肖仰華復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授
6月8日，騰訊研究院在上海舉辦《AI峽谷“混戰(zhàn)”與未來：探索大模型發(fā)展之路》閉門研討會(huì)。本次研討會(huì)由人工智能領(lǐng)域知名專家以及國內(nèi)外人工智能產(chǎn)業(yè)鏈頭部企業(yè)、獨(dú)角獸公司及實(shí)體經(jīng)濟(jì)相關(guān)企業(yè)CEO、CIO、CTO等高層負(fù)責(zé)人，圍繞AI大模型的前沿技術(shù)趨勢(shì)、國內(nèi)外最新動(dòng)向、產(chǎn)業(yè)發(fā)展前景，以及以GPT為代表的AI大模型的應(yīng)用場(chǎng)景、產(chǎn)業(yè)化破局和它對(duì)各個(gè)行業(yè)尤其是傳統(tǒng)產(chǎn)業(yè)帶來的顛覆性影響等話題進(jìn)行深入的交流研討。此外，本次研討會(huì)中還交流分享了企業(yè)在AI大模型方面的前沿探索與實(shí)踐。
本文節(jié)選自復(fù)旦大學(xué)肖仰華教授在閉門會(huì)上的發(fā)言整理：
大模型助力
產(chǎn)業(yè)發(fā)展
實(shí)現(xiàn)“端到端”的價(jià)值變現(xiàn)
很高興參加本次論壇，給大家從產(chǎn)業(yè)發(fā)展角度分享關(guān)于我國大模型產(chǎn)業(yè)發(fā)展的一些思考。
首先來看一看，為什么要對(duì)大模型有高度的重視？可以說以ChatGPT為代表的這一波大模型的發(fā)展，其實(shí)只是整個(gè)通用人工智能到來的前哨，后續(xù)又產(chǎn)生了一系列的技術(shù)創(chuàng)新，比如Dalle-2、Midjourney等圖文生成模型的發(fā)展，其生成結(jié)果有時(shí)已經(jīng)可以做到以假亂真；PaLM和PaLM-2等具身多模態(tài)大模型的到來，也與機(jī)器人產(chǎn)業(yè)的未來發(fā)展密切相關(guān)。
自去年12月份以來，一系列對(duì)產(chǎn)業(yè)發(fā)展具有革命性、里程碑意義的技術(shù)創(chuàng)新，在短短三四個(gè)月內(nèi)接二連三的到來。可以說這也宣告了通用人工智能時(shí)代的到來，未來必將掀起一番新的產(chǎn)業(yè)浪潮和革命。
我們認(rèn)為，這一波AGI的革命是一場(chǎng)全新的“元革命”。大家知道歷次的產(chǎn)業(yè)革命、技術(shù)革命，比如說電的發(fā)明、蒸汽機(jī)的發(fā)明，都是人類智能本身的產(chǎn)物，但唯獨(dú)這次革命是一場(chǎng)關(guān)乎“智能”本身的革命機(jī)器的智能有望接近甚至完全超越人類的智能。
關(guān)于智能本身的革命，絕不是傳統(tǒng)意義上那些技術(shù)革命所能比擬的，所以它更像一場(chǎng)“元革命”，我們需要在戰(zhàn)略上予以高度重視。這不單單是我個(gè)人的觀點(diǎn)，最近國家政治局開會(huì)也形成了這樣一種觀點(diǎn)，整個(gè)AGI發(fā)展太快了，現(xiàn)在很多觀點(diǎn)的刷新不能按年，要按月來算。有些報(bào)告是2個(gè)月前的內(nèi)容，但是在當(dāng)前飛速發(fā)展的環(huán)境下，有些觀點(diǎn)可能已經(jīng)過時(shí)。
