智能網原創(chuàng)，轉載請注明來源
從ChatGPT橫空出世，引發(fā)了無數的猜想和商機，到撥開迷霧，積極尋找大模型應用落地的支點，短短1年多的時間，大模型市場就迎來了從狂熱到冷靜的理性回歸。但是大模型與產業(yè)如何結合?開源模型和閉源模型如何選擇?除了資金企業(yè)還應該做好哪些準備?在產業(yè)應用之前，大模型依然有很多待解的難題。
近日，一場圍繞AI大模型的圓桌對話試圖從不同維度對上述問題給出答案。
安筱鵬：安筱鵬 阿里云智能集團副總裁
討論嘉賓：
殷宇輝 360集團副總裁、數智化集團CEO、人工智能研究院院長
周亞靈 華為云工業(yè)數字化首席產業(yè)架構師，總監(jiān)
杜夏威 中科曙光總裁助理兼智能計算產品事業(yè)部總經理
馬超 潤和軟件首席AI技術官
圓桌討論實錄
安筱鵬：歡迎大家來到圓桌對話環(huán)節(jié)!首先請4位嘉賓分別用一個關鍵詞來分享對于當下火熱的AI大模型的觀察。
殷宇輝：如果說用一個詞的話，我覺得是新質生產力的場明星場景。大模型是新質生產力的核心引擎，但基于 AI怎么樣找到場景去落地，其實是今年百行千業(yè)都面臨的問題。對此，每家企業(yè)都有自己的一些方法論和實踐，但是這些實踐怎么樣變得更通用，推動大模型更完善，或者更行業(yè)化、更垂直化，可能是我們下一步要探索的重點。
周亞靈：如果用一個詞的話，就是大模型代際技術升級帶來的商業(yè)價值閉環(huán)。
通信從3G到4G，手機從功能機到智能機，汽車從燃油車到新能源汽車都是代際升級，那么大模型或者人工智能的代際升級在哪里?能否像新能源汽車一樣帶來代際上的差異。其次，人工智能的具身智能，能夠真正帶來大規(guī)模顆粒變現，顆粒正循環(huán)的場景在哪里?這對于對行業(yè)的示范意義和引導意義非常重大。
杜夏威 ：用一個關鍵詞的話，我個人會選擇落地。大家都能夠感知到現在大模型的火熱程度，但是如何實現整個技術鏈條的閉環(huán)，形成產業(yè)級的應用，不僅是眼下的主要問題，也是決定大模型和AIGC技術持續(xù)可循環(huán)發(fā)展的一個關鍵問題。
馬超：用一個詞來形容大模型，我關注的是企業(yè)級應用。
企業(yè)應用大模型的時候會面臨成本、數據收集，行業(yè)KNOW-HOW沉淀等很多問題。相比AI1.0時代，大模型讓我們看到了人工智能的上限，同時也增加了企業(yè)級AI應用的落地成本，這個也是我今年比較關注的。
安筱鵬：AI大模型是一次技術的升級，還是會帶來一次技術的產業(yè)革命，業(yè)界有不同的認識和判斷。各位看來，這一輪的AI大模型跟5、6年前的傳統AI或者說判別式人工智能的本質區(qū)別是什么?它會不會帶來顛覆式的產業(yè)影響?
