北京(jing)2022年6月(yue)24日(ri) /美通社/ -- 近(jin)幾年，“AI大模(mo)(mo)型”儼然是AI界的(de)“當紅明(ming)星”，從(cong)國外的(de)谷(gu)歌(ge)、微(wei)軟、英偉達，到國內的(de)浪潮(chao)信息(xi)、阿里、百度，都在(zai)不遺余力的(de)布局AI大模(mo)(mo)型，而AI大模(mo)(mo)型的(de)參數量(liang)更是屢創新高。

AI大模型(xing)究竟(jing)有什(shen)么魔力(li)能吸引(yin)如此關注？AI大模型(xing)的產業(ye)應用價值有多(duo)大？產業(ye)化道路是(shi)布(bu)滿荊棘(ji)還是(shi)一(yi)路坦途(tu)？

近期，浪潮(chao)信息AI軟件研發總監吳韶華博士和復旦大學管理學院張誠教授受(shou)財(cai)聯社邀請(qing)做客鯨平臺直(zhi)播間，與財聯(lian)社科創板日報(bao)記者黃心怡就AI大模型與人(ren)工智(zhi)能產(chan)業發展的關系展開了一場高端對話(hua)。 

一訓多能的算法基礎設施

AI大模型的(de)(de)出現，讓很多產業(ye)人(ren)士認為這(zhe)項技術會(hui)改變信息產業(ye)格局，即基于(yu)(yu)數據的(de)(de)互(hu)聯網時代、基于(yu)(yu)算力(li)的(de)(de)云計(ji)算時代之后，將進入(ru)基于(yu)(yu)大模型的(de)(de)AI時代。在(zai)未(wei)來(lai)，人(ren)工智能(neng)像(xiang)供水(shui)供電一樣(yang)流(liu)向終端(duan)，流(liu)向用戶、流(liu)向企業(ye)，誰能(neng)先做(zuo)到(dao)這(zhe)點，誰就會(hui)在(zai)AI產業(ye)布局中獲得先發優(you)勢(shi)。

什么是AI大模(mo)型(xing)？吳韶華博士從(cong)技術角度給(gei)出(chu)解釋，AI大模(mo)型(xing)是“人(ren)工智(zhi)能(neng)預訓練(lian)大模(mo)型(xing)”的(de)(de)簡稱，包(bao)含(han)了(le)“預訓練(lian)”和“大模(mo)型(xing)”兩層含(han)義(yi)，二者結(jie)合(he)產生(sheng)了(le)一種新的(de)(de)人(ren)工智(zhi)能(neng)模(mo)式，即模(mo)型(xing)在大規模(mo)數據集上完成(cheng)了(le)預訓練(lian)后無需微調(diao)，或僅需要少量數據的(de)(de)微調(diao)，就能(neng)直(zhi)接支(zhi)撐(cheng)各類應用。例如(ru)浪潮信息于去(qu)年9月推(tui)出(chu)的(de)(de)2457億(yi)參(can)數的(de)(de)大模(mo)型(xing)“源 1.0”，一個模(mo)型(xing)就能(neng)提供聊天、對(dui)話、知(zhi)識問答、寫作等各類應用。

張(zhang)誠教授(shou)從應用角(jiao)度(du)指出，大模型與(yu)訓練數據、預訓練等構成了AI的基(ji)礎(chu)(chu)(chu)架(jia)構，這(zhe)種基(ji)礎(chu)(chu)(chu)架(jia)構即(ji)浪潮信息(xi)提出的“算法(fa)(fa)基(ji)礎(chu)(chu)(chu)設施”，在此基(ji)礎(chu)(chu)(chu)上，可(ke)以支持算法(fa)(fa)更高效(xiao)地(di)融入當(dang)前(qian)企(qi)業(ye)各(ge)類業(ye)務所使用的工具軟件(jian)，形成算法(fa)(fa)應用價值的商(shang)業(ye)變現。

