自然语言处理：被大模型光环掩盖的真实机会
上周帮朋友改简历，她投算法岗，方向填自然语言处理，HR初筛直接打了个叉。理由写着“方向太卷，早就饱和了”。
我听完只觉得好笑。现在所有人张嘴闭嘴都是大模型，好像自然语言处理已经变成大模型的附庸了，连找工作都要被嫌弃。可事实呢？
传统自然语言处理中文分词流程示意图
很多人瞧不上这些老技术，觉得过时了，没创新。可你去招聘网站搜一搜，不管是互联网公司还是传统企业，招NLP相关岗位，十有八九都要求你会这些基础活。大模型谁都能聊两句，真能把分词准确率提高一个百分点，能把实体抽取的速度提一倍，那就是真本事，企业愿意给钱。
不过话说回来，基础NLP确实卷，但那都是卷浮在表面的人，真沉下心把基础技术和具体场景结合，坑多的是，没人填。
医疗领域自然语言处理实体抽取示例图
这种事情，通用大模型厂商不愿意做，嫌单子小，要攒数据太麻烦。普通小团队又做不了，因为你拿不到脱敏的医疗数据，也不懂医疗领域的术语规则。所以就给这种小而精的团队留了足够大的利润空间。
不止医疗，法律、金融、政务、工业，每个垂直领域都有大把的NLP需求。做法律的抽判决书要点，做金融的研报信息拆解，做政务的方言转写，做工业的设备维修对话整理……哪一个不是真金白银的需求？
我见过一个做潮汕方言NLP的小团队，给当地政务热线做转写，之前通用大模型对潮汕话的识别率不到70%，他们采了十几万小时的本地口音数据，把准确率拉到95%以上，政府直接包了三年的运维，躺着赚钱。
现在太多人挤破头去做通用大模型，拼参数拼算力，烧了几个亿还赚不到一分钱。回头看看，垂直领域的自然语言处理，安安静静赚大钱的人，多了去了。
NLP的下一个破局点，在多模态语义理解
当然，纯文本的自然语言处理确实快摸到天花板了，未来真正的大机会，肯定在多模态融合这块。
别觉得这是炒概念，我们人理解语言，本来就不是只看文字的。你跟朋友聊天，要听语气，看表情，看周围的场景，才能听懂对方真正的意思。机器为什么不能？之前NLP走了几十年的纯文本路线，本质上是受限于算力和数据，只能先从最简单的情况入手。现在算力够了，多模态数据也多了，自然要往更贴近人类的方向走。
举个最简单的例子：直播带货的内容审核，主播拿着商品说“这个东西效果特别好”，纯文本NLP只能拿到转写出来的文字，根本不知道“这个东西”指的是什么，有没有违规宣传，也就没法审核。可如果把主播画面里的商品信息提取出来，和文本语义融合在一起，一下子就能知道主播在说什么产品，符不符合规范。
再比如，现在很多人做AI家教，要给学生讲题，题目是图片，学生问的问题是语音，AI要先看懂图片里的题目是什么，再听懂学生问的点在哪里，才能给出正确的讲解，这本身就是多模态自然语言处理的活。
我之前看过一篇DeepMind的最新研究，他们做多模态NLP，能直接读懂漫画里的人物对话和表情动作，判断人物的情绪，准确率比纯文本模型高了整整二十八个百分点。看到结果的时候真的挺惊喜，原来我们离机器真的懂人话，又近了一步。
可惜现在国内很多做多模态的，都是炒概念，大部分就是把文本特征和图像特征简单拼一下，就敢叫多模态大模型出来骗融资，真正沉下心做多模态语义融合的，没几个。这块的坑和机会，都大得很。
前几天跟一个做了二十年NLP的老教授喝茶，他说，自然语言处理从出生那天起，目标就是让机器真正懂人话。不是比谁参数大，不是比谁发的顶会多，能解决真实世界里的问题，才不算走错了路。
想想也是，现在这个圈子太浮躁了，大模型的光环太亮，亮到很多人都忘了自然语言处理本来要做什么。说不定再过十年，回头看，那些没去凑大模型热闹，沉在基础技术、垂直领域和多模态融合里的人，才真的把这件事往前推了一大步。你说呢？
人人都抢大模型，没人填基础NLP的坑
说实话，现在网上能搜到的自然语言处理教程，十篇有九篇开头就是GPT，就是Llama，教你怎么微调大模型，怎么搭对话机器人。好像不做千亿参数模型，你都不好意思说自己做NLP。 可真到行业落地你就会发现，百分之九十的中小商家、传统企业，根本用不起千亿大模型。我前两年在一家电商创业公司待过，要给平台上几百万个商品标题自动打分类标签，老板一开始拍板要接OpenAI的API，算完账大家都傻了：打一个标签三分钱，一天十万个商品就是三千块，一个月九万，赶上两个算法工程师的工资了。 最后怎么解决的？找了个预训练好的1亿参数的BERT，针对电商数据微调，再加一套简单的规则校验，准确率只比GPT低两个百分点，成本直接降到原来的五十分之一。一个月电费加API钱才不到两千。 说白了，现在大部分行业场景，要的不是能写作文能聊天的大模型，要的是稳定、便宜、准确率够高的基础NLP能力：分词、实体抽取、情感分类、文本对齐……这些几十年前就出来的技术，至今还是行业落地的主力。传统自然语言处理中文分词流程示意图