殷宇輝：AI大模型跟傳統AI或者大數據技術不同的幾個方面：第一在生成，第二是在邏輯性推理的增強，第三，也是最重要的是對交互方式的改變。
從Chat GPT開始，不管數字人還是各類問答，新的交互方式已經改變了我們的生活，這是大語言模型最本質的功能或特性。從GPT開始到現在文生視頻，基于transform架構可以實現文本的對齊，圖片的對齊，甚至視頻拆成一個立體空間再小塊的對齊，這和原來的技術架構是完全不一樣的。所以我同意您講的后半句，就是說這是一次產業(yè)革命，是產業(yè)革命一定是它給人們的使用帶來了交互式的革新。
第二，AI大模型的技術能隨著時間推演，逐步升維，同時成本還在持續(xù)降低。下一步，從泛互聯網延伸到傳統產業(yè)，這個模式最后會席卷所有產業(yè)，我覺得它會是一次真正的 AGI(通用人工智能)的革命。
馬超：我認為大模型跟傳統判別式模型的關鍵區(qū)別之一在開放域問題上。判別式模型要求在特定任務范圍產生相應的能力，而生成式模型更擅長于對開放域的問題進行相應的解決。
另外的區(qū)別是大模型的參數量，訓練數據量，還有智能化程度。比如，一些開源大模型，它不需要做任何的訓練就可以直接用于實際的應用，而且能取得比較好的效果，傳統的判別式模型需要從0開始訓練。另外，從產業(yè)顛覆的角度來講，AI的出現使得原本沒有進入賽道的企業(yè)，有可能通過AI技術進入客戶視野，可能會引起市場的重新洗牌。
其次，技術供應商的合作模式也發(fā)生了很大的改變。AI 1.0時代因為成本比較低，AI技術服務提供商可以一站式提供技術或方案。但是大模型出來之后，算力成本、數據成本、模型成本都在提高，不是一家供應商能夠完成的，所以形成了算力服務商、數據標注服務商、基礎模型服務商和解決方案服務商，4個角色共同為1家企業(yè)提供人工智能服務，技術供應商的體系結構分工更加明確。
安筱鵬：今年的漢諾威工業(yè)博覽會上提出了一個問題，美國的大模型和德國的制造業(yè)在結合之后做什么。中國也在探討大模型跟實體經濟的結合，在結合融合落地的過程中面臨哪些問題挑戰(zhàn)?加速推進應該具備哪些基礎?
周亞靈：大模型跟實體經濟的結合跟制造業(yè)數字化轉型一樣，很難有一個放之四海而皆準的法則，但是我們可以從細枝末節(jié)里看到一些通用的方法。基于華為公司自身去做大模型和應用大模型過程中形成的一些經驗，我們認為，做企業(yè)大模型首先要回答三個基本問題：第一，公司內部業(yè)務用大模型到底有沒有達成統一的共識，有沒有行動綱領。第二，公司有沒有核心的業(yè)務場景。第三、有沒有明確的組織，應用大模型一定要有組織和人才。
在應用大模型的過程中，華為形成了“四位一體”概念，即將業(yè)務場景、數據、算力和算法結合，在公司內部達成共識。
在核心業(yè)務場景方面，華為梳理了三大類的業(yè)務場景：第一類是價值最高的，生產力和競爭力提升的場景。第二類是防控風險防控場景，如合同大模型，供應鏈大模型。第三類是業(yè)務和體驗效率提升的場景，如員工的數字助理。
此外，在服務客戶的過程中又定義了“五有”，即有意愿、有場景、有數據、有人才、有計劃，并形成場景應用的價值閉環(huán)，運營閉環(huán)，生態(tài)閉環(huán)。
杜夏威 ：我覺得當下的大模型，如果僅僅作為一個技術研究領域，或者類似于一個純娛樂性的東西，可能并不需要去考慮太多的可治理性和嚴謹性。一旦回到工業(yè)化應用層面，就會變成一個非常嚴肅的問題，比如，故障率，穩(wěn)定性，容錯率怎么做。
我覺得可能有兩個層面需要嚴肅探討。第一，如果做工業(yè)級的應用，工業(yè)領域的專家首先要思考清楚，到底打算把它用在什么場景上，或者什么樣的場景適合和AI技術結合。并不是所有的場景都需要大模型，可能5年、10年前的AI技術完全可以把當前的問題解決掉。第二，原則上不存在一種萬能的大模型，或者說可能存在但未必是最高效的。探討工業(yè)級應用可能又是一個高度耦合的問題，需要復合型人才，需要多領域的協同來解決。
安筱鵬：下一個問題，當企業(yè)要解決特定行業(yè)發(fā)展中的問題時，基于一個基礎模型，如何能夠快速、低成本、高質量的訓練符合自己業(yè)務需要的模型?在算力數據、人才算法上有沒有什么樣的挑戰(zhàn)和問題?
