中國大模型的落地DNA，寫在這個雙螺旋結構裏_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头07-07 00:29
隨着大模型的飛速發展，行業各界對大模型的核心疑問，已經從“有沒有大模型”，轉變為積極投入建設之後，中國AI產業如何實現大模型落地？巨大的建設投資應該如何獲得確定性、可持續的回報？
事實上，中國AI最強的特徵一直是落地。
技術落地的一個重要指標是技術密度，即一項技術在社會和經濟中的普及程度和應用密度。過去幾年裏，AI技術已經在中國的農田、工廠、港口、礦山、校園、城市等遍地開花，是全球其他地區都極少見到的景象。
產業革命的發生不可能一蹴而就，擁有大量業務場景和AI落地經驗的中國，也應該是大模型落地的前哨站。
果不其然，外界對中國AI和大模型落地的疑問與好奇，已經可以在文心的最新進展中，得到解答。
文心和飛槳的協同發展，組成了一個雙螺旋結構，讀懂這個DNA 片段，可以更清晰地理解中國AI技術持續走向落地的方法與路徑。
一、產業AI的無形之牆
一個技術走向產業，有三個因素構成了影響其市場格局的制約點：一是技術領先性，二是市場需求度，三是產品可靠與可用程度。
大模型技術的領先性和市場需求度，自然毋庸置疑，那麼產品能否經受得住產業用户的考驗呢？中國AI場景多、落地早、實踐多，所以已經可以清晰地看到一堵產業AI的無形之牆，各行各業普遍存在的“三高”要求，是大模型落地所必須跨越的挑戰：
能力要求高。一些IT基礎好的產業會率先應用AI、落地大模型，但這些領域往往有着複雜的業務場景，以及使用多年的傳統算法，因此產業對AI大模型的基礎能力，要求會比較苛刻，超出現有技術手段，才有升級替換的必要性。
專業性要求高。通用大模型進入垂直細分的業務場景，會面臨非常複雜的業務狀況，要注意哪些問題和細節，需要哪些數據，目標是什麼，需要大模型能夠像行業專家一樣，掌握專有知識和行業Know-How。
“三高”要求制約着AI技術落地，這也使得大模型走向產業，還處於初級階段。
二、中國大模型的強落地範本
鑿穿產業AI 的圍牆，需要築重器。在世界人工智能大會上，王海峯分享了文心大模型3.5的核心技術創新。
與文心大模型3.0版本相比，文心大模型3.5版本在效果、功能、性能上全面提升，實現了基礎模型升級、精調技術創新、知識點增強、邏輯推理增強等能力升級。
更值得關注的是，文心大模型在應用層面，展現出了掙脱制約、指向落地的一系列方法，可以成為產業示範。
文心大模型3.5的幾大技術創新，就滿足了產業各界對大模型的三種強期待：
一是對先進生產力的期待。
歸根結底，大模型要可靠、可用，為行業提質增效。文心大模型3.5的兩大升級點，就着眼於此：
首先，基礎模型升級，基於飛槳加快模型迭代，提升模型效果和安全性，模同時，百度文心大模型研發團隊創新了多類型多階段有監督精調、多層次多粒度獎勵模型、多損失函數混合優化策略、雙飛輪結合的模型優化等技術，使模型效果及場景適配能力進一步提升。
此外，文心大模型3.5的邏輯推理提升，在語義理解、數學計算、代碼生成等領域表現更好，這些任務是實際業務中高頻出現的。王海峯舉了個例子，百度每天有大量工程師在寫代碼，文心一言發揮大模型的代碼生成能力，可以更好地幫助工程師提升寫代碼的效率，切實提高生產力。
大模型需要與行業場景適配，解決業務中更具專業性的實際問題，已經成為共識。此次3.5版本，就通過“精調”+“知識點增強”兩大技術創新，讓大模型具備行業專家一樣的專精能力。