大模型加速AI產業化進程

當(dang)前人工(gong)智能落地面臨長尾場景應(ying)用(yong)的(de)(de)“碎(sui)片化(hua)”和(he)應(ying)用(yong)開(kai)發的(de)(de)“高門檻”等挑戰(zhan)，而AI大模型是解決AI產業化(hua)應(ying)用(yong)痛點的(de)(de)一劑良方(fang)。

吳(wu)韶華博士提(ti)出，AI大(da)(da)模(mo)型將對AI模(mo)型的(de)(de)(de)(de)構(gou)(gou)建(jian)及應用(yong)(yong)產生極大(da)(da)影(ying)響，它會將傳統煙囪(cong)式的(de)(de)(de)(de)、碎片化的(de)(de)(de)(de)AI應用(yong)(yong)開(kai)(kai)(kai)發轉向集中(zhong)式開(kai)(kai)(kai)發。一(yi)方面AI大(da)(da)模(mo)型具(ju)備很(hen)好的(de)(de)(de)(de)泛(fan)化能(neng)力(li)，一(yi)個模(mo)型可(ke)以(yi)支(zhi)撐各類不同(tong)應用(yong)(yong)，有效緩解碎片化開(kai)(kai)(kai)發反復(fu)建(jian)模(mo)的(de)(de)(de)(de)困境；另一(yi)方面，圍繞AI大(da)(da)模(mo)型構(gou)(gou)建(jian)的(de)(de)(de)(de)算法基礎設施，比(bi)如浪潮“源1.0”大(da)(da)模(mo)型開(kai)(kai)(kai)放(fang)的(de)(de)(de)(de)API、開(kai)(kai)(kai)源的(de)(de)(de)(de)應用(yong)(yong)代碼等，使開(kai)(kai)(kai)發者無(wu)需關心(xin)底層技術(shu)，設置無(wu)需配置編程環境，就可(ke)以(yi)直接(jie)將應用(yong)(yong)構(gou)(gou)建(jian)于AI大(da)(da)模(mo)型的(de)(de)(de)(de)能(neng)力(li)之上，在降低開(kai)(kai)(kai)發門檻的(de)(de)(de)(de)同(tong)時，讓開(kai)(kai)(kai)發人員能(neng)夠將更多的(de)(de)(de)(de)精力(li)聚焦(jiao)核心(xin)業(ye)務邏(luo)輯。

張(zhang)誠教(jiao)授則(ze)認為，AI大模型代(dai)表了人(ren)工智能(neng)技術向產品化(hua)、產業化(hua)落地(di)的(de)趨勢，這個(ge)趨勢的(de)持續發展(zhan)會(hui)深刻改變產業格局。同(tong)時，人(ren)們(men)對(dui)AI的(de)認知、行業對(dui)其能(neng)力的(de)評估都將越來越體系化(hua)。

AI大模(mo)(mo)型的(de)(de)“先天優勢(shi)”為其加速(su)AI產業化發展奠定了(le)基礎。在數字(zi)經濟(ji)的(de)(de)未來，AI大模(mo)(mo)型以及(ji)包含(han)大模(mo)(mo)型在內(nei)的(de)(de)人工(gong)智(zhi)能模(mo)(mo)型，憑借優秀的(de)(de)數據價值(zhi)挖掘(jue)能力，較高的(de)(de)應用智(zhi)能化水平，將會成(cheng)為數字(zi)經濟(ji)的(de)(de)智(zhi)能化核心，甚(shen)至會成(cheng)為數字(zi)經濟(ji)中的(de)(de)智(zhi)能大腦。

