文|阿爾法工場
10月17 日，在“2023百度世界大會”上，李彥宏正式發布了最新的文心大模型4.0版本。
一時間，各種測評紛涌而至，各大科技媒體從理解、生成、邏輯和記憶能力等方面，對模型進行了全方位測評。
然而，除了被人反復談論的文心4.0之外，在發布會上，另一個稍顯低調的功能，卻也冷不丁地顯示了未來大模型的發展趨勢。
這就是百度文心4.0的插件功能。
目前，文心4.0光是插件就有8個，包括一鏡流影（文字轉視頻）、說圖解畫（看圖說話）、E言易圖（可視化數據分析）等。
這些插件還可以自由組合，來完成更復雜的任務。
不僅如此，百度文心大模型插件開發平臺——靈境矩陣平臺，上線1個月已有2.7萬家開發者申請入駐，個人開發者占比超30%。
那么，百度為何如此重視插件？而插件生態的繁榮，對大模型又意味著什么？
01 插件，讓大模型如虎添翼
從某種程度上說，插件對于大模型，相當于是另一大隱藏的“殺手锏。”
在不對模型算法、參數進行改進的情況下，僅僅憑借一個簡單的外接插件，模型能力就有可能得到顯著擴展和提升。
此前，GPT-4就已經通過插件功能實現了如虎添翼的效果。外界甚至將那次提升稱之為GPT-4.5的到來。
今年7月9號，OpenAI宣布將官方插件Code Interpreter（代碼解釋器）通過設置中的Beta面板向所有ChatGPT Plus 用戶提供。
那Code Interpreter具體能做什么？
簡單來說，它相當于是GPT-4能力邊界的一次大擴展，能讓GPT-4做到很多之前做不到的事。
例如，在該插件推出后，推特用戶@歸藏展示了用代碼解析器分析newsletter訂閱用戶數據的過程。
代碼解析器從分析數據到制圖，都不需要使用任何復雜軟件，只需要說出：“我想分析最近一個月訂閱用戶增長的趨勢”這類直白的prompt，就可以完成。
除外，人們還能直接用“人話”讓GPT通過數據制作一些可視化的GIF圖片。
例如人們如果想制作一份美國燈塔的地理圖標，只需要上傳地理位置數據，GPT就能通過插件功能，自動制作如下的GIF動圖。
而即使是想通過圖片生成視頻，CodeInterpreter也能手到拈來。在啟用插件后，只需告訴GPT：“我想用這張圖片，制作一段從右往左的平移視頻。”
GPT就會根據你的要求，自動將Midjourney生成的圖片做成視頻。
甚至，不怎么有代碼和編程經驗的人，也能運用CodeInterpreter插件，在5分鐘內制作一個簡單的游戲。
總地來說，CodeInterpreter包括的功能，涵蓋了打破模態壁壘，轉換素材形態，進行數據分析等多種不同的任務。
而該插件之所以有如此“逆天”的功能，則是因為其打破了自然語言和代碼語言之間的壁壘。
有了它，用戶就能刨去復雜的代碼過程，通過自然語言交互（所謂“人話”），直接完成各種跨領域、跨模態的任務。
也正因如此，有人驚呼這種讓模型能力倍增的插件，就是GPT-4.5的到來。
由此，我們便不難理解，為何百度會如此重視插件的發展。
對于大模型研發團隊來說，讓一個模型囊括用戶的所有需求是不可能，也不現實的。因為在AI演化的過程中，用戶必定會產生更多新的，難以預料的想法、需求。
而這時，一個個多樣化的、靈巧的插件，就成了延申大模型能力的“義體”。
02 插件的百花齊放
除了OpenAI自帶的原生插件之外，當下的AI賽道上，還涌現出了其他百花齊放的插件。
此處，我們將做一些簡單的列舉，看看這些功能各異的插件，將對大模型帶來哪些多樣化的擴展。
ChatPDF
ChatPDF是一款功能強大的在線PDF工具，用戶只需上傳PDF文件到ChatPDF，ChatPDF便能夠快速使用AI解析PDF文件內容，并生成準確的答案來回答用戶的問題。
除了智能問答功能，ChatPDF還提供了在線編輯、轉換和文件壓縮功能。如果用戶想在PDF文件中添加或刪除一些元素，或者更改某些文本或圖像，ChatPDF 的在線編輯功能將會非常有用。
Monica
一個接入了ChatGPT的API接口的網頁側邊欄插件，啟動該插件后，在瀏覽任何網站時，Monica就能使用ChatGPT的能力，解讀任何信息或文本，或對網頁內容進行探討，以及提供翻譯等。
