年初以來，由ChatGPT掀起的人工智能浪潮，再一次催發(fā)了中國科技企業(yè)擁抱新興技術(shù)的熱情。不到半年時(shí)間里，百度“文心一言”、阿里“通義千問”、華為云“盤古”等國產(chǎn)自研AI大模型悉數(shù)登場。當(dāng)科技巨頭們不約而同地踏上人工智能的新賽道，一場圍繞大模型的“軍備競賽”就在頃刻間拉開了序幕。

「通用」向左，「垂直」向右

過去幾個(gè)月，伴隨著ChatGPT的一路狂飆，AI大模型在中國的進(jìn)化也來到了新的分野。一邊是通用大模型，因其經(jīng)過了海量數(shù)據(jù)參數(shù)和龐大語料的預(yù)訓(xùn)練，在處理各種復(fù)雜任務(wù)時(shí)能夠表現(xiàn)出更好的泛化能力和更高的通用性，可以說是“書讀百遍其義自見”在人工智能時(shí)代的最好詮釋。 這其中，OpenAI十年磨一劍的GPT系列大模型堪稱珠玉在前。以ChatGPT為代表的大模型在邏輯推理、文本生成、自動編寫等方面展現(xiàn)出來的智慧與能力，一時(shí)間掀起了AI大模型的研發(fā)熱潮。從“通義千問”“知海圖”“百川智能”等一系列大模型產(chǎn)品的命名深意中，我們也不難發(fā)現(xiàn)，重兵押注“通用大模型”已經(jīng)率先成為了國內(nèi)頭部廠商的共識。 而另一邊，以垂直行業(yè)廠商為代表的入局者們，則將目光放在了更大的產(chǎn)業(yè)領(lǐng)域中，力圖在角逐正酣的“百模大戰(zhàn)”中找到AI商業(yè)化落地的機(jī)會。這便是國產(chǎn)大模型的另一個(gè)重要方向——從行業(yè)應(yīng)用的路徑切入，解決特定場景的業(yè)務(wù)需求。 不同于科技大廠們對基礎(chǔ)大模型技術(shù)和底層通用能力的狂熱追逐，這些行業(yè)廠商經(jīng)年累月地扎根產(chǎn)業(yè)的“神經(jīng)末梢”處，在特定行業(yè)沉淀了大量垂直領(lǐng)域數(shù)據(jù)和具體業(yè)務(wù)場景，可以更精準(zhǔn)地錘煉出大模型的“專家”能力，有望加速推動“大模型”在千行百業(yè)場景中的廣泛應(yīng)用。 據(jù)科技部新一代人工智能發(fā)展研究中心的《中國人工智能大模型地圖研究報(bào)告》顯示，截至上半年，中國已至少發(fā)布79個(gè)規(guī)模在10億級參數(shù)以上的基礎(chǔ)大模型，研發(fā)數(shù)量排名全球第二。但歷史的經(jīng)驗(yàn)告訴我們，一項(xiàng)技術(shù)能否最終普及，關(guān)鍵是找到合適的應(yīng)用場景，AI概莫能外。也因此，無論是在AI大模型賽道上已經(jīng)占得先機(jī)的頭部大廠，還是在垂直領(lǐng)域握有海量數(shù)據(jù)集和豐富場景理解的行業(yè)廠商，都不約而同地選擇了下探至產(chǎn)業(yè)更深處。

場景化應(yīng)用，大模型的「長坡厚雪」

毋庸諱言的是，盡管當(dāng)前各方玩家對大模型的產(chǎn)業(yè)化都已展露出鮮明的共識，但在大模型落地應(yīng)用的這最后一公里路程中，以科技大廠為代表的“通用派”和以行業(yè)廠商為代表的“垂直派”還是衍生出了兩條截然不同的分支。 以華為、百度、騰訊等為代表的頭部大廠，憑借在算法技術(shù)、行業(yè)數(shù)據(jù)、生態(tài)開放等方面的絕對領(lǐng)先優(yōu)勢，可以更快地搭建起大模型的產(chǎn)品應(yīng)用及服務(wù)生態(tài)，從而為大模型落地應(yīng)用提供“底座”支撐和“引擎”之力。 從早前百度宣布打造全球首個(gè)一站式企業(yè)級大模型生產(chǎn)平臺；到阿里決定將旗下所有產(chǎn)品接入其自研的大語言模型“通義千問”、騰訊推出MaaS一站式行業(yè)大模型精選商店；再到“源于產(chǎn)業(yè)、服務(wù)產(chǎn)業(yè)”的京東言犀大模型、“不作詩，只做事”的華為云盤古大模型3.0等面向產(chǎn)業(yè)和行業(yè)場景的大模型相繼問世……無不預(yù)示著通用大模型開發(fā)的激流已經(jīng)遠(yuǎn)去，一個(gè)“AI For Industries”的時(shí)代正在到來。 圖/拓維信息簽約成為華為云盤古大模型合作伙伴 大模型的產(chǎn)業(yè)化之路，起于大廠們“深入產(chǎn)業(yè)”的共識，興于行業(yè)廠商們“扎根場景”的躬耕。與頭部科技大廠的路徑不同，拓維信息等垂直行業(yè)廠商們則是因?yàn)橛辛烁唷癒now-how”能力的加持，可以基于通用大模型的底座適配行業(yè)數(shù)據(jù)和知識庫，打造出更有針對性、專業(yè)性、精準(zhǔn)度的垂直大模型產(chǎn)品或解決方案，也得以在這條龐大產(chǎn)業(yè)鏈上找到安身之地。 例如，拓維信息交通CV大模型就是在華為云盤古大模型的基礎(chǔ)之上，結(jié)合自身在交通領(lǐng)域沉淀的訓(xùn)練數(shù)據(jù)和行業(yè)知識庫，進(jìn)行再訓(xùn)練和精調(diào)打造出的交通行業(yè)垂直大模型。相比于傳統(tǒng)小模型開發(fā)往往要面臨模式耗時(shí)長、專業(yè)度要求高、訓(xùn)練/調(diào)優(yōu)需要大量人工參與等限制，拓維信息交通CV大模型依托于“基礎(chǔ)模型預(yù)訓(xùn)練+行業(yè)化調(diào)優(yōu)造”的新范式，使得模型精度提升了 6.21%，開發(fā)時(shí)間節(jié)約了24倍左右，大大降低了開發(fā)成本和難度。 圖/華為云盤古大模型生態(tài) 目前拓維信息交通CV大模型已在高速公路稽核等前端業(yè)務(wù)場景得到了正式應(yīng)用。在“大模型能力”的加成下，稽核場景可以實(shí)現(xiàn)高速公路圖片的實(shí)時(shí)上傳和服務(wù)，通過智能壓縮，大幅提升圖片服務(wù)能力，助推稽核工作提質(zhì)增效。 除此之外，在教育、醫(yī)療、氣象、采礦等眾多行業(yè)應(yīng)用場景中，大模型賦能產(chǎn)業(yè)的相關(guān)能力也已開始實(shí)踐。也正是技術(shù)與場景的一次次交融，讓中國大模型產(chǎn)業(yè)迎來了具有變革意義的躍遷拐點(diǎn)，真正進(jìn)化為“長坡厚雪”的理想賽道。