當(dang)然，AI大(da)(da)模(mo)(mo)型(xing)的(de)(de)發展也(ye)并非一蹴(cu)而就(jiu)的(de)(de)。吳韶華(hua)博士指出，AI大(da)(da)模(mo)(mo)型(xing)的(de)(de)構建，首(shou)先需要大(da)(da)規(gui)模(mo)(mo)、高質量(liang)數據集(ji)的(de)(de)支撐，數據集(ji)的(de)(de)質量(liang)很(hen)大(da)(da)程(cheng)度(du)上決定了模(mo)(mo)型(xing)的(de)(de)質量(liang)。在大(da)(da)規(gui)模(mo)(mo)高質量(liang)數據集(ji)上，目前不但缺(que)少(shao)相關配套軟件，也(ye)缺(que)少(shao)數據集(ji)質量(liang)評(ping)測標準；其次還(huan)有模(mo)(mo)型(xing)算(suan)法以及訓練算(suan)力(li)等方面的(de)(de)挑(tiao)戰。張誠教(jiao)授則(ze)認為，當(dang)前AI大(da)(da)模(mo)(mo)型(xing)和企業提升勞動(dong)效率需求的(de)(de)結合是最(zui)大(da)(da)的(de)(de)挑(tiao)戰，也(ye)就(jiu)是如何讓AI大(da)(da)模(mo)(mo)型(xing)在生(sheng)產中(zhong)真正(zheng)發揮生(sheng)產力(li)作用。

挑戰只是暫(zan)時的(de)(de)，AI大模(mo)型(xing)代表了人(ren)工智能技術(shu)發展的(de)(de)方向。吳韶華(hua)博士和張誠教授堅信，AI大模(mo)型(xing)會在技術(shu)上產生(sheng)更多的(de)(de)突破，也會對應用的(de)(de)規模(mo)化落(luo)地產生(sheng)更好(hao)的(de)(de)促進作用。

采訪實錄

黃心怡：請談談對AI大模型的理解。

吳韶華：AI大模(mo)型的(de)(de)出(chu)現帶來一種新(xin)的(de)(de)現象(xiang)，它將AI應用(yong)(yong)的(de)(de)開發(fa)從碎片化(hua)、煙囪式(shi)(shi)的(de)(de)開發(fa)，轉變成集(ji)中式(shi)(shi)開發(fa)，這種開發(fa)范(fan)式(shi)(shi)的(de)(de)變化(hua)，有望(wang)緩解當(dang)前人工智能(neng)(neng)落地難的(de)(de)問題(ti)，更好的(de)(de)賦能(neng)(neng)人工智能(neng)(neng)應用(yong)(yong)創新(xin)。

張(zhang)誠：我們可以(yi)(yi)把(ba)人工(gong)智能到商業(ye)應用(yong)看成(cheng)上下游(you)的(de)(de)(de)(de)關系，上游(you)對機器學(xue)習模型進行(xing)很好的(de)(de)(de)(de)預(yu)訓練，做(zuo)成(cheng)更(geng)扎實的(de)(de)(de)(de)“半成(cheng)品”，幫助下游(you)落(luo)時(shi)更(geng)好地把(ba)注(zhu)意力放到商業(ye)問(wen)題的(de)(de)(de)(de)優化上，這(zhe)樣(yang)算法的(de)(de)(de)(de)商業(ye)應用(yong)就會更(geng)快、更(geng)有(you)效(xiao)。比如(ru)，AI大(da)模型因(yin)為其(qi)自身具有(you)的(de)(de)(de)(de)兼容(rong)性能適應更(geng)多(duo)場景(jing)，同(tong)時(shi)大(da)模型做(zuo)到了相對標準(zhun)化，下游(you)可以(yi)(yi)降低對算法的(de)(de)(de)(de)使用(yong)成(cheng)本，以(yi)(yi)及和商業(ye)問(wen)題的(de)(de)(de)(de)適配成(cheng)本。當然(ran)，企業(ye)對這(zhe)種改變的(de)(de)(de)(de)適應也是影響大(da)模型產生(sheng)效(xiao)果的(de)(de)(de)(de)重(zhong)要影響因(yin)素(su)。