大模型對(duì)于產(chǎn)業(yè)發(fā)展來講有非常重要的意義，這涉及到我在很多場(chǎng)合提到過的現(xiàn)在數(shù)據(jù)的價(jià)值變現(xiàn)。發(fā)展“數(shù)智中國”、數(shù)字經(jīng)濟(jì)是我們國家非常重要的發(fā)展戰(zhàn)略，所有地方政府都喊出發(fā)展數(shù)字經(jīng)濟(jì)的口號(hào)。對(duì)于數(shù)字經(jīng)濟(jì)，其中很重要的一環(huán)是數(shù)據(jù)的價(jià)值變現(xiàn)。我們以前做人工智能大數(shù)據(jù)，實(shí)際上變現(xiàn)的道路很曲折、很艱難、很重，很多投資界的朋友都在說以前投的大部分公司多年以來好像總是入不敷出。但是現(xiàn)在有了大模型之后迎來了一個(gè)新的機(jī)會(huì)，實(shí)現(xiàn)了一種“端到端”的價(jià)值變現(xiàn)。
大數(shù)據(jù)是不挑的，不管什么數(shù)據(jù)，大模型都可以“煉”一下，把數(shù)據(jù)“煉”成一個(gè)大模型，并通過大模型進(jìn)行賦能。你會(huì)發(fā)現(xiàn)它并不需要太多人的干預(yù)，不像以前做大數(shù)據(jù)、人工智能，甲方既要出錢還要出人，還需要告知知識(shí)體系、商業(yè)邏輯等要素，這是一種非常重的變現(xiàn)方式。但是有了大模型、有了ChatGPT之后，通過大模型統(tǒng)一賦能來實(shí)現(xiàn)數(shù)據(jù)的價(jià)值變現(xiàn)的這條路徑現(xiàn)在越來越清晰。尤其是隨著AgentGPT和AutoGPT等技術(shù)出來之后，大模型和信息系統(tǒng)很多能力都可以串聯(lián)在一起，共同解決商業(yè)場(chǎng)景中非常復(fù)雜的任務(wù)。因此可以說大模型能實(shí)現(xiàn)的“端到端”的變現(xiàn)方式給我們帶來一場(chǎng)重大的機(jī)遇。
對(duì)ToC市場(chǎng)而言，大模型的意義在于有望重塑互聯(lián)網(wǎng)的入口。ChatGPT在短短幾個(gè)月已經(jīng)擁有2億的用戶，現(xiàn)在ChatGPT背后的生態(tài)插件已經(jīng)非常多樣，也就是說我們可以不直接用微信跟朋友聊天，可以先跟ChatGPT聊一聊，比如要買什么電影票，打什么車，打開什么地圖，訂什么餐，這使它極有可能成為互聯(lián)網(wǎng)的新入口。大家知道互聯(lián)網(wǎng)產(chǎn)業(yè)入口的每一次變更都是一場(chǎng)革命，所以對(duì)To C來講是可以看得見的，新入口即將到來。
對(duì)于To B行業(yè)而言，大模型的第一個(gè)意義好比是引擎升級(jí)。比如我們?cè)鞄装倌贶嚵�，車就是一個(gè)殼子四個(gè)輪子，但幾百年來我們從傳統(tǒng)的蒸汽到油氣到現(xiàn)在的電力，車的引擎在不斷變化。我們以前整個(gè)人工智能、大數(shù)據(jù)的產(chǎn)品，比如信息系統(tǒng)、軟件產(chǎn)品，用的都是小模型，現(xiàn)在我們可以換上大模型，這種引擎的升級(jí)換代是第一個(gè)意義。
第二，大模型有望成為To B行業(yè)中新的控制器。To B場(chǎng)景下企業(yè)內(nèi)部有各種各樣的信息系統(tǒng)，包括客戶關(guān)系管理系統(tǒng)、企業(yè)資源管理系統(tǒng)、OA辦公系統(tǒng)，還有數(shù)據(jù)庫、知識(shí)庫、行業(yè)文檔庫等。但是這些庫以前都是分散的，我們上面接一個(gè)大模型之后，這個(gè)大模型有望成為一個(gè)控制器，它可以協(xié)同企業(yè)中、生態(tài)中的各種各樣的信息系統(tǒng)，共同完成一個(gè)新的、更復(fù)雜的決策，完成更復(fù)雜的規(guī)劃任務(wù)。
