ChatGPT火爆之后，國內(nèi)不少企業(yè)紛紛發(fā)布大模型，百度的文心一言、阿里的通義千問、騰訊的混元大模型和華為盤古大模型……

(相關(guān)資料圖)

作為近年來發(fā)展速度最快的互聯(lián)網(wǎng)廠商之一，字節(jié)旗下火山引擎雖然看似低調(diào)，不過憑借業(yè)務(wù)IT資源和基礎(chǔ)架構(gòu)的規(guī)模優(yōu)勢，已悄然將業(yè)務(wù)拓展至外部客戶。在大模型領(lǐng)域，與大多數(shù)互聯(lián)網(wǎng)廠商不同，火山引擎采取了“淘金賣水”的商業(yè)策略，類似于京東、天貓模式，不僅匯集了一批來自AI創(chuàng)新公司和科研院所的優(yōu)秀模型，還提供充沛算力、安全互信、企業(yè)服務(wù)等重要支持。

在最近火山引擎主辦和英偉達合作舉辦的V-Tech體驗創(chuàng)新科技峰會上，火山引擎發(fā)布大模型服務(wù)平臺火山方舟，并面向企業(yè)提供模型精調(diào)、評測、推理等全方位的平臺服務(wù)。目前，火山方舟集成了百川智能、出門問問、復(fù)旦大學(xué)MOSS、IDEA研究院、瀾舟科技、MiniMax、智譜AI等多家AI科技公司及科研院所的大模型，并已啟動邀測。

此次發(fā)布會上火山方舟產(chǎn)品的確讓人眼前一亮。一般來說，企業(yè)為了數(shù)據(jù)安全會希望大模型在本地部署，然而這一模式又會導(dǎo)致大模型供應(yīng)商的知識產(chǎn)權(quán)外漏，大模型的使用方與提供方彼此之間的信任問題勢必需要解決。此次大會中，火山公布的大模型安全互信計算方案，有望從根本上解決產(chǎn)業(yè)互信的問題，為長期發(fā)展做鋪墊。

在大模型站在風(fēng)口的當(dāng)下，雖然各類模型百花齊放，但如何以成本與效率兼顧的原則，挑選出適合企業(yè)本身的模型仍是個不小的學(xué)問。這也是為何我們認為火山方舟有很大看點的原因：解決互信問題、幫助企業(yè)挑選好適合自己的大模型、結(jié)合行業(yè)屬性精調(diào)，讓大模型發(fā)揮出更大價值，幫助更多企業(yè)踏上人工智能的時代快車。

隨著ChatGPT在全球掀起熱潮，一時之間其背后的AI大模型風(fēng)起云涌。

對此，李開復(fù)甚至稱AI大模型是絕對不能錯過的歷史機遇。因為這將是有史以來最大的平臺革命，它將比Windows、安卓要大10倍甚至更多，它會讓每個應(yīng)用改寫，會重新重構(gòu)人類的工作，會讓有創(chuàng)意的那些人的聰明才智被放大10倍或者更多。

在AI1.0的時代，數(shù)據(jù)集和模型之間較為孤立，需要大量的人工標記工作。然而到了AI2.0時代，超級巨量數(shù)據(jù)訓(xùn)練將會解決這些障礙，微調(diào)后就可以執(zhí)行五花八門的任務(wù)。

根據(jù)產(chǎn)業(yè)發(fā)展規(guī)律，新技術(shù)發(fā)展初期，由于自身因素限制，往往很難形成大規(guī)模應(yīng)用，但是起到了很好的改變市場認知作用，為后續(xù)增長空間做出很好的鋪墊。而當(dāng)新技術(shù)的限制因素被逐漸解決之后，其在產(chǎn)業(yè)的應(yīng)用便會迅速落地，打開市場空間。

可以看到的是，大模型將會逐步過渡到商業(yè)化落地階段，會在未來會給企業(yè)和員工的工作、運營方式帶來變革性影響。作為比肩甚至超越移動互聯(lián)網(wǎng)浪潮的時代機遇，學(xué)會用好大模型，將會成為企業(yè)和個人在未來的核心競爭力。

直到目前，國內(nèi)外多家互聯(lián)網(wǎng)公司都開啟了大模型領(lǐng)域的應(yīng)用布局，產(chǎn)業(yè)發(fā)展如火如荼。