吳韶華：浪(lang)潮信息將大(da)模(mo)型看作算法(fa)基礎設施(shi)(shi)，這種基礎模(mo)型在算法(fa)層面的能力(li)，還要聯合服(fu)務軟件才能在應(ying)用(yong)(yong)中發揮(hui)出來(lai)。因此，在應(ying)用(yong)(yong)支撐(cheng)上模(mo)型和(he)服(fu)務軟件共同形成一種類(lei)似(si)于算法(fa)基礎設施(shi)(shi)的作用(yong)(yong)。

黃心怡: 您認為AI大模型的應用價值有多大？對于推進人工智能規模化落地能否起到作用？

吳韶華：首(shou)先是應用(yong)的(de)(de)碎(sui)片化，尤其是長(chang)尾(wei)場景應用(yong)的(de)(de)碎(sui)片化，是人(ren)工智能(neng)(neng)落地的(de)(de)難題。碎(sui)片化意味著(zhu)不同場景需要有針對(dui)性(xing)的(de)(de)建(jian)模，每個(ge)小(xiao)場景都要從數據到模型(xing)、應用(yong)整個(ge)流程走一遍(bian)。此外，隨著(zhu)數據的(de)(de)更新(xin)，模型(xing)也要更新(xin)。設想下，對(dui)于(yu)一個(ge)維護上百(bai)個(ge)模型(xing)的(de)(de)企業，要同時更新(xin)上百(bai)個(ge)模型(xing)及應用(yong)，投入是巨大的(de)(de)。因為大模型(xing)具備比較廣泛的(de)(de)普(pu)適應用(yong)支撐能(neng)(neng)力，將傳統(tong)AI應用(yong)的(de)(de)煙囪(cong)式(shi)、碎(sui)片化開(kai)發轉變成集中(zhong)式(shi)開(kai)發，很好的(de)(de)緩解了碎(sui)片化場景反復建(jian)模的(de)(de)現象。

其(qi)次，大(da)模(mo)型(xing)也可以(yi)使研發(fa)(fa)人(ren)員聚焦(jiao)在(zai)應(ying)(ying)用開(kai)發(fa)(fa)的(de)(de)(de)(de)(de)核心要素上(shang)。在(zai)算(suan)法(fa)基礎設施層面，包括浪潮信息(xi)構建(jian)的(de)(de)(de)(de)(de)源(yuan)(yuan) 1.0都是(shi)開(kai)源(yuan)(yuan)開(kai)放(fang)的(de)(de)(de)(de)(de)，開(kai)發(fa)(fa)者(zhe)不需要關心底層搭建(jian)的(de)(de)(de)(de)(de)技(ji)術，就能(neng)直接調用源(yuan)(yuan)1.0的(de)(de)(de)(de)(de)大(da)模(mo)型(xing)能(neng)力(li)(li)。這種能(neng)力(li)(li)把AI應(ying)(ying)用的(de)(de)(de)(de)(de)開(kai)發(fa)(fa)往上(shang)推了(le)一大(da)步，讓開(kai)發(fa)(fa)者(zhe)聚焦(jiao)應(ying)(ying)用最核心的(de)(de)(de)(de)(de)業務邏輯(ji)，把跟(gen)模(mo)型(xing)相關的(de)(de)(de)(de)(de)內容放(fang)在(zai)模(mo)型(xing)層面或算(suan)法(fa)基礎設施的(de)(de)(de)(de)(de)層面。比(bi)如，基于源(yuan)(yuan)1.0搭建(jian)的(de)(de)(de)(de)(de)“劇本(ben)(ben)殺”游戲(xi)，可以(yi)直接復用源(yuan)(yuan)1.0的(de)(de)(de)(de)(de)開(kai)源(yuan)(yuan)代(dai)碼，開(kai)發(fa)(fa)過(guo)程基本(ben)(ben)不需要寫代(dai)碼和調試代(dai)碼，就完成了(le)整(zheng)個應(ying)(ying)用的(de)(de)(de)(de)(de)構建(jian)，此時(shi)，開(kai)發(fa)(fa)者(zhe)能(neng)把更多精力(li)(li)放(fang)在(zai)劇情內容等創意的(de)(de)(de)(de)(de)創作上(shang)。