大模型有望成為控制器，把整個(gè)傳統(tǒng)的信息系統(tǒng)串聯(lián)到一起，從而真正意義上實(shí)現(xiàn)To B場(chǎng)景的復(fù)雜決策，而To B場(chǎng)景本質(zhì)上就是要實(shí)現(xiàn)復(fù)雜決策的，所以大模型對(duì)To B行業(yè)來說有著非常重大的意義。
大模型宣告AI進(jìn)
入重工業(yè)時(shí)代
從整個(gè)大模型產(chǎn)業(yè)的關(guān)鍵因素來看，可以說以生成式語言模型為代表的通用人工智能發(fā)展，基本宣告了人工智能走上了一個(gè)重工業(yè)時(shí)代。以前整個(gè)人工智能是典型的手工作坊，每個(gè)部門有很多小的部門，每個(gè)部門做一個(gè)AI產(chǎn)品，這都是手工作坊式�，F(xiàn)在有了大模型以后，基本上都是優(yōu)先讓道給大模型。很多企業(yè)都在這樣做，把算力全部省出來給大模型用。
為什么說背后是這樣一個(gè)邏輯？大模型是典型的“重工業(yè)”，重工業(yè)跟傳統(tǒng)手工作坊有非常本質(zhì)的不同，我們使用大模型賦能各個(gè)行業(yè)的關(guān)鍵，第一在于一個(gè)大模型本身能不能煉制好，第二是很多應(yīng)用以及周邊的生態(tài)能不能做好。大模型進(jìn)入重工業(yè)時(shí)代之后有幾個(gè)很重要的因素：
第一，大模型。所謂大模型有多大？大家應(yīng)該有這樣一個(gè)印象，我們以前在BERT時(shí)代只有幾億參數(shù)，后來到十億參數(shù)。但是現(xiàn)在主流已經(jīng)到了六七十億參數(shù)，甚至到百億參數(shù)，模型本身的參數(shù)越來越大是主要因素。
第二，大算力。大模型對(duì)于大算力提出了前所未有的需求，所有人都有深刻感受�，F(xiàn)在所有企業(yè)要么在買算力，要么在買算力的路上，大家現(xiàn)在最缺的就是算力。大模型第一波競(jìng)爭(zhēng)首先體現(xiàn)為算力的競(jìng)爭(zhēng)，第二波的競(jìng)爭(zhēng)可能體現(xiàn)為數(shù)據(jù)的競(jìng)爭(zhēng)，但是目前競(jìng)爭(zhēng)的焦點(diǎn)還在于算力，誰有算力誰就有主動(dòng)權(quán)、話語權(quán)，這個(gè)現(xiàn)象目前已經(jīng)體現(xiàn)得很明顯了。
第三，大數(shù)據(jù)。進(jìn)入數(shù)據(jù)PK時(shí)代，有沒有核心高質(zhì)量的數(shù)據(jù)非常關(guān)鍵。最終的贏家，至少目前的贏家是算力提供方，大家看到英偉達(dá)市值破萬億，主要邏輯就在這里。最終的贏家有可能是數(shù)據(jù)的擁有者。
第四，精工藝。這是以往小模型時(shí)代不會(huì)關(guān)注的因素，就是煉制工藝，我們稱之為“工藝過程”。大模型的工藝過程很重要，現(xiàn)在煉大模型很像過去煉丹，需要把原料全部掉煉丹爐。我前幾天剛剛參觀了寶鋼，當(dāng)時(shí)拍了一張照片，他們留著2500立方米的煉鋼爐，那個(gè)爐子非常大，不管什么原料，經(jīng)過初步的清洗全部在里面，然后去煉，煉幾天出爐。煉鋼出爐就是鋼水，而我們現(xiàn)在練大模型出爐就是大模型，煉鋼要干的事我們都要干，其中第一個(gè)重點(diǎn)在于做原料的配方�，F(xiàn)在數(shù)據(jù)配方是最關(guān)鍵的，把哪些數(shù)據(jù)按何種方式配比，現(xiàn)在很多屬于獨(dú)門秘籍，秘而不宣的。OpenAI大模型的快速發(fā)展很多時(shí)候在于配方配得好，但是我們不知道它的配方，很多人也都在嘗試。
