5月17日，腾讯云生成式AI产业应用峰会在北京召开，公布腾讯大模型应用产品的系列进展。
这些进展包括：发布具备处理超过38万字符超长文本能力的长文模型，上线一站式AI智能体创作与分发平台“腾讯元器”，发布三大引擎工具，预告了C端助手App腾讯元宝的发布时间。
《每日经济新闻》记者注意到，长文模型、个人助手、智能体平台这都是近期大模型厂商们的竞争焦点。一旦有应用在市场激起“水花”，就会漾起同行的波澜，推动其他厂商开始跟进研究。这样的氛围，让大模型应用似乎遭遇了彼此“狭路相逢”的场景。
腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示：“今天，大家对于大模型的诉求更加务实，不仅关注模型技术的领先性，也要看怎么融合到业务场景，怎么降本增效解决实际问题。”
腾讯公布多项大模型进展
这个5月，全球大模型圈好不热闹。OpenAI推出了全能模型GPT-4o，展示了毫秒级反应和多模态交互的新能力。随后，谷歌在其I/O开发者大会上展示了AI助手Astra和旗舰大模型Gemini。
在国内，阿里云于5月9日正式发布通义千问2.5，5月15日字节跳动发布豆包大模型并挑起了“价格战”。更早的4月15日，百度推出了AgentBuilder、AppBuilder、ModelBuilder三大开发工具。
给激战的5月再添一把“火”的是腾讯。在5月17日举办的腾讯云生成式AI产业应用峰会上，腾讯公布其大模型的多项新进展：基于混元大模型的一站式AI智能体创作与分发平台——“腾讯元器”首次亮相，企业和开发者可以基于腾讯元器直接创建智能体，使用腾讯官方的插件和知识库，还能将这些智能体一键分发到QQ、微信客服、腾讯云等渠道上。峰会上还预告了基于混元大模型打造的C端助手App“腾讯元宝”将于5月30日发布。
同时，多个版本的模型——hunyuan-pro、hunyuan-standard、hunyuan-lite，通过腾讯云对外开放，满足企业客户、开发者在不同场景下的模型需求，落地最优性价比模型方案。其中hunyuan-standard模型具备256k的超长上下文理解能力，单次处理字符数超过38万个。
腾讯云也专门推出了三款PaaS（平台即服务）产品——大模型知识引擎、图像创作引擎和视频创作引擎，打造大模型原生工具链，助力企业在知识服务、图像和视频创作上提质提效。
腾讯大模型的新进展都响应了近期的行业热点。可以说，厂商们在对大模型应用“爆点”的识别上，眼光颇为一致。
例如，“腾讯元器”所瞄准的智能体，通过模仿人的决策过程，可以个性化定制，让使用者拥有一个24小时待命的全能助手。OpenAI在今年1月就推出GPTs（定制版的ChatGPT）和GPT商店，用户无须编码就可创建自己的GPT，从而构建智能体平台生态。百度则在今年4月份上线了文心智能体平台AgentBuilder，支持零代码、低代码两种模式，商家用几句话就能生成智能体。
另一方面，在长文模型上，典型的代表就是月之暗面的Kimi；在AI个人助手方面，OpenAI的GPT-4o、谷歌的Astra都是先行者。
大模型应用爆发已至？
随着各大厂商加速推出大模型的细分应用，不少机构判断，今年大模型应用将会爆发。
海通国际研报指出，2024年有望成为国产大模型全面商业落地的元年，先进的大模型能力也将逐渐转化为落地实际场景的产品应用，从而带动大模型在金融、教育、法律、医疗等众多垂直行业的持续落地，十大炒股杠杆交易平台AI2B与AI2C的需求天花板也有望全面打开，在这个过程中，AI的投资也从映射和跟随，变为引领。
谈到大模型的落地应用，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在会上表示：“今天，大家对于大模型的诉求更加务实，不仅关注模型技术的领先性，也要看怎么融合到业务场景，怎么降本增效解决实际问题。此外，我们也注意到产业对模型的需求在不断变化。一方面，随着产业信息的载体多元化，使用者对模型的需求不仅仅是处理单纯的文字，还需要它处理图片、视频等多种信息。大模型的能力竞争，正在从单一的文生文，拓展到文生图、文生视频、图生图、图生视频等多模态能力。”
与此同时，面对厂商之间的激烈角逐，腾讯高管们在会后的采访中也免不了被问到与同行的比较。面对行业价格战，腾讯云副总裁、腾讯云智能负责人吴运声就表示，相比于价格，腾讯更关注当下大模型给客户带来的价值。
再例如，OpenAI日前发布的AI助手GPT-4o迈向了更自然的人机交互，横跨语音、文本和视觉，实现超低时延的交互和感知人类情绪。对此，国内厂商如何追赶？吴运声在接受《每日经济新闻》记者提问时表示：“GPT-4o是一种将视觉、音频和文本三种模态融合到一个空间里做训练推理，做端到端输出的技术进展。我们会关注这样的发展，这些技术突破可能会带来商业化的跨越式增长。”
此外，吴运声也提到，多模态相互融合、实现端到端的应用，其中的难点是三种模态的特征形态存在差异。“如何将文本的序列化、视觉图像的二维性、音频的信号变化，都影射到同一个空间里，再去描述他们的特征，这需要算法和技术上的研究和突破。”他表示。
吴运声最后谈到，目前在产业端，大模型的落地还面临一些挑战：例如企业对大模型能力预期过高、操之过急，因此在企业需求和大模型能力匹配，以及推进节奏上的协调，都需要磨合；再例如，要降低大模型的使用门槛，减少对技术人才及专业技术的能力依赖，让一线生产、经营人员也能“零门槛”用上大模型，才能加速生产经验与模型技术的融合；还有，要提高平台适配性，大模型工具既要能匹配、适应不断迭代的大模型技术，也需要满足不断扩大的场景需求，满足可持续的投入产出比；最后还要保障安全合规，只有保障生成结果的安全、准确，才能满足企业对稳定性的需求，让企业管理者放心加大投入建设。
文章为作者独立观点，不代表财盛证券观点
