2018高清国产一区二区三区-国产黄色视频免费在线观看-欧美激情欧美精品一区二区-免费国产一级片内射老妇

AI大模型已經成為創業(ye)熱點(dian)。

2012年(nian)，李志(zhi)飛選擇回(hui)國，在(zai)語音交互領域(yu)創業(ye)，創立出門問問。

前商湯科技(ji)副總裁(cai)、通用智能(neng)技(ji)術(shu)負責人(ren)(ren)閆俊杰(jie)已進軍多模態AI大模型領域(yu)，于2021年11月(yue)成立人(ren)(ren)工智能(neng)公司MiniMax。

MiniMax從底層做(zuo)起，形成了(le)文本(ben)到(dao)(dao)視(shi)覺（texttovisual）、文本(ben)到(dao)(dao)語(yu)音(yin)（texttoaudio）、文本(ben)到(dao)(dao)文本(ben)（texttotext）三大模態(tai)的基礎模型架構。

這(zhe)可能(neng)是國內第一家同時(shi)擁(yong)有3個模態大模型能(neng)力的創業公司。

在(zai)toC方向，其(qi)首款AI虛擬(ni)聊天社交軟件Glow推出(chu)四個月已經積累數百萬用(yong)戶；在(zai)toB方向，MiniMax計劃(hua)在(zai)今年對外(wai)開放API。

Glow的基本玩法(fa)是在應用中創建虛(xu)擬AI機器人，可以根(gen)據用戶意愿賦予(yu)其性格(ge)，實(shi)(shi)現實(shi)(shi)時(shi)溝通、互動并建立情感連(lian)接(jie)。

助推AI應用走向具體落地

如果(guo)將(jiang)AI比作(zuo)電(dian)力，那么大模型則相當于發電(dian)機，能將(jiang)智能在更(geng)大的規模和(he)范圍普及。

大模型的智能能力(li)在未來將成為一種公共基(ji)礎(chu)資(zi)源，像電力(li)或自來水一樣隨取隨用。

每(mei)個(ge)智能終(zhong)端、每(mei)個(ge)APP，每(mei)個(ge)智能服務(wu)平臺(tai)，都可(ke)以像接入(ru)電網一樣(yang)，接入(ru)由IT基(ji)礎設(she)施組成的(de)智力網絡(luo)，讓AI算(suan)法(fa)與技(ji)術能夠(gou)更廣泛地應用于各行各業。

最底層是AI通用大模型(xing)，上面可以(yi)做AIGC，比(bi)如(ru)說(shuo)Midjourney可以(yi)畫(hua)畫(hua)，Jasper可以(yi)寫文(wen)案等；

也可以基(ji)于(yu)底層模型(xing)做對話機(ji)器人，比如基(ji)于(yu)ChatGPT。

在(zai)美國，除(chu)了OpenAI和巨頭，還(huan)有另(ling)外(wai)三、四家創(chuang)業公司也(ye)都在(zai)做AI通用大模型，都有大幾億美金的投入。

首先(xian)它有超強的語言(yan)能力(li)，在(zai)學(xue)習語言(yan)的過程中(zhong)，也學(xue)習了很(hen)多知(zhi)識和邏輯。

模型學會了非常(chang)底層(ceng)的(de)結(jie)(jie)構和機制。萬物都是自然產(chan)生(sheng)的(de)，語言(yan)也好，生(sheng)物結(jie)(jie)構也好，它一定符合某(mou)種我們目前難以(yi)解釋的(de)規(gui)律。

模(mo)型經過互聯網上所有(you)的數(shu)據訓練之(zhi)后，它也獲得了(le)某種屬于自己的解讀(du)方式。

現在的通用大模(mo)型，即使進行了微(wei)調后，依舊可(ke)以(yi)做多個任務。

預訓(xun)練的(de)核心是讓(rang)它有基礎的(de)認知和(he)邏(luo)輯(ji)能(neng)力，通(tong)過(guo)微調引(yin)導，讓(rang)它能(neng)夠在(zai)各(ge)項任務上處理得更(geng)好(hao)，知道怎(zen)么使用已(yi)有的(de)知識。

