近二十位行業(yè)大咖齊聚：AI進(jìn)入大模型時(shí)代下半場(chǎng)

首先發(fā)言的是中國(guó)信通院云大所總工程師郭亮，他重點(diǎn)提到了算力。據(jù)郭亮觀察，在通算時(shí)代，中國(guó)的算力年增長(zhǎng)率高于大洋彼岸，增速在30%左右，大洋彼岸在10%左右。進(jìn)入智算時(shí)代后，中國(guó)在智能計(jì)算方面遇到了很大的挑戰(zhàn)。其中，最主要的挑戰(zhàn)是在智能算力方面存在巨大的缺口，這會(huì)限制大模型的發(fā)展。

隨后發(fā)言的是360集團(tuán)副總裁梁志輝，他詳細(xì)介紹了大模型在360AI搜索和360AI瀏覽器方面的應(yīng)用，特別是AI搜索領(lǐng)域的最新進(jìn)展與成果。

梁志輝首先強(qiáng)調(diào)了360在大模型應(yīng)用探索中，找到的明星應(yīng)用場(chǎng)景360 AI搜索。這款應(yīng)用自年初發(fā)布以來，迅速在PC端積累了大量用戶，8月份用戶量已超過2億，月活躍用戶達(dá)到8000萬。其核心特點(diǎn)在于，通過大模型技術(shù)實(shí)現(xiàn)了“你看、你問我答”的交互體驗(yàn)，徹底改變了傳統(tǒng)搜索引擎“輸入問題-返回鏈接”的模式。

360AI搜索接入了包括360智腦、文心一言、通義千問、豆包、Kimi等國(guó)內(nèi)最強(qiáng)的16家大模型，基于360過去積累的搜索數(shù)據(jù)和用戶行為，360AI搜索建立了強(qiáng)大的意圖識(shí)別模型，來實(shí)現(xiàn)對(duì)于用戶意圖更加精準(zhǔn)的理解；通過任務(wù)分解和模型調(diào)度，實(shí)現(xiàn)了對(duì)眾多專家模型的智能調(diào)度，進(jìn)而實(shí)現(xiàn)遠(yuǎn)超傳統(tǒng)搜索引擎的智能化、靈活性和效率，實(shí)現(xiàn)了“讓最強(qiáng)的模型解決最難的問題”。

最后，梁志輝介紹了360自研的CoE（Collaboration-of-Experts）技術(shù)架構(gòu)，通過思維鏈和“多系統(tǒng)協(xié)同”的方式實(shí)現(xiàn)了大模型的“快思考”和“慢思考”?；贑oE架構(gòu)的另一產(chǎn)品AI助手支持用戶自定義調(diào)用和調(diào)試模型，提供了競(jìng)技場(chǎng)模式、組隊(duì)PK、多模型協(xié)作等功能，進(jìn)一步提升了用戶體驗(yàn)。目前，這些產(chǎn)品已在手機(jī)端和PC端上線，用戶可直接訪問體驗(yàn)。

之后出場(chǎng)的是商湯科技產(chǎn)品總監(jiān)、小浣熊家族產(chǎn)品負(fù)責(zé)人賈安亞，她分享了商湯在大模型領(lǐng)域的一些經(jīng)驗(yàn)，重點(diǎn)提及了小浣熊AI大模型Copilot系列產(chǎn)品。小浣熊產(chǎn)品包括兩個(gè)助手，一個(gè)是面向開發(fā)者的代碼助手，一個(gè)是面向廣泛辦公人群的數(shù)據(jù)分析助手。

云知聲技術(shù)副總裁劉升平，以云知聲推出的山海大模型為例，分享了公司在大模型訓(xùn)練上的一些經(jīng)驗(yàn)。比如，大模型訓(xùn)練的四個(gè)步驟：預(yù)訓(xùn)練、微調(diào)、偏好學(xué)習(xí)和Self Play優(yōu)化。同時(shí)，提出了面向應(yīng)用場(chǎng)景的優(yōu)化方法，包括七種武器（如提示詞工程、檢索增強(qiáng)等）和一個(gè)秘方（數(shù)據(jù)訓(xùn)練的生產(chǎn)、選擇與配比）。

劉升平還強(qiáng)調(diào)，大模型有不同的層次，不是通用大模型包打天下。面向不同的行業(yè)、面向不同的企業(yè)、面向不同的應(yīng)用，需要相應(yīng)級(jí)別的大模型。

在本次大會(huì)上，阿里云智能飛天實(shí)驗(yàn)室資深產(chǎn)品專家江瀟也來到了現(xiàn)場(chǎng)，他帶來了阿里云在通用大模型上的打法。

