來源| 中國信通院華東分院、數(shù)據(jù)觀

近日，中國信通院聯(lián)合上海人工智能實驗室成立的大模型測試驗證與協(xié)同創(chuàng)新中心牽頭，首次面向全國范圍征集全行業(yè)優(yōu)秀應用實踐，并形成《2023大模型落地應用案例集》（以下簡稱“《案例集》”）。

作為首部聚焦落地應用的權威研究成果，《案例集》全面展示了大模型前沿技術和發(fā)展成果，推動了大模型為代表的人工智能技術賦能社會經濟高質量發(fā)展。經專家組的多輪評審，共52個各自領域的典型大模型技術落地應用成功入選。

2022年底ChatGPT的橫空出世，引爆了國內外大模型的熱情，各行各業(yè)的創(chuàng)業(yè)者已經集結在十字路口蓄勢待發(fā)。

從國內市場來看，目前人工智能（AI）大模型已經在各行各業(yè)“落子不斷”。據(jù)公開資料不完全統(tǒng)計顯示，國內大模型的發(fā)展路徑是“通用+垂直”兩條腿走路，其中垂類大模型落地速度最快?！栋咐凤@示，有近65%+的AI大模型是垂直大模型。趨勢已然，大模型技術突破代表了AI發(fā)展的一個重要里程碑，下面筆者將梳理中國從業(yè)者構建的“底層原創(chuàng)技術-中層基礎模型-上層行業(yè)應用”的大模型圖鑒。

PART 1、大模型領域中國學者的技術貢獻

圖注：ResNet的四位作者分別是：何愷明、張祥雨、任少卿、孫劍

2016年，來自微軟亞洲研究院的四位學者提出深度殘差學習（ResNet），解決了深度網絡的梯度傳遞問題。要知道，2015年之前深度學習最多只能訓練20層，ResNet之后，就可以有效地訓練超過百層的深度神經網絡。

2017年Google發(fā)布Transformer，它的出現(xiàn)打穩(wěn)了AI大模型的“地基”，不僅“顛覆”了自然語言處理（NLP）中的機器翻譯任務，而且還提供了一種新的思路來處理圖像數(shù)據(jù)。

中國學者也圍繞Transformer做了許多改進和完善，例如微軟亞洲研究院聯(lián)合西安交通大學推出LONGNET，將Transformer的序列長度擴展10億+；京東探索研究院聯(lián)合武漢大學提出全球首個面向遙感任務設計的億級視覺Transformer大模型；阿里達摩院提出新的Transformer結構FMViT，大幅度提升AI模型精度與速度……

在大模型領域細數(shù)中國學者貢獻，許多原創(chuàng)性貢獻來自本土。已故的商湯科技創(chuàng)始人湯曉鷗（緬懷）在2023世界人工智能大會上，發(fā)表演講時表示：在深度學習的大門上，我們按了18次門鈴，取得了許多跨時代的突破。其中湯曉鷗提到了上海人工智能實驗室領軍科學家林達華，他當時設計的計算機視覺開源算法體系OpenMMLab，目前已經成為國際上最具影響力的視覺算法開源體系。值得一提的是，林達華也是書生大模型體系的重要貢獻者。

京東探索研究院早在2021年年初就展開了大模型體系（超級深度學習）的建設和基礎研究，領導京東建設了中國第一個NVIDIA DGX Superpod天琴alpah-α超算集群。在此基礎上，京東探索研究院的織女模型vega v2 在2022年登頂SuperGLUE榜首，一舉超越同場競技的谷歌、微軟、Meta等業(yè)界頂尖企業(yè)；2021年研究院開發(fā)的大規(guī)模視覺模型ViTAE，在ImageNet Real的目標識別和MS COCO的人體姿態(tài)估計等權威榜單上均獲得世界第一。

圖注：（上）2022年京東探索研究院發(fā)表論文《Self-Evolution Learning for Discriminative Language Model Pretraining》，提出自我進化學習方法，為vega v2大模型的設計提供核心思想；

（下）2021年京東探索研究院發(fā)表論文《ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias》，嘗試將 CNN和transformer相結合。

因此，國內公司的 AI 大模型研發(fā)雖然比國外公司晚，但是發(fā)展卻異常地迅速，其內在邏輯便是：本土企業(yè)和學者對深度學習技術的深入理解與創(chuàng)新。在大模型的底層技術已經固定的時代，他們靠著持續(xù)的探索和努力才能構建出秀麗的“上層建筑”。

