专访阶跃星辰姜大昕：Scaling Law是通往AGI的必要非充分条件(2)

沿着这两条路，公司发布了万亿参数语言大模型的预览版Step-2，以及多模态大模型Step-1V。这代表了我们在GPT-3.5之后两个很重要的观点，一个是模型要大，二是多模态理解和生成的统一是通往AGI的必经之路。

界面新闻：单从模型的角度，怎么理解你们与GPT-4之间的差距？比如Minimax刚刚发了abab 6.5，也是万亿参数MoE大模型，他们会展示各种开源测试集的结果比对。

姜大昕：这是个很有意思的问题。前段时间在迪拜的世界政府峰会上，OpenAI首席执行官Sam Altman有一个观点很出圈，我觉得很对。

他说GPT-5对比GPT-4，是各个维度都强了一圈。这句话字面意思是“我的通用能力变强了”，但反过来讲还有一个意思是，“我朝着某一个维度方向去打磨也可以很强”。通过牺牲一些维度去增强另一个维度，这个维度可以强过GPT-4。就好像一个大学生和一个学习了焊工、钳工的初中生相比，后者可以在某个维度上超过大学生。所以刷榜并不是特别科学，因为题都是公开的。 

有些说法甚至非常有误导性。比如说“全方位能力达到了GPT-4的90%”，听着很牛，但假设GPT-4在某个能力上是90分，你做到90%就是81分，看上去好像也不错。但反过来想，GPT-4的错误率是10，你的错误率是19，几乎是人家的两倍，在应用的时候体感肯定是不一样的，用户只会觉得你做对是应该的，但会记住你的错误比别人多了近一倍。

界面新闻：和GPT-4的通用能力对比，你们对Step-2下的结论是什么？

姜大昕：GPT-4是动态的，我们现在的模型也还在最后的打磨阶段，希望到今年上半年整个打磨完成以后，能够对标去年GPT-4刚出来的水平。

界面新闻：现在国内的通用大模型是不是还在集体追赶GPT-4刚刚发布的状态？

姜大昕：对。这是一个相对务实的目标，我们不会动不动就说我们超过GPT-4，没有这个必要去吸引眼球。因为你可以有各种办法在一些小维度上超过它，甚至分分钟就可以超过，但这有什么意义？

界面新闻：Step-2采用的MoE架构，现在也很受关注。这种架构响应速度、推理效率都更快更高，但也存在训练稳定性、通信成本等问题。阶跃是什么时候决定以及为什么决定采用这个架构？怎么去克服这个架构本身可能存在的一些问题？

姜大昕：想把模型参数扩大到万亿的话，MoE几乎是一个必选项。就像做科研或者做工程，很多决策就是各个维度之间的最佳平衡，MoE也是在性能、参数量、训练成本、推理成本这些维度权衡下的最佳选择。

至于说它要解决的很多挑战，我觉得这就是OpenAI的核心技术，我们要想继续往上攀登的话，这个问题迟早要解决。

我们自建机房是一个巨大的优势，因为可以有所有硬件的细节。我们是系统组、算法组从硬件开始就做一个联合的优化。  

界面新闻：商业模式上，你们是toB（企业）和toC（消费者）一起做吗？

姜大昕：不算，我们主力还是在toC。toB的话，我们不是一单一单接的典型打法，是只选择一些大行业。比如说和上海报业旗下的界面财联社成立一个合资公司，由这家公司去承接生意，我们提供算法和模型。 

界面新闻：如何看待C端产品的商业前景？很多人认为C端极易打价格战，那它能成立的、有健康现金流的商业形态会是什么样？

姜大昕：这一轮虽然技术上发生了很大的变革，但我觉得技术不是护城河，技术只能给你一个窗口期。在这个窗口期内，你一定要构建公司产品的护城河。