大模型拼殺進入2.0，會帶來哪些優化與突破

原文：澎湃新聞，作者：車行運

圖片來源：由無界AI‌ 生成

今年6月份，各大廠商紛紛升級自家的類ChatGPT產品。 6月9日，訊飛推出星火認知大模型升級版；6月13日，360在發布類ChatGPT產品之後，再次舉行360智腦大模型應用發布會。

與2月左右發布的大模型不同，近期各家公司發布的升級版產品，更偏向應用層目的是更容易走向千家萬戶。

從目前發布的情況來看，360智腦已初步具備跨模態⽣成能⼒，除了可以完成文字生成文字、表格、圖片；圖片生成文字、圖片，以及視頻生成文本，文本剪視頻等基礎創作之外，還重新定義“數字人”，給用戶一種“有靈魂、有⼈設、有記憶”可定制的專屬“人工智能”。

目前360智腦與用戶距離最近的應用場景，是360現有的全家桶，周鴻禕在發布會表示，“360智腦4.0”會接入360安全衛⼠、360瀏覽器、360搜索等，試圖重塑人機協作。

在發布會上，周鴻禕更改了此前觀點，“我曾經說過，國產大模型與ChatGPT之間的差距是兩年，現在我想收回這句話。”隨後補充最新觀點，認為目前國產大模型的水平與GPT3.5大打平，照此速度發展，追趕甚至超過GPT4將在轉瞬之間。

從發布初始版本至正式發布360智腦的四個月內，周鴻禕看到了會有如此巨大的轉變？

科技大廠圍獵大模型

在2023中關村論壇上發布的《中國人工智能大模型地圖研究報告》顯示，當前，中國人工智能大模型正呈現蓬勃發展態勢。據不完全統計，截至目前，參數在10億規模以上的大模型全國已發布了79個。

而科技大廠的大模型參數量較大：阿里通義千問大模型參數在10萬億級以上、騰訊混元大模型和華為盤古大模型參數量均在萬億級以上、百度文心一言大模型參數量在2千億級以上、京東言犀大模型的參數量為千億級；垂直行業科技企業已經上線的參數量普遍在千億級以上；而科研院校大模型的參數量在千億級及以下。

从大模型的布局体系来看，科技大厂在算力层、平台层、模型层、应用层进行了四位一体的全面布局。百度、阿里、华为三家均从芯片到应用进行自主研发的全面布局，如百度的“昆仑芯+飞桨平台+文心大模型+行业应用”、阿里的“含光800芯片+M6-OFA底座+通义大模型+行业应用”、华为的“昇腾芯片+MindSpore框架+盘古大模型+行业应用”。

此外金山辦公5月31日還發布了WPS AI，目前，WPSAI已接入金山辦公旗下辦公組件輕文檔、文字、表格、演示、PDF，未來將錨定AIGC、閱讀理解和問答、人機交互三個戰略方向發展，並接入金山辦公全線產品。

各家大廠迅速湧入這個賽道，主要是因為監管層迅速跟進出台措施規範行業發展，有頂層架構保駕護航，各家大廠自然可以放心投入研發，並推出產品。

自今年3月大模型批量上線以來，AI監管政策逐漸明晰，這也給行業應用指明了方向。

回顧整個行業發展歷程，4月11日，《生成式人工智能服務管理方法》徵求意見稿發布；5 月30 日，信通院正在聯合編制“紙鳶”開放人工智能模型許可證，下一步將發布《紙鳶開放人工智能模型許可證（徵求意見稿）》。

隨後，一線城市配合發布了《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025 年）》；《深圳市加快推動人工智能高質量發展高水平應用行動方案（2023-2024 年）》。

在此背景下，周鴻禕認為國產大模型將會迅速縮小和ChatGPT的差距，似乎也好理解了。

360智腦有何不同

按照周鴻禕的規劃，360大模型將在持續升級大模型的基礎上，兼顧場景化、產品化、平⺠化、垂直化。

這種發展戰略下，360智腦可以實現對消費者（⽤戶個⼈AI助理）、中⼩微企業（SaaS化垂直應⽤）、企業/政府/城市（私有化部署⼤模型）、⾏業（⾏業垂直⼤模型）等四個主要應用場景的覆蓋。

想要更好滿足上述不同場景的需求，通用大模型需要在現有基礎上，完成從輸入文字輸出文字，到看懂圖像、視頻，並能產出圖像、視頻的轉變，相當於讓大模型具備了“耳朵”和“眼睛”，為創建“數字人”打下基礎。

傳統數字人只需要按照既定腳本輸出，但在大模型時代，360的數字人可定制，因此⼈設、有記憶、有經歷，目前在360數字⼈⼴場平台中，已經有200多個⻆⾊，分為數字名⼈和數字員⼯兩個種類。 360希望未來可以讓每個⼈都有自己的AI助理，並有機會在虛擬空間內，跨越時空，和古人交流。

