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最為引人關注的領域，OpenAI網站的流量在4月份就超過了18億，進入了全球流量排名前20。

然而，根據網絡分析公司Similarweb公布的數據顯示，在狂飆半年后，ChatGPT的訪問量首次出現負增長，6月份的訪問量環比下滑9.7%。

大模型狂飆200多天后，國內外探索者們的心態，從理想亢奮開始回歸現實落地。

在7月7日華為盤古大模型3.0的發布會上，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業發展的基礎，其價值與地位無需贅言。而最近行業大模型和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、網絡等在內的AI infra則代表著大模型發展的基礎設施，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，部署一堆專業模型，讓它們各司其職，這涉及兩種截然不同的思路。

數據、計算與運營

通常來說，大模型訓練的基礎因素為數據質量與計算資源。

企業要想得到一個效果好的行業大模型，保證數據質量尤為重要。如果導入的行業數據質量低、不系統、未經過清洗和預處理，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，產業大模型對行業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業應用實踐場景。畢竟模型100%會犯錯，一味地追求算力和數據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，形成反饋閉環和迭代?！叭斯ぁ辈拍苎苌爸悄堋?。

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務發展。人工智能需與企業數智化轉型一致，業務驅動是核心原則，圍繞業務發展掃描數智化洼地，規劃人工智能應用案例，獲取業務價值，并形成迭代優化，擴大AI應用范圍的閉環。

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，依然有很長的一段路要走。

以工業為例分析，工業場景中的很多數據是不可讀取的，或者即使讀取了也需要一個翻譯和解讀的過程，而且工業制造細分領域眾多，沒有海量數據標簽，極難形成類似GPT的通用大模型。在數據之外，工業領域對安全、穩定、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，當下如果要發展面向垂域的大模型，要注重發展通用大模型的外圍插件，采取大模型和知識圖譜、傳統知識庫相結合的策略。

“2023大模型之選”由DBC聯合CIS、CIW發布，旨在遴選當前國內大模型領域具有代表性與創新力的產品、案例與組織，并展現其獨特價值，給行業以參考。借助自研的“iFuture+iPower’混合模型，”遴選機制重點考量技術實力、業內口碑、成長性、品牌力以及創新案例五大方向。為中國大模型產業的橫向與縱深發展獻策獻計，助力大模型落地與創新突破。

（文/楚風）

e-Mail：lab@enet16.com

TEL：010-65283855