永华股市资讯：要仰望星空，也要脚踏实地

2023-06-21 08:59:37

就像ChatGPT在进化到4.0时，展现出了几乎无所不知、无所不能的能力，但经过几个月的发展，人们却发现有很多垂直领域的问题它仍然无法解决。所以，GPT的成功，确实给业界指明了一个方向，但未来大模型产业的发展，不会只是“大模型”的进化。

正因如此，在世界人工智能大会上，关于AI大模型也有了更多维度的思考，可以简单概括为通用大模型、行业大模型和AI infra（AI架构）。这是围绕AI大模型衍生出来的三个重要方向，其中，通用大模型作为整个产业发展的基础，其重要性无需赘言，中国也需要更多企业加入进行前沿探索。

而行业大模型和AI infra是从加速大模型落地的角度出发，行业大模型解决的是大模型应用的问题，包括计算、存储、网络等在内的AI infra则代表着大模型发展的基础设施。近段时间，这两个方向也成为行业的焦点，毕竟，它们将直接推动大模型的落地和应用。

市场对于大模型的需求，从企业视角更容易观察和理解。某职业教育公司的负责人张晓明（化名）向21世纪经济报道记者表示，在去年12月份看到ChatGPT表现出的对话能力后，他就觉得这在公司很多业务场景都能进行应用，比如用户运营、客服等。

一开始，该公司也尝试接入ChatGPT的API，基于它的模型做微调。但是效果却不理想，“主要还是准确度的问题，如果模型提供的数据不准确，那在我们实际的业务场景中就很难落地。”张晓明说道，而且接入别人的模型，在数据安全方面也存在一些风险。

因此，张晓明很快就调整了思路，开始基于开源大模型，用自己的数据进行训练。从效果上来看，自己训练的大模型要比直接接入其他模型好很多，而且在数据更新方面，也更加便捷。

从70亿到130亿，现在该公司训练的模型参数已经达到300亿，但这也意味着更高的成本投入。据张晓明透露，目前公司做AI大模型相关工作的团队人数有五六十人，在不考虑人力成本的情况下，训练大模型仅云服务和硬件成本，就比原来提升了百分之二三十。

对于AI大模型未来的发展，张晓明认为，因为每家企业的业务都不同，而且最核心的业务数据都掌握在企业自己手中，所以未来最可能的模式就是模型能力+企业数据的结合。

张晓明同时表示，对于行业现在热议的行业大模型，他也十分期待。“自己训练大模型确实成本很高，如果云厂商能够提供一些服务，让企业可以用自己的数据训练模型，同时成本更低，且能支持大规模的自动伸缩，那对企业来说，也会是一种更佳的选择。”

对企业而言，真正可用的大模型需要足够的精准度，也需要懂行业，还要能保证数据安全和可持续迭代，在此基础上，成本则是越低越好。所以，基于行业大模型构建自己的专属模型，也成为企业更优的选项。