正如造紙術的誕生帶來了文明的傳播,蒸汽機帶來了人流、物流,電子計算機技術帶來了今天互聯網的一切,它們背后的邏輯都是先進技術普惠穿透了應用邊界,觸達每個人,帶來社會級的變化,從而形成了文明的更迭。

而如今,AI正在扮演著同樣的角色。作為推動人類進入智能時代的決定性力量,在AGI引領的第四次工業革命里,一個迫切的問題擺在眼前:怎樣才能讓更多人用上AI?

在7月28日舉辦的2024波形智能Summer DevDay上,波形智能發布了《2024年技術路線白皮書:Life-long Personalized AI》,并特別提出了對于“AI應用”的新思考——千人千面的個性化、可進化、普惠化。

基于全新的LPA技術探索,波形智能還發布了新一代多模態無限式長內容生成的個性化自適應私人語言模型「Weaver 2.0」,以及重磅升級的多語言多模態的AI內容創作工具「蛙蛙寫作2.0」、「Siuuu.AI」、「AI Learning」等系列產品。

“做LPA的目的,就是希望讓每個人都普惠地擁有一個能‘越來越懂你’的「私人語言模型」。”波形智能創始人兼CEO姜昱辰表示,“只有當AI與大眾的生產生活真正建立起強關聯,并且能夠自理解、自適應每個獨一無二的個體時,才算迎來真正的千人千面的普惠化AI。”

01

個性化的實踐,從通用為王轉向千人千面

Scaling Law是近幾年AGI概念和大模型領域最火熱的技術名詞之一。拼參數、拼數據、拼算力,是廠商推出大模型后最喜歡做的幾件事。但換個角度看,大模型仍處于“無盡刷分”的階段,雖然基礎的泛化性和通用性可以得到提升,但落地到現實中的應用場景還有諸多局限,比如很多用戶的個性化需求無法以通用模型來處理,技術與使用場景之間存在代溝等等。

讓大模型從可用走向好用,需要一場更有針對性的轉向。而這就是本次波形智能Summer DevDay最亮眼的一個發布和升級。對于用戶而言,AI最重要的還是「為我所用」,依據每個人不同的背景和使用方式決定它的實際價值和使用效果。這樣的話,模型如何結合實際應用環境、滿足個性化需求才是關鍵。

“我們基于LPA技術對Weaver進行了特性優化,包括「千人千面的個性專屬、數據為核的自適應/自進化,以及端云結合的高效部署」。”波形智能CTO周王春澍介紹說。

具體來看,千人千面的個性專屬指的是通過用戶反饋交互信息,比如對生成內容質量的好/壞評價,Weaver模型可以逐漸理解每一個用戶的創作偏好。配合波形智能一直在做的「動態長短期記憶機制」工作,創作者們可以實現更高質量、更精準、以及更個性化的無限式長內容生成,大幅提高用戶體驗。

然而,每個人的需求和背景都是不斷變化的,想要做到個性化,模型必須能夠實時理解并動態適應用戶的需求。

為此,波形智能自研了以數據為核心的可“自主進化”的智能體框架——AIWaves Self-Evolving Agents,不僅集成了1.0版本的可控性能力,還采用Symbolic Learning方式,讓Agent可以在不斷更新的數據環境中解析自身的性能表現,并根據用戶習慣和反饋定期或者主動進行調整。這意味著,Weaver將可以持續更新,通過一次次自主進化、自我適應,從而在未來表現得更好、與用戶需求更加適配。

“高質量的、個性化的用戶體驗,能夠帶來更多的用戶積累。”姜昱辰說,“利用用戶反饋形成的數據飛輪,也能反過來推動模型和組件能力的持續迭代,形成良性循環。”

除了需求匹配方向上的優化升級,端云結合是另一個更有針對性、更人性化的實現。在常規情況下,模型或是在本地部署,或是在云端部署,但各有隱私安全和價格方面的優缺點。而Weaver可以根據需求,在不同環境下打造端云結合的“本地私鑰”,以適應更加靈活的應用場景并且保障用戶隱私。

(端云結合的LPA)

以小說創作為例,一位作者的幾十萬字存稿內容只會在用戶本地的私人文檔和大模型云端之間傳送,公開互聯網上無法爬取,所以不會出現未發表的作品內容提前泄露等問題。同時,前面提到的“模型會根據用戶數據和反饋進行自我更新”,其數據和反饋也只會對用戶自己的文檔生效,因此不會存在數據/隱私泄露的情況,還能夠在保障用戶隱私安全的前提下提供全面且個性化的體驗。

一次部署、持續更新、千人千面……這些特殊的性能優化讓Weaver的應用場景具備了更廣泛的可能性,能夠滿足更多樣化的需求。目前,新一代的「Weaver 2.0」模型和「LPA技術」已經部署在波形智能的多個產品和應用中,以期為用戶帶來更具個性化的體驗。

02

走普惠化之路,讓AI門檻更低落地更快

1879年,當愛迪生測試的燈絲終于持久點亮,他的下一個大想法是:怎樣才能讓“燈泡”走進千家萬戶?

