8月31日，首批11家通過《生成式人工智能服務(wù)管理暫行辦法》備案的AI大模型名單亮相。這些大模型將陸續(xù)向用戶開放，并不斷接受反饋進行迭代，成為各行各業(yè)廣泛使用的數(shù)據(jù)服務(wù)平臺。

從規(guī)模上看，第二批備案的大模型也在加快上市步伐。9月1日，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了《關(guān)于第二批深度合成服務(wù)算法備案的信息公告》，公告顯示，第二批深度合成服務(wù)共計110個算法信息完成備案。

這是一個關(guān)鍵節(jié)點，也被業(yè)內(nèi)看作歷史性機遇。9月份以來，大模型論壇和閉門會議層出不窮。面對廣闊的市場前景，相關(guān)企業(yè)和機構(gòu)紛紛投入人力物力財力，試圖搶占先機。

筆者認為，深耕大模型市場，首先要明確應(yīng)用場景。新技術(shù)一旦進入商業(yè)化階段，抓住需求擴大需求是第一位的。在激烈的大模型競爭中，部分機構(gòu)選擇“先入場再看路”，邊做邊改、邊研發(fā)邊挖掘客戶需求，導(dǎo)致用超高成本的大模型解決低級問題。

在大模型準(zhǔn)確度還不夠高、構(gòu)架還不夠穩(wěn)的背景下，研發(fā)上先要明確應(yīng)用場景，是做通用大模型還是行業(yè)大模型？是面向B端還是面向C端？

當(dāng)前大模型的主要商業(yè)場景集中在B端，這是基于規(guī)模化、規(guī)范化、實現(xiàn)難度等因素做出的抉擇。現(xiàn)階段，深耕B端企業(yè)客戶是務(wù)實之舉。當(dāng)模型不斷精調(diào)、算力成本大幅下降后，未來的AI明星應(yīng)用必將誕生于C端。例如ChatGPT快速迭代，也是基于海量的C端用戶基礎(chǔ)，并經(jīng)過一輪輪測試和完善才實現(xiàn)的。

其次要考慮算力投入的邊界。毫無疑問，大模型之戰(zhàn)的第一道坎是算力比拼。不同時期的算力標(biāo)準(zhǔn)是不一樣的：去年10億參數(shù)的模型就能稱為大模型；隨著入局者不斷加碼，目前大模型參數(shù)動輒上千億。大模型有足夠多的參數(shù)才能呈現(xiàn)出“智能涌現(xiàn)”效應(yīng)，進而在各個場景下具備通用能力。甚至有觀點認為，1萬張頂級顯卡才算是跨進了大模型的門檻。

公開資料顯示，GPT-4的模型擁有近1.8萬億參數(shù)、13萬億訓(xùn)練數(shù)據(jù)，其訓(xùn)練一次的成本高達6300萬美元。因此筆者認為，相對同質(zhì)化競爭嚴(yán)重的通用大模型而言，成本投入相對較小的垂直大模型還有巨大的市場機遇。

盡管中國大模型發(fā)展如火如荼，但與以O(shè)penAI（美國人工智能研究公司）為代表的一線機構(gòu)相比，還存在不小的技術(shù)差距。中國需要抓緊時間，縮小與強者的差距。筆者建議，在政策支持層面，一是要加強對高端算力的支持，降低應(yīng)用開發(fā)門檻；二是要加碼人才培養(yǎng)，促進高校與企業(yè)通力合作，產(chǎn)學(xué)研協(xié)同創(chuàng)新。正如百度集團副總裁侯震宇接受媒體采訪時所言，大模型也不是投一筆錢、做一個模型那么簡單，它需要有算力、有數(shù)據(jù)、有經(jīng)驗豐富的AI工程師在好的研發(fā)平臺上長期積累。

今年是大模型向上突破的一年，ChatGPT讓人們看到了大模型的巨大潛力，也推動了大模型的迭代進程。可以預(yù)見，基于我國龐大和多樣化的用戶基礎(chǔ)，我國大模型和其他AI技術(shù)將走向成熟，推動全社會向智能化和數(shù)字化轉(zhuǎn)型。