阿里云在去年10月發(fā)布了大模型產(chǎn)品“百煉”為例，這款產(chǎn)品的底層是阿里云AI計(jì)算服務(wù)PaaS和IaaS層的基礎(chǔ)能力?；贛aaS（模型即服務(wù)）能力，阿里云打造了兩個(gè)生態(tài)。第一個(gè)是應(yīng)用生態(tài)，基于本身的大模型，阿里云自研了大模型分析、大模型寫作、大模型會(huì)議客服等原生應(yīng)用，另外還有一些合作伙伴，他們也可以在這個(gè)平臺(tái)上為開發(fā)者做服務(wù)。

第二個(gè)是模型生態(tài)，通用大模型有大語言模型，除了這一部分，還有開源模型、行業(yè)大模型、多模態(tài)模型，和三方的百川、月之暗面的模型，都能在百煉的平臺(tái)上進(jìn)行服務(wù)調(diào)用。這些共同構(gòu)筑了整體大模型的生態(tài)，目前這個(gè)平臺(tái)已經(jīng)有30多萬企業(yè)客戶進(jìn)行注冊(cè)和使用。

隨后，面壁智能副總裁繆鈞瑋詳細(xì)分享了面壁智能在端側(cè)模型領(lǐng)域的探索與成就，以及他們對(duì)大模型“落地”的見解和策略。

繆鈞瑋指出，高效大模型的關(guān)鍵在于知識(shí)密度，即模型能力與模型參數(shù)之比。高知識(shí)密度意味著在更少的參數(shù)下實(shí)現(xiàn)更強(qiáng)的模型性能。同時(shí)提出“面壁定律”，指出隨著技術(shù)進(jìn)步，小尺寸模型將逐漸具備與過去大尺寸模型相媲美的能力，且推理成本將大幅下降。通過大模型底層的技術(shù)洞察，面壁智能發(fā)現(xiàn)大模型的知識(shí)密度平均每 8 個(gè)月提升一倍，這被稱為“大模型時(shí)代的摩爾定律”，也稱「面壁定律」。

他通過繪制模型能力與計(jì)算資源需求的曲線，展示了未來小尺寸模型在端側(cè)設(shè)備上的應(yīng)用前景。當(dāng)模型能力與硬件計(jì)算能力相交時(shí)，即可實(shí)現(xiàn)特定任務(wù)的落地。隨著手機(jī)、汽車等端側(cè)設(shè)備計(jì)算能力的提升，多模態(tài)、RAG等復(fù)雜任務(wù)將在邊緣計(jì)算中得到實(shí)現(xiàn)。

繆鈞瑋強(qiáng)調(diào)，面壁智能的愿景是將大模型推向離用戶更近的地方，讓終端設(shè)備具備AI能力。他們希望通過整合終端設(shè)備的計(jì)算能力，共同完成復(fù)雜任務(wù)，向通用人工智能（AGI）方向邁進(jìn)。這一戰(zhàn)略不僅將降低AI應(yīng)用的門檻和成本，還將極大地?cái)U(kuò)展AI的應(yīng)用場(chǎng)景和可能性。

最后，智譜AI大模型產(chǎn)業(yè)加速器總監(jiān)鄧瑞恒，分享了智譜AI在大模型產(chǎn)業(yè)上的一些思考。

智譜AI在大模型的發(fā)展上，強(qiáng)調(diào)計(jì)算能力和數(shù)據(jù)質(zhì)量的重要性。同時(shí)拋出了關(guān)于大模型應(yīng)用層公司，如何形成競(jìng)爭(zhēng)壁壘并獲取壟斷利潤(rùn)的討論。

他還提出了對(duì)于何為AI Native應(yīng)用的看法，表示如果有新的終端硬件出現(xiàn)，可能會(huì)帶來全新的AI Native產(chǎn)品，從而改變現(xiàn)有的移動(dòng)互聯(lián)網(wǎng)生態(tài)。

智譜Z計(jì)劃對(duì)創(chuàng)業(yè)公司的支持態(tài)度是開放的，不強(qiáng)求所支持的公司必須基于智譜的模型，而是側(cè)重大模型生態(tài)的建設(shè)和能力互補(bǔ)。

