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。

抢跑且不停刻苦训练的百度文心大模型3.5，近日宣称最新版本文心一言能力已经超出ChatGPT 3.5。

物竞天择，适者生存，大厂大模型纷纷赶超ChatGPT。

作者｜洛枳 辛夷

出品｜新摘

一、大厂大模型

超过ChatGPT3.5

身穿黑色内搭外穿白色西服外套，搭配干净利落的短发，出现在AI大模型技术能力评估报告大会上。

前一天晚上还在修改议题，刚刚出差回来的百度集团副总裁吴甜在会上说到：“新版本文心一言能力已经超出ChatGPT 3.5，这也是在我们国内开展相关技术工作是重要的里程碑。”

这是继科大讯飞刘庆峰提到星火大模型即将赶超ChatGPT后，又一家大厂正式确认大模型超过ChatGPT。

今年3月，百度新一代知识增强大语言模型“文心一言”公开邀测，该模型基于文心大模型3.0版本打造。时隔3个多月，已经升级为3.5版本的文心大模型，在效果、功能、性能全面提升。

文心一言3.5赶超ChatGPT3.5，很大可能是在功能方面新增了插件机制，文心大模型3.5通过插件方式扩增了大模型的能力边界。

大模型强调大模型技术实力和底座能力。今年5月份，百度上线的新底座大模型正是文心大模型3.5，该模型是文心一言系统的基础模型，给了文心大模型扎实的底座基础，也让文心一言3.5成功赶超ChatGPT。

值得一提的是，在基础模型训练中，3.5版本还采用了飞桨最先进的自适应混合并行训练技术及混合精度计算策略，这大大加快了模型的迭代速度。

众所周知，百度一直在深耕全栈式人工智能技术研发，共四层：芯片层、框架层、模型层和应用层。

芯片层有昆仑芯；框架层有深度学习平台飞桨，有力支撑了大模型的高效训练和推理；模型层有文心大模型；在应用层，目前有15万家企业申请接入文心一言测试。

其中，飞桨平台已经有750万开发者，对比中国软件从业人员800万—1000万，尽管软件从业人员和深度学习开发人员不完全一致，但在人才数量上的优势也为文心3.5赶超ChatGPT提供了大容量智库，类似超脑的存在。

中国企业在获得中文语料和对中国文化的理解方面，相较于外国企业本来就有着天然的优势，中国制造业门类最全，具有面向实体产业训练产业AIGC的有利条件。

众多因素合力助推，文心大模型3.0为基座的文心一言发布一百多天后，在飞桨与文心的协同优化下，文心大模型3.5成长飞速，最新模型效果提升50%，训练速度提升2倍，推理速度提升30倍，成功赶超ChatGPT。

在基础技术之上，百度额外开展了三大增强技术：知识增强、检索增强和对话增强。

将大模型类比成人类，人如果用知识结构，知识体系的方式进行学习的话，学习效率更高。再学会使用工具进行搜索，实现端对端的极简化检索，又可以提升时效性。

大模型自己学习完之后，还得学会反馈式强化训练，对话增强很像是不断让大模型在做题，在对话中告诉大模型哪里对，哪里不对，通过提示的方式，让大模型能够增强记忆机制，有效的让他按照我们希望的方式来回答问题，教会这个孩子怎么样回答的更好。

除了技术实力，大模型需要落地。

在行业应用方面，百度文心大模型源于产业实践，服务于产业实践，已经摸索出大模型产业落地的关键路径，还发布了涵盖众多行业和领域的大模型，加速对行业智能化转型。

目前，国家电网、浦发、泰康、吉利、哈尔滨市、深圳燃气、TCL等企业单位，百度文心大模型均有合作。

此外，百度十年来研发投入超1000亿，2021年核心研发投入占比超23%，人工智能专业申请量和授权量连续5年排名国内第一，深度学习专利申请量全球第一。百度能在AI大模型领域有突破，与百度在要素资源上的大力投入也息息相关。

可以看出，大厂大模式，拼研发的时刻到了。

二、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，其中百度自研的深度学习平台飞桨在大模型的高效训练和推理上提供了强有力的支撑。

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。

三、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。