大模型“风口”与大数据系列之--

基础大模型纵横天下,垂直大模型各领风骚,专注一域称尊

今天，终于能挤出时间，开始动笔写这个期待已久的系列文章了。这个系列的灵感源自今年 2 月份我为极客时间做的一场直播，主题是“当大模型遇上大数据 预见 2024：解锁 AI 未来趋势”。

在那次分享中，我准备了一套 PPT，梳理了当前大模型技术的发展脉络、应用场景和未来图景、对行业与职场的改进、与大数据结合。直播结束后，就一直念念不忘，想把 PPT 中的干货提炼出来，写成一个系列，跟大家做更深入的交流。

但大家也知道，日常工作那么繁忙，总是被这事那事绊住，难得有空闲时间。接下来的日子，逐步把系列文章写出来，跟大家分享。

这个系列会用通俗有趣的方式，带大家了解：

• Part1 大模型的昨天今天明天

• •大模型元年

• •大模型的主要发展

• •大模型在 B 端 C 端的应用

• •大模型发展中的挑战

• •大模型的突破点

• Part2 大模型对企业、职场与个人成长的影响

• •后时代的商业模式与大模型

• •大模型与企业

• •大模型与个人

• •大模型与职场

• Part3 当大模型遇上大数据

  
  

大模型这个话题既好聊，又难聊。它涉及技术、商业、社会等多个维度，每个角度都有很多值得探讨的问题。我就结合自己整理的 PPT，谈谈个人对去年 GPT 火出圈、国内大模型井喷现象的一些看法。

**从商业角度来看，许多公司纷纷跟进大模型，更多是出于跟风心态，而非基于市场实际需求。OpenAI 的成功让大家看到了大模型的潜力，纷纷效仿，希望在这个新兴赛道上分一杯羹。但大模型的研发成本高，周期长，变现模式尚不明朗，盲目投入可能面临较大风险。

**从公司自身来看，拥有大模型确实是一项有价值的核心资产。强大的语言模型不仅能提升产品智能化水平，增强用户体验，还可以带动算力需求，促进相关产业发展。我们看到，很多上市公司在发布大模型产品后，股价都出现大幅上涨。

**从社会层面来看，每家公司都在训练自己的大模型，难免会导致资源浪费和重复建设。目前各家的模型在架构、性能上并无显著差异，缺乏突破性创新。站在更高维度，我们更应该合理整合资源，打造一个质量领先、开放共享的大模型，让各行业都能便捷调用，推动数字经济发展。

**作为产品经理，在考虑引入大模型时，要审慎权衡技术成熟度与商业可行性。大模型确实很酷炫，但能否解决用户痛点、创造实际价值，才是决定成败的关键。产品经理要基于充分的市场调研明确产品定位，而不是盲从技术热点。

**对创业者而言，单纯做一个通用大模型恐怕很难立足。关键要在大模型之上，构建行业解决方案，或开发面向特定场景的上层应用。这需要深入理解行业需求、精准把握用户痛点，在快速迭代中形成差异化优势和护城河，从而在竞争中笑到最后。

那什么是大模型呢？

先来讲一个笑话：

大模型浪潮来袭，AI 新时代已然开启。一天，松子带着快生的老婆逛街，无意间来到一个叫“数据工程”的胡同口。那里有个算命摊，摊主身前的电脑屏幕上数据变幻，旁边立着一副对联：

左联：GPT 的古怪预言家，OpenAI 炼丹炉中萃取智慧而来，冠为全知的 AI Agent

右联：基础大模型纵横天下，垂直大模型各领风骚，专注一域称尊

横批：Sora 必爱模型，预测过去未来，给你 60 秒可视化沉浸式体验

松子心头一想，哦原来是同道中人啊，是个搞大模型的。

便坐下来，问道 "先生，给我预一测。" "你预测什么？" "预测一下老婆生男生女。" "OK，让我算算。"

然后，老先生在电脑上捣鼓一通，阿松很好奇，探头看看，原来老先生正在用大模型输入一大堆提示词，拖过来拖过去，时而上钻，时而下钻。

时而易经大模型、时而周易大模型，时而大数据多维分析。时而理、预测、关联、系统、静态、动态、定性、定量。

不一会儿，给我媳妇儿讲你老婆怀孕了，因为肚子大了。" "预测" "以你老婆肚子大小为变量，预测在 34 天之后生。"

"关联来看" "你也是搞大模型的？那么十有八九会生女孩。"

"基础大模型来看” "小孩会从肚子里出来。"

"静态" "要生了。" "动态的" "生完如果不注意避孕，还会生的。" "定性的？" "会生的。" "定量的？" "会生俩。" "比较的？" "你会比那个早生。" "交互的？" "让我摸摸。

"靠，到底是生男生女" "嗯，基本上，结合各类模型预测，50％的概率是男，50％概率为女。"

松子扭头就走，留下摊主独自嘟囔：“至于吗？不就是开个玩笑嘛......”。松子边走边说，“海量知识、天马行空、温故知新，但也经常语无伦次、胡言乱语。这究竟是个什么妖魔？”

再举一个例子来解释什么是大模型：

比喻一下大模型是一个 985/211 毕业的大学生，在校期间他是被 OpenAi 这个老师用训练监督策略方法、训练奖励模型方法、强化学习等方法学习了各种知识（A、b、c、d） 同时还学习了全部人的人类知识基础知识，学习了基础推理，各种基础法则等。

当他毕业后就充当了大城市的一个公共向导员， 每天都有大量市民来问他各种问题，他会将自己学习到知识来回答人民的各种问题，大家发现这个公共向导员知识是海量的，还能帮忙总结、搜索问题，甚至还能给出一些思路上框架与指引。

这个毕业生刚开始有点内向，只知道一问一答，随着人们对他越来越熟悉，知道了各种问法。比如用更好的提示词，引导语，给出示例。他都能根据这些来很好的完成答案的生成，并且性格越来越外向。

久而久之大家感觉这个小伙子非常勤奋，吃苦耐劳，就让他承担更多的任务，法律、医生、物理、化学、数学题都会请教他。

但是吧，久而久之大家发现这个小伙子有时候一本正经的胡说八道，还有这些专业问题都回答错误，大家都开始当老师一般的教这个小伙子这些更加专业知识，还有干更多的活。

不久之后，ChatGPT 变得更加精于此道，变成了一个真正的垂类大模型，它不仅仅能够回答普遍的问题，还能处理特定领域的复杂查询。

大模型,正式名称叫"大规模语言模型"(Large Language Model),是自然语言处理领域的重大突破。它犹如一个饱读诗书却不拘小节的智者,懂得天文地理,能写能画,举一反三。这得益于它学习了海量的文本数据,通过深度学习算法,掌握了人类知识的精髓。

待续......

​ps：​在整理过程中参考了大量信息与资料​,参考链接后面会放出。