Know-how，大模型落地最優(yōu)解

如果說大模型的上半場是“詩和遠(yuǎn)方”。那么，在經(jīng)歷了AIGC熱潮一浪接一浪的卷積之后，國產(chǎn)大模型已經(jīng)走過了最初的技術(shù)狂熱期，在商業(yè)化落地的冷思考中開啟了“煙火日常”的下半場。誰能率先將大模型技術(shù)與產(chǎn)業(yè)具體場景結(jié)合，訓(xùn)練出大模型的垂直化、行業(yè)化能力，帶來切實(shí)可落地的數(shù)字化轉(zhuǎn)型成效，誰就能爭取到AI 2.0時(shí)代更多的話語權(quán)和主動權(quán)。 隨著大模型作為新生產(chǎn)力的引擎形態(tài)越來越為人所熟知，源于產(chǎn)業(yè)側(cè)的“Know-how”能力，也逐漸成為各路參與方在這場大模型落地考中新的角力點(diǎn)。然而，“Know-how”能力的構(gòu)建絕非一日之功。眾所周知，不同行業(yè)的數(shù)字化需求是模糊而龐雜的，這就對服務(wù)廠商的行業(yè)Know-how能力提出了更高要求。比起主打普惠適用的“全面型”能力，大模型要在千行百業(yè)應(yīng)用場景中跑起來，更需要“Know-how”的深厚積累。 以拓維信息交通CV大模型為例。拓維信息從2019年開始深入交通行業(yè)數(shù)字化改造，持續(xù)探索AI技術(shù)在高速收費(fèi)、稽核、隧道等具體業(yè)務(wù)場景中的應(yīng)用及建設(shè)，針對特定場景需求先后推出AI稽核、數(shù)字視網(wǎng)膜解決方案、RPA工單機(jī)器人等多款基于AI的創(chuàng)新成果，在不斷的技術(shù)打磨和實(shí)踐迭代中累積起優(yōu)質(zhì)的交通垂直場景數(shù)據(jù)集，最終以此為“養(yǎng)料”，訓(xùn)練出交通CV大模型。在“模型+場景”的飛輪帶動下，拓維信息交通CV大模型在感光成像、特征提取、態(tài)勢感知、事件識別等方面的能力已得到較大提升，在交通行業(yè)場景展現(xiàn)出了巨大的應(yīng)用潛力。 圖/拓維信息交通CV大模型在收費(fèi)稽核場景的應(yīng)用 誠然，從通識屬性來看，“領(lǐng)域?qū)＜倚汀钡拇怪贝竽Ｐ碗y以和“海納百川”的通用大模型抗衡。但站在產(chǎn)業(yè)的角度，新技術(shù)究竟能否突破原有的生產(chǎn)力邊界，最終還是要回到具體的應(yīng)用場景中進(jìn)行驗(yàn)證。 可以肯定的是，在人工智能由“技術(shù)力”轉(zhuǎn)向“生產(chǎn)力”的這場商業(yè)化浪潮中，“通用”和“垂直”兩種路線從來都不是有你無我的對立關(guān)系，它們終將共同匯入產(chǎn)業(yè)的大江大河，漾出涓涓細(xì)流滋養(yǎng)每一方數(shù)字化土壤。一橫一縱之間，中國AI大模型的新版圖已經(jīng)顯現(xiàn)。

本期拓客：脆脆

馬上寫完，真的。

往期推薦

VOL.1沒有大算力的ChatGPT，不是好AIGC

VOL.2ChatGPT“狂飆”的終途：從模型中來，到場景中去

VOL.3不完美的AI，完美的數(shù)字助手