第二個(gè)重點(diǎn)在于數(shù)據(jù)清洗，寶鋼把原料送進(jìn)煉丹爐之前專門有一個(gè)分廠，它專門做鋼鐵式原料的清洗，參數(shù)設(shè)計(jì)，包括火候、溫度、濕度，還有流程設(shè)計(jì)、質(zhì)量控制。這都是煉大模型過程中非常關(guān)鍵的因素，這種工藝過程也是我們當(dāng)前大模型產(chǎn)業(yè)發(fā)展過程中真正缺少的。
我國數(shù)據(jù)基礎(chǔ)是跟別的國家一樣好的。在模型方面，大家都用開源模型，這個(gè)不存在秘密，我們真正在什么方面有所欠缺？我們?nèi)痹?ldquo;工藝”上，我們的工藝過程不如OpenAI�，F(xiàn)在國內(nèi)大部分大模型都是在去年12月份才開始訓(xùn)練，我們很難在短短三四個(gè)月內(nèi)趕上OpenAI花了4年時(shí)間的訓(xùn)練工藝，所以我們必須靜下心來，扎扎實(shí)實(shí)把工藝打磨好。這個(gè)事情非常關(guān)鍵。
從應(yīng)用帶動(dòng)模型底座，
從外圍攻破內(nèi)核
現(xiàn)在ChatGPT，或者后續(xù)版本GPT-4真的已經(jīng)變得超級(jí)強(qiáng)大了嗎？實(shí)際上并沒有，大模型還是存在能力天花板的。我們現(xiàn)在有很多論調(diào)，一種是悲觀論，覺得人家什么都很強(qiáng)，而我們什么都不行；另一種是盲目樂觀，覺得它根本什么都不是。這兩種極端的論調(diào)、觀點(diǎn)都有問題，實(shí)際上我們要客觀的看，它的確是很強(qiáng)，但是它也有天花板，是有問題的，而它的問題恰恰是我們的機(jī)會(huì)所在。所以目前最重要的是不要被人家的發(fā)展速度沖昏了頭腦，要冷靜分析什么能做、什么不能做，它不能做的事情是我們恰恰要開辟的新賽道。只要我們?cè)谒鼈儾荒茏龅牡胤阶龅帽人茫覀兙陀形覀兊膬r(jià)值。
現(xiàn)在這些大模型并不是什么都能做。我們?cè)诤芏鄰?fù)雜的場(chǎng)景，比如在To B的場(chǎng)景、在企業(yè)服務(wù)市場(chǎng)，大模型實(shí)際上仍然存在很多短板。我們這么多年都想做司法的智能化、醫(yī)療的智能化和金融的智能化，但是這么多年都沒能真正實(shí)現(xiàn)。ChatGPT是很重要的機(jī)會(huì)，但是直接讓它去解決領(lǐng)域問題，現(xiàn)在還是很難做好。
還有在廣大的工業(yè)、農(nóng)業(yè)等實(shí)體經(jīng)濟(jì)方面的智能化怎么做？這些智能化都有普遍的特點(diǎn)，大部分任務(wù)是復(fù)雜決策，比如工業(yè)設(shè)備的故障排查、疾病診斷、投資決策，這些都是嚴(yán)肅的應(yīng)用場(chǎng)景，它們需要的能力絕不單單是ChatGPT現(xiàn)在給我們帶來的開放聊天能力。
我們承認(rèn)ChatGPT開放聊天能力很強(qiáng)，以前聊個(gè)三天三夜都不覺得無聊，但即使聊天很有趣、很好玩，它也不能解決這些場(chǎng)景的問題。這些場(chǎng)景問題的解決取決于很多復(fù)雜的能力。
