大模型并非在“大”
毫無疑問，以ChatGPT為代表的AI大模型是今年科技圈乃至社會范圍內(nèi)最為引人關注的領域，OpenAI網(wǎng)站的流量在4月份就超過了18億，進入了全球流量排名前20。
然而，根據(jù)網(wǎng)絡分析公司Similarweb公布的數(shù)據(jù)顯示，在狂飆半年后，ChatGPT的訪問量首次出現(xiàn)負增長，6月份的訪問量環(huán)比下滑9.7%。
大模型狂飆200多天后，國內(nèi)外探索者們的心態(tài)，從理想亢奮開始回歸現(xiàn)實落地。
在7月7日華為盤古大模型3.0的發(fā)布會上，華為云CEO張平安更是直言，“盤古大模型沒有時間作詩和聊天。參數(shù)再多、對話能力做得再好，但如果解決不了實際問題，也沒有多大用處?！?/p>
通用大模型作為整體產(chǎn)業(yè)發(fā)展的基礎，其價值與地位無需贅言。而最近行業(yè)大模型和AI infra（AI架構）開始更多地被提及，前者解決的是大模型應用的問題，包括計算、存儲、網(wǎng)絡等在內(nèi)的AI infra則代表著大模型發(fā)展的基礎設施，二者將直接推動大模型的落地和應用。
是部署一個超級大模型，期待它能夠把能力上升到一定程度，還是應該從實際解決問題出發(fā)，部署一堆專業(yè)模型，讓它們各司其職，這涉及兩種截然不同的思路。
數(shù)據(jù)、計算與運營
通常來說，大模型訓練的基礎因素為數(shù)據(jù)質(zhì)量與計算資源。
企業(yè)要想得到一個效果好的行業(yè)大模型，保證數(shù)據(jù)質(zhì)量尤為重要。如果導入的行業(yè)數(shù)據(jù)質(zhì)量低、不系統(tǒng)、未經(jīng)過清洗和預處理，則訓練出的模型不可避免會有問題。充足的計算資源同樣不可或缺，不然就會影響整個運行流程的速度和效率。
不過，不同于通用大模型，產(chǎn)業(yè)大模型對行業(yè)參與者則提出了不同的門檻和要求，即要求操盤者具備豐富的產(chǎn)業(yè)應用實踐場景。畢竟模型100%會犯錯，一味地追求算力和數(shù)據(jù)并不能解決這個問題，因此模型之上必須要有運營兜底機制，讓模型的輸出和操作從不可用變成可用，并且能做到知錯就改，形成反饋閉環(huán)和迭代。“人工”才能衍生“智能”。
同時，大模型落地更關鍵的是要圍繞用戶與客戶價值的體驗升級與業(yè)務發(fā)展。人工智能需與企業(yè)數(shù)智化轉(zhuǎn)型一致，業(yè)務驅(qū)動是核心原則，圍繞業(yè)務發(fā)展掃描數(shù)智化洼地，規(guī)劃人工智能應用案例，獲取業(yè)務價值，并形成迭代優(yōu)化，擴大AI應用范圍的閉環(huán)。
行路漫漫，只爭朝夕
目前的大模型如果要深入應用到具體行業(yè)，依然有很長的一段路要走。
以工業(yè)為例分析，工業(yè)場景中的很多數(shù)據(jù)是不可讀取的，或者即使讀取了也需要一個翻譯和解讀的過程，而且工業(yè)制造細分領域眾多，沒有海量數(shù)據(jù)標簽，極難形成類似GPT的通用大模型。在數(shù)據(jù)之外，工業(yè)領域?qū)Π踩?、穩(wěn)定、可靠等指標極其嚴苛的追求，目前的生成式AI無法滿足。
從這個判斷出發(fā)，當下如果要發(fā)展面向垂域的大模型，要注重發(fā)展通用大模型的外圍插件，采取大模型和知識圖譜、傳統(tǒng)知識庫相結合的策略。
“2023大模型之選”由DBC聯(lián)合CIS、CIW發(fā)布，旨在遴選當前國內(nèi)大模型領域具有代表性與創(chuàng)新力的產(chǎn)品、案例與組織，并展現(xiàn)其獨特價值，給行業(yè)以參考。借助自研的“iFuture+iPower’混合模型，”遴選機制重點考量技術實力、業(yè)內(nèi)口碑、成長性、品牌力以及創(chuàng)新案例五大方向。為中國大模型產(chǎn)業(yè)的橫向與縱深發(fā)展獻策獻計，助力大模型落地與創(chuàng)新突破。
（文/楚風）
e-Mail：lab@enet16.com
TEL：010-65283855