在演示會上，周鴻禕問“諸葛亮”怎麼看今天成為鬼畜素材，數字人以諸葛亮的口吻回复：夫古今之命，乃實事所必然也。今之時勢，天下紛擾不已。吾雖已老，仍志在天下。今者年輕人以吾為鬼畜素材，吾欣然接受此變化。並祝愿年輕朋友在未來的道路上勇往直前，開創更加美好的未來。

同時周鴻禕還強調，未來數字人的形態還會有⾃⼰的⽬標、規劃和分解的能⼒，從而可以調⽤各種垂直的模型完成任務。

不過這些功能其實都是在現有大模型應用基礎上的優化，並沒有開闢一個全新的領域。但實際上，當大模型取得突破後，最具創造性的應用場景是無人駕駛。

無人駕駛有機會駛入快車道

回顧無人駕駛領域，自從2016年開始，各大廠商都在佈局這個領域，但是直到今年也沒有一家可以實現真正的無人駕駛。

目前一輛L2+級別的無人駕駛系統需要10+顆攝像頭；1-2顆激光雷達；或3-5顆毫米波雷達提供的多維度數據，人工標註數據之後才能用於模型的訓練。在可識別影像的大模型出現之後，人工標註所需要的時間成本和物質支出將會驟然下降。

據2023年4月毫末智行DriveGPT發布會顯示，目前要得到對諸如車道線、交通參與者、紅綠燈等信息，行業人工標註的成本約每張圖為5元，毫末DriveGPT的成本為0.5元。我們認為科技公司大模型訓練成熟後，單張圖自動標註的邊際成本趨近於0，平均成本有望進一步下降。

據愷望數據產品項目副總裁張鵬在2023年2月的介紹，目前數據標註以人工標註為主，機器標註為輔，95%的數據標註還是以人工為主。大模型的介入，可以極大地提升這個行業的效率。以特斯拉為例，2021年人工標註團隊為1000多人，2022年該團隊裁員200餘人。

除此之外，大模型時代，第三方科技巨頭有望通過提供完善的工具鏈，幫助整車廠構建自己的自動駕駛算法和數據閉環系統，同時依靠大模型的數據生成能力縮小在數據領域的差距，自動駕駛的安卓時代有望來臨。

目前，大模型已經被用於賦能數據閉環、仿真、感知算法、規控算法等領域。而巨頭如微軟、英偉達在大模型和自動駕駛爭相佈局，或將擦出新的火花。

此外大模型的出現也促進行業分工，避免“重複造輪子”，同時加速傳感器和芯片迭代，系統成本有望大幅下降。大模型開發者和自動駕駛產業鏈玩家有望全面受益。

以百度Apollo為例，其首先利用圖文信息預訓練一個原始模型，利用算法將街景圖像數據進行物體識別並定位和分割，放入編碼器形成底庫，即基於街景建立一個圖片和文字信息對應的數據池。

其次可以通過文本、圖像等形式對特定的場景（如快遞車、輪椅、小孩等）進行搜索和挖掘，對車端模型進行定制化的訓練，大幅提升存量數據的利用效果。

百度用半監督方法，充分利用2D和3D數據訓練一個感知大模型。通過在多個環節對小模型進行蒸餾，提升小模型的性能，同時通過自動標註給小模型定制化的訓練，用來增強遠距離視覺3D感知能力、提升多模態感知模型的感知效果。

另一家頭部玩家商湯科技也曾公開表示，可以用AIGC生成真實的交通場景以及困難樣本來訓練自動駕駛系統，以多模態數據作為大模型的輸入，提升系統對Cornercase場景的感知能力上限。

同時自動駕駛多模態大模型可做到感知決策一體化集成，在輸出端通過環境解碼器可對3D環境進行重建，實現環境可視化理解；行為解碼器可生成完整的路徑規劃；動機解碼器可用自然語言對推理過程進行描述，使自動駕駛系統變得更加安全可靠。

大模型實現上述功能後，未來無人駕駛門檻會越來越低，頭部廠商加速無人駕駛項目進程的同時，還可以讓更多新玩家加入這個領域，並開拓除道路導航外，需要道路規劃功能的賽道，比如進一步優化掃地機器人的路徑規劃。

現在看，在經歷二月至三月的大模型集中發布期、四月至五月的產品研發期和政策方向逐步明確後，六月已經進入AI大模型產品和應用有望迎來集中發布期，這也直接導致OpenAI API降價。

在可預期的未來，AI技術仍然在持續迭代，應用也在持續推進，同時越來越多科技大廠推出產品切入這個賽道，還將繼續助推行業景氣度上升，並給用戶帶來更貼合市場需求的類GPT產品，比如擁有龐大用戶群的騰訊6月19日也發布了大模型領域的技術方案。

當這些從業企業一起卷的時候，行業發展進入快車道的同時，也意味著C端用戶將會很快就能用上這個產品，至於會為誰付款，就需要各家廠商自憑本事了。