GPT-4、百度文心一言擺擂，AI大模型將掀起新一輪AIGC軍備競賽？

科技云報道原創(chuàng)。

一覺醒來，萬眾期待的GPT-4來了。OpenAI老板Sam Altman直接開門見山地介紹說：“這是我們迄今為止功能最強大的模型！”僅隔一天，“中國版ChatGPT”百度文心一言正式發(fā)布，雙方大有擺擂之勢。

當深度學習推動AI技術又一次復興，人類對它的最高期待，就是讓AI成為第四次產(chǎn)業(yè)革命中的“蒸汽機”。

而近幾年身處智能革命前沿的，就是預訓練大模型。

ChatGPT的橫空出世，不僅在科技圈引起嘩然，更是點燃了創(chuàng)投圈的創(chuàng)業(yè)激情。

國內(nèi)企業(yè)的大規(guī)模預訓練模型（以下簡稱“大模型”）賽道也已經(jīng)開始進入白熱化的競爭階段。

在過去的兩周內(nèi)，諸多以AI大模型為技術底層的廠商，開始獲得資本的青睞。

那么，AI大模型目前的主要技術路徑是怎樣的？在產(chǎn)業(yè)側(cè)的成長如何？

“通用大模型+產(chǎn)業(yè)模型”的技術路徑

必須正視的是，全球大模型競賽中，我們看到大模型的參數(shù)越來越大，數(shù)據(jù)集記錄不斷被刷新。

“在各種專業(yè)和學術基準上和人類相當?！睂τ趧倓偘l(fā)布的GPT-4，OpenAI對于其表現(xiàn)相當滿意。

OpenAI在官網(wǎng)表示，GPT-4是一個能接受圖像和文本輸入，并輸出文本的多模態(tài)模型，是OpenAI在擴展深度學習方面的最新里程碑。

從性能表現(xiàn)看，GPT-4的語言理解和生成能力均超過了ChatGPT，可以解答ChatGPT無法完成的問題，同時GPT-4可以描述并理解圖片，并且可接受的文字輸入長度也增加到約2.4萬個單詞。

升級之后，GPT-4在各種職業(yè)和學術考試上表現(xiàn)和人類水平相當。

比如模擬律師考試，GPT-4取得了前10%的好成績，相比之下GPT-3.5是倒數(shù)10%。

做美國高考SAT試題，GPT-4也在閱讀寫作中拿下710分高分、數(shù)學700分（滿分800）。

但真正的產(chǎn)業(yè)空間里，卻很難看到大模型規(guī)模化、標準化應用。

這可能是因為大模型與行業(yè)知識不相匹配，行業(yè)算力基礎難以負載大模型部署等等問題。

過去多年的一個市場共識是，如果要實現(xiàn)AI規(guī)?；a(chǎn)業(yè)落地，底層AI大模型就必須是一個通用的大模型平臺，廠商根據(jù)用戶需求在平臺之上，進行多場景、多領域的模型生產(chǎn)，從而實現(xiàn)具體行業(yè)模型的落地。

對于廠商而言，這也是一個新的方向。即AI廠商以“通用模型+產(chǎn)業(yè)模型”不斷賦能企業(yè)、產(chǎn)業(yè)，從而加速中國的產(chǎn)業(yè)數(shù)字化進程。

更為重要的是，這種模式一旦落地成功或?qū)⒖焖賹崿F(xiàn)規(guī)?；?，或?qū)轭^部AI廠商帶來高回報，擺脫當下AI技術落地難，盈利難的現(xiàn)狀。

底層AI大模型的研發(fā)具有數(shù)據(jù)規(guī)模大、質(zhì)量參差不齊、模型體積大、訓練難度高、算力規(guī)模大、性能要求高等挑戰(zhàn)。

這樣的高研發(fā)門檻，不利于人工智能技術在千行百業(yè)的推廣。

而具有數(shù)據(jù)、算力、算法綜合優(yōu)勢的企業(yè)可以將模型的復雜生產(chǎn)過程封裝起來，通過低門檻、高效率的生產(chǎn)平臺，向千行百業(yè)提供大模型服務。

各個行業(yè)的企業(yè)只需要通過生產(chǎn)平臺提出在實際AI應用中的具體需求，生產(chǎn)大模型的少數(shù)企業(yè)就能夠根據(jù)應用場景進一步對大模型開發(fā)訓練，幫助應用方實現(xiàn)大模型的精調(diào)，以達到各行業(yè)對于AI模型的直接應用。

