AI大模型所掀起的熱潮正在國內(nèi)的AI行業(yè)中翻涌著，而在這場“百模大戰(zhàn)”中，我們或許需要弄清楚一些問題，比如“百模大戰(zhàn)”里，不同的賽道都在戰(zhàn)什么能力。這篇文章里，作者便做了分析和解讀，一起來看。

這兩天AI圈最熱鬧的消息，應該就OpenAI高層內(nèi)訌，標志性人物、原CEO Sam Altman被董事會解雇，數(shù)位科學家和高層離職。

關于“政變”的原因，坊間有很多傳言，比如商業(yè)化和非營利原則的矛盾。總之，事件相關者在輿論場拉扯，吃瓜群眾則瞪大了眼睛看戲。這場風波會給全球AI研發(fā)，尤其是大模型帶來什么影響，還是未知數(shù)。

有人做了一個梗圖，大模型廠商亂成一鍋粥，只有賣卡的英偉達穩(wěn)坐釣魚臺。

任它天邊云卷云舒，可以肯定的是，中國的AI大模型在取得廣泛成就的基礎上，會繼續(xù)向前發(fā)展，釋放產(chǎn)業(yè)價值，并且不會一味照搬海外，尤其是OpenAI的模式。

帶著這份淡定，我們將目光聚焦在國產(chǎn)大模型，會發(fā)現(xiàn)“百模大戰(zhàn)”熱潮中，還缺乏對各類大模型全面、分層、真實的能力評估。

通用大模型、行業(yè)大模型，都在比拼參數(shù)規(guī)模，但訓練數(shù)據(jù)質(zhì)量不確定，僅憑參數(shù)，行業(yè)客戶和用戶也難以選對適合的大模型。

那么看榜單呢？基準測試benchmark和標準化數(shù)據(jù)集，可以針對性調(diào)優(yōu)，榜單無法反映實際應用效果差距。

而且大模型在不同任務場景下，表現(xiàn)的區(qū)分度很大。一位開發(fā)者說，“現(xiàn)在就是告訴你都有哪些大模型，實際效果還是得靠自己測測看”。

據(jù)中國信通院的數(shù)據(jù)顯示，目前的大模型測試方法和數(shù)據(jù)集已有200多個。想要一個個測過來，會給用戶帶來非常繁重的工作量。

“百模大戰(zhàn)”亂花漸欲迷人眼，那么，除了“跑分”打榜和參數(shù)“碾壓”，還有什么辦法來真實且有效地評判一個大模型的水平呢？

有必要來聊聊，“百模大戰(zhàn)”，不同賽道都在戰(zhàn)什么？

一、大模型，不看高分看高能

所謂“百模大戰(zhàn)”，并不是每個大模型都在做著同樣的事。其中，既有想做基座模型basemodle的通用大模型，如百度的文心、阿里的通義、騰訊的混元、華為的盤古、訊飛的星火、智譜的ChatGLM等，也有面向行業(yè)、場景的垂直大模型，目前在金融、教育、工業(yè)、傳媒、政務等多個領域都大量涌現(xiàn)。

不同賽道的大模型，其核心競爭力也不一樣。比如一味拼算法的打榜，對于行業(yè)大模型來說，可以作為一種宣傳手段和“炫技”，但實際效果才是用戶最關注的。

目前不少開發(fā)者反映，各類大模型都存在各自的問題。

1.基座模型，本身能力有限制。

提到通用大模型，大家可能第一時間想到的就是推理能力，這也是大模型基準測試的主要指標。但在實際應用中，尤其是文科類型任務，大家不會沒事出“腦筋急轉(zhuǎn)彎”來測試通用大模型的邏輯推理能力，而是更希望大模型在復雜任務和上下文長度上，有更可靠的表現(xiàn)。

比如寫一篇演講文稿，篇幅一長就開始胡說八道或泛泛而談，文本的采用率下降；為AIGC配字幕，不能整篇生成，還需要人工將文案切割成片；編寫一個程序，半路開始network error……這些都是實際應用中，大家比較關注的通用大模型的能力。

