文/侯煜

編輯/羅卿

2023年可以稱得上是大模型發(fā)展的元年，2月份，創(chuàng)新型公司OpenAI連同其發(fā)布的ChatGPT一夜爆火。之后，科技公司的大模型開始陸續(xù)亮相。

按照人們的共識，工業(yè)1.0是蒸汽機時代，工業(yè)2.0是電氣化時代，工業(yè)3.0是信息化時代，工業(yè)4.0則是利用信息化技術(shù)促進產(chǎn)業(yè)變革的時代。大模型的出現(xiàn)將整個科技行業(yè)推向4.0 pro時代。新的技術(shù)時代的到來，讓實體企業(yè)迫不及待地想要擁抱大模型技術(shù)，推動設(shè)計、銷售、服務(wù)等環(huán)節(jié)的智能化升級，提升生產(chǎn)、經(jīng)營、管理效率。

于是乎，大模型從面世之初的拼算力、拼規(guī)模，逐漸開始變得更細分、更垂直、更專業(yè)。云廠商也在試圖降低大模型的使用成本，讓大模型更好地與實體技術(shù)結(jié)合，在增效的同時，維持可控的成本。

近日的世界人工智能大會（WAIC2023)又是一個大廠秀實力和表達行業(yè)洞見的舞臺，各位大廠大模型的推動者各抒己見，以下是會議的部分發(fā)言實錄。

騰訊云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生：騰訊數(shù)智人“入職”了130多個行業(yè)

事實上，雖然通用大模型很強大，但并不一定能解決很多企業(yè)的具體問題。大模型在產(chǎn)業(yè)場景中是否真正可靠、可用？怎樣才能保護好企業(yè)數(shù)據(jù)產(chǎn)權(quán)和隱私？如何降低大模型的使用成本？這些都是企業(yè)需要考慮的現(xiàn)實問題。

企業(yè)基于行業(yè)大模型構(gòu)建自己的專屬模型，也許是更優(yōu)的選項。同時也要借助高效的專業(yè)工具，不斷優(yōu)化、迭代模型，以滿足企業(yè)和市場持續(xù)變化的需求。

雖然通用大模型整體技術(shù)水平在不斷提升，但并不聚焦。通用大模型可以在100個場景中，解決70%-80%的問題，但未必能100%滿足企業(yè)某個場景的需求。

每個企業(yè)都可以基于用專業(yè)知識和數(shù)據(jù)訓練出來的行業(yè)大模型，再加上企業(yè)自己的數(shù)據(jù)進行精調(diào)，建構(gòu)獨有的“專屬模型”，更高效地打造出可用的智能服務(wù)。

實際上，過去5年，人工智能技術(shù)和產(chǎn)品也在各行各業(yè)落地生根，比如騰訊的數(shù)智人已“入職”了130多個行業(yè)，擔任金融客服、虛擬主播等“數(shù)智員工”，為用戶提供個性化的服務(wù)。

基于騰訊云TI平臺打造的行業(yè)大模型精選商店，面向金融、文旅、政務(wù)、醫(yī)療、傳媒、教育等10大行業(yè)，提供超過50個解決方案。在這些能力模型基礎(chǔ)上，合作伙伴只需要加入自己獨有的場景數(shù)據(jù)，就可以快速生成自己的“專屬模型”。

百度CTO王海峰：文心大模型3.5，讓知識點更具體和細分

百度首席技術(shù)官王海峰發(fā)言指出，百度文心大模型現(xiàn)已升級為文心大模型3.5，已實現(xiàn)基礎(chǔ)模型升級、精調(diào)技術(shù)創(chuàng)新、知識點增強、邏輯推理增強等，模型效果提升50%，訓練速度提升2倍，推理速度提升30倍。

據(jù)王海峰介紹，在基礎(chǔ)模型訓練上，文心大模型3.5采用了飛槳自適應(yīng)混合并行訓練技術(shù)及混合精度計算策略，并采用多種策略優(yōu)化數(shù)據(jù)源及數(shù)據(jù)分布，加快了模型迭代速度，顯著提升了模型效果和安全性，同時還創(chuàng)新了多類型多階段有監(jiān)督精調(diào)、多層次多粒度獎勵模型、多損失函數(shù)混合優(yōu)化策略、雙飛輪結(jié)合的模型優(yōu)化等技術(shù)，進一步提升模型效果及場景適配能力。

