2024 年，被視為大模型商業(yè)化落地元年。在這個(gè)充滿機(jī)遇與挑戰(zhàn)的時(shí)刻，“百模大戰(zhàn)” 后的產(chǎn)業(yè)格局正發(fā)生著深刻的變化。

隨著大模型市場容量及規(guī)模的持續(xù)增長，根據(jù)《2024-2028年中國大模型市場發(fā)展分析與投資戰(zhàn)略規(guī)劃報(bào)告》的預(yù)測，預(yù)計(jì)到 2028 年將達(dá)到 1179 億元的龐大規(guī)模。回首過去，中國大模型產(chǎn)業(yè)市場規(guī)模從2020年的15億元人民幣迅速攀升至2022年的70億元人民幣，年均復(fù)合增長率高達(dá)116.02%。這一驚人的發(fā)展速度，彰顯了大模型在中國的巨大潛力。

然而，在這個(gè)快速發(fā)展的過程中，我們也不得不面對國內(nèi)外的競爭與差距，以及大模型自身的局限性。同時(shí)，人才培養(yǎng)成為了大模型發(fā)展的關(guān)鍵所在。為了能夠清楚的了解到問題所在，數(shù)據(jù)猿與上海交通大學(xué)教授沈?yàn)樽隽嗽敿?xì)溝通。

大模型并非無所不能

大模型在多個(gè)領(lǐng)域取得顯著成就，尤其在自然語言處理上表現(xiàn)卓越，能準(zhǔn)確理解并回答各種問題，提升智能客服效率和質(zhì)量。在文本生成上，大模型能創(chuàng)作多樣文本，助力新聞和內(nèi)容創(chuàng)作。在機(jī)器翻譯方面，它促進(jìn)了跨語言交流。此外，大模型還能輔助醫(yī)療、金融等領(lǐng)域的數(shù)據(jù)分析和決策。

從近期這些大模型廠商公布的財(cái)報(bào)來看，均有所得。

百度創(chuàng)始人、董事長兼首席執(zhí)行官李彥宏透露，百度智能云2024年第二季度營收達(dá)51億元，同比增長14%，并持續(xù)實(shí)現(xiàn)盈利（非公認(rèn)會(huì)計(jì)準(zhǔn)則）。同時(shí)，AI貢獻(xiàn)的收入占比進(jìn)一步提升至9%，高于上一季度的6.9%。

科大訊飛財(cái)報(bào)數(shù)據(jù)顯示，在大模型落地推廣力度加快發(fā)展下，科大訊飛2024年上半年實(shí)現(xiàn)營業(yè)收入93.25億元，同比增長18.91%。商湯的生成式 AI業(yè)務(wù)也成為其上半年財(cái)報(bào)的亮點(diǎn)，上半年該業(yè)務(wù)延續(xù) 2023 年高速增長態(tài)勢，貢獻(xiàn)營收超 6 成。

然而，盡管大模型在應(yīng)用層做出了如此多的努力，我們必須認(rèn)識到，大模型并不是萬能的。沈?yàn)槿缡钦f。

沈?yàn)橐杂?jì)算機(jī)視覺與大模型結(jié)合的目前近況為例，解釋了大模型的局限性。雖然大模型在自然語言處理方面取得了巨大的成功，但在計(jì)算機(jī)視覺領(lǐng)域，大模型的應(yīng)用還存在一些問題。

例如，大模型在圖像識別、目標(biāo)檢測等任務(wù)中的準(zhǔn)確率還有待提高。此外，大模型在處理大規(guī)模圖像數(shù)據(jù)時(shí)，計(jì)算量非常大，需要消耗大量的計(jì)算資源。因此，計(jì)算機(jī)視覺與大模型的結(jié)合還需要進(jìn)一步的研究和探索。

其次在醫(yī)學(xué)領(lǐng)域，尤其是處理疑難雜癥時(shí)，依賴大型人工智能模型可能并不理想，因?yàn)檫@些病癥往往缺乏足夠的訓(xùn)練數(shù)據(jù)。然而，在一些數(shù)據(jù)量較大的領(lǐng)域，比如通過胸部X光片來識別肺部疾病，人工智能的應(yīng)用則顯得更為可行。盡管如此，即使是在這些領(lǐng)域，大型模型的準(zhǔn)確率可能也只能達(dá)到70%左右，這對于醫(yī)學(xué)診斷來說還是遠(yuǎn)遠(yuǎn)不夠的。

