AI大模型或成未来数字经济的智能大脑-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

北京，2022年6月24日/AP/–近年来，”人工智能大模型”已成为人工智能行业的”热门明星”。从国外的谷歌.微软.英伟达，到中国的浪潮信息.阿里巴巴和百度，他们不遗余力地布局人工智能大模型，人工智能大模式的参数数量达到了新的高度。

人工智能大模型有什么魔力能吸引这样的关注？人工智能大模型的工业应用价值是什么？工业化道路是荆棘丛生还是平坦？

近日，浪潮信息人工智能软件研发总监吴绍华博士和复旦大学管理学院张成教授应邀参观了Whale Platform的直播室，并与黄信义进行了高端对话，《美联社财经社会科学创新委员会日报》记者，人工智能大模型与人工智能产业发展的关系。

一个训练和多功能算法基础设施

AI大模型的出现让许多行业人士认为，这项技术将改变信息产业格局，即在基于数据的互联网和基于计算能力的云计算时代之后，基于大模型的AI时代将进入。未来，人工智能将流向终端.用户和供水.供电等企业。谁能做到这一点，谁就能在人工智能产业布局中获得先发优势。

什么是人工智能大模型？吴少华博士从技术角度解释说，人工智能大模型是”人工智能预训练大模型”的缩写，它包含”预训练”和”大模型”两个含义。二者的结合产生了一个新的人工智能模型，即该模型可以在完成大规模数据集的预训练后直接支持各种应用，而无需进行微调，或者只需要对少量数据进行微调。例如，浪潮信息在去年9月推出了2457亿参数大模型”Source 1.0″。一个模型可以提供各种应用程序，如聊天.对话.知识问答和写作。

从应用的角度来看，张成教授指出，大模型.训练数据.预训练等构成了人工智能的基础设施。该基础设施是浪潮信息提出的”算法基础设施”。在此基础上，它可以支持算法更有效地集成到当前企业各种业务使用的工具和软件中，形成算法应用价值的商业实现。

大模型加速人工智能产业化

目前，人工智能落地面临长尾场景应用”碎片化”.应用开发”高门槛”等挑战，人工智能大模型是解决人工智能产业应用痛点的好办法。

吴少华博士提出，人工智能大模型将对人工智能模型的构建和应用产生巨大影响，将把传统的烟囱式.碎片化的人工智能应用开发转变为集中开发。一方面，人工智能大模型具有良好的泛化能力。一个模型可以支持各种应用，有效地缓解了碎片化开发中重复建模的困境；另一方面，围绕AI大模型构建的算法基础设施，例如浪潮”source 1.0″大模型的开放API和开源应用程序代码，允许开发者直接在AI大模式的能力上构建应用程序，而无需考虑底层技术和设置编程环境。在降低开发门槛的同时，开发人员可以更多地关注核心业务逻辑。

张成教授认为，人工智能大模型代表了人工智能技术走向产品化和工业化的趋势，这种趋势的持续发展将深刻改变产业格局。与此同时，人们对人工智能的理解和行业对其能力的评估将变得越来越系统。

人工智能大模型的”先天优势”为加速人工智能产业化奠定了基础。在数字经济的未来，人工智能大模型和包括大模型在内的人工智能模型将以优异的数据价值挖掘能力和高应用智能水平成为数字经济的智能核心，甚至成为数字经济智能大脑。

当然，人工智能大模型的发展并非一蹴而就。吴少华博士指出，人工智能大模型的构建首先需要大规模高质量数据集的支持

张成：大模型和人工智能产业的发展是必然趋势。对这一趋势的未来判断实际上是通过回顾信息技术商业应用的历史来进行的。20世纪90年代初，当管理信息系统(MIS)首次应用于企业时，企业通常需要18至36个月来完成信息系统的建设和流程的协作。然而，在过去二十年中，相关产品变得越来越标准，中型信息系统的设计和在线应用可以在3至12个月内完成。从新技术发展的角度来看，从早期的项目定制咨询模式开始，越来越多的系统以产品化和标准化的方式被复制和实施，这是非常重要的。

与此同时，越来越多的云服务正在被采用。算法基础设施使算法逐步产品化，技术集中，最终完成了”标准产品”应用+二次开发的成熟模型。如果算法是标准化的，应用程序或设置可以标准化，那么AI应用程序的开发将不必从头开始，时间将大大缩短。同时，大模型的生产和基础过程使得企业智能的成本越来越低，进一步推动了人工智能产业的应用和发展。

黄信义：浪潮信息在实际应用中有没有降低成本的案例

吴少华：剧本sha人是一个典型的例子。在大模型出现之前，如果你想玩这样的游戏，你需要一个非常强大的模型。该模型应具有对话能力和逻辑推理能力，这对模型开发和数据选择具有较高的门槛。

在开源1.0的过程中，我们也遇到了许多类似的情况。例如，模型可以在某些特定场景中支持用户的随机聊天.官方文档写作和各种任务。在支持大型模型和算法基础设施之前，用户需要有自己的算法人员来收集数据.标记数据，然后从头开始构建模型，通过一系列的研究和开发过程，最后，我们可以进入核心业务逻辑。

现在有了大模型，这些问题可以很好地解决或缓解。开发者不再关注底层算法基础设施的构建，而是可以通过API获得相应的功能。因此，无论是从规模效应还是单用户应用场景来看，大型模型在提升成本方面都有很好的作用。

黄信义：人工智能大模型实施中的技术和应用瓶颈是什么？

张成：技术在商业中的应用需要回答两个基本问题：投入产出比(ROI)和价值创造。

第一个问题涉及企业经营的基本利益原则：只有当技术带来的生产力提高超过技术投资时，企业才愿意使用它。随着技术成本的不断降低，当达到利润-成本平衡点时，越来越多的企业将愿意接受它。现在，企业只是在等待合适的时间点，等待平衡点的到来。关键是第二个问题，它涉及企业竞争优势和可持续发展的战略问题，即什么样的人工智能企业需要产生超越竞争对手的竞争优势。这个问题不完全由技术决定，而是由企业的需要决定。特别是在真实的企业中，如制造业和传统服务业，如果人们做得不好，生产效率或转换效率将非常低。如果技术能够解决和改变，技术与生产的结合将非常重要。

如果将技术视为驱动力，人工智能可以将哪些业务场景真正融入企业流程，解决企业的实际生产需求或某些决策需求，经济和社会效益值得做，那么人工智能大模型就可以成功实施。因此，从应用的角度来看，大型模型可能遇到的瓶颈是如何结合实体企业的两个需求，提高劳动效率，形成竞争优势。

吴少华：大模型在技术上仍然面临巨大挑战。首先，在构建大型模型的过程中，面临大规模.高质量的数据集开发。这个