在知識增強和檢索增強基礎(chǔ)上，文心大模型3.5提出了“知識點增強技術(shù)”，對用戶輸入的查詢、問題等進行分析理解，為大模型注入更具體、詳細、專業(yè)的知識點，顯著提升大模型對世界知識的掌握和運用。此外，文心大模型3.5還新增了插件機制，目前文心一言已對外發(fā)布官方插件百度搜索和ChatFile。

‍

高通侯紀磊：創(chuàng)新和優(yōu)化全棧式AI，加速應(yīng)用落地

高通全球副總裁兼高通 AI 研究負責人侯紀磊介紹：在成本方面，生成式 AI 通常參數(shù)體量巨大，如果在端側(cè)部署，能夠推動成本的顯著降低。而在 AI 數(shù)字助手方面，手機、駕艙、PC 等使用場景，端側(cè) AI 則能夠很好地滿足私密性、個性化的需求。"

據(jù)侯紀磊介紹，早在十幾年前，高通便開始了 AI 方面的研發(fā)，其中一個重要研究方向就是高效能 AI，在包括硬件、算法和軟件等層面進行了大量的研發(fā)創(chuàng)新。

在高效硬件方面，通過對高通移動平臺中 CPU、GPU、NPU 等不同單元進行優(yōu)化，最終使得AI針對不同任務(wù)，能夠選擇合適的計算模塊運行，侯紀磊認為這是高通端側(cè) AI 非常顯著的特點。在算法層面，高通擁有一支頂尖的深度神經(jīng)網(wǎng)絡(luò)算法團隊，有很多原創(chuàng)性的研究成果。在軟件方面，在面向深度學習的軟件加速 runtime 以及 SDK/ 開發(fā)框架方面，高通對于客戶以及開發(fā)者都做出了很好的支持。

" 因此，高通 AI 研究的一個非常重要的原則，就是全棧式的 AI 創(chuàng)新和優(yōu)化。通過跨層的模型、硬件和軟件創(chuàng)新加速 AI 應(yīng)用，這種早期研發(fā)和技術(shù)發(fā)明對于引領(lǐng)生態(tài)系統(tǒng)發(fā)展至關(guān)重要，而最終將技術(shù)提供給商業(yè)團隊，并通過部署過程中的收獲來影響未來的研究，形成正向循環(huán)。" 侯紀磊說。

據(jù)侯紀磊介紹，高通在高效能 AI 研發(fā)中，一個重要的部分是整體模型效率研究，目的是在多個方向縮減 AI 模型，使其在硬件上高效運行。

比如在量化方面，學習在保持所需精度的同時降低比特精度；在條件計算方面，學習僅基于輸入執(zhí)行大模型圖例模型部分組件；在神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索方面，學習設(shè)計更小的神經(jīng)網(wǎng)絡(luò)，能夠在真實硬件上媲美或超過人工設(shè)計架構(gòu)；在編譯方面，學習編譯 AI 模型以實現(xiàn)高效的硬件執(zhí)行等。

" 在量化方面，高通一直在業(yè)界進行學術(shù)研究及落地層面的推動。包括 Stable Diffusion 和 ChatGPT 等最終要在端側(cè)實現(xiàn)，量化一定是非常重要的手段。在高效能的推理方面，整數(shù)的點運算是非常重要的方向。在這方面，高通在積極推動相關(guān)學術(shù)研究，包括在頂級學術(shù)會議上發(fā)布一些論文的同時，也會定期放到開源的工具包 AIMET 中。通過領(lǐng)先的 AI 研究和快速商業(yè)化，推動行業(yè)向整數(shù)推理和高能效 AI 方向發(fā)展。" 侯紀磊說。