國內公司與機構競相研發

AI大(da)(da)模(mo)型(xing)(xing)先(xian)后經歷了(le)預訓練模(mo)型(xing)(xing)、大(da)(da)規模(mo)預訓練模(mo)型(xing)(xing)、超(chao)大(da)(da)規模(mo)預訓練模(mo)型(xing)(xing)三個(ge)階段，參數量實現(xian)了(le)從億(yi)級到百萬億(yi)級的(de)突破。

國外的超(chao)大規(gui)模(mo)預訓練模(mo)型起(qi)步(bu)于2018年，并在(zai)2021年進入[軍(jun)備競(jing)賽]階段。

而在國內，超大模型研(yan)發展異常迅速，2021年成為(wei)中(zhong)國AI大模型的爆發年。

2021年，商湯發布了書生（INTERN）大模型(xing)，擁有100億的參數量，這是一(yi)個相當(dang)龐大的訓練(lian)工(gong)作。

在訓練過程中，大概有10個(ge)以上(shang)的(de)監督信號幫助(zhu)模(mo)型(xing)，適(shi)配各種不同(tong)的(de)視(shi)覺或者NLP任務，截至2021年中，商湯已建成世界上(shang)最大的(de)計算器視(shi)覺模(mo)型(xing)，該模(mo)型(xing)擁(yong)有超過300億個(ge)參數(shu)；

同年4月，華為云聯合(he)循環(huan)智能發(fa)布(bu)盤古NLP超大規(gui)模預訓練(lian)語言模型，參(can)數規(gui)模達1000億；

聯(lian)合(he)北京大(da)學(xue)發布盤(pan)古α超大(da)規模預(yu)訓練(lian)模型，參(can)數規模達2000億(yi)。

阿里達摩院發(fa)布270億(yi)參數的中文(wen)預(yu)(yu)訓練語言模型(xing)PLUG，聯合清(qing)華大學發(fa)布參數規模達到1000億(yi)的中文(wen)多模態預(yu)(yu)訓練模型(xing)M6；

7月，百(bai)度(du)推出ERNIE3.0知識增(zeng)強大模型，參數規模達到百(bai)億；

10月，浪潮信息發布約2500億的超大規模預訓練模型[源(yuan)1.0]；

12月(yue)，百度推出(chu)ERNIE3.0Titan模(mo)型，參(can)數規模(mo)達2600億。

而達(da)摩院的M6模型參數(shu)達(da)到10萬億，將大模型參數(shu)直(zhi)接(jie)提升了一個量(liang)級。

2022年，基于清華大(da)學、阿里達摩院(yuan)等(deng)研究成果以及超(chao)算基礎(chu)實現的[腦級人工智能模型]八卦爐（BAGUALU）完成建立。

其模型參數(shu)模型突(tu)破了174萬(wan)億個，完全(quan)可(ke)以與人(ren)腦中的突(tu)觸數(shu)量(liang)相媲美。

2021年12月，百(bai)度發布了全(quan)球首(shou)個知識增強千億級大(da)(da)(da)模(mo)型(xing)——鵬(peng)城-百(bai)度·文心大(da)(da)(da)模(mo)型(xing)，產業級知識增強[文心大(da)(da)(da)模(mo)型(xing)]系列大(da)(da)(da)模(mo)型(xing)也正式(shi)對外。

百度文(wen)心大模型正從技(ji)術(shu)自主創新(xin)和加速產業應用(yong)兩方(fang)面，推動中國(guo)AI發展更進一步。

2022年11月，百度發布了文心(xin)大(da)模(mo)型(xing)(xing)的最新升級，包(bao)括(kuo)新增11個大(da)模(mo)型(xing)(xing)，大(da)模(mo)型(xing)(xing)總量增至(zhi)36個。

