2022年11月，OpenAI推出的自然語言生成式模型ChatGPT宛如一顆重磅炸彈，在科技領域乃至整個社會引發(fā)了強烈的震動。ChatGPT交互體驗的流暢性、生成內容的邏輯性與豐富性，都達到了一個全新的高度，使得它迅速成為史上用戶增長速度最快的應用程序之一。

數(shù)據(jù)就是有力的證明，ChatGPT在推出后的短短五天內就吸引了超過一百萬用戶，到2023年11月，每周活躍用戶數(shù)更是達到了1億，而到2024年8月，這一數(shù)字已突破2億，月訪問量達到約31億次。

ChatGPT的爆火，在全球范圍內掀起了一場關于大模型研發(fā)與應用的熱潮。眾多科技企業(yè)、科研機構紛紛投身其中，眾多模型如雨后春筍般涌現(xiàn)。在國內，這股熱潮迅速升級，從“百模大戰(zhàn)”發(fā)展為“千模大戰(zhàn)”。

新概念層出不窮

經(jīng)過近兩年的激烈競爭與發(fā)展，大模型領域成果豐碩。從技術層面來看，國內大模型在性能上取得了顯著提升。在自然語言處理的多項權威評測指標中，一些國內優(yōu)秀大模型已能與國際先進水平比肩。與此同時，新概念也層出不窮。

1、具身智能(Embodied?AI)

具身智能強調人工智能系統(tǒng)與物理世界的交互能力，讓智能體不僅擁有智能決策能力，還能通過身體在真實環(huán)境中執(zhí)行任務。這一概念打破了傳統(tǒng)大模型局限于虛擬數(shù)字空間的交互模式，開啟了人工智能與現(xiàn)實世界深度融合的新篇章，在工業(yè)制造、物流配送、智能家居等領域具有廣闊應用前景。

2、智能體(Agent)

智能體是指能夠自主感知環(huán)境、作出決策并執(zhí)行任務的軟件或硬件實體。在大模型的背景下，智能體通常由感知模塊、決策模塊、執(zhí)行模塊和記憶模塊構成。感知模塊負責接收外部環(huán)境的信息，如文本、圖像、聲音等;決策模塊基于大模型的推理能力，對感知到的信息進行分析和決策;執(zhí)行模塊根據(jù)決策結果，執(zhí)行相應的動作，如生成文本、控制機器人等;記憶模塊存儲智能體的歷史行為和知識，以便進行長期學習和推理。

3、模型即服務(MaaS,?Model?as?a?Service)

MaaS?模式下，模型開發(fā)者將訓練好的大模型封裝成服務，通過云平臺提供給用戶。用戶可根據(jù)自身需求，按使用量或訂閱方式調用模型功能，無需自行搭建復雜的訓練環(huán)境與團隊。例如，科研團隊在進行數(shù)據(jù)分析與預測時，可按需租用專業(yè)的大模型服務，節(jié)省時間與成本。與傳統(tǒng)軟件即服務(SaaS)不同，MaaS?更聚焦于模型能力的輸出，為不同行業(yè)的智能化轉型提供靈活高效的技術支撐，加速大模型在各行業(yè)的滲透。

4、自適應人工智能(Adaptive?AI)

自適應人工智能使大模型能夠根據(jù)不斷變化的任務需求、數(shù)據(jù)特征和環(huán)境條件自動調整自身行為與參數(shù)。例如，在自動駕駛場景中，模型可實時感知路況、天氣等環(huán)境變化，動態(tài)調整駕駛策略與決策邏輯;在智能客服領域，模型能依據(jù)用戶的反饋、對話上下文以及業(yè)務場景的變化，自適應地優(yōu)化回答內容與交互方式。這種動態(tài)適應能力提升了大模型在復雜多變現(xiàn)實場景中的適用性與穩(wěn)定性，確保其始終保持良好性能表現(xiàn)。