在海外市場，谷歌I/O上發(fā)布一系列生成式AI新進展，包括新一代語言模型PaLM 2、升級AI聊天機器人Bard、生成式AI實驗版搜索引擎、Duet AI for Workspace等；微軟推出ZeRO++技術(shù)，可顯著減少AI大模型訓(xùn)練時間和成本；Meta開源多感官大模型，讓AI用6種模態(tài)體驗虛擬世界，為實現(xiàn)元宇宙鋪路。

國內(nèi)的科技企業(yè)也沒有閑著。百度文心大模型已經(jīng)迭代到了3.5版本，與3.0版本相比，訓(xùn)練速度提升了2倍，推理速度提升了17倍；騰訊成立了混元助手項目組，由騰訊首席科學(xué)家張正友帶隊研發(fā)；阿里發(fā)布“通義千問”后，瞄向AI音視頻賽道推出“通義聽悟”，并且正式開啟公測。

當(dāng)然，市場上有競爭力的玩家并不止于大模型的供應(yīng)方，還有火山引擎這類做大模型商業(yè)平臺的創(chuàng)新型選手?；鹕揭孀畛醯亩ㄎ痪褪菍⒆止?jié)內(nèi)部長期以來沉淀的技術(shù)能力和應(yīng)用工具開放給外部企業(yè)。如今，在火山引擎發(fā)布的火山方舟大模型服務(wù)平臺中，提供了面向企業(yè)開發(fā)者提供大模型精調(diào)、評測、推理、干預(yù)等全方位的大模型服務(wù)，加速大模型應(yīng)用落地。

對于火山引擎這類采用“淘金賣水”式生意的公司而言，在AI風(fēng)口下有望迎來更具確定性的增長。

公開數(shù)據(jù)統(tǒng)計，自3月以來，國內(nèi)已有超過20家企業(yè)入局大模型賽道，共計發(fā)布了79個10億級參數(shù)規(guī)模的大模型，產(chǎn)業(yè)在短期內(nèi)迎來了爆發(fā)式增長。

我們也可以看到通用大模型并不能解決全部問題，比如ChatGPT對于許多基礎(chǔ)問題存在回答“張冠李戴”的現(xiàn)象。同時，由于專業(yè)知識訓(xùn)練的語料不夠，ChatGPT在專業(yè)領(lǐng)域提供的回答通常過于膚淺，甚至經(jīng)常存在生成質(zhì)量不穩(wěn)定、邏輯不連貫、重復(fù)或不一致的現(xiàn)象，這會導(dǎo)致回答缺乏可靠性，無法滿足專業(yè)領(lǐng)域?qū)卮鹳|(zhì)量的高要求。

因此，對于B端和G端客戶來說，垂直大模型是重要的發(fā)展方向。通過精調(diào)，垂直大模型能夠以更低的成本實現(xiàn)更精準的輔助工作。通用大模型更多的是解決80%的通識性問題，要100%解決場景問題必須結(jié)合行業(yè)屬性，這一點在如今越來越成為共識。

比如對于醫(yī)療健康行業(yè)，容錯性很低，模型的準確度可能要達到99%以上才可進入商業(yè)化階段。而如此高的精準度自然是通用大模型無法達到的，將大模型結(jié)合行業(yè)屬性，才是大模型在產(chǎn)業(yè)應(yīng)用商業(yè)化落地的良藥。

再比如，微軟有一個研究團隊，他們制作專門為回答醫(yī)學(xué)問題而設(shè)計的語言模型——BioGPT?；贕PT-2，研究團隊在預(yù)訓(xùn)練中使用8個Nvidia V100 GPU進行20萬步，而微調(diào)則使用單個Nvidia V100 GPU進行32步，然后使用3.57億個參數(shù)進行調(diào)整，最終讓BioGPT相較于GPT-2而言，展示了更卓越的生物醫(yī)學(xué)內(nèi)容文本生成能力。

可見，一個經(jīng)過良好微調(diào)訓(xùn)練的小模型，在特定工作上的表現(xiàn)上，甚至?xí)?yōu)于一個通用的大基座模型。畢竟對于大多數(shù)行業(yè)而言，并不需要非常通用的、巨大的基座模型。

除此之外，由于通用大模型不是本地部署，許多問題需要上傳到云端之后在異地進行解答，很容易導(dǎo)致企業(yè)內(nèi)部數(shù)據(jù)泄露。而且對于大多數(shù)公司而言，通用大模型給企業(yè)帶來的成本過高，很多時候百億級垂直大模型就能滿足需求，如果使用千億級大模型就會造成成本的浪費。