部分(fen)公司(si)中國公司(si)雖然目前還沒(mei)有正式推出自身大模型(xing)產品，但是(shi)也在(zai)積極進行(xing)研發。

云從(cong)科技(ji)的(de)研究團隊高度認同(tong)[預訓練大模型(xing)+下游任務遷移]的(de)技(ji)術(shu)趨勢(shi)，從(cong)2020年開(kai)始(shi)，已經陸續在(zai)NLP、OCR、機器視覺、語音等多個領域開(kai)展預訓練大模型(xing)的(de)實踐(jian)。

以商湯科(ke)技的書生（INTERN）為(wei)例，在分(fen)類、目(mu)標檢測、語義分(fen)割、深度估計四大任務26個數據(ju)集上(shang)，基(ji)于同(tong)樣下游場景數據(ju)（10%）。

相較于同期(qi)OpenAI發布的最強開源模型CLIP-R50x16，平均錯(cuo)誤率降低了40.2%，47.3%，34.8%，9.4%。

實現從[手工(gong)作坊(fang)]到[工(gong)廠模式(shi)]的轉(zhuan)變

在深(shen)度學(xue)習(xi)技術興(xing)起的(de)(de)近10年(nian)間，AI模型基本上是針對特定(ding)應用場景(jing)需求進行訓練(lian)的(de)(de)，即(ji)小(xiao)模型，屬于(yu)傳統的(de)(de)定(ding)制化、作坊(fang)式(shi)的(de)(de)模型開發方式(shi)。

這意味(wei)著(zhu)除了(le)需要優秀的(de)產品經理準(zhun)確(que)(que)確(que)(que)定(ding)需求(qiu)之外，還需要AI研發人員扎(zha)實(shi)的(de)專業知識和協同合作能力(li)完成大(da)量復雜的(de)工作。

模型無法復用和積累，同樣(yang)導致了AI落地的高門檻、高成本與(yu)低效率。

而(er)大模型(xing)通過從海量的(de)、多類型(xing)的(de)場景(jing)數據中學習，并總結(jie)不同場景(jing)、不同業務下的(de)通用能(neng)力，學習出一種特(te)征和規(gui)則，成(cheng)為(wei)具有泛化(hua)能(neng)力的(de)模型(xing)底座。

由此利用(yong)大模型的通用(yong)能力可以有效的應對多(duo)樣化、碎片(pian)化的AI應用(yong)需求，為實現規(gui)模推廣AI落地(di)應用(yong)提供可能。

大模型(xing)相對于傳統(tong)AI模型(xing)開發(fa)模式在研發(fa)時擁(yong)有更(geng)標準化的(de)流程，在落地時擁(yong)有更(geng)強(qiang)的(de)通(tong)用(yong)性(xing)，可(ke)以泛化到(dao)多種應用(yong)場景；

并(bing)且大模型(xing)的自監督學習能力相較(jiao)于傳統(tong)的需(xu)要人工標注的模型(xing)訓(xun)練(lian)能夠顯著降(jiang)低研發成本，共(gong)同使(shi)得大模型(xing)對于AI產業(ye)具有重要意義。

結尾

熱潮已經襲(xi)來，有技術基礎的(de)(de)企業在(zai)強勢突圍，沒有技術基礎的(de)(de)企業準備發力(li)，尚(shang)待進場(chang)。

而等熱(re)潮退去，能否留(liu)在場(chang)上，還需看清自己的優勢和短板。

中(zhong)國(guo)要(yao)有(you)自(zi)(zi)己的(de)通(tong)用自(zi)(zi)然語義大模型，它需要(yao)有(you)為(wei)全(quan)球通(tong)用人(ren)工智能提供中(zhong)國(guo)智慧(hui)、中(zhong)國(guo)價值體系和中(zhong)國(guo)方案的(de)愿景；

需要從語料庫選擇、模型(xing)建構與訓練(lian)、參數(shu)調整的(de)全(quan)過程前置規避風(feng)險和法律、道德(de)與倫(lun)理問題，更需要的(de)是定力和耐心。

無論如何，它不(bu)能投(tou)機。