中國大模型：後中爭先，不走捷徑

文 | 佘宗明

在《5000天后的世界》中，著名未來學家凱文·凱利預言：“在未來的50年裡，AI將成爲可以與自動化和產業革命相提並論的，不，應該是影響更爲深遠的趨勢。”

而今，大模型似乎就是那根槓桿。自ChatGPT問世以來，“工業革命級的生產力工具”“有史以來最大的平臺革命”“新範式的新拐點”之類的說法，已將大模型“封神”。

公開數據顯示，截至今年7月底，國內已經有130個大模型產品亮相或宣佈。“百模大戰”中的“百”，已非虛指。

有意思的是，在大廠們爭前恐後入局之時，騰訊卻一直保持自己的節奏。

9月7日，在2023騰訊全球數字生態大會上，騰訊混元大模型正式亮相，騰訊宣告全面擁抱大模型。

在廠商們爭搶頭啖湯時不出來，在大模型密集發佈期不出來，等大模型的喧鬧消退後終於現身。

與其說這是“遲”，不如說它更是“實”——以實促實，不騖虛聲，保持自己節奏，不被外界左右。這裡的實，是實用，是實幹，也是實誠。

說到“混元”，許多人可能會想到道家的“混元即無極，無極生太極”。混元所指，是鴻蒙狀態，是萬物根源。

道可道，非常道。道家始祖老子曾說過“我有三寶，持而保之”，其中之一就是信奉敢爲天下後。

而在“中國巴菲特”段永平的闡釋中，“敢爲天下後”還有後半句：後中爭先。

騰訊早在2021年就推出了千億和萬億參數的NLP（自然語言處理）稀疏大模型，打破了CLUE三大榜單記錄。

馬拉松長跑中，方向對、策略準往往比起步快更重要。在通用大模型發佈節奏上，騰訊更像是以慢爲快，不走捷徑。

騰訊董事會主席兼CEO馬化騰就說：“我們最開始以爲這（指AI大模型）是互聯網十年不遇的機會，但是越想越覺得這是幾百年不遇的、類似發明電的工業革命一樣的機遇。”

他認爲，“對於工業革命來講，早一個月把電燈泡拿出來，在長的時間跨度上來看是不那麼重要的。關鍵還是要把底層的算法、算力和數據紮紮實實做好。”

都說“做三四月的事情，在八九月自有答案。”有些玩家習慣了在打通概念炒作跟對韭當割鏈路後一哄而上，“三四月”的事情剛開始做就掏出了PPT、半成品，騰訊卻在“六七月”裡不事張揚，直到“八九月”有了答案才讓其面世。

混元大模型參數展示的樸實，可堪佐證——沒有狂堆參數，也沒展示打了多少榜，騰訊方面主要披露了兩個數字：超千億參數規模，幾乎是當前通用大模型的標配；預訓練語料超2萬億tokens，和目前最強開源模型Llama 2持平。

樸實反映的，不是能力的讓渡，而是求實的態度：不追求Chat（聊天）上的花哨，而追求應用場景上的實效；不是基於國外開源模型訓練求快，而是從零開始、全鏈路自研。

實用導向，指向的是讓大模型從“可用”變爲“好用”。

不得不說，當下的大模型正陷入“又強大，又弱雞”的悖論：一方面，很多大模型在問答時能秀得一手好打油詩、抖出一番機靈，另一方面，在行業應用中又沒太多實質性用處。

大模型研究者李莉就認爲，現在很多模型的研究者和應用的製作者，考慮的是如何讓別人記住自己，所以效果特別視覺化，“每個視頻讓人看得血脈賁張，我們紛紛表示太酷炫了，但是靜下心來，我們對於技術該怎麼用一般都沒有答案……如果真正放到經濟中，你會發現根本用不上。”

這正是ChatGPT熱度滑坡的主要原因：前不久，Newsweek調查顯示，ChatGPT的用戶數量已經比今年年初高峰時期下降了近95%。用戶選的最多的理由就是，感覺“ChatGPT對工作的促進能力沒有想象那麼強”。

這難言奇怪：在行業應用場景中，用戶在意的，可不是大模型能玩什麼梗、扯什麼淡，而是能否提供專業知識和行業數據。“大”不是最重要的，“專”纔是。ChatGPT上生成的很多回答，就被指看上去專業，專業人士一看卻似是而非。

而今，隨着大模型進入Gartner曲線的相對冷靜階段，越來越多的人已意識到，應用場景是決定大模型能否走遠的關鍵因素。沒有落地場景，就沒商業前景，也就難以走遠。

正因如此，大模型行業正在從拼參數變爲拼落地，B端行業應用已成主戰場。這勾勒出的，是大模型正從“技術力”轉向“生產力”的商業化圖譜。

騰訊對此就早有清晰認知：大模型的長期價值將通過行業應用來體現，絕不僅限於聊天機器人這樣簡單的問答場景。

這次發佈會上，騰訊就強調面向產業，明確要以提效爲第一要義。騰訊高級執行副總裁、雲與智慧產業事業羣CEO湯道生就表示，“大模型需要基於產業場景，與企業數據融合，才能釋放出最大的價值。”