第一是需要有行業(yè)專家該有的知識(shí)，像服務(wù)器出了故障，到底什么地方出了故障，根因是什么？這個(gè)問題在缺乏IT的知識(shí)的條件下根本解決不了。第二是需要很多的復(fù)雜邏輯，像疾病診斷的時(shí)候，是有一些邏輯思考的。第三是需要宏觀態(tài)勢(shì)的研判能力，比如說投資決策，在不同態(tài)勢(shì)的環(huán)境下對(duì)一支股票的預(yù)判完全不一樣。第四是綜合任務(wù)的拆解能力，一個(gè)很復(fù)雜的任務(wù)，能不能拆解成一個(gè)個(gè)原子任務(wù)。第五是精密的規(guī)劃能力，在面臨很多行動(dòng)的情況下，我先做什么、后做什么。第六是復(fù)雜約束的取舍能力，我們?cè)谧鲆粋�(gè)決策時(shí)往往都面臨約束，比如說成本約束，所以我們需要做很多取舍：哪些約束必須滿足、哪些約束必須舍棄。第七是未知事物的預(yù)見能力，在投資過程中企業(yè)可能會(huì)出現(xiàn)一些難以預(yù)料的新狀況，ChatGPT未必具備人類在面臨這些突發(fā)狀況時(shí)的處理能力。第八是不確定場(chǎng)景的推斷能力，我們大部分決策都是在信息不充分、不完全的時(shí)候進(jìn)行的，否則會(huì)喪失先機(jī)。這些能力都仍然是ChatGPT，或者說通用大模型目前沒有具備的能力。
未來大模型能不能解決這些問題，能不能具備這些能力，會(huì)直接影響到它們的投資價(jià)值。理清楚這個(gè)邏輯之后，實(shí)際上大模型最后想創(chuàng)造商業(yè)價(jià)值有兩個(gè)關(guān)鍵要素：
一方面是底座模型要強(qiáng)大，另一方面是領(lǐng)域應(yīng)用也不可以忽視。底座模型好比一個(gè)練武術(shù)的人練內(nèi)功，即使內(nèi)功練得再好最終還是要練套路，不知道大家喜不喜歡看武俠小說，金庸武俠小說的氣宗和劍宗就是這么回事，所謂的氣宗練內(nèi)功，強(qiáng)調(diào)內(nèi)功為王；所謂的劍宗認(rèn)為套路為王，形式很重要。實(shí)際上這兩個(gè)因素都重要。
只重視底座大模型是不夠的，還得有領(lǐng)域應(yīng)用，還需要領(lǐng)域知識(shí)，才有應(yīng)用效果。
目前我們的現(xiàn)狀是什么？我們一窩蜂地跟隨了底座大模型先行者的腳步，所以大模型同質(zhì)化嚴(yán)重�？傮w而言，技術(shù)型企業(yè)往往“重模型、輕應(yīng)用”，應(yīng)用型企業(yè)往往“重應(yīng)用、輕模型”，其實(shí)這兩個(gè)都不可取，這就跟我剛才說的氣宗和劍宗的道理一樣，既要內(nèi)功深厚，也要套路熟練，這兩個(gè)都達(dá)到一定水平才能創(chuàng)造商業(yè)價(jià)值。
我們實(shí)際有自己的機(jī)會(huì)，雖然我們底座模型不如ChatGPT、不如GPT-4，這一塊我們要追趕。但是領(lǐng)域應(yīng)用這塊是我們的強(qiáng)項(xiàng)，恰恰是我們國內(nèi)企業(yè)擅長做的事，所以我們大模型產(chǎn)業(yè)發(fā)展戰(zhàn)略實(shí)際是很清晰的，可以走一條從應(yīng)用帶動(dòng)模型底座，從外圍去攻破內(nèi)核的道路，去發(fā)展整個(gè)大模型的產(chǎn)業(yè)生態(tài)。
