刷新大模型世界观

 近日，OpenAI 宣布，安卓版 ChatGPT 已正式上线。在连续几个月 ChatGPT 的网站与移动客户端的全球流量（PV）环比持续下降的情况下，安卓版 ChatGPT 的推出能否让 OpenAI 再度引爆市场？

ChatGPT 只是露出海平面的冰山一角，实际上由生成式 AI、大模型等激发的新一轮 AI 应用热潮一直在持续升温，且影响极其深远。从 2022 年底 ChatGPT 的爆火开始，人们对大模型本身的关注度不断高涨，国内形形色色的大模型也不断涌现。如今半年多过去了，人们对于大模型已经见怪不怪，反而对大模型如何与行业场景相结合并加速落地倾注了极大的热情。

中国科学技术信息研究所发布的《中国人工智能大模型地图研究报告》显示，截至 2023 年 5 月 28 日，国内 10 亿级参数规模以上的基础大模型至少已有 79 个。所谓的“百模大战”已经箭在弦上。迎接数智化时代的到来，通用模型与垂类模型会相互倾轧还是各领风骚？算力、数据与基础软件三大要素的同频共振，将是决定大模型落地的关键？回答这些问题，从 AI 企业到行业用户，将持刷新大模型世界观。

“垄断派”与“扩散派”之间的博弈

大模型真的“大”到高不可攀吗？实际上，业界关于大模型的研究早已有之，只不过 ChatGPT 是最先产品化并实现商业落地的。回顾历史，在拥有绝对技术代差的情况下，Google 搜索引擎确实具有一枝独秀的资本。另一个例子，曾经名噪一时的 Netscape 浏览器，在推出后差不多一年半的时间内几乎垄断了整个市场，但最终还是不敌 IE 浏览器，黯然退出了历史舞台。由此可见，如果在技术上没有绝对的代差，那么由产品飞轮带来的红利能够维持多久，需要打上一个大大的问号。说回到 ChatGPT，OpenAI 利用产品飞轮拉开的差距，或许还不足以成就其市场垄断地位。换句话说，在没有绝对技术代差的情况下，仅依靠产品飞轮带来的暂时领先，是有其脆弱性的。国内大模型厂商的迅速崛起与产品上的持续迭代也证明了这一点，国内外在大模型研发上的差距正逐渐缩小。

大模型市场上渐渐形成了两大阵营——一方是以 OpenAI 为代表的“垄断派”，它们拥有核心技术，以自有大模型为杀手锏；另一方可以称作“技术扩散派”，包括芯片厂商、云算力厂商和数据基础软件厂商等，它们是 AI 生态中的一份子，致力于为大模型的落地、AI 应用的普及提供必要的支撑。

大模型的出现是 AI 技术上的一次突破，是众多技术中的一个里程碑中。以此为契机，每个企业都可以拥有或建立属于自己的大模型，从而更好地达成自己的商业目标。九章云极 DataCanvas 董事长方磊指出，相比曾经的搜索引擎市场的博弈，大模型的垄断派和技术扩散派之间的博弈很可能是一个更加长期、复杂、激烈的过程，在此过程中，给每个企业和组织带来的影响也会更加深远和深刻。有足够技术能力的企业可以开发自己的大模型，而不具备单打独斗能力的，则可以借助开源社区的力量达成目标。从长远来看，大模型终究会成为业务创新的刚需，但是获取的途径可以是多样化的，同样用户的选择也是多元化的。

ChatGPT、大模型积极的意义在于，它让我们真实感受到，原来一些不敢想、不敢做的事情，现在已经有技术可以胜任。特别值得一提的是，大模型对算力、云和基础软件带来了颠覆性的影响。在云计算的上半场，主力是移动互联网，支持的主要是带宽密集型应用，比如网站、APP 等，其最突出的需求是弹性扩容能力。在这个阶段，公有云是重带宽而轻算力的。但是进入云计算的下半场，随着 AI 浪潮的又一次兴起，整个市场的驱动力变成了算力，人们追求的是更高的效率和更低的成本。比如，完成一次大模型的训练是 400 万元还是 500 万元，这才是人们关注的焦点。“云计算迈入‘深水区’，算力和 PaaS 的销售比例将越来越高。”方磊表示，“‘算力即是国力’。在‘东数西算’刚提出来时，有人可能会质疑，真的需要这么多的算力吗？但是在进入以 AI 为驱动的算力密集型应用时代，人们不禁会感慨，‘东数西算’这一释放算力需求的举措真的是高瞻远瞩。由 AI 驱动的中国算力建设会掀起一次真正的‘狂飙’。”

对于大模型的落地而言，基础软件是重要的前提。这也是为什么越来越多的软件厂商在大数据平台、向量数据库、湖仓一体等方面加大投入力度的重要原因。以前，基础软件存在较大的性能与成本上的差异化。因此，软件、模型与硬件的统一优化空间巨大。“强大而灵活的基础软件、开放弹性的白盒模型，再加上精通业务的专业人才，将加速实现大模型落地‘最后一公里’的跨越。”方磊表示，“为此，我们重磅推出了 AIFS（AI Foundation Software）人工智能基础软件 & DataPilot 数据领航员产品体系，为 AI 应用的落地夯实基础设施平台。”

 通用模型、垂类模型相辅相成

2023 年 3 月，彭博社发布了专为金融领域打造的大型语言模型（LLM）BloombergGPT。它基于彭博社的金融数据源，以开源的 GPT-3 框架为基础，构建了一个 3630 亿个标签的数据集，能够更好地处理金融领域的数据和任务。通用大模型与面向行业和企业的垂类大模型，谁能在商业市场上最先叫响？