在OpenAI發(fā)布ChatGPT之前，國內的一些企業(yè)就已經押注AI大模型技術：例如2021 年 4 月，華為云聯(lián)合循環(huán)智能發(fā)布盤古超大規(guī)模預訓練語言模型，參數(shù)規(guī)模達 1 000 億；2021 年 6 月，北京智源人工智能研究院發(fā)布了超大規(guī)模智能模型“悟道 2.0”，參數(shù)規(guī)模達到 1.75 萬億；2021 年 12 月，百度推出 ERNIE 3.0 Titan 模型，參數(shù)規(guī)模達 2 600 億，同期，阿里巴巴達摩院的 M6 模型參數(shù)達到 10 萬億，將大模型參數(shù)直接提升了一個量級。

到2023年，大模型繼續(xù)火熱，國內的AI大模型團隊已逐漸拓展到視覺、決策領域，甚至用于解決蛋白質預測、航天等領域的重大科學問題，阿里、京東、oppo等大廠都有相應的成果。

PART 2、大模型應用拐點已至

圖靈獎獲得者Yann LeCun說過：AI大模型的技術都是公開的，算不上底層技術上的創(chuàng)新，如果你愿意一探究竟的話，可以發(fā)現(xiàn)它背后沒有任何秘密可言。但借著這些“過時”的技術，在中國擁有龐大的人才基數(shù)和數(shù)據(jù)集的情況下，可以發(fā)展出更適合本土環(huán)境和語境的大模型。那么如何形象理解大模型?前科技部長王志剛從高維度表示,大模型,就是大數(shù)據(jù)、大算力、強算法。形象一些：大模型事實上就是算法、數(shù)據(jù)、算力上的有效結合。傳統(tǒng)巨頭在大模型領域的技術投入普遍都是在積極防御，而中國企業(yè)在非常積極地推動向應用中的落地。目前，業(yè)界除了把AI大模型商業(yè)落地模式統(tǒng)分為 toB 和 toC之外，在市場劃分上則遵循通用與垂直兩大路徑，兩者在參數(shù)級別、應用場景等方面差異正在顯性化。通用大模型往往是指具備處理多種不同類型任務的AI模型，這些模型通常是通過大規(guī)模的數(shù)據(jù)訓練而成，能夠在多個領域和應用中表現(xiàn)出良好的效能。大家耳熟能詳?shù)膸讉€通用大模型均來財力雄厚的企業(yè)：

1. 書生浦語開源大模型：由上海人工智能實驗室研發(fā)，涵蓋 70 億參數(shù)的輕量級版本 InternLM-7B，以及 200 億參數(shù)的中量級版本和 InternLM-20B，以及完整的開源工具鏈體系。InternLM-7B 在包含 40 個評測集的全維度評測中展現(xiàn)出卓越且平衡的性能，它在兩個被廣泛采用的基準 MMLU 和 CEval 上分別取得了 50.8 和 52.8 的高分，開源一度刷新了 7B 量級模型的紀錄。

2. 昆侖萬維天工大模型：“天工”是一個 AI 搜索引擎，一個對話式 AI 助手?！疤旃ぁ睋碛袕姶蟮淖匀徽Z言處理和智能交互能力，能夠實現(xiàn)個性化 AI 搜索、智能問答、聊天互動、文本生成、編寫代碼、語言翻譯等多種應用場景并且具有豐富的知識儲備，涵蓋科學、技術、文化、藝術、歷史等領域。

3. 通義千問 2.0：由阿里云研發(fā)的超大規(guī)模的語言模型，具備多輪對話、文案創(chuàng)作、邏輯推理、多模態(tài)理解、多語言支持等功能。通義千問 2.0 在復雜指令理解、文學創(chuàng)作、通用數(shù)學、知識記憶、幻覺抵御等能力上均比上代有顯著提升。

4. MiniMax-abab：由科技創(chuàng)業(yè)公司MiniMax研發(fā)。據(jù)悉，“Max-abab”是文本、語音、視覺三模態(tài)的千億參數(shù)大語言模型，在中、英文服務領域均已超過GPT-3.5 的水平。今年8月份，“MiniMax-abab”大模型通過了國家首批大模型服務備案，面向社會公眾提供服務。

5. 言犀基礎大模型：由京東科技研發(fā)，該模型融合了70%的通用數(shù)據(jù)和30%的數(shù)智供應鏈原生數(shù)據(jù)，具有更高的產業(yè)屬性。

6. 百靈語言大模型：由螞蟻集團基于Transfromer架構研發(fā)。該模型基于萬億級Token語料訓練而成，支持窗口長度達32K，在主流推理類榜單中排名前列。據(jù)悉，螞蟻百靈大模型已完成備案，基于百靈大模型的多款產品已陸續(xù)完成內測，正陸續(xù)向公眾開放。

