AI大模型或成未來(lái)數(shù)字經(jīng)濟(jì)的智能大腦

吳韶華：首先是應(yīng)用的碎片化，尤其是長(zhǎng)尾場(chǎng)景應(yīng)用的碎片化，是人工智能落地的難題。碎片化意味著不同場(chǎng)景需要有針對(duì)性的建模，每個(gè)小場(chǎng)景都要從數(shù)據(jù)到模型、應(yīng)用整個(gè)流程走一遍。此外，隨著數(shù)據(jù)的更新，模型也要更新。設(shè)想下，對(duì)于一個(gè)維護(hù)上百個(gè)模型的企業(yè)，要同時(shí)更新上百個(gè)模型及應(yīng)用，投入是巨大的。因?yàn)榇竽Ｐ途邆浔容^廣泛的普適應(yīng)用支撐能力，將傳統(tǒng)AI應(yīng)用的煙囪式、碎片化開發(fā)轉(zhuǎn)變成集中式開發(fā)，很好的緩解了碎片化場(chǎng)景反復(fù)建模的現(xiàn)象。

其次，大模型也可以使研發(fā)人員聚焦在應(yīng)用開發(fā)的核心要素上。在算法基礎(chǔ)設(shè)施層面，包括浪潮信息構(gòu)建的源 1.0都是開源開放的，開發(fā)者不需要關(guān)心底層搭建的技術(shù)，就能直接調(diào)用源1.0的大模型能力。這種能力把AI應(yīng)用的開發(fā)往上推了一大步，讓開發(fā)者聚焦應(yīng)用最核心的業(yè)務(wù)邏輯，把跟模型相關(guān)的內(nèi)容放在模型層面或算法基礎(chǔ)設(shè)施的層面。比如，基于源1.0搭建的“劇本殺”游戲，可以直接復(fù)用源1.0的開源代碼，開發(fā)過(guò)程基本不需要寫代碼和調(diào)試代碼，就完成了整個(gè)應(yīng)用的構(gòu)建，此時(shí)，開發(fā)者能把更多精力放在劇情內(nèi)容等創(chuàng)意的創(chuàng)作上。

總結(jié)一下，大模型一方面會(huì)將AI應(yīng)用的開發(fā)從煙囪式轉(zhuǎn)變到集中式開發(fā)，另一方面大模型降低了AI應(yīng)用的開發(fā)難度，讓開發(fā)者能夠更聚焦在核心業(yè)務(wù)邏輯上，這是大模型給AI的應(yīng)用落地帶來(lái)的兩大益處。

張誠(chéng)：大模型和AI產(chǎn)業(yè)的發(fā)展是一個(gè)必然趨勢(shì)，對(duì)這種趨勢(shì)的未來(lái)判斷其實(shí)通過(guò)回顧信息技術(shù)的商業(yè)應(yīng)用歷史來(lái)對(duì)照。上世紀(jì)90年代早期管理信息系統(tǒng)（MIS）剛開始在商業(yè)得到應(yīng)用的時(shí)候，企業(yè)往往需要18個(gè)月到36個(gè)月才能完成信息系統(tǒng)的建設(shè)和流程的配合。但是到了最近二十年，相關(guān)產(chǎn)品越來(lái)越標(biāo)準(zhǔn)，3個(gè)月到12個(gè)月就能完成中等規(guī)模信息系統(tǒng)的設(shè)計(jì)和上線應(yīng)用。從新技術(shù)發(fā)展來(lái)說(shuō)，早期很重的項(xiàng)目定制化咨詢方式，到現(xiàn)在越來(lái)越多的系統(tǒng)以產(chǎn)品化、標(biāo)準(zhǔn)化的方式復(fù)制實(shí)施。

同時(shí)，現(xiàn)在越來(lái)越多的云服務(wù)被采納，算法基礎(chǔ)設(shè)施使得算法逐漸產(chǎn)品化、技術(shù)集中化，最終完成“標(biāo)準(zhǔn)產(chǎn)品”應(yīng)用+二次開發(fā)的成熟模式。算法被標(biāo)準(zhǔn)化，應(yīng)用或設(shè)置也可以標(biāo)準(zhǔn)化，那么人工智能應(yīng)用的開發(fā)就不用從零開始做，時(shí)間也會(huì)大大縮短。同時(shí)，大模型的產(chǎn)品化、基礎(chǔ)化過(guò)程，讓企業(yè)智能化的成本越來(lái)越低，進(jìn)一步促進(jìn)人工智能產(chǎn)業(yè)的應(yīng)用發(fā)展。