殷宇輝 ：坦白講，在當前階段要想快速、低成本還要高質量，會有一些悖論。
今天，泛互聯網的業(yè)務基本上是在一個通用大模型上針對各種應用場景做微調。但是在to B場景里面，首先數據是一個特別大的壁壘，怎么懂專家知識，怎么讓大模型懂行話，這個是必須得邁過去的一道坎。
還有幾點我們在實際案例中摸索出來的經驗，首先，企業(yè)不一定需要一個參數量特別大的通用大模型，可能是又小又專的大模型的組合，針對不同場景可以用最輕量的微調方式，得到一個最適合自身場景的大模型應用。
周亞靈：現在大模型成本還是比較高的，又快速又便宜目前還是有挑戰(zhàn)的。
從我實際接觸的項目來看，有幾點觀察和可以跟各位分享。第一，模型的選型要結合場景，看企業(yè)自身的技術路線是什么。第二、根據自身能力選擇實施方式，選擇開源意味著你有組織和能力去不斷優(yōu)化、調優(yōu)，但是很多公司特別是中型企業(yè)或傳統企業(yè)，如果沒有這個能力，可以選擇一些商用的大模型，由供應商來提供端到端的高質量服務。第三、實施的時候可以從從輔助場景開始，一方面能快速看到價值，另一方面也是讓團隊快速成長起來。
我個人認為，大模型最終要重構所有的企業(yè)，重構所有人員，公司無論規(guī)模大小，自己一定要有構建能力，如果完全依賴供應商，很難把大模型用到實處。因為大模型有一個特點，會根據數據積累，根據應用場景越用越好用，如果完全不清楚怎么用的話，企業(yè)很難發(fā)揮好這個特點，這樣跟使用小模型相比，其實沒有任何的競爭力了。
安筱鵬：好，第三個好我們再問4位嘉賓最后一個問題?，F在數字技術體系的競爭是一個這個國家的競爭，生態(tài)的競爭，在這個過程中，怎么來看大模型的開源和閉源在整個產業(yè)發(fā)展中的作用?
馬超：我說一句比較客觀的話，閉源模型無論從數據投入還是算力投入，在通用的領域里面是要超越開源的。但是在在一些特定行業(yè)，經過微調后的開源模型能力不輸于沒法微調的商業(yè)模型。
商業(yè)模型可以生成一些數據，幫助引導訓練開源模型開源模型可能更適合于解決固定的場景化、低成本的解決方案，而商業(yè)模型更適合去推動整個行業(yè)發(fā)展，然后去輔助落實這些解決方案。
杜夏威：開源模型還是閉源模型，如果從用的角度上說，最后一定會變成你適合的是哪個。
閉源模型有它自身的一些技術優(yōu)勢，畢竟它通過了很多數據資產的凝練打磨，還有技術迭代，但是未必所有人都支付得起。開源在一定維度上提升了大模型技術的覆蓋面，讓更多的領域和用戶都有機會去嘗試。所以我覺得這個問題可能還會延續(xù)下去，兩者還是一個并存的狀態(tài)。
周亞靈 ：我個人覺得從整個信息產業(yè)來說，開源是個好事情。對于供應商來說，開源和閉源其實主要取決于商業(yè)決策，靠什么去變現，本質上它是商業(yè)行為，并不是技術路線的問題。開源也不意味著免費，閉源也并不意味著落后。
對用戶來說，開源和閉源還是和組織能力和場景選擇有關系。如果用戶真正的想把大模型融入骨子里，做成產品的一部分，可能選擇開源更好。從我們的經驗來說，閉源其實更方便，因為有商業(yè)保障，有商業(yè)服務。
殷宇輝 ：我特別贊同的說法是，開源真的改變了世界。
但是企業(yè)如果真正要用，還是要從自身定位出發(fā)，像互聯網企業(yè)大多數的基礎設施都是構建于開源軟件，因為互聯網場景多又復雜，如果基于閉源軟件很多情況需要持續(xù)去調優(yōu)。但是對于很多傳統企業(yè)，坦白講我覺得閉源可能用起來更放心，更穩(wěn)定更好用。
安筱鵬：根據大家的討論，我們的結論是：今天的AI大模型不是一次技術的簡單升級，而是一次技術的革命。
如果再去追問到底是什么革命，我覺得是三場革命：第一場革命就是人機交互革命。第二個場革命叫做認知協作，互聯網的本質是信息的供需精準匹配，而大模型帶來的認知協作是從問題到答案給出了最短路徑。第三個是計算范式的革命。今天我們看到全球芯片廠商市值在高速增長，這個革命如果是一場馬拉松的話，我們可能才跑出一公里，這是一個長跑，在這個過程中需要有爆發(fā)力，需要有耐力，它不僅僅是一個大模型本身的競爭，也是一個整個產業(yè)生態(tài)體系的競爭。