2.行業(yè)大模型，領域壁壘難翻越。

“百模大戰(zhàn)”進行到當下，很多行業(yè)開發(fā)者和企業(yè)都意識到，獨有的數(shù)據(jù)和場景，才是自己的護城河，開始打造定制化的大模型，而領域知識不夠，難以形成滿足某一領域需求的行業(yè)向產(chǎn)品。

比如大模型與行業(yè)知識不匹配、許多行業(yè)know-how還沒有知識化、傳統(tǒng)的知識圖譜與大模型的協(xié)同設計等，知識計算的能力不夠強，就無法真正撼動領域壁壘，讓大模型解決實際的業(yè)務問題。

3.有用性，ROI是個謎。

大模型的實際應用效果難以評估，其中一個主要原因，就是模型生成結(jié)果的有用性（采用率、可用率等指標），涉及大量多模態(tài)數(shù)據(jù)。

金融、醫(yī)藥、交通、城市等產(chǎn)業(yè)中，存在著大量多模態(tài)信息，比如客服電話的語音、醫(yī)學影像圖片、傳感器數(shù)據(jù)等，大語言模型必須具備多模態(tài)理解能力，將多模態(tài)信息與語言進行綜合分析處理，才能保證較高質(zhì)量的輸出。

在實際任務中，上述三種問題可能會同時存在，要同時解決。

一位醫(yī)藥專家告訴我，在研發(fā)醫(yī)學影像的算法時，就需要基座大模型在預訓練階段就具備多模態(tài)理解能力、醫(yī)學影像知識，可以執(zhí)行通用任務。同時，行業(yè)側(cè)還需要根據(jù)知識設計目標函數(shù)，在特征抽取、相似性度量、迭代優(yōu)化算法等，都要貢獻好各自的知識，才可能訓練出一個對醫(yī)務工作者友好的領域大模型，不需要專業(yè)知識，也不需要建模，就能上手使用。

就像工業(yè)革命的開始，是因為瓦特改良了蒸汽機。在此之前，蒸汽機早已被發(fā)明出來了，但一直沒有解決大規(guī)模高可用的問題，大模型也是如此。

大模型產(chǎn)業(yè)化，必須從基準測試的“跑高分”，向可信賴的“高能力”進化。

二、百模大戰(zhàn)，究竟在戰(zhàn)哪些能力？

從高分到高能，讓大模型具有與行業(yè)結(jié)合的可行性，也讓“百模大戰(zhàn)”正在進入新的階段。

從產(chǎn)業(yè)實際需求來看，可用且有效的大模型，至少應該具備幾個核心能力：

1.長文能力。

大語言模型的技術特點，被認為是“鸚鵡學舌”，將輸入信號拼湊成有一定語法結(jié)構的句子，也就是文本補全能力。而大模型都有“幻覺”，上下文窗口的長度增加，邏輯幻覺就可能越嚴重，“鸚鵡學舌”開始變得吃力。

在很多垂直行業(yè)應用中，如金融、法律、財務、營銷等，長文檔的分析處理和生成能力是剛需。

在長文中保持邏輯的連貫性、合理性，考驗著大模型的綜合能力，比如對復雜語句的理解及記憶能力，生成的可靠性，這也是大模型走向產(chǎn)業(yè)化的核心。

目前，無論開源、閉源大模型，都將長文能力作為一個核心競爭力。比如流行的開源大模型Llama 2，就將上下文長度擴展至 128k，而基于LLaMA架構的零一萬物的Yi系列大模型，此前曾宣稱拿下了全球最長上下文窗口寶座，達到200K，可直接處理40萬漢字超長文本輸入。閉源大模型中，GPT-4 Turbo支持了比ChatGPT更長的上下文（128k tokens），百度的文心大模型通過對話增強，提升上下文理解能力。

2.知識能力。

大模型“大力出奇跡”的模式，忽略了模型準確感知和理解注入知識的能力，目前已經(jīng)凸顯了很多問題。比如不理解領域知識，在實際業(yè)務中表現(xiàn)不佳，無法滿足ToB用戶的需求。因此，當歐美科技公司依然在執(zhí)著追求更大參數(shù)時，百度、華為等國內(nèi)大模型廠商，開始轉(zhuǎn)向了行業(yè)場景，將強業(yè)務知識引入文心、盤古的行業(yè)大模型之中，來提升大模型在行業(yè)任務中的應用效果。