總結一下(xia)，大模(mo)型(xing)(xing)一方(fang)(fang)面會將AI應(ying)用(yong)的開(kai)(kai)(kai)發(fa)從煙囪(cong)式(shi)轉變到集(ji)中式(shi)開(kai)(kai)(kai)發(fa)，另一方(fang)(fang)面大模(mo)型(xing)(xing)降低了AI應(ying)用(yong)的開(kai)(kai)(kai)發(fa)難度，讓開(kai)(kai)(kai)發(fa)者能夠更聚(ju)焦在核心(xin)業務(wu)邏輯(ji)上，這是大模(mo)型(xing)(xing)給AI的應(ying)用(yong)落地帶來的兩(liang)大益處(chu)。

張誠(cheng)：大模型和AI產(chan)(chan)業(ye)的(de)(de)(de)發展(zhan)是(shi)一個(ge)必然趨勢，對這種趨勢的(de)(de)(de)未(wei)來(lai)判斷其實通(tong)過回顧信(xin)息(xi)(xi)技術的(de)(de)(de)商業(ye)應用(yong)(yong)歷史來(lai)對照。上(shang)世紀90年代早(zao)期(qi)管理信(xin)息(xi)(xi)系統（MIS）剛開始在商業(ye)得(de)到(dao)應用(yong)(yong)的(de)(de)(de)時(shi)候，企業(ye)往往需要(yao)18個(ge)月(yue)到(dao)36個(ge)月(yue)才(cai)能(neng)完(wan)成信(xin)息(xi)(xi)系統的(de)(de)(de)建設(she)和流程的(de)(de)(de)配合。但是(shi)到(dao)了最近二十年，相(xiang)關產(chan)(chan)品(pin)越(yue)來(lai)越(yue)標準，3個(ge)月(yue)到(dao)12個(ge)月(yue)就(jiu)能(neng)完(wan)成中等(deng)規模信(xin)息(xi)(xi)系統的(de)(de)(de)設(she)計(ji)和上(shang)線應用(yong)(yong)。從新技術發展(zhan)來(lai)說(shuo)，早(zao)期(qi)很重的(de)(de)(de)項目(mu)定制(zhi)(zhi)化咨詢方式，到(dao)現(xian)在越(yue)來(lai)越(yue)多(duo)的(de)(de)(de)系統以產(chan)(chan)品(pin)化、標準化的(de)(de)(de)方式復制(zhi)(zhi)實施。

同時(shi)，現在(zai)越來越多的云服務被采納，算法基(ji)(ji)礎設施(shi)使得算法逐(zhu)漸(jian)產品(pin)化(hua)、技術集中化(hua)，最終完成“標準產品(pin)”應(ying)(ying)用(yong)+二(er)次開(kai)發的成熟模式。算法被標準化(hua)，應(ying)(ying)用(yong)或設置也可以(yi)標準化(hua)，那(nei)么人工(gong)智能應(ying)(ying)用(yong)的開(kai)發就不用(yong)從零開(kai)始做，時(shi)間也會大大縮短(duan)。同時(shi)，大模型的產品(pin)化(hua)、基(ji)(ji)礎化(hua)過程，讓企業(ye)(ye)智能化(hua)的成本越來越低，進一步促進人工(gong)智能產業(ye)(ye)的應(ying)(ying)用(yong)發展。

黃心怡：浪潮信息在實際應用過程中有沒有成本降低的案例

吳韶(shao)華：劇本殺就是(shi)一個(ge)典型(xing)的案例，在大(da)模(mo)型(xing)出現之前(qian)，如果要(yao)做(zuo)這(zhe)樣一個(ge)游(you)戲，需要(yao)很(hen)強大(da)的模(mo)型(xing)，這(zhe)個(ge)模(mo)型(xing)既要(yao)有對話能(neng)力，也要(yao)有邏輯推理(li)能(neng)力，這(zhe)對于模(mo)型(xing)的開(kai)發、數(shu)據的選(xuan)擇門檻(jian)很(hen)高。

