南方財經全媒體記者江月 上海報道

“百模大戰”不足以形容2023年的AI模型訓練熱潮，行業蓬勃程度突破想象。

8月末，南方財經全媒體記者從開源代碼平臺Hugging Face內部人士處了解到，在過去8個月里，Hugging Face上的預訓練模型數量從此前積累的10萬個增長到了超過30萬個，數據集從1萬個增長至5.8萬個，估值也從20億美元飆升到45億美元。

Hugging Face正逐步成為全球最大的大模型庫。8月末，Hugging Face宣布最新一輪融資成功，共籌集到2.35億美元，公司估值較去年同期上漲1倍至45億美元，投資方包括Salesforce、谷歌、IBM、亞馬遜等科技巨頭，英偉達、英特爾、AMD、高通等芯片公司以及知名風險投資機構Sound Ventures等。

盡管對話式機器人ChatGPT率先引發了全球關注，但全球開發者的AI模型研究，目前不限于語言類，還包括圖像生成、聲音生成和轉移、視頻生成等。這反映，人工智能開發者仍然在從不同方向挖掘市場需求點，未來還可能出現新的“爆款應用”。

AI融資加速

Hugging Face在2023年乘AIGC東風而上，它被稱為AI領域的GitHub，今年銷售量大增，且加快融資速度、身價倍增。

一名Hugging Face內部人士近期告訴南方財經全媒體記者，截至8月底，在Hugging Face平臺上公開的人工智能模型數量已經超過30萬個，未公開的數量甚至更多。另外，數據集也達到5.8萬個。公司也在迅速擴張，團隊人數從去年的30人擴張到了160多人。

與去年年末的數據相比，這意味著在2023年前8個月，該平臺上的預訓練模型數量增長200%，數據集數量增長接近500%。

該人士介紹，Hugging Face目前對業界提供模型托管、社區交流，仍在圍繞AI發展完善各種功能。在中國，Hugging Face也深入社區交流、提供免費的課程，從而促進當地有興趣的開發者加速流入行業，也盡早推廣“人人使用AI”的理念。

此前有市場消息還稱，Hugging Face今年的ARR（年度經常性收入）可能達到4000萬美金左右。Hugging Face首席執行官克萊門特·德朗格（Clément Delangue）近期預計，2023年總收入將為2022年的五倍，因為市場需求十分旺盛。據Hugging Face此前披露，包括微軟、谷歌、Bloomberg、英特爾等各個行業超過1.5萬家機構都成為它的用戶，而其中付費用戶已有3000多家。

全球今年，一級市場加速對人工智能產業的投資。風投數據分析公司PitchBook稱，2023上半年，全球人工智能領域共計發生融資1387件，籌集融資金額255億美元，平均融資金額達2605萬美元。如要分析業務結構，以硅谷的AI創業公司為例，分為基礎大模型層、中間層和垂直場景應用層三種，盡管基礎大模型層產生了OpenAI這樣的獨角獸，但從事中間層數據庫、工具包以及應用層的公司，也不乏亮點。

Hugging Face由法國連續創業者德朗格和兩位伙伴在2016年創辦，NBA球星杜蘭特是其天使融資者之一；2018年5月，它又獲得了400萬美元的種子輪融資；2019年12月，Hugging Face拿到了總額1500萬美元的A輪融資；2022年5月10日，Hugging Face宣布C輪融資籌集了1億美元，估值達到20億美元。2023年8月的最新一輪融資，是該公司單筆融資規模最大的一筆，也令估值達到45億美元。

值得留意的是，以往融資中，財務投資者比重高；這一次，新一輪投資中出現諸多科技巨頭面孔。以領銜投資的Salesforce為例，這家企業級軟件開發巨頭近來也在持續提升產品中的AI功能，包括通過網站頁面上下文生成銷售電子郵件、回復建議提供、自動總結與客戶的對話摘要等。此外，諸多本形成競爭關系的科技巨頭同時投資了該公司，反映業內希望通過促進AI發展，給科技界帶來新的增長機遇。

AI開源模型迅速增長

AI模型開發，成為2023年上半年全球關注的科技熱點。一方面，開源與閉源的優劣比較被再次搬上舞臺；另一方面，AI模型開發之后如何進行應用落地，得到諸多探討。

Hugging Face成立于2016年，但推動人工智能模型“開源”開始于2018年底。當年11月，谷歌宣布推出預訓練大語言模型BERT，瞬間成為了自然語言理解領域最“紅”的模型，但初期只有TensorFlow版本。Hugging Face創始人之一Thomas Wolf完成并開源了PyTorch版本的BERT，這吸引了大量開發者涌入Hugging Face。

在ChatGPT走紅之后，Hugging Face繼續吸納更多開發者涌入，不少人集中在機器學習、AI大模型開發上。由于Hugging Face支持大文件的上傳、免費提供hosting（網站托管）、免費提供全球CDN（內容分發網絡），還可以一鍵部署，也就是點一下鼠標就將模型快速地布署到亞馬遜云上，從而很快將模型使用起來，因此受到開發者歡迎。

不過，開源和閉源的優劣之爭也在持續。

目前，“開源”模式獲得不少知名公司和機構的支持，例如Meta旗下的LLaMA、斯坦福大學旗下Alpaca、Databricks旗下Dolly 2.0等均已經公開了“算法”。

“開源生態的好處在于，它集思廣益，今天你發現一個漏洞、明天他發現一個功能增補，貢獻者在看著大模型獲得點贊以及落地應用時，將獲得很大的成就感。”一位開源社區的經營者告訴南方財經全媒體記者。

不過，支持“閉源”的人士也有自己的理由。例如，2023年紅遍全球的GPT大語言模型，于3月14日發布了GPT-4版本，這個模型選擇了“閉源”模式，這其中有安全性、版權和商業競爭的復雜考量。

大模型“開源”，到底開放的是什么樣的資源？開源字面意思是“公開源代碼”。例如Linux操作系統所開放的就是操作系統內核源代碼。

大語言模型開放，則更為復雜。業界認為，核心在于“算法”加上“參數”，算法的核心部分主要包括模型結構和訓練方法，而參數更是極難獲得、高質量的人工標注數據。由于大模型的核心構成包括算法、算力和數據這三駕馬車，因此缺少任何一樣元素都難以“復制”目標大模型。

支持大模型以開源形式發展的人士普遍認為，開源模型下的數據集依然透明，這對于使用者是一個便利，這樣的數據集更容易維持觀點均衡、沒有偏頗。

在AI模型大量涌現之后，應用落地將在不遠的將來吸引更多人的注意。記者在Hugging Face上注意到，盡管語言大模型因對話機器人率先受到大眾關注，但開發者并不局限于這一領域，而是對圖像、聲音、視頻以及多模態模型各有涉獵。

如何產生更多像ChatGPT的“爆款”應用？“從事AI模型落地，一方面要在市場上尋找需求，另一方面也不能僅通過API坐享其成模型開發成果，應當更關注數據庫的建立。”一名模型開發工程師如是向南方財經全媒體介紹。

關鍵詞：