“有券商曾经向我们咨询，能否一起开发一个类似 BloombergGPT 的证券行业大模型？”有一段时间，方磊一直被客户类似的询问所包围。从需求方来看，确实有一些大型央企以及金融行业头部企业对大模型非常感兴趣。一方面，出于业务创新的考虑；另一方面，也是因为“数据边界”问题，由于与业务密切相关的私域数据不能“走出”公司，因而无法直接采用通用大模型，所以希望构建属于自己的垂类大模型。

从供给方来看，比如云算力厂商，就非常希望与九章云极 DataCanvas 这样的基础软件厂商合作，推出打包的整体解决方案，让大模型的训练更具效率且成本更优。而这也正好契合了九章云极 DataCanvas 自身的定位，即“云中云”，为云算力厂商带来基础软件方面的增值，便于行业用户训练自己的垂类模型。

Databricks 于 2023 年 4 月 12 日发布了 Dolly 2.0。据称这是业内第一个开源的、遵循指令的 LLM，用户可在透明且免费提供的数据集上进行微调，从而构建自己的商业应用程序。这也给了同类 AI 基础软件厂商很大的启示和信心，通过构建和优化 AI 基础设施、数据平台和提供参考大模型，就能让行业客户更简单、快捷地打造属于自己的垂类大模型。

在大模型狂飙了半年多以后，人们对于通用大模型与垂类大模型的构建、部署和应用有了更深刻的认知，慢慢形成了一种共识：通用大模型会渐渐收敛，就像公有云那样大浪淘沙，最终市场上只剩下最强的几个；而市场上更多的则是面向行业和企业的垂类大模型。从未来发展趋势看，在开源的以及通用可参考的大模型之上，融入更多行业知识和企业经验的垂类大模型将层出不穷。行业龙头企业研发大模型，而中小企业在其上直接开发应用，或许将成为一种定式。

一种更切合实际的作法是像九章云极 DataCanvas 那样，“大小均涉及”。作为一款行业领先的人工智能应用构建基础设施平台， AIFS 覆盖了大模型的训练、精调、压缩、部署、推理和监控，以及小模型的全生命周期过程，为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员能够相互协作，轻松处理数据并使用这些数据来开发、训练和部署任何规模的模型。一句话， AIFS 旨在为用户自主构建全生命周期的“大+小”模型提供一站式支持。方磊表示：“我们致力于打造人工智能基础设施，既要为企业构建个性化、自主的大模型赋能，又可以将大模型与以往积淀的小模型相融合，应用于业务。”

大模型确实威力巨大，但它是否可以放之四海皆准，解决一切问题呢？从目前来看，一些巨大的场景、尖端的应用，还是要采用专用系统，而碎片化的场景或者解决一些长尾的 to C 方面的问题，则更适合采用通用大模型。说到底，专与精是两类不同的需求。一些行业的细分需求，寄希望于通过对通用大模型进行微调就能解决问题，实际上并不可行。一方面，通用大模型并一定具备特定行业所需的能力；另一方面，即使你想对大模型进行微调，可能也会因为大模型本身过于‘沉重’，而力不从心。从这个角度说，垂类大模型是有其存在和发展的必要性。

AI 普惠化 任重道远

众所周知，微软已经在 Azure、Microsoft 365 以及多款开发者工具中融入了人工智能功能。近日，微软首席财务官 Amy Hood 在一次分析师电话会议上表示，公司未来还将进一步增加数据中心建设成本，以便更好地支撑人工智能服务。不仅是微软，也不仅仅是美国华尔街，而是全世界都在热切期待，生成式 AI 能够为企业带来真正的收益和增值。

今天，越来越多类 ChatGPT 的大模型正在不断推出或在孕育之中，展现出巨大的技术和商业潜力，但欠缺的是足够丰富的应用场景，以及开放的、安全可靠、高效的人工智能基础设施。“现阶段，大模型的应用还是由创新驱动的，并非完全由业务驱动。”方磊表示，“大模型的普惠化是当务之急。”

国内外主流的云厂商不仅推出了自有的大模型，更为大模型的落地提供了完善的支撑，既有产品和服务层面的，也有生态、渠道方面的。比如，亚马逊云科技在近日举行的纽约峰会上宣布，推出 7 项生成式 AI 创新，包括 Amazon Bedrock 新增基础模型供应商 Cohere 和全新基础模型，Amazon EC2 P5 实例正式可用，Amazon OpenSearch Serverless 支持全新向量引擎，编程助手 Amazon CodeWhisperer 与 Amazon Glue 实现集成等。

IDC 发布的《IDC 中国 AI 公有云服务市场份额，2022》报告显示：2022 年中国 AI 公有云服务市场呈现出 80.6%的正增长，整体市场规模达 79.7 亿元。生成式 AI、大模型等新的能力在公有云上将实现更快的更新迭代。

“大模型时代需要完整基础设施升级，而不是依靠单个大模型解决所有问题；大模型的落地将解决更困难的问题，引起更深远的影响，而它并不比小模型更容易。”方磊如是说。

大模型带来的颠覆性并不只体现在大模型本身，而是将引发算力、数据、基础软件的一次最深刻的变革。未来，不管大模型如何演进迭代，高性能的基础软件与数据架构都是不可或缺的“底座”，在 AI 惠普化的进程中发挥基础与核心的作用。包括九章云极 DataCanvas 在内的众多致力于 AI 普惠化的厂商，将软件工具和解决方案作为赋能广大行业用户的抓手，持续融入前沿 AI 创新技术，助力其在大模型时代加速实现自主的数智化升级和 AI 规模化应用。

毋庸置疑，大模型应用终将走向普惠化。但在获得技术红利的过程中，人们也不得不在安全、监管、合规等方面投入更多精力。负责任地使用 AI，将规范、引导大模型又快又好地落地。