我們在源1.0開放過(guo)程(cheng)中也遇到(dao)了很多類似情況，比如一(yi)(yi)(yi)個(ge)模型即可以支撐用(yong)戶的隨機(ji)閑(xian)聊，公文寫作，還可以支持一(yi)(yi)(yi)些(xie)特定場景(jing)的各類任務(wu)，這些(xie)在沒(mei)有大模型和(he)算法基礎設施支撐之前，用(yong)戶需要有自己(ji)的算法人員，從(cong)頭開始收集數據、標注數據，然后做模型等，經過(guo)一(yi)(yi)(yi)系列研發流程(cheng)，最(zui)后才能走到(dao)最(zui)核心的業(ye)務(wu)邏輯上。

現在(zai)有了(le)大模型(xing)，這些問題(ti)都可以得到很(hen)好的(de)(de)解(jie)決(jue)或者緩(huan)解(jie)，開發者不再關注(zhu)底層算法基礎設施的(de)(de)構(gou)建，只要通(tong)過(guo)API就能(neng)獲得相應能(neng)力。所以大模型(xing)不管是從規模化效應，還是針對單(dan)用戶(hu)的(de)(de)應用場(chang)景(jing)，都在(zai)成本方(fang)面有比較好的(de)(de)促進作(zuo)用。

黃心怡：AI大模型的落地還存在哪些技術和應用瓶頸？

張(zhang)誠：技術的應用在商業上要回答好兩個最基本的問題：投入(ru)產出比（ROI）和價(jia)值創造。

第一個問題(ti)(ti)涉及(ji)商(shang)業(ye)(ye)(ye)運營的(de)(de)基本利益(yi)原(yuan)則：技(ji)術(shu)(shu)(shu)帶來的(de)(de)生產效(xiao)(xiao)率提升超(chao)過技(ji)術(shu)(shu)(shu)投入，企(qi)(qi)業(ye)(ye)(ye)才(cai)愿意去使用它。隨著技(ji)術(shu)(shu)(shu)成(cheng)本不(bu)斷(duan)降低(di)，達到收益(yi)-成(cheng)本的(de)(de)均衡點(dian)(dian)后，自然(ran)會有越來越多的(de)(de)企(qi)(qi)業(ye)(ye)(ye)愿意接受，現在只是(shi)企(qi)(qi)業(ye)(ye)(ye)在等待均衡點(dian)(dian)到達的(de)(de)合適時(shi)間(jian)點(dian)(dian)。關鍵是(shi)第二個問題(ti)(ti)，涉及(ji)企(qi)(qi)業(ye)(ye)(ye)競爭優勢和可(ke)持續(xu)發展(zhan)的(de)(de)戰略問題(ti)(ti)，即(ji)企(qi)(qi)業(ye)(ye)(ye)究竟需要什么樣的(de)(de)AI可(ke)以產生超(chao)越競爭者(zhe)的(de)(de)競爭優勢。這個問題(ti)(ti)不(bu)完全是(shi)由技(ji)術(shu)(shu)(shu)決定(ding)的(de)(de)，而是(shi)由企(qi)(qi)業(ye)(ye)(ye)需求決定(ding)的(de)(de)。特別(bie)是(shi)實體企(qi)(qi)業(ye)(ye)(ye)，比如像制造業(ye)(ye)(ye)、傳統服務業(ye)(ye)(ye)，人在哪(na)個地方(fang)做不(bu)好，哪(na)個地方(fang)的(de)(de)生產效(xiao)(xiao)率或(huo)者(zhe)轉換效(xiao)(xiao)率就會很(hen)低(di)，如果用技(ji)術(shu)(shu)(shu)能(neng)夠(gou)解決、改變，技(ji)術(shu)(shu)(shu)與生產的(de)(de)結合就會非(fei)常(chang)重要。