具體是怎么做的呢？以“行業(yè)知識增強”為核心特色的文心，是在預訓練大模型的基礎上，進一步融合大規(guī)模知識圖譜，挖掘行業(yè)應用場景中大量存在的行業(yè)特色數(shù)據(jù)與知識，再結(jié)合行業(yè)專家的知識，從大規(guī)模知識和海量數(shù)據(jù)中融合學習，把知識內(nèi)化至模型參數(shù)中。

當用戶輸入問題時，文心4.0會拆解回答問題所需的知識點，進而在搜索引擎、知識圖譜、數(shù)據(jù)庫中查找準確知識，再將知識組裝進Prompt送入大模型。另一方面，大模型還將對輸出結(jié)果進行反思，從生成結(jié)果總結(jié)知識點，進而通過以上方式進行確認驗證，對結(jié)果差錯進行修正。

目前來看，在同等參數(shù)規(guī)模下，知識增強的深度語意理解，效果大幅超越了純粹用深度學習的方法，推理效率更高，并且可解釋性更強，更符合產(chǎn)業(yè)對可信AI的需求。

目前，知識+大模型還有許多細節(jié)有待解決，比如知識體系的構建，知識的持續(xù)獲取，知識應用和推理等，這些問題的攻克都會給行業(yè)認知智能帶來重大機會。

3.多模態(tài)能力。

2022年我參加華為云AI院長峰會，一位科學家提到，大模型有一個問題，就是有很多符號領域，大模型根本就不理解。他認為，大模型是數(shù)據(jù)與知識雙輪驅(qū)動的，雙輪驅(qū)動是未來人工智能發(fā)展的重要模式。

前面我們說了知識能力的重要性，那么“數(shù)據(jù)”究竟拼的是什么呢？就是多模態(tài)能力。

把大模型應用到領域的時候，會發(fā)現(xiàn)問題非常多，根本達不到預期的效果。一個主要原因，大語言模型完全是基于語言的，而真實世界的復雜任務，有大量的數(shù)值、圖表、語音、視頻等多模態(tài)數(shù)據(jù)，數(shù)據(jù)的多模態(tài)特性增加了模型處理、建模和推理的復雜性。

一位醫(yī)療模型的開發(fā)者告訴我，醫(yī)療任務分析非常繁雜，數(shù)量級很多，有不同模態(tài)、病種，每一種模態(tài)有不同的診療任務，要把文本、圖像等多模態(tài)包容過來，而醫(yī)療領域非常缺少多模態(tài)的預訓練模型。

大模型要在實際業(yè)務中達到與人更接近的能力，也需要跨模態(tài)建立統(tǒng)一認知。

舉個例子，AIGC生成營銷活動物料，根據(jù)文字描述生成圖像、視頻，既要精確理解提示詞的語義，還要符合領域規(guī)范，不能出現(xiàn)不合規(guī)的素材，同時要控制生成內(nèi)容的質(zhì)量，保持跨模態(tài)的語義一致性。

國產(chǎn)大模型在多模態(tài)領域也做了很多差異化探索，除了大家熟悉的以文生圖，在醫(yī)療影像、遙感、抗體藥物、交通等領域，跨模態(tài)技術融合也在快速開展，未來會是基座大模型和行業(yè)大模型的亮點。

從這些產(chǎn)業(yè)需要的能力來看，大模型的產(chǎn)業(yè)屬性和價值已經(jīng)清晰展露了出來。

大模型，絕不是聊聊天、搞怪圖片那么膚淺，技術覆蓋區(qū)域是很廣闊的，技術應用價值已經(jīng)足夠具有說服力。

但也必須承認，目前，絕大多數(shù)產(chǎn)業(yè)所獲取的技術能力和技術深度，都還遠遠不夠。一方面受限于上游的基座大模型能力，同時也缺乏深度定制化的中游服務商，導致用戶大多只能調(diào)用簡單化、標準化的API，而難以將領域知識、多模態(tài)數(shù)據(jù)與大模型深度結(jié)合。

未來，從高分到高能，國產(chǎn)大模型一定會依靠自身的差異化技術路線，以及中國豐富多樣的產(chǎn)業(yè)需求，從懵懂走向成熟，甚至先于歐美，走向千行百業(yè)。