彼時，AI大模型就會真正意義上實現(xiàn)產(chǎn)業(yè)化，成為產(chǎn)業(yè)模型。

目前，國內(nèi)布局AI大模型廠商百度、阿里、騰訊、商湯、華為等企業(yè)，正在不斷夯實通用大模型，打造產(chǎn)業(yè)模型，助力AI大模型產(chǎn)業(yè)化。

其中，百度以文心大模型+飛槳PaddlePaddle深度學習平臺；騰訊以HunYuan大模型+太極機器學習平臺；阿里以通義大模型+M6-OFA；華為以盤古大模型+ModelArts，都打造了自然語言處理大模型、計算機視覺大模型以及多模態(tài)大模型方面。

值得注意的是，各個廠商AI大模型的布局，有所差異。

百度由于多年在AI領域的深耕，其文心大模型涵蓋基礎大模型、任務大模型、行業(yè)大模型的三級體系，打造大模型總量約40個，產(chǎn)業(yè)應用也較為廣泛，例如電力、燃氣、金融、航天等，構(gòu)建了國內(nèi)業(yè)界較大的產(chǎn)業(yè)大模型。

目前來看，屬于國內(nèi)大模型廠商的第一梯隊中的佼佼者。

騰訊產(chǎn)業(yè)化應用方向則主要是騰訊自身生態(tài)的降本增效，其中廣告類應用表現(xiàn)出色。

阿里更重技術，例如M6大模型基于阿里云、達摩院打造的硬件優(yōu)勢，可將大模型所需算力壓縮到極致；另外其底層技術優(yōu)勢還有利于構(gòu)建AI的統(tǒng)一底層。

目前，主要應用方向是為下游任務提質(zhì)增效，例如在淘寶服飾類搜索場景中實現(xiàn)了以文搜圖的跨模態(tài)搜索。

華為的優(yōu)勢則在于其訓練出業(yè)界首個2000億參數(shù)以中文為核心的預訓練生成語言模型。

目前發(fā)布了盤古氣象大模型、盤古礦山大模型、盤古OCR大模型三項較為重磅的行業(yè)大模型。

可以發(fā)現(xiàn)，在商業(yè)模式上各個廠商都是通用大模型路徑，在通用大模型架構(gòu)之上，搭建具體行業(yè)模型。

映射到產(chǎn)業(yè)層面，即“通用大模型+產(chǎn)業(yè)模型”的路徑。

然而，手握入場券，并不代表能跑到終點。

對于廠商而言，其可以搭建通用大模型，并不意味著其能把通用大模型搭建的好；其有能力打通大模型到產(chǎn)業(yè)模型到具體場景的應用，并不意味著其可以打造出有真正價值的智能決策。AI大模型產(chǎn)業(yè)化落地的瓶頸需要被正視。

首先，國內(nèi)大模型缺少數(shù)據(jù)訓練場景。類似ChatGPT的訓練場景尤為缺乏。

ChatGPT之所以短時間之內(nèi)進步神速，因大量用戶為其充當了免費的數(shù)據(jù)標注員。

不過，已目前情況來看，可與ChatGPT相較的數(shù)據(jù)訓練場景在國內(nèi)還鮮有見到。

其次，產(chǎn)業(yè)界對大模型有著濃烈的觀望情緒。

業(yè)界普遍存在這樣的憂慮：目前大模型應用不成熟，驟而上馬將會對原有業(yè)務造成沖擊。

以電商售后和銀行電話客服場景為例，目前行業(yè)內(nèi)仍采用主流智能客服公司推出的QA問答庫技術。

客戶企業(yè)希冀大模型產(chǎn)品能夠解決QA庫無法承擔的長尾問題，覆蓋到檢索式問答路徑無法涉足的領域，但金融行業(yè)的語料庫等數(shù)據(jù)又不對外開放，讓大模型企業(yè)不得不重頭開始。

這都延遲了大模型進軍具體行業(yè)的時間表。

總結(jié)而言，通用智能企業(yè)需要客單價高、數(shù)據(jù)訓練場景豐富的派單需求，但這個問題又與企業(yè)的現(xiàn)實考量和預算投入相互矛盾。

