垂直大模型競爭，能突破數(shù)據(jù)“卡點(diǎn)”嗎？

科技云報道原創(chuàng)。

AI大模型火遍全球，中國產(chǎn)業(yè)也激發(fā)了對人工智能應(yīng)用的新熱情。

隨著各大廠商參與競逐，市場正在分化為通用與垂直兩大路徑，兩者在參數(shù)級別、應(yīng)用場景、商業(yè)模式等方面差異已逐步顯現(xiàn)。

企業(yè)涌入垂直大模型賽道

?

通用AI大模型像ChatGPT，能夠處理各種領(lǐng)域和場景的自然語言，但由于需要巨大的計算資源和數(shù)據(jù)量，已經(jīng)成為國內(nèi)外大廠的重點(diǎn)項(xiàng)目。

這類企業(yè)往往有著強(qiáng)大的技術(shù)團(tuán)隊(duì)和資金支持，且有著自己的場景和流量優(yōu)勢。比如百度、阿里、騰訊、字節(jié)、華為等，在搜索、社交、電商、辦公等領(lǐng)域都有著自己的通用AI大模型。

相較之下，創(chuàng)業(yè)公司、細(xì)分領(lǐng)域企業(yè)很難在這樣的競爭中獲得先發(fā)優(yōu)勢或者差異化優(yōu)勢。

而垂直AI大模型只關(guān)注某個特定的領(lǐng)域或者場景，它能夠利用行業(yè)的數(shù)據(jù)和知識，提供更精準(zhǔn)和高效的解決方案，更好地滿足用戶在某個領(lǐng)域或者場景下的需求和期待，如：醫(yī)療、金融、教育等。

同時，它可以利用一些開源或者閉源的通用AI大模型作為基礎(chǔ)，然后在其上進(jìn)行指令微調(diào)（instruction tuning），來適應(yīng)自己的目標(biāo)領(lǐng)域或者場景。

因此，它的參數(shù)規(guī)模比通用大模型低一個量級，如果讓數(shù)據(jù)飛輪和模型訓(xùn)練能夠很好結(jié)合，在某些特定領(lǐng)域甚至比通用大模型的效果更好、成本更低。

在這樣的背景下，越來越多的企業(yè)加入了垂直大模型的賽道。

5月18日，深信服發(fā)布國內(nèi)首個自研安全大模型，成為安全領(lǐng)域GPT技術(shù)應(yīng)用首秀；

5月5日，學(xué)而思宣布正在進(jìn)行自研數(shù)學(xué)大模型的研發(fā)，命名為MathGPT，面向全球數(shù)學(xué)愛好者和科研機(jī)構(gòu)；

3月，達(dá)觀數(shù)據(jù)公布正在開發(fā)曹植系統(tǒng)，專注于金融、政務(wù)、制造等垂直領(lǐng)域的大語言模型。

明確的商業(yè)化落地場景和更低的算力成本，為各類企業(yè)打開了進(jìn)軍垂直大模型的大門。

垂直大模型的考驗(yàn)

垂直大模型的優(yōu)勢在于不夠大：算力不夠大、算法難度低，但并不代表垂直大模型誰都能做。

眾所周知，AI大模型三要素：算力、算法、數(shù)據(jù)，都是喂養(yǎng)AI的“飼料”。

先說算力。

大模型之所以“大”，就是因?yàn)閰?shù)眾多和數(shù)據(jù)量龐大。AI大模型所需要的計算量，大致上相當(dāng)于參數(shù)量與數(shù)據(jù)量的乘積。

過去5年，AI大模型的參數(shù)量幾乎每年提升一個數(shù)量級，例如GPT-4參數(shù)量是GPT-3的16倍，達(dá)到1.6萬億個。

隨著圖像、音視頻等多模態(tài)數(shù)據(jù)的引入，大模型的數(shù)據(jù)量也在飛速膨脹。這意味著想要玩轉(zhuǎn)大模型，必須擁有大算力。

而一套垂直大模型的訓(xùn)練和推理成本，做個參考，在數(shù)字人垂類技術(shù)場景中，可以做到比Open AI同參數(shù)規(guī)模的模型低一個量級，像啟元世界的戰(zhàn)略總監(jiān)王思捷就曾提到：先構(gòu)建更小的垂類模型（比如百億參數(shù)、十億參數(shù)），讓數(shù)據(jù)飛輪和模型訓(xùn)練能夠很好結(jié)合，垂類模型在某些領(lǐng)域可能比Open AI的效果更好成本更低。

即便垂直大模型在算力要求上已遠(yuǎn)遠(yuǎn)低于通用大模型，但對算力基礎(chǔ)設(shè)施的投入依然會阻擋部分小公司的入局。

再說算法。

在三要素中，算法的研發(fā)難度相對較低，每家公司都有自己實(shí)現(xiàn)大模型的路徑算法，且有眾多開源項(xiàng)目可作為參考，中國公司最容易縮短甚至抹平差距。

最后說數(shù)據(jù)。

高質(zhì)量的數(shù)據(jù)是助力AI訓(xùn)練與調(diào)優(yōu)的關(guān)鍵，足夠多、足夠豐富的數(shù)據(jù)，是AI大模型的根基。