黃心怡：浪潮信息在實(shí)際應(yīng)用過(guò)程中有沒(méi)有成本降低的案例

吳韶華：劇本殺就是一個(gè)典型的案例，在大模型出現(xiàn)之前，如果要做這樣一個(gè)游戲，需要很強(qiáng)大的模型，這個(gè)模型既要有對(duì)話能力，也要有邏輯推理能力，這對(duì)于模型的開發(fā)、數(shù)據(jù)的選擇門檻很高。

我們?cè)谠?.0開放過(guò)程中也遇到了很多類似情況，比如一個(gè)模型即可以支撐用戶的隨機(jī)閑聊，公文寫作，還可以支持一些特定場(chǎng)景的各類任務(wù)，這些在沒(méi)有大模型和算法基礎(chǔ)設(shè)施支撐之前，用戶需要有自己的算法人員，從頭開始收集數(shù)據(jù)、標(biāo)注數(shù)據(jù)，然后做模型等，經(jīng)過(guò)一系列研發(fā)流程，最后才能走到最核心的業(yè)務(wù)邏輯上。

現(xiàn)在有了大模型，這些問(wèn)題都可以得到很好的解決或者緩解，開發(fā)者不再關(guān)注底層算法基礎(chǔ)設(shè)施的構(gòu)建，只要通過(guò)API就能獲得相應(yīng)能力。所以大模型不管是從規(guī)?；?yīng)，還是針對(duì)單用戶的應(yīng)用場(chǎng)景，都在成本方面有比較好的促進(jìn)作用。

黃心怡：AI大模型的落地還存在哪些技術(shù)和應(yīng)用瓶頸？

張誠(chéng)：技術(shù)的應(yīng)用在商業(yè)上要回答好兩個(gè)最基本的問(wèn)題：投入產(chǎn)出比（ROI）和價(jià)值創(chuàng)造。

第一個(gè)問(wèn)題涉及商業(yè)運(yùn)營(yíng)的基本利益原則：技術(shù)帶來(lái)的生產(chǎn)效率提升超過(guò)技術(shù)投入，企業(yè)才愿意去使用它。隨著技術(shù)成本不斷降低，達(dá)到收益-成本的均衡點(diǎn)后，自然會(huì)有越來(lái)越多的企業(yè)愿意接受，現(xiàn)在只是企業(yè)在等待均衡點(diǎn)到達(dá)的合適時(shí)間點(diǎn)。關(guān)鍵是第二個(gè)問(wèn)題，涉及企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)和可持續(xù)發(fā)展的戰(zhàn)略問(wèn)題，即企業(yè)究竟需要什么樣的AI可以產(chǎn)生超越競(jìng)爭(zhēng)者的競(jìng)爭(zhēng)優(yōu)勢(shì)。這個(gè)問(wèn)題不完全是由技術(shù)決定的，而是由企業(yè)需求決定的。特別是實(shí)體企業(yè)，比如像制造業(yè)、傳統(tǒng)服務(wù)業(yè)，人在哪個(gè)地方做不好，哪個(gè)地方的生產(chǎn)效率或者轉(zhuǎn)換效率就會(huì)很低，如果用技術(shù)能夠解決、改變，技術(shù)與生產(chǎn)的結(jié)合就會(huì)非常重要。

假設(shè)把技術(shù)看成一種推動(dòng)力，哪些業(yè)務(wù)場(chǎng)景是AI真正能夠緊密結(jié)合在企業(yè)流程里，能夠解決企業(yè)實(shí)際的生產(chǎn)需求或者某個(gè)決策需求，同時(shí)經(jīng)濟(jì)和社會(huì)收益都是值得去做的，那么AI大模型就能順利落地。所以，從應(yīng)用的角度來(lái)看，大模型可能會(huì)遇到的瓶頸就是怎樣和實(shí)體企業(yè)的勞動(dòng)效率提升和形成競(jìng)爭(zhēng)優(yōu)勢(shì)這兩個(gè)需求結(jié)合起來(lái)。

吳韶華：大模型在技術(shù)上仍面臨著較大挑戰(zhàn)。首先大模型的構(gòu)建過(guò)程中面臨大規(guī)模、高質(zhì)量的數(shù)據(jù)集開發(fā)。數(shù)據(jù)集的質(zhì)量決定了模型的質(zhì)量，大規(guī)模的、高質(zhì)量數(shù)據(jù)集的構(gòu)建，是一個(gè)比較普遍的挑戰(zhàn)。不管是語(yǔ)言、文字等單模態(tài)數(shù)據(jù)，還是多模態(tài)數(shù)據(jù)，都面臨類似問(wèn)題。