沒得數(shù)據(jù)用來訓練、沒有大錢養(yǎng)活產(chǎn)品，是擺在現(xiàn)實的兩大難題。

一場屬于巨頭的游戲

如今，在大模型賽道中，擠滿了巨頭派、海歸派、創(chuàng)業(yè)公司轉(zhuǎn)型派、學院派等各路選手。

搶占大模型賽道頭牌的戰(zhàn)爭已經(jīng)徹底打響，但花落誰家還尚未可知。

目前，谷歌、微軟、亞馬遜、百度、阿里、騰訊等科技巨頭公司在大模型發(fā)展方面具有顯著的優(yōu)勢，均有相關雄厚的技術資源和能力，且都在通用大模型上進行了布局與投資。

總體而言，大模型的分水嶺主要集中在技術研發(fā)、數(shù)據(jù)和算法資源、商業(yè)化能力、人才儲備和管理能力四個方面。

首先，在技術研發(fā)能力方面。就目前來看，巨頭擁有更強的技術研發(fā)能力和更豐富的資源，可以投入更多的人力、物力和財力來開展大模型的研究和開發(fā)。

他們擁有更完善的數(shù)據(jù)、算法和硬件等技術支持，能夠更快速地推進大模型的研究和應用。

對比巨頭和創(chuàng)業(yè)公司，技術上的差距在一定程度上取決于人工智能領域內(nèi)的領先者和后來者。

巨頭公司如Google、Facebook、Microsoft等在人工智能領域擁有大量的數(shù)據(jù)、計算資源和技術經(jīng)驗，因此有更多的能力來訓練和優(yōu)化大模型，推動人工智能技術的發(fā)展。

其次，在數(shù)據(jù)和算法資源方面，巨頭擁有更豐富和更完善的數(shù)據(jù)和算法資源，能夠更好地支持大模型的訓練和推理。

他們能夠利用自身的平臺和業(yè)務優(yōu)勢來積累海量的數(shù)據(jù)，并在此基礎上進行算法研發(fā)和優(yōu)化。而創(chuàng)業(yè)公司通常無法獲得這樣的數(shù)據(jù)和算法資源，需要通過自己的努力來積累數(shù)據(jù)和優(yōu)化算法，這需要更多的時間和精力。

以OpenAI發(fā)布于2020年的GPT-3來看，其具有1750億個參數(shù)的大模型。

在算力方面，人工智能模型的訓練和使用需要強大的算力，這就需要大量高性能的GPU來支撐。

在數(shù)據(jù)方面，據(jù)了解，ChatGPT的訓練使用了大約45TB數(shù)據(jù)，其中包含多達近1萬億個單詞的文本內(nèi)容。

但是，由于大型模型需要大量的計算和存儲資源，對于初創(chuàng)公司來說，資金和技術限制可能成為了限制因素。

另外，在商業(yè)化能力方面，巨頭擁有更強的商業(yè)化能力和更完善的商業(yè)化渠道，能夠更好地將大模型應用于商業(yè)領域，實現(xiàn)商業(yè)價值。

他們可以借助自身的品牌和用戶基礎，將大模型應用于搜索、推薦、廣告等領域，并實現(xiàn)商業(yè)化變現(xiàn)。由于創(chuàng)業(yè)公司大多缺乏這樣的商業(yè)化能力和渠道，需要花費更多的時間和精力來探索商業(yè)化路徑和拓展商業(yè)合作。

最后，在人才儲備和管理能力方面，巨頭擁有更強的人才儲備和更完善的管理能力，能夠更好地吸引和管理高端人才，構(gòu)建更具競爭力的團隊。

他們可以通過自身的品牌和聲譽，吸引到更多的高端人才，并通過自身的管理經(jīng)驗和制度建設，提升團隊的協(xié)作效率和創(chuàng)新能力。而創(chuàng)業(yè)公司通常需要付出更多的努力來構(gòu)建高端團隊和提升管理能力。

雖然，隨著技術的不斷成熟，越來越多的創(chuàng)業(yè)公司也開始利用云計算、分布式計算等技術來加速大模型的訓練和優(yōu)化，不斷挑戰(zhàn)巨頭公司的技術壟斷。

創(chuàng)業(yè)公司在人工智能領域也有很多機會，但需要更多的創(chuàng)新和勇氣來打破技術壁壘和市場壟斷。

總之，大模型作為人工智能領域內(nèi)的重要技術，已經(jīng)成為了熱門的創(chuàng)業(yè)領域。

巨頭公司擁有更多的資源和技術經(jīng)驗，而創(chuàng)業(yè)公司面對這個“燒錢”的領域，不宜盲目跟風，可以通過創(chuàng)新和勇氣來不斷挑戰(zhàn)技術壟斷，找到適合自己的業(yè)務發(fā)展之路。

來源：科技云報道

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。