OpenAI此前披露，為了AI像人類那樣流暢交談，研發(fā)人員給GPT-3.5提供多達(dá)45TB的文本語料，相當(dāng)于472萬套中國“四大名著”。這些語料的來源包括維基百科、網(wǎng)絡(luò)文章、書籍期刊等，甚至還將代碼開源平臺Github納入其中。

但是聚焦到細(xì)分行業(yè)，數(shù)據(jù)的獲取就沒那么容易了。

興業(yè)證券公開表示，要訓(xùn)練專業(yè)的行業(yè)大模型，優(yōu)質(zhì)的行業(yè)數(shù)據(jù)、公共數(shù)據(jù)至關(guān)重要。

就國內(nèi)數(shù)據(jù)市場而言，據(jù)發(fā)改委官方批露，我國政府?dāng)?shù)據(jù)資源占全國數(shù)據(jù)資源的比重超過3/4，但開放規(guī)模不足美國的10%，個人和企業(yè)可以利用的規(guī)模更是不及美國的7%。

而行業(yè)數(shù)據(jù)更是非常核心的私域數(shù)據(jù)，私域數(shù)據(jù)量越大，質(zhì)量越高，就越有價值。

比如，一個醫(yī)療公司擁有大量醫(yī)療數(shù)據(jù)、病例數(shù)據(jù)，那么它就能開發(fā)出醫(yī)療垂直大模型類的產(chǎn)品。同理，建筑行業(yè)的項(xiàng)目數(shù)據(jù)、金融行業(yè)的用戶畫像數(shù)據(jù)、海運(yùn)行業(yè)的船位數(shù)據(jù)等，都是賦能垂直大模型的關(guān)鍵。

但是這些私域數(shù)據(jù)都攥在企業(yè)自己手中，而且為了數(shù)據(jù)安全和合規(guī)，絕大部分機(jī)構(gòu)是要本地化部署才會嘗試大模型訓(xùn)練，很難想象企業(yè)會把自己的核心數(shù)據(jù)拿給別人去訓(xùn)練。

此外，如何合理地給數(shù)據(jù)打上分級標(biāo)簽、做好標(biāo)注也非常重要。數(shù)據(jù)分級分類能夠幫助產(chǎn)品提效，而高精度的標(biāo)注數(shù)據(jù)能夠進(jìn)一步提升大模型的專業(yè)表現(xiàn)。

但現(xiàn)階段垂直行業(yè)想要獲取高精度標(biāo)注數(shù)據(jù)的成本較高，而在公開數(shù)據(jù)庫中，行業(yè)專業(yè)數(shù)據(jù)也較少，因此對垂直大模型的建構(gòu)提出了很高的要求。

總體而言，想要做好垂直大模型，數(shù)據(jù)的重要性，遠(yuǎn)超過算力和算法。

數(shù)據(jù)，已成為企業(yè)突破垂直大模型的“卡點(diǎn)”。

手握行業(yè)數(shù)據(jù)領(lǐng)先一步

?

垂類大模型講求應(yīng)用與場景先行的邏輯，而在國內(nèi)更是強(qiáng)調(diào)產(chǎn)業(yè)側(cè)的價值。

一方面，在當(dāng)前中國的智能化浪潮下，產(chǎn)業(yè)側(cè)數(shù)字化革新本就有廣闊的市場需求；另一方面，在toB生態(tài)下，基于垂直應(yīng)用的實(shí)踐也有利于形成數(shù)據(jù)飛輪與場景飛輪。

而這一切的前提，是推出垂類大模型的公司在該行業(yè)已建立技術(shù)壁壘與護(hù)城河，即“人無我有”的競爭優(yōu)勢。

如此看來，在垂直行業(yè)深耕多年的企業(yè)或?qū)⒂懈蟮内A面。

這類企業(yè)在數(shù)據(jù)層面、大模型以及知識圖譜方面都有較為深厚的積累，對于大模型的優(yōu)化更具優(yōu)勢。同時，它們對于to B客戶需求和落地場景有很深的理解，能夠更好地保證垂直大模型產(chǎn)品的可信和可靠，滿足企業(yè)級對于安全可控合規(guī)的需求。

目前，已有一些垂類大模型在金融、教育、醫(yī)藥、營銷等場景中得到試煉。

例如，彭博社利用自身豐富的金融數(shù)據(jù)源，基于開源的GPT-3框架再訓(xùn)練，開發(fā)出了金融專屬大模型BloombergGPT；

網(wǎng)易有道則面向教育場景，推出自研的類ChatGPT模型“子曰”；

在ChatGPT發(fā)布后僅幾周，谷歌公布了一個專門用于回答醫(yī)療保健相關(guān)問題的大型醫(yī)用語言模型Med-PaLM......

相信隨著越來越多企業(yè)入局，垂直大模型在各個行業(yè)和細(xì)分領(lǐng)域中將大量涌現(xiàn)。而那些能將一個垂直領(lǐng)域做專、做透，用高質(zhì)量的數(shù)據(jù)持續(xù)優(yōu)化模型，跑通商業(yè)閉環(huán)，構(gòu)建起產(chǎn)業(yè)生態(tài)的企業(yè)，最終將把價值鏈做到足夠長。

來源：科技云報道

生成海報

免責(zé)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(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)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(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)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(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。