這些通用大模型包含千億甚至萬億參數(shù)，覆蓋自然語言處理、圖像識別、語音識別等方面的任務，已在知識問答、醫(yī)療咨詢、娛樂領域、視頻生成等數(shù)十個行業(yè)場景領域，展現(xiàn)出廣闊的落地應用潛力。與通用大模型相比，垂類大模型參數(shù)量相對較小。但是因為有一些行業(yè)的核心數(shù)據(jù)和業(yè)務系統(tǒng)的生產數(shù)據(jù)參與，所以在相應行業(yè)解決問題更為高效、直接。從《案例集》來看，在金融、教育、醫(yī)療等領域，已經有不少公司發(fā)布了相應產品。

根據(jù)《案例集》入選案例的應用場景，垂類大模型更針對于企業(yè)級應用場景的垂直性和專業(yè)性要求，而在模型部署層面，更少的模型參數(shù)、訓練數(shù)據(jù)意味著更少的成本，因此垂直應用領域有望實現(xiàn)“萬模齊發(fā)”。《案例集》公布的名單，也恰恰驗證了目前垂類大模型發(fā)展的一些趨勢：

1. 加注端側、邊緣側應用。輕量化參數(shù)能讓手機助手接入AI大模型能力。目前已有案例包括OPPO的小布助手、華為的智能助手小藝等等。

2. 更傾向于“解決方案”式的交付方式。由于垂類大模型接受了大量特定領域的數(shù)據(jù)和知識，因此可以基于領域知識生成更具深度的解決方案。例如ChatDD 新一代對話式藥物研發(fā)助手，面向游戲行業(yè)的圖像內容生成式大模型等等。

3. 大模型開始向多模態(tài)領域發(fā)展。多模態(tài)意味著豐富的數(shù)據(jù)形式，包含視覺、聽覺和時序信息。對于大模型模型來說，這意味著可以從多模態(tài)中提取和學習更多維度的信息。類似于《案例集》中的單晶爐自動化工藝識別多模態(tài)模型，相信未來將會出現(xiàn)更多。

4. “通用+垂直”模型互相融通的態(tài)勢。隨著AI技術的發(fā)展，不同類型的模型之間的界限變得越來越模糊。例如，一些通用模型開始整合垂直領域的知識，而一些垂直模型也開始利用通用模型的技術來增強其功能。例如百川大模型在娛樂領域的應用。

PART 3、搶灘大模型未來：構建生態(tài)

對于AI大模型這種劃時代的超級機遇而言，勝負不在于做出一個爆款應用，賺到幾億盈利，而在于，是否抓到了大時代的方向。

換句話說，當下的大模型競爭早已超過了技術的范疇，更多是一種生態(tài)層面的比拼，具體表現(xiàn)在有多少應用、有多少插件、有多少開發(fā)者以及用戶等。誰能夠率先圍繞大模型構建生態(tài)，或者說誰率先融入生態(tài)，誰就能成為領先者。

大模型要想像電力一樣輸送給千行百業(yè)和千家萬戶，必然需要一個體系化的產業(yè)生態(tài)，構建這個生態(tài)需要一系列相互關聯(lián)的因素，包括技術發(fā)展、應用場景、數(shù)據(jù)管理、倫理與法律問題、以及社會影響等。

在生態(tài)建構的路徑上，目前企業(yè)可分為兩派。一派將大模型接入原有的產品線，做升級和優(yōu)化；另一派試圖以大模型產品為中心，建構新一代的“超級應用”。而有些企業(yè)試圖跳過這兩種路徑，多方面融入AI大模型生態(tài)。從《案例集》公布的大模型服務類案例，我們可以看到有些中國企業(yè)做了以下嘗試：

例如螞蟻集團實現(xiàn)了一個大模型數(shù)據(jù)高效高質量供給平臺，不僅可降低數(shù)據(jù)獲取和使用成本，且保證來源合規(guī)，并能夠有效提升數(shù)據(jù)質量、過濾風險數(shù)據(jù)保障訓練安全；優(yōu)刻得開發(fā)的AGI云上模型服務平臺，能提供數(shù)據(jù)標準化整合、安全合規(guī)、提供算力等服務；上海道客研發(fā)的云原生大模型知識庫平臺能夠幫助解決信息孤島，以及定制個性化的私人語料庫；泡泡瑪特的AI 整合平臺集成多個知名AI大模型，為用戶提供一站式 AI服務……這些大模型服務工具，在一定程度上能有效地解決“幻覺”、“道德”、“性能”、“數(shù)據(jù)合規(guī)”等當前AI大模型遇到的問題。更重要的是借助這些服務，可以建設規(guī)范可控的自主工具鏈，幫助AI企業(yè)探索“大而強”的通用模型，助力公司研發(fā)“小而美”的垂直行業(yè)模型，從而構建基礎大模型和專業(yè)小模型交互共生、迭代進化的良好生態(tài)。