在醫(yī)學(xué)診斷中，準(zhǔn)確性至關(guān)重要。理想情況下，人工智能應(yīng)該能夠以極高的準(zhǔn)確率篩選出那些確實(shí)沒有疾病的個(gè)體，從而減少醫(yī)生需要復(fù)查的病例數(shù)量。同時(shí)，它也應(yīng)該能夠識別出那些可能存在問題，需要進(jìn)一步檢查的病例。這樣，醫(yī)生就可以將精力集中在那些真正需要仔細(xì)診斷的病例上，從而提高整體的醫(yī)療效率和質(zhì)量。

就此來看，大模型雖然在自然語言處理等領(lǐng)域取得了巨大的成功，但在其他領(lǐng)域的應(yīng)用還存在一些問題。大模型并非無所不能，我們需要客觀地認(rèn)識大模型的局限性，在應(yīng)用大模型時(shí)，要結(jié)合實(shí)際情況，充分發(fā)揮大模型的優(yōu)勢，同時(shí)避免其局限性帶來的風(fēng)險(xiǎn)。

國內(nèi)應(yīng)該有更好的創(chuàng)新土壤

從全球范圍來看，國外大模型的發(fā)展起步較早，且在技術(shù)實(shí)力和創(chuàng)新能力方面具有較強(qiáng)的優(yōu)勢。

以 OpenAI的GPT系列為例，GPT-4憑借其卓越的語言理解、生成和推理能力，在各類測試中均保持領(lǐng)先地位，始終處于行業(yè)的領(lǐng)跑位置，為大模型的發(fā)展樹立了標(biāo)桿。

此外，像Google的Bard、Meta的LLaMA等也在不斷發(fā)力，推動(dòng)大模型技術(shù)的進(jìn)步。國外大模型在基礎(chǔ)模型能力提升方面持續(xù)投入，不斷探索更先進(jìn)的算法和架構(gòu)，致力于提高模型的性能和智能化水平。同時(shí)，國外在大模型的開源生態(tài)方面也發(fā)展得較為成熟，如 Llama模型塑造了龐大的開源模型家族，吸引了眾多開發(fā)者參與，形成了豐富的應(yīng)用生態(tài)。

在2023至2024年間，大模型技術(shù)經(jīng)歷了顯著的發(fā)展和進(jìn)步，這一時(shí)期被視為AI技術(shù)的一個(gè)全新發(fā)展階段。大模型技術(shù)在通用性和實(shí)用性上取得了顯著進(jìn)展，為多個(gè)行業(yè)提供了強(qiáng)大的技術(shù)支撐。高質(zhì)量數(shù)據(jù)集和深度學(xué)習(xí)框架的不斷優(yōu)化是推動(dòng)這一技術(shù)迅速發(fā)展的關(guān)鍵因素。

國內(nèi)大模型的發(fā)展勢頭同樣迅猛。在過去的一年中，國內(nèi)大模型進(jìn)入加速成長期，取得了實(shí)質(zhì)性突破。百度的文心一言、訊飛的星火、智譜ChatGLM、商湯的“日日新 SenseNova” 等大模型不斷涌現(xiàn)，整體表現(xiàn)逼近 GPT-4 ，部分模型的中文能力甚至與 GPT-4 相差無幾。

然而，從產(chǎn)業(yè)發(fā)展過程的角度來看，國內(nèi)在技術(shù)創(chuàng)新性上多次落后。我國在技術(shù)上一直處于跟隨狀態(tài)，與國外相比，在創(chuàng)新方面存在一定的差距。雖然近年來我國在人工智能領(lǐng)域取得了顯著的進(jìn)步，但在大模型的核心技術(shù)方面，如算法的創(chuàng)新性、模型的架構(gòu)設(shè)計(jì)等方面，仍然落后于國外的先進(jìn)水平。國外的科技巨頭們在大模型的研發(fā)上投入了大量的資源，擁有強(qiáng)大的技術(shù)實(shí)力和創(chuàng)新能力。例如，OpenAI的GPT系列模型在自然語言處理領(lǐng)域取得了巨大的成功，引領(lǐng)了全球大模型的發(fā)展潮流。

不過，在應(yīng)用層面，國內(nèi)與國外相比有一定的優(yōu)勢。國內(nèi)大模型在應(yīng)用落地方面積極探索，在數(shù)字人、人形機(jī)器人等領(lǐng)域以及金融、醫(yī)療、法律等多個(gè)行業(yè)開展了豐富的實(shí)踐。例如，在金融領(lǐng)域利用大模型進(jìn)行風(fēng)險(xiǎn)評估和智能客服。

針對國內(nèi)與國外的差距，沈?yàn)楸硎荆罹嗖⒎求w現(xiàn)在這一特定應(yīng)用上，而是應(yīng)該思考為何我們總是處于追趕狀態(tài)。為何別人總能推出極具創(chuàng)新的東西，而我們往往在別人創(chuàng)新之后才發(fā)現(xiàn)，進(jìn)而去追趕。