假設把技(ji)術看(kan)成一種推動(dong)力(li)，哪些業(ye)務場景是(shi)AI真正能夠緊(jin)密結合(he)在企業(ye)流程里，能夠解決企業(ye)實際的生產需(xu)求(qiu)或者(zhe)某個決策需(xu)求(qiu)，同時經(jing)濟和社會收益都是(shi)值得去做的，那么AI大(da)模型就(jiu)能順(shun)利落地。所以(yi)，從應用(yong)的角度來看(kan)，大(da)模型可能會遇到的瓶(ping)頸就(jiu)是(shi)怎樣和實體企業(ye)的勞動(dong)效(xiao)率提升和形成競爭優勢這兩個需(xu)求(qiu)結合(he)起來。

吳(wu)韶華(hua)：大(da)(da)(da)(da)模(mo)(mo)型(xing)(xing)在技術上(shang)仍(reng)面(mian)臨著較(jiao)大(da)(da)(da)(da)挑戰(zhan)。首(shou)先大(da)(da)(da)(da)模(mo)(mo)型(xing)(xing)的(de)(de)構(gou)建過程中面(mian)臨大(da)(da)(da)(da)規(gui)模(mo)(mo)、高質(zhi)(zhi)量(liang)(liang)的(de)(de)數(shu)據集(ji)開(kai)發。數(shu)據集(ji)的(de)(de)質(zhi)(zhi)量(liang)(liang)決定了模(mo)(mo)型(xing)(xing)的(de)(de)質(zhi)(zhi)量(liang)(liang)，大(da)(da)(da)(da)規(gui)模(mo)(mo)的(de)(de)、高質(zhi)(zhi)量(liang)(liang)數(shu)據集(ji)的(de)(de)構(gou)建，是一個比較(jiao)普遍的(de)(de)挑戰(zhan)。不管是語(yu)言(yan)、文字等單模(mo)(mo)態(tai)數(shu)據，還是多模(mo)(mo)態(tai)數(shu)據，都(dou)面(mian)臨類似問題。

第一是(shi)在軟(ruan)(ruan)件及方法(fa)方面，業界缺少開源軟(ruan)(ruan)件，也缺少數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)構(gou)建和數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)質(zhi)量評測(ce)的(de)相關標(biao)準。我們在構(gou)建數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)的(de)時候，基本上從零起步(bu)，從軟(ruan)(ruan)件、算法(fa)的(de)角度(du)構(gou)建了一個關于數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)的(de)端(duan)到端(duan)開發(fa)平臺。多(duo)模態數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)更(geng)(geng)是(shi)如此，多(duo)模態數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)可能會包含文字、圖(tu)象、語音(yin)、視頻等，它(ta)不(bu)僅需要(yao)原(yuan)始數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)，還(huan)需要(yao)對(dui)原(yuan)始數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)進(jin)行對(dui)齊(qi)，這更(geng)(geng)進(jin)一步(bu)增強(qiang)了數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)集(ji)(ji)構(gou)建的(de)難(nan)度(du)。大模型需要(yao)海(hai)量數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)來做支撐，海(hai)量數(shu)(shu)據(ju)(ju)(ju)(ju)(ju)(ju)的(de)收集(ji)(ji)本身就是(shi)一件比較(jiao)有挑戰的(de)事情。

構(gou)建數據集后，需要一個(ge)(ge)大規模集群(qun)來做訓(xun)練(lian)。以(yi)源1.0為例，在2128顆業(ye)界(jie)最先(xian)進(jin)的GPU集群(qun)上開(kai)展(zhan)訓(xun)練(lian)。大規模集群(qun)算力的獲(huo)取就是一個(ge)(ge)比較(jiao)大的挑戰(zhan)(zhan)。此外，怎么用好這個(ge)(ge)集群(qun)，加速訓(xun)練(lian)過程，進(jin)而降低算力成本開(kai)銷，也(ye)同樣充滿(man)挑戰(zhan)(zhan)。