很多人瞧不上这些老技术，觉得过时了，没创新。可你去招聘网站搜一搜，不管是互联网公司还是传统企业，招NLP相关岗位，十有八九都要求你会这些基础活。大模型谁都能聊两句，真能把分词准确率提高一个百分点，能把实体抽取的速度提一倍，那就是真本事，企业愿意给钱。
不过话说回来，基础NLP确实卷，但那都是卷浮在表面的人，真沉下心把基础技术和具体场景结合，坑多的是，没人填。最赚钱的自然语言处理，都在垂直领域
去年年底跟一个做医疗NLP的朋友吃饭，他们团队一共八个人，一年接了三个三甲医院的项目，净利润破了千万。我当时挺惊讶，问他们做什么高大上的东西，要价这么高？ 其实很简单：医院要把几十年累积的纸质病历、医生口述的病程记录，全部转成标准化的结构化数据，方便科研和医保结算。大模型做不了吗？能做，但医疗这个领域，错一个术语就是大问题，大模型胡说八道的毛病，谁敢直接用？ 他们的方案说穿了也不复杂：大模型做初稿转写，然后用医疗领域微调的垂直NLP模型做实体校验，最后再抽一层规则卡敏感错误，整体准确率能到99.7%，完全符合医院的要求。医疗领域自然语言处理实体抽取示例图
这种事情，通用大模型厂商不愿意做，嫌单子小，要攒数据太麻烦。普通小团队又做不了，因为你拿不到脱敏的医疗数据，也不懂医疗领域的术语规则。所以就给这种小而精的团队留了足够大的利润空间。
不止医疗，法律、金融、政务、工业，每个垂直领域都有大把的NLP需求。做法律的抽判决书要点，做金融的研报信息拆解，做政务的方言转写，做工业的设备维修对话整理……哪一个不是真金白银的需求？
我见过一个做潮汕方言NLP的小团队，给当地政务热线做转写，之前通用大模型对潮汕话的识别率不到70%，他们采了十几万小时的本地口音数据，把准确率拉到95%以上，政府直接包了三年的运维，躺着赚钱。
现在太多人挤破头去做通用大模型，拼参数拼算力，烧了几个亿还赚不到一分钱。回头看看，垂直领域的自然语言处理，安安静静赚大钱的人，多了去了。NLP的下一个破局点，在多模态语义理解
NLP的下一个破局点，在多模态语义理解
当然，纯文本的自然语言处理确实快摸到天花板了，未来真正的大机会，肯定在多模态融合这块。
别觉得这是炒概念，我们人理解语言，本来就不是只看文字的。你跟朋友聊天，要听语气，看表情，看周围的场景，才能听懂对方真正的意思。机器为什么不能？之前NLP走了几十年的纯文本路线，本质上是受限于算力和数据，只能先从最简单的情况入手。现在算力够了，多模态数据也多了，自然要往更贴近人类的方向走。
举个最简单的例子：直播带货的内容审核，主播拿着商品说“这个东西效果特别好”，纯文本NLP只能拿到转写出来的文字，根本不知道“这个东西”指的是什么，有没有违规宣传，也就没法审核。可如果把主播画面里的商品信息提取出来，和文本语义融合在一起，一下子就能知道主播在说什么产品，符不符合规范。
再比如，现在很多人做AI家教，要给学生讲题，题目是图片，学生问的问题是语音，AI要先看懂图片里的题目是什么，再听懂学生问的点在哪里，才能给出正确的讲解，这本身就是多模态自然语言处理的活。
我之前看过一篇DeepMind的最新研究，他们做多模态NLP，能直接读懂漫画里的人物对话和表情动作，判断人物的情绪，准确率比纯文本模型高了整整二十八个百分点。看到结果的时候真的挺惊喜，原来我们离机器真的懂人话，又近了一步。
可惜现在国内很多做多模态的，都是炒概念，大部分就是把文本特征和图像特征简单拼一下，就敢叫多模态大模型出来骗融资，真正沉下心做多模态语义融合的，没几个。这块的坑和机会，都大得很。
前几天跟一个做了二十年NLP的老教授喝茶，他说，自然语言处理从出生那天起，目标就是让机器真正懂人话。不是比谁参数大，不是比谁发的顶会多，能解决真实世界里的问题，才不算走错了路。
想想也是，现在这个圈子太浮躁了，大模型的光环太亮，亮到很多人都忘了自然语言处理本来要做什么。说不定再过十年，回头看，那些没去凑大模型热闹，沉在基础技术、垂直领域和多模态融合里的人，才真的把这件事往前推了一大步。你说呢？