埃隆·馬斯克：機器人主導(dǎo)的生產(chǎn)效率將遠超人類

在未來，人工智能將在人類的世界中扮演重要角色，并對文明產(chǎn)生深遠的影響。同時，我們也看到了數(shù)字計算能力的爆炸性增長，其中特別要考慮的一個指標是比例，即數(shù)字計算、機器計算能力與生物計算能力之間的比例關(guān)系。

具體而言，我們需要考慮人類能夠完成多么復(fù)雜的計算任務(wù)，計算機和機器能夠承擔的計算任務(wù)的強度，以及計算機計算能力和人類計算能力之間的比例。隨著時間的推移，這一比例不斷增大，意味著機器與生物之間的計算能力差距正在進一步擴大。

因此，在不久的將來，人工智能在整體智能中的地位將逐漸下降，與機器智能相比，這將是一場根本性而深遠的變革。這種變革所帶來的影響目前還難以完全理解，但可以肯定的是，這將是人類歷史上最重要的時期之一。

特斯拉的 Optimus 機器人目前仍處于開發(fā)階段，屬于較早期的階段。然而，在未來，我們將會看到大量的機器人存在。因此，我們迫切需要考慮一個比例的問題：機器人與人類的比例是多少？

目前的趨勢表明，在某個階段，機器人的數(shù)量將超過人類的數(shù)量。而且，機器人的計算能力要比人類強大得多，這似乎是一個發(fā)展的趨勢。

這種趨勢將產(chǎn)生積極的影響，也會帶來消極的影響。積極的影響是，我們將進入一個不再有資源短缺的時代。這將是一個充裕的時代，只要是你想要的東西，就能立刻得到。由于未來世界中機器人的大量存在，其生產(chǎn)效率將遠遠超過人類主導(dǎo)的生產(chǎn)效率，這是一個巨大的變化。因此，我們必須謹慎行事，以確保最終結(jié)果對人類有益。

我們還需要注意一個問題，就是對于深度、全面的人工智能要保持警惕，有限制的人工智能和通用人工智能（AGI）是完全不同的情況。通用人工智能很難進行明確定義，它是一種比人類在任何領(lǐng)域都要聰明得多的人工智能類型。現(xiàn)在需要一些監(jiān)管者來對其進行監(jiān)督，以確保這種深度的人工智能不會對人類造成威脅。

華為輪值董事長胡厚崑：人工智能的發(fā)展，關(guān)鍵是要“走深向?qū)?rdquo;

對于華為來說，我們下一階段要全力推進人工智能走深向?qū)�。為了實現(xiàn)這個目標，我們有兩個關(guān)鍵舉措：第一，打造強有力的算力底座，支撐中國人工智能產(chǎn)業(yè)的發(fā)展；第二，從通用大模型到行業(yè)大模型，真正讓人工智能服務(wù)好千行百業(yè)，服務(wù)好科學研究。

人工智能的發(fā)展，算力是基礎(chǔ)。但在中國當前的情況下，算力在可獲取性和成本方面，都面臨著不小的挑戰(zhàn)。未來希望通過各位同仁的努力，讓算力不再成為人工智能發(fā)展的瓶頸。

生態(tài)對計算產(chǎn)業(yè)的持續(xù)發(fā)展來說非常關(guān)鍵，也往往是個瓶頸。四年以來，在全產(chǎn)業(yè)合作伙伴的共同努力下，已初步構(gòu)建起完整的計算產(chǎn)業(yè)生態(tài)。

在深耕算力的同時，我們還要真正讓人工智能走進千行百業(yè)，服務(wù)科學研究。我們認為：一方面，要打好基礎(chǔ)，持續(xù)提升通用大模型的能力；另一方面，我們在此基礎(chǔ)上，要建好行業(yè)模型，將行業(yè)專有知識、經(jīng)驗與大模型能力充分結(jié)合，最終為客戶提供更專業(yè)精準的解決方案。

我們希望，AI for Science，能為科學家、科學工作者帶來更多新思路、新方法、新工具，也為我們的產(chǎn)業(yè)輸入新的動力。

       原文標題 : 世界人工智能大會：大模型開啟“工業(yè)4.0 pro”時代