所以，從技術層面來講，大模型既(ji)有(you)數據獲取，構建的挑戰，也(ye)有(you)模型算法、訓練算力(li)性能(neng)優(you)化的挑戰。

黃心怡：人工智能在數字經濟當中發揮的價值？它的挑戰以及機遇有哪些？

吳韶華：大(da)模(mo)型(xing)以(yi)及(ji)其(qi)他人工智能(neng)模(mo)型(xing)，將會(hui)(hui)是數字經濟的(de)核心(xin)支撐。一方面它可以(yi)很(hen)好的(de)挖掘數據價值，另外一方面，在(zai)應用的(de)智能(neng)化上也會(hui)(hui)發揮關鍵作用，大(da)模(mo)型(xing)有可能(neng)會(hui)(hui)成為數字經濟的(de)智能(neng)大(da)腦(nao)。

大(da)(da)模(mo)(mo)型帶(dai)(dai)來(lai)了很多(duo)新的(de)機(ji)會，隨著技術的(de)成(cheng)熟(shu)，還會涌現更多(duo)機(ji)會。比(bi)如(ru)建模(mo)(mo)，AI大(da)(da)模(mo)(mo)型帶(dai)(dai)來(lai)的(de)集中式建模(mo)(mo)能(neng)(neng)力將有效(xiao)緩解碎片(pian)化應(ying)用開(kai)發(fa)的(de)痛點。同時，大(da)(da)模(mo)(mo)型本身也能(neng)(neng)否孵(fu)化出新型應(ying)用，比(bi)如(ru)大(da)(da)模(mo)(mo)型具(ju)有很強的(de)對(dui)話(hua)、交流能(neng)(neng)力，可以很好的(de)賦能(neng)(neng)元宇(yu)宙的(de)虛(xu)擬人(ren)場景。大(da)(da)模(mo)(mo)型對(dui)多(duo)模(mo)(mo)態信息的(de)強大(da)(da)處理(li)能(neng)(neng)力，也會孵(fu)化出來(lai)更豐富的(de)多(duo)模(mo)(mo)態應(ying)用。

張誠：在過(guo)去的(de)(de)(de)十年，更多的(de)(de)(de)是人(ren)工智能(neng)(neng)和大模型(xing)的(de)(de)(de)宣傳(chuan)，嘗試，探索階段。接下(xia)來(lai)(lai)的(de)(de)(de)十年會，對人(ren)工智能(neng)(neng)的(de)(de)(de)應(ying)用(yong)會更好、也會更成(cheng)熟(shu)，企業更懂得人(ren)工智能(neng)(neng)、大模型(xing)技術是什(shen)么、什(shen)么時候應(ying)用(yong)，同時還會很專業的(de)(de)(de)評(ping)定收入產(chan)出比，評(ping)定人(ren)工智能(neng)(neng)對企業造成(cheng)的(de)(de)(de)成(cheng)本(ben)增減，亦(yi)即獲得收益之(zhi)間(jian)的(de)(de)(de)平衡。當AI大模型(xing)的(de)(de)(de)應(ying)用(yong)越來(lai)(lai)越成(cheng)熟(shu)，我(wo)們就(jiu)可(ke)以(yi)期待接下(xia)來(lai)(lai)每一年都比以(yi)前(qian)會更好。

黃心怡：總結一下您對AI大模型的一些思考

吳(wu)韶(shao)華：大模型將在(zai)技術(shu)上產(chan)生(sheng)更多(duo)的(de)(de)突(tu)破，也會對(dui)應(ying)用(yong)(yong)的(de)(de)規模化(hua)落地(di)產(chan)生(sheng)更好(hao)的(de)(de)促(cu)進作(zuo)用(yong)(yong)。

張(zhang)誠：大(da)模型代(dai)表(biao)了人工智能(neng)技術(shu)發展向(xiang)產(chan)(chan)品(pin)化、產(chan)(chan)業(ye)化落地的(de)趨勢(shi)，這個趨勢(shi)繼續下去，會更深刻改變產(chan)(chan)業(ye)的(de)格局。