值得一提的是，除了ChatGPT之外，Monica還集合了Claued、Bard等其他AI的接口，如果這還不夠，用戶還可以在其接入的AI庫中，自行搜索并添加其他AI工具，從而可以通過不同的AI滿足自己多樣化的需求。
ChatHub
這是一個可以在一個應用程序中使用不同的聊天機器人的插件，目前支持ChatGPT和新的BingChat，并將來會集成Google Bard等更多聊天機器人。用戶可以同時與多個聊天機器人進行交流，輕松比較它們的答案。
NoteGPT
這是一個使用ChatGPT對視頻進行總結的插件。支持在視頻網站上一鍵截屏和記錄筆記。
啟動該插件后，面對某些時長較長的視頻時，用戶就可以快速地用ChatGPT獲取視頻內容的關鍵信息，并生成摘要和總結，同時還可以在觀看視頻時一鍵截屏或記錄帶有時間戳的筆記。
智星AI助手
這是國內首款支持插件的AI認知模型產品，智星AI當前已接入7個插件，包括天氣查詢、Bing搜索、Wolfram等，可以快速提供實時天氣信息，解答高等數學問題，進行深度金融分析等。
相較而言，ChatGPT每次只能使用3個插件，而智星AI使用時沒有插件數量限制。
WPSAI
相當于是國內版的Microsoft365 Copilot，具備縮寫、擴寫、續寫、轉變寫作風格、總結概括文章要點，快速生成PPT大綱、一鍵制作PPT模板，智能化處理Excel表格等功能，并擁有語音交互新特性，可以在手機等小屏終端上進行移動辦公。
03 插件里的雄心
除了上述種類各異的第三方插件功能外，各大科技巨頭在插件方向上，也呈現出了一種蓄勢待發的態勢。
例如，MicrosoftAI 插件平臺，就提供了一系列的工具和服務，讓開發者可以利用微軟的的ChatGPT和新必應，創建和部署各種AI插件，包括能力模型類、數據類、應用類等。其插件跨越了多個場景和產品，如Dynamics 365、Microsoft 365等。
而在國內方面，百度也推出了號稱讓人人可開發AI插件的「靈境矩陣」平臺，試圖以文心一言為基礎，構建一個龐大的插件生態。
而這種大布局的背后，至少顯露了巨頭們在兩方面的意圖：1、 以插件為突破口，打通大規模商業化的路徑；2、 以龐大的插件生態，構筑類似英偉達的CUDA那樣的軟件壁壘。
關于第一點，為何大模型+插件模式，極有可能是AI大規模商業化的答案？
理由其實很簡單，此前的大模型，無論是AI生文、作圖，其賦能領域都只能局限在單一的、狹窄的范圍內。
某個大模型也許寫作水平不錯，但它在現實中，該如何解決商品對比、財務分析這樣多門類的、具體的任務呢？
人們在生活中的需求是多樣化、多層次的，從這個角度上說，當大模型打破了單一模態的限制，并滿足了這種多樣化需求的時候，就是其真正大規模商業化落地的開始。
而一個個外接的插件功能，就相當于是大模型的？“眼”和“手”，讓其不再局限于單一領域、模態的范圍。
在未來，用戶可能只需要一個大模型入口，就能完成諸如訂票、點餐、叫外賣等任務。
而這也引出了第二點，即以插件為主的生態壁壘。
在當下的大模型賽道上，盡管國內外衍生的AI應用已不勝枚舉，當其中有相當一部分，仍然是基于ChatGPT的“套殼”產品。
這樣的現實，也從一個側面反映出：在大模型的選擇上，大部分開發者和用戶，仍然只認最強的幾個頭部產品。
著名投資機構A16Z上月公布的流量前50的AI網站，其中相當一部分是“套殼”應用
換句話說，對于大模型，用戶只要遇到了一個最好用的，就不太會再用其他的。
在這樣的邏輯之下，眾多企業若是不想陷入重復造輪子的境地，最好的選擇必然是將重心轉向應用端。
而歷史的經驗表明，在軟件、應用端的競爭上，誰能為開發者提供一個低門檻的，友好的開發環境，誰就能率先建立起自身的生態壁壘。
在這方面，英偉達的CUDA可以說是做了一個極好的表率。
經過持續的演進，CUDA已然形成了一個豐富而成熟的龐大生態。英偉達也由此實現了軟硬件深度捆綁：用他的軟件就必須買他的硬件，買他的硬件使用CUDA可事半功倍。
而目前各大巨頭們在插件上的爭相布局，也頗與英偉達的CUDA有異曲同工之妙：開發者或用戶若想實現低門檻、快捷的AI應用開發，就必須基于其大模型的能力。
反過來，應用生態的繁榮，又會強化人們對其大模型的仰賴。
而誰若率先實現了這樣與應用相互促進，相輔相成的生態，誰就將有可能在AI時代率先豎立起自身的生態的壁壘。