從長期來看，大模型的推理開銷會遠大于訓(xùn)練開銷。大的基座模型推理成本高昂，會倒逼企業(yè)選擇大模型時更加考慮性價比因素。

所以企業(yè)在挑選大模型時需要尤為關(guān)注模型可用性、安全性和成本等因素。

最后，國內(nèi)大模型還在初級階段，技術(shù)流動和發(fā)展也非?？欤]有哪家大模型遙遙領(lǐng)先。眾多大模型在不同任務(wù)上的效果表現(xiàn)各擅勝場，企業(yè)不該把業(yè)務(wù)綁定在一家大模型上，而是應(yīng)該按照業(yè)務(wù)場景需求，擇優(yōu)選用不同的模型。

為了全方位支持企業(yè)挑選合適與自己的大模型，火山方舟還提供了統(tǒng)一的工作流對接多家大模型提供商，可以幫助企業(yè)為不同場景選擇最合適的模型，包括大模型精調(diào)、評測（效果指標）、推理、干預(yù)（內(nèi)容安全、質(zhì)量評估）等全方位的專業(yè)支持，在基本不改變工作流的情況下可以切換使用多個不同模型。

目前，火山方舟集成了百川智能、出門問問、復(fù)旦大學(xué)MOSS、IDEA研究院、瀾舟科技、MiniMax、智譜AI等多家AI科技公司及科研院所的大模型，并已啟動邀測。

不同于自建應(yīng)用，去服務(wù)企業(yè)和C端用戶，火山方舟選擇了類似于大模型領(lǐng)域的京東或天貓模式，通過匯集了一批來自AI創(chuàng)新公司和科研院所的優(yōu)秀模型，提供充沛算力、安全互信、企業(yè)服務(wù)等重要支持。

不同的商業(yè)模式所打造出來的差異化服務(wù)，也成為企業(yè)選擇火山方舟的重要原因。

首先，針對安全方面，對于企業(yè)而言，非本地部署的大模型會給企業(yè)信息安全帶來很大隱患。然而，換個角度思考，如果將大模型私有化部署，不但企業(yè)將承擔(dān)更高的成本，模型生產(chǎn)方的知識資產(chǎn)安全也無從保障。

為此，火山方舟在業(yè)內(nèi)首創(chuàng)了安全互信計算，為大模型使用者、提供者和云平臺提供可以互相信任的安全保障。

據(jù)火山引擎智能算法負責(zé)人吳迪介紹，火山方舟已上線了基于安全沙箱的大模型安全互信計算方案，利用計算隔離、存儲隔離、網(wǎng)絡(luò)隔離、流量審計等方式，實現(xiàn)了模型的機密性、完整性和可用性保證，適用于對訓(xùn)練和推理延時要求較低的客戶。

會上，吳迪還表示，火山方舟還在探索基于NVIDIA新一代硬件支持的可信計算環(huán)境、基于聯(lián)邦學(xué)習(xí)的數(shù)據(jù)資產(chǎn)分離等多種方式的安全互信計算方案，更全面的滿足大模型在不同業(yè)務(wù)場景的數(shù)據(jù)安全要求。

其次，火山方舟提供了豐富的模型精調(diào)和評測支持。吳迪介紹，企業(yè)可以用統(tǒng)一的工作流對接多家大模型，對于復(fù)雜需求可設(shè)置高級參數(shù)、驗證集、測試集等功能，再通過自動化和人工評估直觀對比模型精調(diào)效果，在不同業(yè)務(wù)場景里還可靈活切換不同的模型，實現(xiàn)最具性價比的模型組合。

如此一來，企業(yè)可以大幅降低大模型的推理成本，并結(jié)合自身業(yè)務(wù)場景，選擇更具性價比的模型。

目前，集團內(nèi)部已有十多個業(yè)務(wù)團隊試用火山方舟，在代碼糾錯等研發(fā)提效場景，文本分類、總結(jié)摘要等知識管理場景，以及數(shù)據(jù)標注、歸因分析等方面探索，利用大模型能力促進降本增效。

火山方舟的首批邀測企業(yè)，包括金融、汽車、消費等眾多行業(yè)的客戶。通過海量數(shù)據(jù)訓(xùn)練，火山方舟已有能力將沉淀下來的經(jīng)驗、方法為外部客戶進行服務(wù)。

AI時代，在大模型領(lǐng)域絕不會一家獨大，期待火山方舟能以不一樣的方式，讓更多企業(yè)踏上人工智能時代的快車。

作者 | Greg

來源 | 征探財經(jīng)（ID:teccj6)