這是我們非常重要的思路，可以走一條“農(nóng)村包圍城市”的路，從應(yīng)用帶動(dòng)底座，從外圍攻破內(nèi)核的路。我們先把各行各業(yè)的應(yīng)用做好，通過各行各業(yè)的應(yīng)用帶動(dòng)數(shù)據(jù)、算力、模型和工藝的研制，這些發(fā)展之后最終能帶動(dòng)底座大模型的提升。我剛才也提到過，我們想花三四個(gè)月達(dá)到OpenAI花了4年發(fā)展的模型水平并不現(xiàn)實(shí)，我們可能要承受一段時(shí)間底座大模型不如別人的狀態(tài)。我估計(jì)這種狀態(tài)短則持續(xù)1年，長則持續(xù)2-3年或更長一段時(shí)間，我們可能要一直追趕。但是我們有很好的應(yīng)用，有應(yīng)用之后會(huì)給我們帶來很多機(jī)會(huì)。
不要讓大模型成為一場(chǎng)
華麗的煙花秀
我們剛才從宏觀戰(zhàn)略角度提出了一些改進(jìn)戰(zhàn)略，現(xiàn)在我們可以從具體對(duì)策、戰(zhàn)術(shù)層面進(jìn)行考慮：
第一，我們可以推動(dòng)數(shù)據(jù)聯(lián)盟，這是我們的優(yōu)勢(shì)。像上海數(shù)據(jù)交易所，貴陽、北方數(shù)據(jù)交易所數(shù)量較多，而且我們?cè)跀?shù)據(jù)交易這塊的法律法規(guī)是相對(duì)比較健全的，還是很先進(jìn)的，我們有很多的法規(guī)保障。所以我們完全可以為大模型的發(fā)展促進(jìn)數(shù)據(jù)交易體系的建設(shè)，我們是有技術(shù)、有優(yōu)勢(shì)的，我們可以依托數(shù)據(jù)交易所去開展這個(gè)工作。
第二，算力協(xié)同。我們一定要加快健全國產(chǎn)的算力生態(tài)，我們最近在策劃，把所有算力的企業(yè)叫過來，共同討論能不能推動(dòng)聯(lián)盟的成立。算力只有在使用之后才能幫你反饋問題，要不然很麻煩，現(xiàn)在這個(gè)問題很嚴(yán)重了，而且要注意這個(gè)算力不僅僅是GPU這塊，還有網(wǎng)卡這塊都存在分散、異構(gòu)的問題，這都對(duì)大模型發(fā)展帶來限制。
第三，模型生態(tài)。大模型技術(shù)本身要盡快建立健全、開源的生態(tài)。尤其是開源生態(tài)很重要，OpenAI是閉源的，我們可以發(fā)展開源的生態(tài)。開源生態(tài)可以集思廣益，讓volunteer對(duì)模型本身帶來完善和優(yōu)化。
第四，人才培養(yǎng)。這也是我們大模型產(chǎn)業(yè)發(fā)展非常關(guān)鍵的一點(diǎn)，這里要說幾個(gè)核心的數(shù)據(jù)，差不多在一二月份的時(shí)候，行業(yè)里很多人認(rèn)為，國內(nèi)能夠做大模型的人不超過1000人，保守估計(jì)只有兩三百人，一點(diǎn)兒都不夸張。我自己體會(huì)很深刻，我自己的團(tuán)隊(duì)，我們算是比較幸運(yùn)，兩三年前就做大模型了，今年有博士生、碩士生畢業(yè)的，但凡做大模型的同學(xué)，全是身價(jià)被人家翻一倍的挖走�，F(xiàn)在大模型人才非常稀缺，我們復(fù)旦在這個(gè)時(shí)間點(diǎn)有大模型煉制經(jīng)驗(yàn)的學(xué)生可能不超過20人，而我們整個(gè)計(jì)算機(jī)學(xué)院有將近幾千名學(xué)生。這是因?yàn)榇竽Ｐ蜔捴埔蠛芨撸紫认馎1版的服務(wù)器就要備幾臺(tái)，一臺(tái)的成本現(xiàn)在是100萬，十臺(tái)就是1000萬，有能力滿足設(shè)備要求的學(xué)校就不多。所以現(xiàn)在人才短缺是非常大的問題。這是政府、學(xué)校都要思考的問題。