路徑爭議貫穿始終

在大模型的發(fā)展歷程中，諸多路徑爭議貫穿始終，這些爭議深刻影響著大模型的發(fā)展方向。

規(guī)模至上還是精巧求效：大模型發(fā)展初期，“越大越好”?的理念盛行。以?GPT?-?3?為代表，其?1750?億參數(shù)規(guī)模讓模型在自然語言處理任務中展現(xiàn)出卓越能力，促使眾多參與者認為擴大模型規(guī)模是提升性能的不二法門。然而，隨著競賽推進，這種路徑弊端漸顯。大規(guī)模模型訓練成本高昂，不僅算力設備購置與維護需巨額資金，電力消耗也極為驚人，且模型性能提升與規(guī)模增長并非完全正相關，達到一定程度后，規(guī)模擴張帶來的增益減小，還可能引發(fā)過擬合。

在此背景下，追求模型效率的呼聲漸高。一些研究團隊嘗試開發(fā)輕量級模型架構，通過優(yōu)化算法和架構設計，以較小規(guī)模實現(xiàn)高效性能。如谷歌的?T5?模型，憑借統(tǒng)一文本到文本框架，在相對小的規(guī)模下，于多種自然語言處理任務中表現(xiàn)出色，證明了精巧設計的小模型在特定場景下的潛力。

通用模型與專用模型：通用大模型以廣泛適用性為目標，ChatGPT?便是典型代表，能處理多種領域和任務，從日常對話到專業(yè)知識問答皆能應對，吸引眾多資源投入研發(fā)。但通用模型在特定專業(yè)領域深度不足，難以與專業(yè)模型抗衡。

這促使部分參與者轉向專用大模型研發(fā)。專用模型聚焦特定領域，如金融、法律等，通過特定領域海量數(shù)據(jù)訓練，能提供更精準專業(yè)的解決方案。例如金融領域的專用模型，基于專業(yè)數(shù)據(jù)可更準確預測市場趨勢與風險。通用與專用模型路徑之爭，反映出對資源分配和應用場景需求的不同考量。

開源與閉源：開源策略支持者認為，開源可促進技術快速發(fā)展。通過開放模型代碼、數(shù)據(jù)與訓練方法，開發(fā)者能共同參與改進，如阿里的通義大模型。開源還能加速知識共享，降低研發(fā)門檻，激發(fā)創(chuàng)新活力。

閉源策略則強調保護核心技術與知識產權，企業(yè)借此保持競爭優(yōu)勢，并通過商業(yè)化運營獲取收益，支持持續(xù)研發(fā)，百度文心一言便是如此。開源與閉源在數(shù)據(jù)安全和隱私方面也各有爭議，開源面臨數(shù)據(jù)泄露風險，閉源則可能因缺乏監(jiān)督引發(fā)隱私擔憂。

寫在最后：未來展望

我們認為，大模型競賽將朝著更加深入、多元的方向發(fā)展。

具體來看，在技術創(chuàng)新方面，模型架構的創(chuàng)新仍將是重點方向。未來可能會出現(xiàn)更為高效、靈活的模型架構，能夠更好地適應不同的數(shù)據(jù)規(guī)模與應用場景。

在應用場景方面，將持續(xù)拓展與深化。隨著物聯(lián)網(wǎng)技術的不斷發(fā)展，大模型將與物聯(lián)網(wǎng)設備深度融合，實現(xiàn)智能化的萬物互聯(lián)。

在產業(yè)生態(tài)方面，將進一步強化協(xié)同合作。企業(yè)、科研機構、高校之間的合作將更加緊密，形成產學研用一體化的創(chuàng)新體系。通過共享數(shù)據(jù)、算力資源以及技術成果，加速大模型技術的創(chuàng)新與應用轉化。

此外，隨著大模型在社會各個領域的廣泛應用，相關的法律法規(guī)與監(jiān)管政策也將不斷完善，確保大模型的研發(fā)與應用在合法、合規(guī)、安全的框架內進行，保護用戶權益。

毫無疑問，大模型競賽在過去兩年成績矚目。可以預見，未來大模型技術將憑借強大創(chuàng)新力與影響力，持續(xù)改變我們的生活與社會，為人類發(fā)展帶來更多機遇與可能。