新趨勢(shì)與大生態(tài)：大模型需要學(xué)會(huì)慢思考

目前在大模型爆發(fā)的第22個(gè)月，大模型產(chǎn)業(yè)在應(yīng)用上已經(jīng)落地了一段時(shí)間，各行各業(yè)在大模型的幫助下，正在走出藩籬。在這一過程中，大模型企業(yè)在都收獲頗豐，并對(duì)未來趨勢(shì)有了自己的判斷，嘉賓們?cè)跁?huì)上對(duì)這些內(nèi)容也做了精彩分享。

當(dāng)前，大模型憑借海量的知識(shí)儲(chǔ)備，能夠?qū)?jiǎn)單問題做出快速、精確的處理，但隨著用戶量的增長(zhǎng)和用戶需求復(fù)雜度的提升，大模型未來不得不處理一些更復(fù)雜的問題。在梁志輝看來，此時(shí)大模型應(yīng)具備“慢思考”能力。

“慢思考”是相對(duì)于“快思考”而言的，什么是快思考？簡(jiǎn)單來說就是直覺型任務(wù)，如1+1等于幾，無論是人腦還是大模型，推理一次就能得出答案。

如果你讓大模型給你出一份游戲行業(yè)的研究報(bào)告，在執(zhí)行任務(wù)的過程中，大模型會(huì)把任務(wù)拆解成多搜索任務(wù)，讓多搜索任務(wù)同時(shí)完成，最后才能進(jìn)行推理。這一過程需要多個(gè)大模型、多個(gè)API、多個(gè)工具才能完成，這就屬于“慢思考”。針對(duì)這一趨勢(shì)，360在7月底發(fā)布了CoE架構(gòu)，CoE架構(gòu)背后的大模型數(shù)量更多，有16家大模型，總共112個(gè)模型在背后工作，可以讓生成能力最強(qiáng)的模型來解決慢思考任務(wù)，同時(shí)讓多個(gè)模型進(jìn)行配合、反思，去產(chǎn)出更高質(zhì)量的答案。

相比之下，傳統(tǒng)的MoE架構(gòu)雖然背后也有多個(gè)大模型支持，但1個(gè)任務(wù)只能讓1個(gè)模型進(jìn)行回答。

此外，自從大模型出現(xiàn)后，市場(chǎng)上就出現(xiàn)了“AI會(huì)取代人類”“AI會(huì)搶走我們工作”的擔(dān)憂，對(duì)于這一點(diǎn)，商湯科技產(chǎn)品總監(jiān)賈安亞提到了一組數(shù)據(jù)，一定程度上解釋了這些擔(dān)憂。

一份對(duì)全球開發(fā)者的訪談數(shù)據(jù)顯示，目前有超過6成的開發(fā)者已經(jīng)開始或持續(xù)使用AI代碼類工具，AI讓他們獲得了高達(dá)55%的提效。值得注意的是，其中的某些細(xì)分場(chǎng)景的提效不足55%，比如代碼補(bǔ)全、代碼重構(gòu)等都沒有超過50%。

為什么總的效率能超過55%？這是因?yàn)檐浖邪l(fā)是團(tuán)隊(duì)協(xié)作任務(wù)，并不是一個(gè)人單點(diǎn)能把全鏈路事情做完。在這個(gè)情況下，AI提升的并不只是單個(gè)人、單個(gè)工種的工作效率，AI在單個(gè)任務(wù)、單個(gè)工種之上，提升了整體的團(tuán)隊(duì)效率。

可以看到，大模型在本質(zhì)上和我們過去發(fā)明的汽車、電燈等工具沒有區(qū)別，我們創(chuàng)造他們的目標(biāo)都是為了我們能更好地工作和生活。而當(dāng)他們被創(chuàng)造出來并被社會(huì)認(rèn)可后，我們的生活確實(shí)變得更好了，更重要的是，就業(yè)市場(chǎng)會(huì)在這一過程中釋放韌性。比如，當(dāng)汽車出現(xiàn)后，馬車逐步推出歷史舞臺(tái)，車夫也“失業(yè)了”，但市場(chǎng)上有出現(xiàn)了汽車司機(jī)這一職業(yè)。

換句話說，無論是個(gè)人還是公司，面對(duì)巨變，都只能擁抱變化，改變自己，這樣才能獲得新的機(jī)會(huì)。

總的來看，隨著其大模型深度融入各行各業(yè)，一個(gè)生機(jī)勃勃的大模型生態(tài)體系正逐步構(gòu)建完善。從算力、存儲(chǔ)等基礎(chǔ)設(shè)施到大語言模型、多模態(tài)大模型再到百花齊放的AI應(yīng)用，屬于大模型的時(shí)代才剛剛到來。

讓我們一起期待下次AI大模型生態(tài)大會(huì)！