科大訊飛星火大模型會超預期嗎？（二）

吹泡泡邏輯 首發原文鏈接

本來科大訊飛這個發佈會該寫的都寫過了，我覺得沒啥再更新的必要了，這麼大盤子，短線沒啥看頭，週五尾盤居然都沒有進來賭超預期的（也是好事）

發佈會的內容也基本上想的到。但是發現開完確實有超預期的地方，也看到了很多轉發的券商點評，但是建議先看看我五一寫的《科大訊飛星火發佈會超預期嗎？》，再來決定要不要看我往下扯：

超預期的地方在於：

一、科大訊飛比我想象中的要高調，敢直接用中文超過 ChatGPT，英文已經接近。對內直接説大模型遙遙領先國內可測的大模型。

首先我是相信的，這裏其實不是老師們理解的那種超越。

因為 ChatGPT 英文更優秀，而科大訊飛表述的超越部分是中文，這個不矛盾。

其實我們打破國外技術壟斷的例子很多，比如科大訊飛在語音識別領域是當之無愧的 NO1，萬華化學是 MDI 領域當之無愧的 NO1，這些都是從當初的不可能變成被打破的，不然他們不會一直吃紅利吃到現在。

其次，他直接説遙遙領先國內可測的大模型，到底是情商低吹牛呢，還是真的按捺不住呢？不好説，但看了我前面關於科大訊飛的文章，我是相信的。

我發現很多人有個誤區，過分高看名義上的大模型，忽視語音識別？容易把刁鑽對話當成推理（我稱之為腦經急轉彎），甚至數據源的錯誤這麼簡單的非技術問題，也會當 bug 來看。

建議真心想測試的，找個業內的從業人員，至少是程序員幫忙測吧。舉例説明，你非要問他一個人長了五隻眼睛的問題，那麼平時訓練也得是從權威期刊的論文和臨牀病例裏面來訓練吧，你問的這麼刁鑽肯定回答不了，他也判斷不了你是來搞笑的還是真問問題的，結果當然很詭異。所以説大模型存在的意義還是幫助我們提高科研和生產生活水平的，也許未來專門會有搞笑大模型，專門來訓練這些刁鑽問題腦經急轉彎玩的，否則正常的測試，應該找個專業人士，結合最終目的來測，比如訊飛的 AI+ 醫療已經運用於救死扶傷的醫療救治了，訊飛的學習機已經幫助孩子修改作文提高作文水平了，而你還在測各種稀奇古怪的問題，有什麼實際意義呢？除了搞笑大模型，別的任何一個模型測出來估計都會有問題。

早在 2021 年，國際低資源多語種語音識別競賽 OpenASR 落下帷幕，科大訊飛 - 中科大語音及語言信息處理國家工程實驗室（USTC-NELSLIP）聯合團隊（以下簡稱聯合團隊）參加了所有15 個語種受限賽道和 7 個語種非受限賽道，並全部取得第一名的成績！（就是説國外卡脖子的技術，被科大訊飛攻克後，除了中文外，其它 14 個語種的語音識別也都是全球第一）。

這就是我説的真實邏輯，但是很多時候你要接受市場是對的，市場資金不認可，再優秀也枉然。

二、產品的細節部分讓我意外

雖然知道訊飛有這些產品，但是比如説學習機辦公本、訊飛聽見、合成虛擬人的產品細節處理上，我認為進步非常大。如果你是相關行業的人，肯定知道這種水平的應用，縱使有瑕疵，也遮掩不住其打磨產品的週期和態度。

那麼多大模型還在預訓練和訓練的階段，訊飛都已經把產品化的細節處理到了這個程度（當很多發佈會還在打字提問，訊飛已經通過語音輸入、大模型回答轉成語音播報，甚至中英文對話、轉換成虛擬人生成視頻等，都已經融合的很好了），現場隨機抽取提問，也看得出來，公司根本不在乎提問環節是不是完美，因為 ChatGPT 都有錯誤，有些錯誤反而也是訓練的一部分，重要的看是否信心十足，是不是 ppt 發佈會。

看過發佈會的肯定能理解這對辦公效率的提升程度（也意味着其它企業可以從成本角度，直接付費購買）超預期的並不是這些產品，這些產品其實一直都有，超預期的地方在於這些產品細節打磨的很好，並且已經是在大量銷售的產品。

三、大模型發佈會的下半場，就是完全的產品發佈會

當有的人還在為訊飛發佈會會不會翻車而擔心的時候，公司的重心已經放在了產品銷售上了，也就是向所有人宣佈，不是跟你們吹概念，讓你們覺得我多牛，我就是直接給你展示大模型同步支撐的產品，希望你們多多買產品，孩子家長還有學校趕快採買學習機，公司領導趕快採購訊飛辦公本、錄音筆、訊飛聽見，甚至文字工作者們趕快購買，效率提升不是一星半點。

