江苏龙网

  1. 主页 > 生活百科 > >

AI大模型 疯狂内卷( 二 )

AI大模型


作为国内首个发布大模型的互联网大厂 ， 百度也在人工智能大会上公布了“文心一言”最新进展 。百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰称 ， 文心大模型3.5效果、功能、性能全面提升 ， 实现了基础模型升级、精调技术创新、知识点增强、逻辑推理增强等 ， 模型效果提升50% ， 训练速度提升2倍 ， 推理速度提升30倍 。
卷算力
与三四月份人们充满期待的科幻想象相比 ， 当下做大模型的人 ， 关注的话题更接近现实 。他们发现 ， 数据是难题 ， 算力也是难题 ， 大模型这条路 ， 前景美好但现实艰难 。
华为目前正在着手解决算力问题 。7月6日 ， 华为宣布旗下算力解决方案昇腾AI集群全面升级 ， 集群规模从最初的4000卡集群扩展至16000卡 ， 为业界首个万卡AI集群 。此前 ， 腾讯云也面向大模型发布新一代高性能计算集群 ， 算力性能较前代提升高达3倍 。
不过 ， 当前的算力仍有很大挑战 。一位大模型创业公司人士表示 ， 大模型的研发成本非常高昂 。仅算力一个领域 ， 做训练、推理、数据处理 ， 就需要数千卡并行的能力 ， 这是一套非常复杂、也非常费钱的系统工程 。
算力之外 ， 还有其他挑战 。一位做智能汽车的创始人苦恼于数据量太大 ， 他们公司刚卖了1万辆汽车 ， 但产生的数据已让他觉得很庞大了 ， 他不敢想象卖到10万辆车时会怎样 。硬币的另一面 ， 也有人因为数据不够而感到困难 ， 一位用大模型做生物医药研发的人士说 ， 他们最缺的就是数据 ， 这阻碍了他们研发医药的速度 。
腾讯高级执行副总裁汤道生表示 ， 通用大模型一般基于公开信息来训练 ， 在许多专业知识和行业数据积累不足 。在策略上 ， 通用大模型有点像“把大海煮沸” ， 不够聚焦 ， 可以解决80%的问题 ， 但未必能够满足企业某个场景的具体需求 。
除此之外 ， 清华大学智能产业研究院院长、中国工程院院士张亚勤提到 ， 当下大模型仍有自己的局限性 。比如ChatGPT会有时效性问题 ， 你问它是什么时候发布的 ， 它不知道 ， 因为它使用的是2021年9月前的数据 。另外 ， 大模型还有效率低、涉嫌侵犯隐私和知识产权保护问题等 ， 这些问题都将影响大模型的商用 。
纵深
落地之路面临诸多阻碍
作为一项仍未完全成熟的技术 ， 行业大模型的落地之路仍面临诸多阻碍 。
一方面是监管仍待落地 。几乎所有的大模型产品都还没有全面开放API接口服务 ， 如百度、阿里就只供定向邀约客户使用 。在接受采访人员采访时 ， 科大讯飞总裁吴晓如指出 ， 目前在互联网或者公开的开放平台上 ， 还需要等到监管机构发牌以后 ， 大模型才能正式运作 。“目前很多开发者只能通过预体验的形式 ， 将他们的应用和我们的系统进行对接 。”
与此同时 ， 有大模型销售人员透露 ， 目前不少前来接洽的企业都有着相似的顾虑 ， 其中就包括大模型的不稳定问题 。
在世界人工智能大会大模型展区待了大半天、刷遍所有公司推出的大模型应用产品的工程师李捷也有同感 。他所在的通信公司想借助大模型实现业务端问答场景的落地 ， 但从这半天的试用结果来看并不乐观 。
对于C端用户而言 ， 大模型一本正经胡说八道的“机器幻觉”也常被调侃 。但如果要接入金融、医疗、工业制造等严肃B端场景 ， 这一潜在风险就可能造成经济损失或直接威胁生命安全 。
“大模型最大的不足就是‘幻觉’ ， 正式商用是不允许有‘幻觉’的 。”在头部自动驾驶厂商担任技术经理的张启强调 。
 
市场的另一个关注重点是大模型的数据安全问题 。高质量的数据是助力AI训练与调优的关键 ， 足够多、足够丰富的数据 ， 是生成式AI大模型的根基 。
据《机器之心》报道 ， 绝大部分企业不可能把敏感的内部数据上传 ， 比如产品设计、技术架构、核心代码、制造工艺、配方、客户隐私、会议纪要、战略文档、业务规划、商业逻辑等 ， 一定要保留在内部 ， 特别是对于国企央企、金融、能源、大型集团企业、先进制造等数据敏感性较高的行业而言 。


推荐阅读


上一篇：警惕 C++ 中的隐式类型转换

下一篇：PC级WPS功能普及！小米平板6全系均可使用