缩放定律放缓带来的技术变革

在2024年的NeurIPS会议上，Ilya Sutskever提出了一系列关于人工智能发展的挑战性观点，尤其是关于Scaling Law的观点：“现有的预训练方法将会结束。”这不仅仅是技术的自然演进，也可能标志着对目前“大力出奇迹”方法的根本质疑。

Ilya讨论了预训练模型的局限性，并预见AI系统需要发展出更接近人类思维方式的推理能力。他强调，为了突破当前的局限并继续提升AI的能力，必须探索新的训练方法。这意味着基于单一语言模态的大模型能力已经接近极限。根据现有的开源路线分析，商业社会若想追求AGI，必须转向多种模态和推理过程。

商业领域对人工智能公司的偏好转变

知名数据分析机构CB Insights发布的《2024年第三季度全球人工智能投融资报告》显示，该季度全球人工智能交易数量环比增长了24%，但融资额环比下降了29%。这主要是由于单笔融资金额超过10亿美元的“巨额交易”数量环比下降了77%。报告指出，这反映了当前市场对中小规模、高潜力初创企业的偏好转变，投资者更加关注具有创新技术和可扩展商业模式的企业。

作为专业的人工智能媒体与产业服务平台，机器之心自2017年起发布了AI榜单“Synced Machine Intelligence Awards”。随着AI的快速发展，机器之心的年度评选逐渐成为行业风向标之一。其中，“大模型最具潜力创业企业TOP 10”的评选旨在表彰技术创新能力强、团队领先、已推出大模型或具备完整大模型研发能力的创业企业。

贝式计算：最具潜力的创业企业

在“大模型最具潜力创业企业”榜单中，贝式计算位列首位。其产品OpenBayes可能是中国最受欢迎的GPU计算系统之一，拥有超过17万注册科研人员和上百个私有部署客户。

2024年第三季度，紧跟多模态大模型的发展趋势，OpenBayes基于集群架构、编译器、模型结构等领域的多项创新和技术，推出了多模态模型贝式小算。该模型结合了先进的视觉理解和语言生成技术，能够同时处理和分析多种形式的数据，包括静态图片和动态视频。

模型性能与应用场景

得益于OpenBayes在编译器技术领域的积累，贝式小算能够在Nvidia、ARM以及多种国产芯片上高效运行，同时保持较高的计算精度和效率。该模型在MME-Realworld等评测中表现优异，是少数进入前列排名的初创企业之一。

*MME-Realworld是迄今为止已知的最大完全人工标注基准，拥有超过1.3万张平均分辨率为2000×1500的高分辨率图像，收集了大量关于中国真实场景的图片，评测任务相比传统基准更为复杂。

基于此，OpenBayes赋能企业客户，已为多个私有部署用户提供了高效可靠的大模型服务。该多模态模型成功应用于卫星遥感、医疗影像、法律财务、文件表格互译等多个生产场景。

例如，在中国科学院某研究所，OpenBayes为该院所级高性能计算集群的百余名学者和工程师提供了完备的AI+HPC计算体验。研究人员可以通过同一套计算系统无缝连接各类HPC应用与AI计算框架，通过统一的数据流转流程，使得计算结果可以无缝连接AI的最佳实践，从而加速了AI在众多工程领域的研究效率。

值得一提的是，2024年11月28日，OpenBayes还入选了36氪评选的“WISE2024商业之王年度最具商业潜力企业”。此次再次被评为机器之心“大模型最具潜力创业企业TOP 10”，是对公司未来发展潜力的高度认可。

技术落地与商业化潜力

从人工智能技术落地的角度看，OpenBayes拥有17万注册科研人员和上百个私有部署客户，是公司创新技术与解决方案落地应用的最佳渠道。其中包括清华大学、北京大学、北京邮电大学、天津大学、上海交通大学、中国科学院等顶尖科研院所，以及招商局集团、南方电网、辽港集团、粤能能源等重要企业。OpenBayes的商业化潜力已初步显现，能否如期实现，仍需时间验证。