發佈會敢一直在屏幕下面輪番彈窗帶貨，關都關不掉，足見公司的重點根本不是要大家相信訊飛大模型遙遙領先，而是希望大家多買大模型的產品化終端。

四、AI+ 醫療

訊飛這裏提到了是超過 GPT4，而前面提到的中文超過 ChatGPT（沒有提 4），我就知道，醫療這裏的細分領域，他是有自信的。因為實踐實踐做夠久，我推測在醫院的真實場景訓練時間足夠久，當然也得益於我們國家的人口基數眾多，這個是不爭的事實，非常看好訊飛在這裏的行業應用。

説了這些，我就要解釋科大訊飛有沒有吹牛了。

首先，發佈會營銷上你誇大一點，沒有問題，但是敢這麼高調，基本盤是有多紮實？

其次我要解答一下大家問題了，訊飛憑什麼？很好理解，我們都知道算力緊缺，訓練費用昂貴，現在預訓練和訓練的成本不是一般高。

但是你別忘了，科大訊飛 1999 年成立，滿打滿算 20 多年了，語音識別本質上就是大模型前身，不説訓練了 20 年，也訓練十幾年了，訊飛幾個月喂的可能遠遠不如你的，但是人家十幾年喂的你知道有多少嗎？（舉例説明，看到訊飛發佈會音頻文字自由轉換，會議紀要可以自由總結生成紀要，試想訊飛的語料護城河裏面的語音數據轉換成結構化文本，不要太容易）

你搬運石頭去山路崎嶇的山頂上蓋個鵝卵石堆砌的大房子，運輸成本足夠昂貴吧，但是十幾年來，你每天堅持背幾塊石頭上山，十幾年能背多少？這個不難理解吧？我們熟知的成語： 愚公移山，精衞填海。

可能很多人不信，我前面的文章已經提過，我和某語音識別團隊走的很近，我當然知道語音識別不就是大模型前身嘛（或者你叫小模型、中模型？），2015 年前後搞語音識別模型升級時候，連續對話流行的詞好像叫 “從語音識別到語義識別”“深度神經網絡”。

早在 2015 年前，科大訊飛就穩穩坐上了語音識別一哥的寶座，那收集的語料護城河，在語音識別，後面的語音輸入、翻譯等等領域都訓練了十多年了，你當我前面文章寫十年磨一劍是瞎説呢？公司今天宣傳口徑看樣子是二十年磨一劍。

就靠着當初的語音識別護城河，和早期的大模型不斷訓練，訊飛已經早早的實現了語音輸入、語音對話、中英文翻譯等等。

而且很多東西，真的不是新東西。我來告訴你們 2015 年訊飛可以做到什麼，一個是十幾年來不斷優化升級，一個是近年才從頭開始，這個積累，軟、硬件產品的從業者最清楚吧：

開車不方便撥打電話就可以給訊飛合作的車機（就是現在的智能座艙）打電話：

“我要撥打電話”

“請問打給誰”

“我要撥給 XXX”

“請稍後，正在為您接通”

這個場景就解決了開車翻找電話本造成的風險了，這種連續對話能力，2015 年就可以實現了。

第二個場景：

打電話給訊飛：

“請幫我訂一張明天去深圳的機票”

“請問你要頭等艙還是經濟艙”

“我要靠窗的”

“好的，已為您預定，深圳有雨，請別忘記帶雨傘”

當然，那時候的場景，後台訂票肯定是人工收到指令去出票，換成現在，肯定可以實現授權後的在線支付了。

我上面舉的例子，其實是想説從語音識別角度，2015 年就可以實現連續對話了，現在文字輸入的連續對話，無非是推理能力加強了，算力加強了，模型更大算法更優了，訓練的更多了，但不可否認，這已經又過去八年了，訊飛這麼多年靠着語音識別進入這麼多行業，推出這麼多行業和個人產品，你説他的模型不隨之不斷訓練升級嗎？哪個產品不等於在不斷往回喂語料訓練？

這也是我前面説過的，要看傳承，十幾年的積累，無論是語音識別領域，還是搜索引擎領域，都不至於現在還要從頭預訓練，都訓練十幾年了，就像一個團隊完備的中餐館改造成自助餐店，比起重新招人租房子把毛坯改造成自助餐店，哪個快？哪個費錢？不難理解吧？

説到這裏，訊飛的超預期是毋庸置疑的，前面文章也説過了，你要幾分清醒幾分醉呢？不過邏輯歸邏輯，市場歸市場，我只科普邏輯。

吹泡泡邏輯 首發原文鏈接

$科大訊飛(002230.SZ)