國內(nèi)與國外在大模型產(chǎn)品上的差距在慢慢縮小，并且國內(nèi)在應(yīng)用層面做的很好，但是如果想要實(shí)現(xiàn)領(lǐng)先性，應(yīng)該在創(chuàng)新方面多下功夫。實(shí)際上，很多專家包括眾多院士都曾提到過，我們應(yīng)該營造更好的創(chuàng)新土壤，而不是一直做追趕者。沈?yàn)檠a(bǔ)充道。

有武器也需要足夠的火力支持

當(dāng)然，關(guān)注大模型發(fā)展并非只是企業(yè)的事情，學(xué)校也是重要的補(bǔ)充，畢竟人才才是最關(guān)鍵所在。學(xué)校與企業(yè)之間的聯(lián)動(dòng)能夠?yàn)榇竽Ｐ偷陌l(fā)展提供重要的支持。

在這個(gè)充滿挑戰(zhàn)與機(jī)遇的征程中，學(xué)校與企業(yè)的合作顯得尤為重要。

沈?yàn)楸硎荆皩W(xué)校，作為知識的殿堂和人才的搖籃，擁有著豐富的 “武器” 和 “兵源”。這里匯聚了眾多頂尖的學(xué)者和充滿創(chuàng)造力的學(xué)生，他們在理論研究方面有著深厚的積淀。學(xué)校的科研團(tuán)隊(duì)能夠深入探索大模型的基礎(chǔ)理論，從算法設(shè)計(jì)到模型架構(gòu)，不斷尋求創(chuàng)新突破。學(xué)生們則以飽滿的熱情和求知欲，積極參與到大模型的研究中，為項(xiàng)目注入新的活力。他們就像一支裝備精良的軍隊(duì)，擁有著先進(jìn)的知識武器和充足的兵源儲(chǔ)備。”

“然而，在大模型的創(chuàng)新研究中，僅僅依靠學(xué)校的力量是不夠的。企業(yè)作為市場的主體，擁有著學(xué)校所缺乏的 ‘火力支持’。其中，算力方面企業(yè)的優(yōu)勢尤為明顯。大模型的訓(xùn)練需要龐大的計(jì)算資源，企業(yè)可以憑借其強(qiáng)大的資金實(shí)力和技術(shù)能力，提供高性能的計(jì)算設(shè)備和穩(wěn)定的算力支持。這就如同在戰(zhàn)場上，企業(yè)為學(xué)校的研究團(tuán)隊(duì)提供了強(qiáng)大的火力保障，使得他們能夠更加高效地進(jìn)行模型訓(xùn)練和優(yōu)化。”沈?yàn)檠a(bǔ)充道。

總之，校企合作在大模型創(chuàng)新研究中扮演著關(guān)鍵角色，它促進(jìn)了資源共享、人才培養(yǎng)和行業(yè)發(fā)展。學(xué)校提供科研成果，企業(yè)則提供算力和市場經(jīng)驗(yàn)，共同加速技術(shù)轉(zhuǎn)化。學(xué)生通過參與企業(yè)項(xiàng)目提升實(shí)踐能力，企業(yè)也能從學(xué)校選拔人才。合作還推動(dòng)了行業(yè)技術(shù)難題的解決，引領(lǐng)人工智能發(fā)展。

實(shí)際合作形式多樣，包括建立聯(lián)合實(shí)驗(yàn)室、企業(yè)贊助科研項(xiàng)目、邀請企業(yè)專家講學(xué)等。例如，谷歌與斯坦福大學(xué)在自然語言處理大模型研究上合作，斯坦福提供理論和算法支持，谷歌提供算力和數(shù)據(jù)資源。微軟與劍橋大學(xué)共同提升大模型性能，劍橋提供機(jī)器學(xué)習(xí)理論，微軟提供技術(shù)平臺。Meta與卡內(nèi)基梅隆大學(xué)在社交網(wǎng)絡(luò)內(nèi)容理解和推薦系統(tǒng)大模型研發(fā)上合作，卡內(nèi)基梅隆提供專業(yè)知識，Meta提供數(shù)據(jù)和計(jì)算資源。

這種合作模式是大模型時(shí)代創(chuàng)新發(fā)展的必然選擇，有助于學(xué)校和企業(yè)共同攻克技術(shù)難題，培養(yǎng)AI人才，推動(dòng)行業(yè)進(jìn)步，確保在智能時(shí)代中保持領(lǐng)先地位。