掀起年中诸神之战，国产大模型谁能决胜华山之巅

【天极网企业频道】2023年过半，大模型并没有像元宇宙一样在爆火之后趋于冷静，相反变得越来越热闹。在国外，OpenAI持续发力GPT推出ChatGPT iOS版本，马斯克为Twitter抢购1万块GPU筹备大模型项目，亚马逊大力投资大语言模型和生成式AI......

在国内，百度发布文心一言，阿里发布通义千问、通义千悟，新华三推出“百业灵犀”LinSeer，三六零积极推动智脑大模型落地应用，王小川、王慧文、闫俊杰等跑步进场......如火如荼的大模型市场正在迎来“诸神之战”。

如今，以云为基础的技术浪潮，正以席卷一切的姿势澎湃而来，AI与云计算的深度融合，迸发出耀眼的光芒，而大模型的爆火，不仅是AI技术的自我演进，更是云、数字化的又一次深化。

可以说，相较于深度学习，大模型让AI认知能力更上一层楼，实现所谓的“智能涌现”，催生出ChatGPT、AIGC等新型应用。英伟达创始人、CEO黄仁勋将这一现象归纳为“AI的‘iPhone’时刻”来临。

ChatGPT火爆至今，AIGC、大语言模型、大模型在国内持续走热的深层次原因有哪些？在国内，大模型的发展如何？目前，大模型行业有哪些不足，以及未来将如何发展？今天，我们将进行深入探讨。

百模大战，大炼大模型

在不久前举办的中关村论坛人工智能大模型发展分论坛上，《中国人工智能大模型地图研究报告》发布，该报告提出，我国自2020年进入大模型快速发展期，目前与美国保持同步增长态势。当前，我国人工智能大模型已发布79个。

从数量和增长态势来看，随着众多AI企业的入局，AI大模型引燃了互联网大厂和科技大佬的激情，AI大模型的诸神之战已经打响。

除前文提及的互联网大厂外，还有科技大佬入局：原美团联合创始人王慧文、前搜狗CEO王小川、前京东AI掌门人周伯文、阿里技术副总裁贾扬清、出门问问创始人李志飞等一众大佬争先加入ChatGPT掀起的创业热队伍。

此外，AI大模型领域还有众多北京华丽的创业团队涌现，清华唐杰教授的智谱AI，黄民烈教授的聆心智能，清华大学NLP实验室的孙茂松、刘知远团队，深言科技岂凡超，以及循环智能杨植麟等等，都被头部VC赋予了颠覆行业的希望。

在政策层面，人工智能发展也得到了充分重视。此前召开的中共中央政治局会议提出，要重视通用人工智能发展，营造创新生态，重视防范风险。可以说，推动人工智能大模型产业化应用，是加快实现我国人工智能领域高水平科技自立自强的应时之举，也是提升国家竞争力、维护国家安全的关键举措。

在笔者看来，以ChatGPT为代表的AIGC刺激下，国内AI大模型正在迎来奇幻革命，并进行一场诸神之战，谁会是最后的赢家，让我们拭目以待。

发展大模型之痛在哪里？

在大模型越来越火热的同时，我们还应该认识到发展大模型并非一件易事。通常而言，大模型具有“巨量数据、巨量算法、巨量算力”三大“巨量”特征。这对任何企业来说，打造一个大模型都不是一件容易的事情，需要收集海量的数据，采买海量算力，进行大量研发。比如，ChatGPT模型参数高达1750亿，而与之类似的模型，参数也从数百亿到数千亿不等。

这对算力提出了新的需求。在乐观假设下，国内AI大模型在训练与推理阶段或产生相当于1.1万台至3.8万台高端AI服务器的算力需求。以英伟达单片A100 GPU产品售价10万元、AI加速卡价值量占服务器整机约70%计算，则对应126亿元至434亿元增量AI服务器市场规模。

人才也是人工智能大模型发展遇到的核心难题。《AIGC人才趋势报告》显示，自Open AI在2021年推出以来，对于AIGC相关的人才争夺就已经开始了。2021年1-2月，AIGC相关岗位招聘同比上升281.88%，而在2022年和2023年的1-2月，招聘数量分别保持了76.74%和31.3%的同比增幅。

当然，我们也应该认识到，人才的培养并非一蹴而就，除了要考虑AI技术发展的先进性之外，还要解决AI与行业Know-How结合的问题。只有AI与行业特性相融，才能真正实现技术扩散，带来帮助企业或行业降本增效的实际价值。

此外，在大模型普及的过程中，推动大模型场景创新仅仅是开端，由开端向外延伸，不断收集大模型对于普通群众的实际效用。换言之，大模型要想得到长远健康发展，势必要结合行业、场景进行创新，通过场景创新+经济驱动，来支撑大模型发展。

整体来看，使用大数据训练得到的大模型对于实际应用、提高工业生产力和促进社会发展有巨大的前景，但行业数据源封闭，孤岛化严重，难以提供训练大模型所需的大数据，满足行业AI需求，需要长时间探索。

寻求解决之道，大力发展大模型

应对这些挑战，抢占人工智能大模型产业发展制高点，必须加强源头技术创新，打赢软硬件基础设施国产化攻坚战，化解大模型关键核心技术被“卡脖子”的风险，多措并举推动人工智能大模型产业化应用。

算力先行。在国家、行业层面，应该推进新兴算力生态基础设施建设，实施高端算力芯片研发重大专项扶持计划，建立新型研发机构，推动国产高端算力芯片实现突破，推动新型算力网络基础设施建设的顶层设计，建设国家公共算力开放创新平台。人工智能企业也应该加大算力投入，通过创新推进自身演进、发展。