第一是在軟件及方法方面，業(yè)界缺少開源軟件，也缺少數(shù)據(jù)集構(gòu)建和數(shù)據(jù)集質(zhì)量評(píng)測(cè)的相關(guān)標(biāo)準(zhǔn)。我們?cè)跇?gòu)建數(shù)據(jù)集的時(shí)候，基本上從零起步，從軟件、算法的角度構(gòu)建了一個(gè)關(guān)于數(shù)據(jù)集的端到端開發(fā)平臺(tái)。多模態(tài)數(shù)據(jù)集更是如此，多模態(tài)數(shù)據(jù)可能會(huì)包含文字、圖象、語(yǔ)音、視頻等，它不僅需要原始數(shù)據(jù)，還需要對(duì)原始數(shù)據(jù)進(jìn)行對(duì)齊，這更進(jìn)一步增強(qiáng)了數(shù)據(jù)集構(gòu)建的難度。大模型需要海量數(shù)據(jù)來(lái)做支撐，海量數(shù)據(jù)的收集本身就是一件比較有挑戰(zhàn)的事情。

構(gòu)建數(shù)據(jù)集后，需要一個(gè)大規(guī)模集群來(lái)做訓(xùn)練。以源1.0為例，在2128顆業(yè)界最先進(jìn)的GPU集群上開展訓(xùn)練。大規(guī)模集群算力的獲取就是一個(gè)比較大的挑戰(zhàn)。此外，怎么用好這個(gè)集群，加速訓(xùn)練過(guò)程，進(jìn)而降低算力成本開銷，也同樣充滿挑戰(zhàn)。

所以，從技術(shù)層面來(lái)講，大模型既有數(shù)據(jù)獲取，構(gòu)建的挑戰(zhàn)，也有模型算法、訓(xùn)練算力性能優(yōu)化的挑戰(zhàn)。

黃心怡：人工智能在數(shù)字經(jīng)濟(jì)當(dāng)中發(fā)揮的價(jià)值？它的挑戰(zhàn)以及機(jī)遇有哪些？

吳韶華：大模型以及其他人工智能模型，將會(huì)是數(shù)字經(jīng)濟(jì)的核心支撐。一方面它可以很好的挖掘數(shù)據(jù)價(jià)值，另外一方面，在應(yīng)用的智能化上也會(huì)發(fā)揮關(guān)鍵作用，大模型有可能會(huì)成為數(shù)字經(jīng)濟(jì)的智能大腦。

大模型帶來(lái)了很多新的機(jī)會(huì)，隨著技術(shù)的成熟，還會(huì)涌現(xiàn)更多機(jī)會(huì)。比如建模，AI大模型帶來(lái)的集中式建模能力將有效緩解碎片化應(yīng)用開發(fā)的痛點(diǎn)。同時(shí)，大模型本身也能否孵化出新型應(yīng)用，比如大模型具有很強(qiáng)的對(duì)話、交流能力，可以很好的賦能元宇宙的虛擬人場(chǎng)景。大模型對(duì)多模態(tài)信息的強(qiáng)大處理能力，也會(huì)孵化出來(lái)更豐富的多模態(tài)應(yīng)用。

張誠(chéng)：在過(guò)去的十年，更多的是人工智能和大模型的宣傳，嘗試，探索階段。接下來(lái)的十年會(huì)，對(duì)人工智能的應(yīng)用會(huì)更好、也會(huì)更成熟，企業(yè)更懂得人工智能、大模型技術(shù)是什么、什么時(shí)候應(yīng)用，同時(shí)還會(huì)很專業(yè)的評(píng)定收入產(chǎn)出比，評(píng)定人工智能對(duì)企業(yè)造成的成本增減，亦即獲得收益之間的平衡。當(dāng)AI大模型的應(yīng)用越來(lái)越成熟，我們就可以期待接下來(lái)每一年都比以前會(huì)更好。

黃心怡：總結(jié)一下您對(duì)AI大模型的一些思考

吳韶華：大模型將在技術(shù)上產(chǎn)生更多的突破，也會(huì)對(duì)應(yīng)用的規(guī)模化落地產(chǎn)生更好的促進(jìn)作用。

張誠(chéng)：大模型代表了人工智能技術(shù)發(fā)展向產(chǎn)品化、產(chǎn)業(yè)化落地的趨勢(shì)，這個(gè)趨勢(shì)繼續(xù)下去，會(huì)更深刻改變產(chǎn)業(yè)的格局。