9月20日下午，2023亚布力智能制造发展论坛在合肥召开，360集团创始人、董事长周鸿祎出席论坛并发表开幕演讲。

周鸿祎表示，大模型很热，但它绝不是风口和泡沫，而是代表了一次工业革命的机会，将大幅提高生产力和生产效率。作为新一代的生产力工具，大模型具有前所未有的理解、推理和规划能力，标志着通用人工智能时代和强人工智能时代的到来，有引领一场新工业革命的潜质，将给人类社会带来深远的影响，包括颠覆信息生产模式、变革人机交互方式、重塑产业格局，最终推动数字化进入智能化的顶峰。

“现在国家一个很重要的战略是产业数字化，我认为只有把大模型‘拉下神坛’，去提升政府和企业的生产力和生产效率，让每个企业都用得起，它才能真正引领工业革命，这也是顺势而为。”周鸿祎说道。

他还表示，目前，360智脑已通过《生成式人工智能服务管理暂行办法》的备案，即将正式上线并逐步向公众开放。

大模型下沉至日常场景

今年以来，随着人工智能大模型技术跃升与应用加速，一批国产大模型上线发布，但都是小范围测试，没有面向全体公众全面开放。此轮通过备案并集中上线的国产大模型，成为首批“正式上线”者。

人工智能大模型和普通人有何关系，是怎么赋能工作与生活呢？

以最新开放的星火认知大模型为例，据科大讯飞董事长刘庆峰介绍，自5月6日进行小范围测试以来，星火APP的用户已经开发出1万多个性化的AI助手，每一个普通人能调用多个已经上架的AI助手，也能通过简单几步开发自己的专属AI助手，满足职场、营销、出行、生活、公文、客服等多种场景需求，帮助解决工作生活中的各种问题。

星火认知大模型后台数据显示，目前用户刚需使用场景依次集中在知识问答、内容生成、教育学习、编程辅助等场景。

为了让大模型“更聪明”“更好用”，各大研发企业和机构正加速技术和产品的迭代升级。

效率是最终核心竞争力

数据、算力高成本投入后形成的模型越大，在后期运行时的成本也就越大。

摩根士丹利银行在今年年初就给出测算，如果把谷歌一半的搜索工作替换成当下的GPT程序来处理的话，谷歌每年可能会额外损失60亿美元。模型越大，损失的钱就越多。

OpenAI公司的CEO山姆·阿尔特曼在今年4月份回顾AI大模型的发展历史时坦言：“我们正处于一个时代的终结点上。”这个时代就是AI模型越大越好的时代。

杨帆对此也有类似的判断。在他看来，近十几年来AI的发展脉络中，对数据、算力等因素的大规模的追求是一条明线，而真正决定核心竞争力的其实是那条暗线，即对效率的优化。

“这条暗线里，有大量的工程性、细节性的问题要解决，除了对算力有一定的要求，也还要一步一步地去做。”杨帆说。

业界已经开始将注意力转向提高模型效率的研究上，其中一个方法就是减少模型参数的数量，但用更多输入数据来训练现有的、规模更小的模型。这个方法的训练时间虽然更长，模型规模虽小，但运行速度会更快，使用成本也会更低。

另一个方法来自谷歌的一个研究团队。他们把大型通用模型所需的特定知识，分拣、提炼到一个规模相对较小的专用模型中。让大模型当老师，小模型当学生。在具体的训练过程中，研究人员要求“老师”回答问题，并要具体展示它自己是如何推理得出结论的。然后，再把大模型老师得出的答案和答案背后的推理逻辑，用来训练小模型学生模型。

通过这个老师言传身教的方法，能够训练一个只包含7.7亿个参数的小模型，而它在专门的逻辑推理任务上要优于拥有5400亿个参数的大模型。

杨帆给出的方法是，在输入训练数据时，数据科学家分拣、“清洁”出其中大量的低效、垃圾信息，目的是避免大模型“学傻了”。

“大模型对规模的追求，在一定程度上是数据、算力、电力等这些资源的堆积。但如果效率优化做得越好，在同等量资源投入时，就可以支撑对更大规模的追求目标。”杨帆说，“所以说，效率优化真正决定了AI模型在产业服务端的核心竞争力。”

文章来源： 中国企业家杂志，金融界，新华社