最近几年来，大模型成为整个AI行业追逐的技术宠儿，提炼大模型如火如荼包括OpenAI，Google，微软，Nvidia，百度，华为，阿里巴巴等大公司都参与其中，各种不同参数，不同任务定位的大模型也在陆...
最近几年来，大模型成为整个AI行业追逐的技术宠儿，提炼大模型如火如荼包括OpenAI，Google，微软，Nvidia，百度，华为，阿里巴巴等大公司都参与其中，各种不同参数，不同任务定位的大模型也在陆续上市一时间，提炼大模型成为当前AI行业发展的一个主旋律
方融科技高级工程师，科技部国家科技专家周迪在接受《第一财经日报》采访时表示，al模式经历了前几年的探索期和突破期，部分技术逐渐成熟，现在一定程度上已经到了推广期大企业发布AI大模型，就是要抓住这个时间节点，先获得这方面的入场券该模型具有效果好，泛化能力强，R&D过程标准化程度高的特点，正在成为人工智能技术和应用的新基础
据中国信息通信研究院测算，2021年，计算能力核心产业规模超过1.5万亿元，相关产业规模超过8万亿元其中云计算市场超过3000亿元，IDC服务市场超过1500亿元，人工智能核心产业超过4000亿元
AI新基地
过去，大多数人工智能企业和研究机构遵循算法，计算能力和数据三位一体的研究范式，即基于一定的计算能力和数据，利用开源算法框架训练智能模型这也导致了目前的人工智能大多处于手工作坊阶段面对各行业的下游应用，AI逐渐呈现碎片化，多样化的特点，同时也存在模型通用性低的缺陷这不仅是AI技术的挑战，也限制了AI的产业化进程
从各种电商平台的智能推荐，到日常生活中的刷脸支付，现在各个方面都离不开AI为了满足这些需求，我们需要为每个特定场景收集大量数据，然后从中设计出专用于特定任务的模型，周迪告诉记者AI大模型希望做的是能够基于这个模型整合各种需求，从而适应多种差异化的业务场景，解决AI赋能万千行业所面临的碎片化，多样化问题
AI大模型提供了通用的解决方案通过预训练大模型+微调下游任务的方式，可以有效地从大量有标签和无标签的数据中捕捉知识，大大扩展了模型的泛化能力
华为瑞星计算业务总裁张告诉记者，过去在单个AI应用场景下，实际上是由很多模型组成，多个模型支持一个场景完成多个任务大模型是AI的发展趋势，即可以解决人工智能的很多问题因为大模型有很好的通用性，可以实现多个任务原来的场景需要多个小模型，现在大模型可以服务多个场景，这就是生产效率的提升目前国家有关部门也在牵头制定大型号的沙盘，避免科研机构和企业重复研发通过将各个领域的大模型与行业场景相结合，可以更好地加速人工智能技术产业的发展
阿里巴巴高级副总裁，达摩院副院长周表示:大模型模仿了人类认知的过程，这是我们目前的重要机遇通过整合AI在语言，语音，视觉等不同模式和领域的知识体系，我们期待多模态大模型可以成为下一代人工智能算法的基石，可以让AI只用‘单一感官’到‘全五感’，可以调用拥有丰富知识的大脑去理解世界和思考，最终实现接近人类水平的认知智能
巨人摔跤
事实上，从2020年开始，全球各大公司和研究所就开始了大型号的军备竞赛2020年夏天，OpenAI推出了GPT—3，在自然语言处理方面展现了惊人的能力它可以写文章，翻译，生成代码，甚至可以学习一个人的语言模式，并按照这个模式与人对话
GPT—3的推出也带动了全球AI大模型的爆发，参与企业越来越多，参数级别越来越大，成为新一轮AI竞赛的场地2021年，谷歌发布了万亿级模型Switch Transformer，微软和英威达也推出了拥有5300亿个参数的自然语言生成模型
国内企业也不甘落后华为，百度，阿里巴巴，浪潮等企业相继推出了自己的大机型
日前，阿里巴巴达摩院发布了最新的依桐大模型系列周表示，为了让大模型更加一体化，达摩院在国内率先搭建了AI统一基地，在业内首次实现了模态表示，任务表示，模型结构的统一
同一天，华为还发布了全球首款基于瑞星AI的三大模式机型紫东台初根据消息显示，紫东台初是一个具有跨模态理解和跨模态生成能力的千亿参数创新模型此外，以图制声，以声制图首次成为现实，是有限领域弱人工智能向通用人工智能的重要探索
根据华为的介绍，自2021年以来，国内业界陆续推出了鹏程盘古，鹏程神农，紫东太极，武汉珞珈，华为云盘古系列等颇具影响力的大机型基于不断崛起的AI，并陆续孵化出一批互联网，智慧城市，生物医药，金融，农业等行业的解决方案，加速AI在各行各业的应用
对此，周迪分析认为，Al模式经过前几年的探索和突破，部分技术已经逐渐成熟，现在一定程度上已经到了推广期各大巨头纷纷发布AI大模型，就是为了抢这个时间节点，先拿到入场券
挑战依然存在。
当然，AI大模型的发展也不是一蹴而就的要实现全模式，全任务的通用性，还有很多技术难点同时，由于计算资源的限制，其训练和落地应用都具有相当的挑战性
周迪认为，Al模型的发展主要面临三个瓶颈:体量，评测和应用第一，体积庞大，R&D和部署困难Al大型模型的参数和计算要求给开发，优化，部署等工程环节带来巨大压力，因此有必要加强AI大型模型轻量化技术的研发二是评价单一，应用效率难以显现目前对AI大模型的评价主要以学术榜单为主，难以客观有效地评价在行业场景中的应用效果建议完善AI大模型评价指标体系第三，应用有限，产品形态还在探索中建议鼓励AI大模型应用服务创新比如有的企业采用分行业的层级制，逐步实施AI大模型的落地
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