以垂（垂直大模型）應垂（垂直細分行業的需求），方爲實用。今年6月，騰訊雲從產業客戶需求場景出發，依託騰訊雲TI平臺打造模型精選商店。

這次發佈的混元大模型，則將作爲騰訊雲MaaS服務的底座，爲各業務領域提供支持。

推出的是爲應用而生的“從實踐中來，到實踐中去”的實用級大模型，而非花裡胡哨的AI“大玩具”，本就是“實”的體現。

實幹做派，着眼的是讓大模型更成熟更靠譜。

大模型要走入行業產業場景，就得減少“幻覺（即胡言亂語）”、避免“誘導（即誘導偏見或欺騙等）”。

克勞德·香農認爲，信息的本質是消除不確定性。但體驗過的用戶都知道，當下的大模型都有着很強的“不確定性”——它經常會變成CheatGPT，給你胡編亂造一通。

若這只是大模型跟用戶相互“調戲”，那無非是提供了些笑料，可行業場景專業度要求高、邊際容錯率低，若是提供了錯誤信息，很可能引發嚴重後果。

正因如此，面向產業的大模型必須變得更專業更成熟更靠譜，不能是初看什麼都懂、細看什麼都不“專”。

騰訊爲此採取的策略可以歸結爲兩點：1，全鏈路自研；2，將內部業務場景當“磨刀石”。

騰訊的混元大模型，從高速網絡、底層服務器到網卡、高速組網和平臺、模型、算法都是自研，AI基礎設施、機器學習框架、語料庫與模型算法等也是從零訓練。

騰訊解鎖全鏈路自研，瞄準的既是運用自身的技術棧體系，實現根本的業務技術能力突破，也是利用自主體系的研發道路，更好地應對旗下海量高併發業務的衝擊。

客觀上講，基於國外開源模型進行“本土化改良”固然是一條更容易的路子，可大模型既然是工業革命級的機會，只依靠國外的“開源模型”遠不夠。

騰訊集團副總裁蔣傑說：“外界其實一般多會用到知識圖譜，甚至搜索外掛來讓模型的檢索支持能力變得更強，騰訊也會用，但不能用的比例很高。我們一定要在整個的大模型的預訓練階段把這個問題解決掉，控制掉。”依託自研的“探真”算法，混元大模型幻覺比例比其他開源大模型下降了30%到50%。

騰訊還在向外部推出大模型前，將其在騰訊雲、騰訊廣告、騰訊遊戲、騰訊金融科技、騰訊會議、騰訊文檔、微信搜一搜、QQ瀏覽器等50多個內部業務中先行驗證。

先打磨好大模型產品，再拿出來服務行業產業，箇中的創新探索與審慎務實，也是主打一個“實”。

實誠態度，立足的是讓大模型迴歸服務屬性。

湯道生說：“從一個大模型，到提供一個用戶可以感受到的服務，中間有很多的環節和工序。騰訊其實是提供整個端到端的AI服務流程中所需要的‘全鏈條工具’。我們的TI平臺就是一個能滿足整個工序、環節的需求，給客戶提供高效模型搭建服務的重要工具。這可能是大家比較少從友商那裡聽到的。”

將基於自研的大模型技術能力開放，將其用於從田間到產線的很多角落，這需要“以實幹促實用”。

迄今爲止，騰訊已和1萬1千家生態夥伴展開緊密合作，推出了覆蓋100多個產業場景的行業解決方案，共同服務千行百業。

中國科學院自動化研究所權威學者王飛躍就說，“促進原始創新，確保自主可控，是大模型時代我國人工智能發展的當務之急。”原始創新也是爲了更好地助益產業。

大模型迭代優化，也得直面社會多方對數據安全的顧慮：一直以來，有些人對大模型訓練過程中涉及的數據安全問題表示擔憂。

但主流大模型在“喂”數據時，其實需要的是那些沉澱後留下的專業性強、知識密度高的數據，而非真假難辨且缺乏知識含量的個人隱私信息，或是極度瑣碎且偏口語化的聊天內容。

特別是那些專業大模型，在對採集到的數據加以甄別時，會對那些涉隱私信息進行清洗。

蔣傑表示，“我們可以向大家保證，我們做的小模型、大模型還是大語言模型，都絕不會使用個人隱私數據。”

不封閉，不逾矩，方顯實。

大模型很熱，但本質上，大模型是信息化的下一幕。過去十多年的信息化對應的時代大幕上，寫着的主題是“數字化”。大模型同樣是數智化變革的助推器。

只不過，以往互聯網發展撬動的是流通環節減少、流通效率提升，以AI爲代表的數字化工具要介入的層次更深——其核心是要增加基礎價值。

這就需要，將數字化觸角伸向生產端與供應側，覆蓋包括從工業製造到冶金採礦、從港口運輸到農林牧副漁的各行各業。

這對國內大模型的發展不無啓示：自從ChatGPT面世後，中國大模型廠商跟OpenAI差距有多遠，就成了行業關心的話題。

應用場景，或許正是中國大模型彎道超車的突破口。

國家信息中心專家張振翼就指出，當前美國在大模型發展中具備一定的領先優勢，我國需要加強自身獨特優勢的探索。在他看來，當前我國發展大模型人工智能主要有三個方面的優勢：應用場景資源極爲豐富、數據要素政策設計較爲領先、在相關領域的技術創新上已經具有一定積累等。

可以看到，在移動互聯網時代，中國互聯網企業就憑着衣食住行康樂教和產業領域的豐富場景，跑通了模式，做大了規模。

在今天，中國龐大市場上積累了海量數據，包括物流、電商、醫療等各個領域的，各個行業數字化轉型的強烈需要，又爲大模型落地提供了需求端支撐。

順勢而爲，以實用實幹實誠之“實”，加速大模型的產業應用，中國大模型從跟跑到並跑再到領跑的圖景，纔會愈發可期。