産生慢思考。用孔子提倡的學習方法來講，大模型是“學而不思則罔”，學了很多東西，但是不會思考，并不是特别智能；AlphaGo則是“思而不學則殆”，隻在一個領域鑽研得很深。是以，将學習和思考系統進行結合，才可能實作智能時代最終的爆發。我們現在掌握的兩種技術，還沒有融合在一起，這是我對未來的一些基本判斷。國内有高校在做這方面的探索，我們甚至預言美國已經在這方面實作了突破。
随着我們自己的實踐，我們強調如何平衡理想與現實之間的關系。追求“詩和遠方”就是去追趕OpenAI，但沒有落地場景。如果去做落地場景，則有可能走不到了大模型的遠方，丢掉了“慢思考”，丢掉了大模型所代表的通用智能的可能性。
是以，針對目前中國的情況，包括晶片能力、人才儲備和市場環境，我們提出了一種邏輯，即“理想上慢一步，落地上快三步”。也就是說，理想上我們不是不跟，而是通過他們驗證之後來確定我們的方向。我們的首要任務是打開落地場景，同時確定我們不會失去對大模型終極理想的追求。是以，我們的目标是既要發展超級模型，也要發展超級應用。是以我們在賦能千行百業時，選擇這些知識密度特别高，真的需要千億模型、萬億模型的場景，然後我們把它降到百億，這是百川的定位。
百川去年整體發展很快，成為第一批獲得工信部備案的八家大模型公司之一，也是唯一一家當年成立的公司。在今年5月，百川推出最新一代基座大模型Baichuan 4，并同期推出首款AI助手“百小應”。
04
醫療是大模型皇冠上的明珠
百川在落地場景上選擇的是醫療領域。醫療是大模型皇冠上的明珠。反向傳播之父Geoffrey Hinton強調，醫療将是最重要的AI應用領域之一，将發揮AI的最大潛力。大模型對于知識的掌握，對經驗的掌握，大模型的多模态能力、記憶能力、思考能力，大模型減少幻覺、溝通共情的能力，所有這些在醫療領域都能夠用到。甚至是模型做得越好，醫療就能越發達。
目前在醫療領域比較成功的是網際網路醫院，包括好大夫等，需要依靠現有的醫生，其實還是對生産關系的改變。因為醫生供給是不足的，提升醫生供給就是一個重大的機會，是以醫療行業叫做“得醫生者得天下”。
同時，我們也對AI醫療進行了等級劃分，從L0到L5，這一分級類似于無人駕駛。
L0就是傳統醫療，沒有AI介入。
L1是依靠單一功能的機器輔助，在單點上可以給出建議。
L2是多模态輔助，AI可以整合病曆、影像等多種資料提供資訊。
L3是條件自動化診療，類似于現在的自動駕駛，已經可以完全取代司機開車，但在關鍵時刻還需要司機的确認。我們的目标是，在今年到明年，做到L3的水準，讓AI給醫生做助理，也能為消費者提供後期的健康顧問，但關鍵決策需要醫生确認。
L4就需要AGI的水準了。AGI的能力可以造出醫生來，完全像醫生一樣工作，就是一個通用的人工智能。
L5是完全自動化健康管理，可以超越AGI，從預防、診斷到治療，可以管理患者的全部健康旅程。到這個時候，我們開始從語言模型走向生命模型，對生命做解碼，做到超越醫生的水準。
在這個過程中，我們落地了兩件事情。一是在前期做全病程的管理，二是在此基礎上做精準醫療。
現在醫生資源遠遠不夠，不可能有醫生一直陪着患者。大模型可以在院内做醫生助理，在院外做健康顧問，能做全病程的管理。在這個過程中，大模型可以患者進行盡可能多的資料收集，這對醫生來說也就像臨床實驗一樣。因為醫生不僅是臨床工作者，也是科研工作者，他們需要把自己的觀察和經驗總結出來，寫成論文，變成知識。每個醫生的精力是有限的，在中國一個醫生一輩子可能隻能為3萬個患者做診斷。大模型能夠快速地疊代學習，可以為每個患者單獨模組化，最終走向精準醫療，讓預防、診斷、幹預都達到新的高度。
對于未來，百川一方面是繼續攻堅，以語言為中心去突破模型規模，做出超級模型。同時，我們在醫療上做很多增強，期待通過AIGC的方式去達到AGI，并在此過程當中提高醫療的相關服務。
［本文作者i黑馬，i黑馬原創。如需轉載請聯系微信公衆号（ID:iheima）授權，未經授權，轉載必究。］