有監督的精調技術，可以針對性地適配業務場景，讓結果更加可靠，從而更好地滿足業務場景對模型效果和安全性的需求。知識點增強技術，則在此前的知識增強和檢索增強的基礎上，為大模型注入更具體、更詳細、更專業的知識點，顯著提升大模型對世界知識的掌握和運用，更好地完成專業任務。比如在生成報告時，文心大模型就能夠對用户輸入的查詢、問題等進行分析理解，並解析生成答案所需要的相關知識點，生成更匹配業務特點的內容。
三是對豐富應用的期待。
智能手機中豐富多彩的應用，是移動互聯網產業繁榮的前提。用户使用大模型也需要多樣、豐富、易用的各種應用工具，這就需要插件機制來滿足。
文心大模型3.5新增的插件機制，可以擴展大模型的能力邊界，細緻高效地應用於各類場景。比如文心一言的長文本摘要和問答插件ChatFile，支持超長文本輸入，可以在辦公場景下，形成會議議題、摘要及總結等關鍵信息，幫助提升工作效率。
王海峯也表示，文心一言將發佈更多優質的百度官方和第三方插件，讓用户能夠更好地應用文心大模型，同時也將逐步開放插件生態，幫助開發者基於文心大模型打造自己的應用。
隨着大量優秀的開發者和軟件工程師，基於文心大模型來打造專屬插件，不僅大模型的可用性和產業適配性會進一步提高，所帶來的應用市場空間也是巨大的。
文心大模型3.5的升級曲線，緊密貼合產業期待。從中可以看到，文心大模型時刻準備着落地千行百業。
三、大模型落地需要可持續動力
僅有大模型還不夠，王海峯提出，在文心一言這類大模型產業落地的進程中，可以採用“集約化生產，平台化應用”的模式，即具有算法、算力和數據綜合優勢的企業將模型生產的複雜過程封裝起來，通過低門檻、高效率的生產平台，為千行百業提供大模型服務。
文心大模型能夠率先卡位在大模型落地的關鍵位置，離不開背後的另一條上升曲線：飛槳的聯合優化。
首先，飛槳支撐大模型開發、訓練和推理部署，全面提升大模型落地效率。大模型的訓練、迭代要消耗大量訓練成本、訓練時間，經過飛槳與文心大模的協同優化，最新升級的文心大模型3.5的模型效果提升50%，訓練速度提升2倍，推理速度提升30倍。
其次，文心大模型成為飛槳模型庫的重要組成部分，通過飛槳平台進行精調、推理部署，就可以有效支持千行百業的應用，降低行業獲取大模型門檻。
再次，飛槳提供了全流程產業化工具與平台，解決大模型開發中的卡點、堵點，比如模型體積大、訓練難度高、算力消耗大等，更好地滿足企業開發應用大模型的需求。
可以看到，飛槳的技術和生態積累，正在為文心大模型走向產業，注入了源源不斷的動力。
四、中國AI，憑藉這樣的DNA落地生根
在大會現場，王海峯也展現了文心一言在辦公、會議、編碼等場景的應用。可以説，文心一言已經有了豐富的新落地場景，這種強勁的落地表現，應該能夠打消外界對中國大模型可持續發展的擔憂。
從文心與飛槳組成了雙螺旋結構的DNA，從中可以看出中國AI以實用為先，以產業為向的底色，中國大模型產業也開始呈現出這樣的發展趨勢：
1.低門檻。通過各個端口的技術創新，形成了AI技術全面低門檻化的特徵，讓模型的開發、獲取和應用，都更加便捷、易得。
2.高效率。芯片、框架、模型、應用的全棧協同，帶來了效率持續增長的乘法效應，大大加快了模型的落地速度。
3.通行業。AI開發、訓練、部署、應用的全鏈路得到越來越飽滿的支撐，“集約化生產，平台化應用”讓大模型更適配產業和行業的現實需要，賦能產業智能化。
