大厂赶超ChatGPT

大厂赶超ChatGPT

ChatGPT上线的两百天里,国内大模型发展开启”狂飙”模式。

据称,中国10亿参数规模以上的大模型已发布79个。

大模型进化场,讲究一个百模混战:百度文心大模型已进化至3.5形态;阿里通义千问构建家族模式;京东言犀大模型则是为自己”量身定做”的产业大模型;美团牵手清华系,领投AI公司智谱华章;360智脑将接入”360全家桶”……

大厂大模型进化论,残酷又现实,要么赶超,要么被淘汰。物竞天择,适者生存,大厂大模型纷纷赶超ChatGPT。

可以看出,大厂大模式,拼研发的时刻到了。

大厂大模型哪家强?

今年上半年正式公开宣布做大模型的企业就有近百家,各家大模型正陷入酣战。其中,有阿里、百度、腾讯、京东、字节跳动等互联网大厂玩家,也有科大讯飞、商汤科技等AI公司,还有其他”杂牌军”也混入其中。

半年时间,大模型赛道完成了从概念到落地的进程,这放在任何赛道都很炸裂。

但是,到目前为止,都没有明确的指标或者准则去验证谁家的大模型更优质,一个接着一个发布会,”王婆卖瓜自卖自夸”式的自我评价,令人眼花缭乱之余,并没有太多客观性。

那么,百模大战,究竟谁更胜一筹?

在IDC最新发布的《AI大模型技术能力评估报告,2023》中,首次提出AI大模型技术能力评估框架。

评估大模型共有三大维度:产品技术、服务生态、行业应用。

具体细分指标可达12个:算法模型、服务能力、通用能力、创新能力、平台能力、安全可解释、生态合作、行业覆盖、金融、工业、医疗、能源。

其中,算法模型和行业覆盖,是衡量大模型能力最重要的2个指标,特别是,二者可以形成持续迭代提升的飞轮。

产品技术能力中,”算法模型”维度是大模型能力最为核心的要素,也是决定大模型应用效果的根本所在。

原因在于,只有通过算法模型技术的突破,实现具有通用效果优势的大模型底座,才能支撑更广泛的行业覆盖,使各行各业充分享受技术突破带来的红利,破解AI落地门槛高的困境。

行业应用能力中,应用覆盖的广度是当下大模型厂商最为关注的指标,是大模型效果通用领先性、行业结合能力的综合体现。

所以,”行业覆盖”通过企业级客户数量和落地行业数,体现了大模型在产业落地上的实力。

国内主流大模型,包括百度、阿里、腾讯、华为、科大讯飞、360、商汤、第四范式等14家厂商参与了本次评估。

大厂大模型的竞争咬合度很高,百度特点具有”芯片-框架-模型-应用”四层技术栈完整布局的独特优势:芯片层-昆仑芯、框架层-飞桨、模型层-文心大模型,以及各种AI的落地应用。

阿里云,也很亮眼,12项指标获得6项满分,且是唯一获得”服务能力”满分的厂商。作为基础模型提供方,大模型厂商的平台能力、服务能力和生态合作水平对行业发展至为重要。阿里云在这三个指标上都获得了满分。

目前,阿里云的通义大模型家族现已具备处理或生成文本、语音和图片等多种模态的能力。过去3个月,阿里云先后推出了基础模型”通义千问”、音视频大模型产品”通义听悟”、 AI绘画创作大模型”通义万相”,通义大模型家族仍在不断迭代和进化中。

同为互联网大厂的腾讯云和京东云,都选择根据自身特色,深耕产业侧,发布行业大模型。

腾讯云在构建行业大模型的基础上,用自身数据进行微调,打造出数据精准性更高、隐私安全性更强的专属模型。

对于深耕数年供应链的京东来说,长期扎根于电商业务和物流业务,选择奔向产业大模型,专注于供应链是更好的选择。正如京东在言犀大模型发布会上所言,”只有将供应链做实,才能将大模型做实”。

科大讯飞等AI厂家在垂直赛道也拿到了满分,这些玩家在做透垂直行业上有机会,在厂商竞争中,垂直领域优势明显企业将领先。

以科大讯飞为例,科大讯飞专注人工智能领域20多年,多项核心技术均处于国际领先水平,星火大模型将大模型的语言理解能力、概括表达能力结合类搜索插件,有效解决了新知识难以更新、事实类问答容易”张冠李戴”等行业难题,实现了知识问答能力相比原来24%的提升。

由于训练大模型的成本极高,普通开发者和中小企业无从下手,这从报告结果也能看出:其他厂也很努力,但前途漫漫,说得更残酷些,可能连上桌吃饭的机会都少有。

大模型未来通往何方?

在前不久的WAIC大会上,入场大模型的玩家们其实已经划出了重点:首先解决技术问题,再是场景落地,最后实现商业与规模化。

目前,我们看到大模型已经开始与场景、行业进行深度融合,例如,代码生成、蛋白质结构预测等领域的大模型,验证了大模型已不仅在科技企业中应用,也迈出了走向各行各业的步伐。

国内大模型飞快跃过大模型概念股阶段,AI大模型已经从拼参数发展到拼应用。

比如,华为盘古大模型已经在气象、医药研发、电力、语种等领域落地,并交付了多个千亿参数大模型。腾讯云行业大模型能力将应用到金融风控、交互翻译、数智人客服等场景中,提升了智能应用效率,一站式MaaS服务为企业减负。

具体到应用场景,以金融领域为例,行业大模型可以加持金融风控解决方案,相比之前有了10倍效率提升。

大模型结合过往积累的多年黑灰产对抗经验和上千个真实业务场景,整体反欺诈效果相较于传统模式,提升了20%左右。企业则可以基于prompt模式,迭代风控能力,从样本收集、模型训练到部署上线,实现全流程零人工参与,建模时间也从2周减少到仅需2天。

即便样本积累有限的情况下,也可以完成快速搭建,跳过”冷启动”过程。

如何落地及商业化,正在成为厂商追求的重点。

这意味着,AI进入大规模可复制的产业落地阶段,仅利用下游的小样本或者零样本学习就可以达到很好的效果,从而降低AI开发成本。百度文心大模型在升级后,就成功将成本降至过去的10%。

任何行业,最终都会形成寡头态势,大模型也不例外。

过去短短几个月,大量新的大模型涌现,是疯狂想抓住风口,害怕掉队,还是长远布局赛道,潜心钻研,每位玩家只有自己心知肚明。

百模混战只会是一个阶段性的现象,终局仍然集中在少量的几个大模型。原因不外乎以下几点:

一是,在演变过程中,各企业和机构逐渐找到了自己的定位,逐渐走向细分方向,最终被更完善的大模型收入麾下。

二是,需要多年积累。真正从底层做起来的大模型,成本非常高,需要非常综合的能力,在心态上也必须抱有绝对的长期主义,这就意味着没有绝对经济实力的玩家,会被甩在半路或者”死”在通往光明的路上。

三是,大模型在应用层面未来想象空间非常大。假设每一个行业都有巨大的发展空间,可以通过新AI技术提效,应用层面的价值一定会分流,依托几个头部大模型会有非常广泛的应用生态。

不可否认的是,未来所有的企业都会强依赖大模型,所有的产品都会基于大模型来开发。

而行业渗透率和市场份额,俨然成为企业大模型走向寡头最重要的挑战元素。

© 版权声明
THE END
喜欢就支持一下吧
点赞14 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容