雖然近兩年AI應用產品已經在普羅大眾的生活中有所普及,但主流通用大模型的智能能力與日益增長、日益細化的個性化需求之間仍有鴻溝。并且,這個鴻溝無法通過大模型本身的迭代逐漸消弭,這使得L1層的存在價值絕不會被大模型“吞噬”。

作為目前L1層全球最領先的公司,波形智能具備領先的從訓練模型到agent搭建的全流程大模型能力。因此,波形智能的思路也非常明確,通過提供低門檻的AI工具、數據準備、模型訓練部署的AI Infra等,跨越大模型和個性化需求的鴻溝,去匹配不同圈層用戶的不同需求,進而讓更多人真正用上AI。

在DevTool方面,波形智能發布了LLM Factory——一個實現垂域大模型“數據+訓練+部署”的一站式應用搭建平臺,希望在幫助用戶降低AI使用成本的同時,最大程度地縮短學習曲線。

而如果把LLM Factory視為是“基建”生態層面的AI普及,消費端產品的快速落地、快速應用,則是波形智能協助AI走入更加個人化的垂直使用場景中的直接舉措。

利用新一代Weaver模型具備的個性化、可進化特性,疊加新增的多模態、多語言能力,波形智能實現了產品的全面煥新升級,帶來了更新迭代的AI內容創作工具「蛙蛙寫作2.0」以及海外版「Siuuu.AI」。

對于本次迭代的核心亮點,波形智能CPO萬磊給了很凝練的總結——一站式全鏈路創作工具平臺的轉型升級。

“從無限長文本生成到無限長內容生成,蛙蛙寫作打造了一個多模態賦能的視頻故事工具,輕松實現了從小說到劇本到視頻,覆蓋文本、音頻、影像的全鏈路內容創作。”萬磊介紹道,“同時,LPA技術的加持讓蛙蛙寫作成為一個‘越寫越懂你’的私人助手,能夠終身學習并記住用戶的一切,有效消除通用工具的‘偏差’,實現高度個性化的創作過程,為故事創作提供了決定性的競爭力。”

想象一下,一個能夠理解并反映你獨特創作審美的AI助手隨時陪伴、幫助你,這正是新一代多模態無限式長內容生成的個性化自適應私人語言模型所帶來的革命性體驗。

值得一提的是,在個人消費領域之外,波形智能還同步發布了原生的企業級「AI Learning」產品,能夠用AI重構企業傳統的培訓路徑,以業務數據反哺業務成長所需的能力提升。

企業端的模型應用多是以深度解決垂直領域的業務問題為主,很少關注到每個員工的個性化問題。但在LPA技術加持下,波形智能「AI Learning」產品可以根據每個人不同的基礎、學習能力,匹配不同的實施方案,從而實現千人千面、千人千練、千人千測的個性化培訓和精準評估指導。

“傳統的培訓其實存在一個很明顯的特征,覆蓋廣、人員散,如果光靠人力去組織是非常困難的。但通過AI去做培訓,可以很大程度上提升效率,大大降低傳統培訓中涉及的物理移動的成本支出。”作為波形智能AI Learning產品客戶的顧家家居AI負責人胡建寶說。

目前來看,千人千面的“普惠化AI”正在應用落地端極大地豐富起來,人人可上手AI的時代已經到來。在底層算力的支持之上,個性化的、自驅動進化的底層模型,安全的、保證用戶隱私的使用環境,以及像蛙蛙寫作、AI Learning這樣多元化領域的落地產品缺一不可,而這些正是波形智能的能力和優勢所在。

“在技術研發、平臺打造、生態培育、應用落地的一重重探索下,我們一步步、一點點錘煉出來了這些能力和產品。”姜昱辰說。正如波形智能的觀察:個性化、可進化、普惠化將會是主流通用大模型之后的重要探索方向,有望為AI注入前所未有的生命力。“全方位降低使用AI的技術門檻、成本門檻,讓更多的組織和個人更容易、更廣泛地使用AI,才能實現真正的AGI for Everyone''s Good。”