前幾日，人工智能研究公司OpenAI CEO山姆·奧特曼（Sam Altman）在談及人工智能這項技術的潛力以及人們對它的擔憂時，曾表示“AI發展速度快得嚇人，就像停不下來的龍卷風?！笨梢姡斯ぶ悄苷谝运暗乃俣雀淖兪澜?。

在經歷了年初人工智能之大模型風口的狂熱之后，截止2023年10月，我國擁有10億參數規模以上大模型的廠商及高校院所達到了254家，這其中既有通用大模型（AGI），也有垂直大模型。換句話說，就是每隔幾天，國內就會官宣一個新的大模型。

但越來越多的從業者會發現，大模型的智能化與商業化落地其實并沒有那么快速。

隨著大模型技術的演變和業務的落地推進，會像大浪淘沙般將一些參與主體過濾出去，最終，只有手握硬核技術實力和資源的企業才能活下去。

那么，現階段國內如此多的大模型，都有哪些類型？哪家實力最強呢？

通用大模型與垂直大模型，哪個有前景

據稱，國內大模型已近80個，這其中包括通用大模型和垂直大模型（也叫專用大模型）。它們二者相比，孰高孰低呢？其實二者如果從應用角度出發考慮的話，都具有各自的特點。

通用大模型（AGI）是指適用于多個領域或行業的大模型，例如自然語言處理領域的預訓練模型、圖像識別領域的預訓練模型等等。

這種大模型具有更廣泛的的應用范圍，可以在多個領域內發揮作用。我們常常聽到的人工智能公司OpenAI開發的ChatGPT、阿里的通義千問、百度的文心一言等都是通用大模型的代表。

而垂直大模型則是針對某個特定的領域或行業研發的大模型，例如醫療領域的大模型、金融領域的大模型、物流領域的大模型等。

就比如物流場景涉及單證（物流活動中進行物流承運而出具的合法效力文件，比如物流承運合同單證等）多、格式不統一等問題，物流大模型可以對其進行快速、準確的標準化識別，提供結構化數據并做好糾錯、補全等操作，保障后續運單分單、履約配送等環節的質量和效率。

這種大模型在特定領域內具有更高的專業性和針對性，能夠更好地解決該領域內的特定問題，因此垂直大模型也叫專用大模型。

可以說每個跟每個之間非常難以比較，所以也很難說哪個最有前途。

實力強的大模型擁有哪些超能力

雖然無法使用一個定律來比較出通用大模型與垂直大模型的優劣，但實力強的大模型擁有的“超能力”總是具有共性的，也具有更廣闊的發展潛力。

1.超大算力

相較于一般AI應用，大模型應用的訓練及推理需要更強的算力支持，可以說算力決定了一個通用大模型的底線。

國內提供云服務的阿里云、騰訊云自身就擁有超大算力，這是他們研發的大模型所具有的最大競爭力。

2.數據量大

訓練大模型需要更大的數據量，更好的數據質量，更多樣性的數據源。因此在大家算力都夠、大模型架構差不多的情況下，誰若再加上數據量多、數據質量高的優勢，便會相應地提升大模型的質量，大模型落地應用的效果也就會越好。

3.是開源大模型

還有一個考慮的因素是是否是開源大模型。開源由于源代碼公開，可以根據用戶的需求隨時修改和定制開發，且一般是免費的（免費使用降低了大模型的使用門檻，例如國外的ChatGPT和國內的文心一言的爆火恰就是因為它使用便捷，人人只需注冊即可體驗），可以讓更多的開發人員和用戶參與，提高大模型的質量和穩定性。開源的大模型代表有阿里的通義千問。

而閉源大模型則由開發公司維護，雖然可以控制大模型的質量和穩定性，但如果不能不斷地提升自己的模型能力，不能保持長期不可動搖的領先性能，有可能會被開源取代。所以屬于閉源的大模型ChatGPT、文心一言等需要保持強勁的性能。

4.是否擁有API接口

開放服務能力是評價大模型能力的重要要素之一，大模型開放了API接口可以幫助其提升開放性，改善對外服務能力。

API接口開放對于專業人員來說必不可少?？蒲腥藛T可以利用其做大量的測試。個人創業者也可以利用接口將其運用到實際的業務中。

相信在不久的將來，隨著大模型面臨的技術和成本問題被解決，相關的企業級應用或消費型應用落地的節奏將會加快。這樣也會凸顯出一批批強大的大模型廠商和應用型產品，而這些廠商和產品很大可能出自于今天這些已嶄露頭角的大模型產品。