此外，大模型出來之后對(duì)人才的能力和素質(zhì)要求跟以往是不一樣的，我發(fā)現(xiàn)我們跟很多廠商合作，我們實(shí)際上最缺的是大模型做產(chǎn)品設(shè)計(jì)，現(xiàn)在大模型有這個(gè)能力，而我們傳統(tǒng)有很多應(yīng)用，但是這個(gè)大模型怎么嵌到應(yīng)用里面來，形成怎樣的產(chǎn)品，大家都不知道，懂大模型的人往往不懂產(chǎn)品，懂產(chǎn)品的人往往對(duì)大模型的認(rèn)知還處在早期階段，所以這種跨學(xué)科、跨領(lǐng)域的復(fù)合型人才要求特別高，這塊人才短板非常厲害。
第五，發(fā)展診斷和評(píng)測(cè)體系。現(xiàn)在各家自說自話，都說自己好，將來市場(chǎng)很需要一個(gè)客觀的評(píng)價(jià)，到底哪一家好，它好在哪。事實(shí)上比較好的狀態(tài)是各家有各家的特長之處，這一家擅長這個(gè)，那一家擅長那個(gè)。最怕的是這么多家都說自己好，這里面肯定同質(zhì)化很嚴(yán)重，所以我們未來要建立起評(píng)測(cè)的標(biāo)準(zhǔn)和體系。
第六，要持續(xù)優(yōu)化大模型的落地成本。大模型成本很高，很多甲方都在觀望，最近三個(gè)月市場(chǎng)特別有意思，大家都在觀望，甚至很多甲方錢都準(zhǔn)備好了但是停下來的，為什么？大家在想大模型是不是下一代的技術(shù)，現(xiàn)在貿(mào)然投入某類技術(shù)方案，馬上被大模型替代了，這個(gè)投資肯定有問題，所以大家都在觀望。觀望中有一個(gè)很重要的因素：大模型落地因素成本太高了，我們?nèi)绾谓档退某杀�，使它給我們帶來的收益遠(yuǎn)遠(yuǎn)大于投入，非常重要。
第七，大模型產(chǎn)業(yè)怎樣向綠色、生態(tài)化發(fā)展。我兩個(gè)月前就開過玩笑，大家不用想，今年的夏天肯定更熱。據(jù)說nividia市值超過1萬億了，不知道又要有多少顯卡進(jìn)入市常這些顯卡都要消耗電能，消耗電能會(huì)發(fā)熱，所以今年暑期肯定會(huì)更熱，大家要做好心理準(zhǔn)備。我估計(jì)明年也是這樣，關(guān)鍵問題是什么？其實(shí)都是能源消耗問題，我們消耗太多的能量來做計(jì)算，將來人工智能產(chǎn)業(yè)的綠色化、生態(tài)化是非常重要的問題，很快，我相信要不了多久大家會(huì)意識(shí)到這個(gè)問題的嚴(yán)峻性。
第八，持續(xù)加快大模型的技術(shù)研究。大模型技術(shù)并不是像大家想象得那樣完美，仍然存在很多問題，比如，一本正經(jīng)的胡說八道，大模型的亂編亂造，大模型的幻覺，大模型到底體現(xiàn)誰的價(jià)值觀、意識(shí)形態(tài)，以及大模型的隱私泄露，大模型的安全等等，這里面有太多等待解決的問題了。
由ChatGPT所引發(fā)的通用人工智能產(chǎn)業(yè)變革，我相信才剛剛開始。我們需要以更深切的思考、更扎實(shí)的實(shí)踐，牢牢抓住大模型以及其他通用認(rèn)知智能技術(shù)給我國數(shù)字化轉(zhuǎn)型與高質(zhì)量發(fā)展所帶來的全新機(jī)遇……大模型絕不是宣傳文案中的噱頭，也絕不能成為一場(chǎng)華麗的煙花秀，而要成為實(shí)實(shí)在在的能夠推動(dòng)社會(huì)發(fā)展與進(jìn)步的先進(jìn)生產(chǎn)力。
