中国大模型：后中争先，不走捷径

文 | 佘宗明

在《5000天后的世界》中，著名未来学家凯文·凯利预言：“在未来的50年里，AI将成为可以与自动化和产业革命相提并论的，不，应该是影响更为深远的趋势。”

而今，大模型似乎就是那根杠杆。自ChatGPT问世以来，“工业革命级的生产力工具”“有史以来最大的平台革命”“新范式的新拐点”之类的说法，已将大模型“封神”。

公开数据显示，截至今年7月底，国内已经有130个大模型产品亮相或宣布。“百模大战”中的“百”，已非虚指。

有意思的是，在大厂们争前恐后入局之时，腾讯却一直保持自己的节奏。

9月7日，在2023腾讯全球数字生态大会上，腾讯混元大模型正式亮相，腾讯宣告全面拥抱大模型。

在厂商们争抢头啖汤时不出来，在大模型密集发布期不出来，等大模型的喧闹消退后终于现身。

与其说这是“迟”，不如说它更是“实”——以实促实，不骛虚声，保持自己节奏，不被外界左右。这里的实，是实用，是实干，也是实诚。

说到“混元”，许多人可能会想到道家的“混元即无极，无极生太极”。混元所指，是鸿蒙状态，是万物根源。

道可道，非常道。道家始祖老子曾说过“我有三宝，持而保之”，其中之一就是信奉敢为天下后。

而在“中国巴菲特”段永平的阐释中，“敢为天下后”还有后半句：后中争先。

腾讯早在2021年就推出了千亿和万亿参数的NLP（自然语言处理）稀疏大模型，打破了CLUE三大榜单记录。

马拉松长跑中，方向对、策略准往往比起步快更重要。在通用大模型发布节奏上，腾讯更像是以慢为快，不走捷径。

腾讯董事会主席兼CEO马化腾就说：“我们最开始以为这（指AI大模型）是互联网十年不遇的机会，但是越想越觉得这是几百年不遇的、类似发明电的工业革命一样的机遇。”

他认为，“对于工业革命来讲，早一个月把电灯泡拿出来，在长的时间跨度上来看是不那么重要的。关键还是要把底层的算法、算力和数据扎扎实实做好。”

都说“做三四月的事情，在八九月自有答案。”有些玩家习惯了在打通概念炒作跟对韭当割链路后一哄而上，“三四月”的事情刚开始做就掏出了PPT、半成品，腾讯却在“六七月”里不事张扬，直到“八九月”有了答案才让其面世。

混元大模型参数展示的朴实，可堪佐证——没有狂堆参数，也没展示打了多少榜，腾讯方面主要披露了两个数字：超千亿参数规模，几乎是当前通用大模型的标配；预训练语料超2万亿tokens，和目前最强开源模型Llama 2持平。

朴实反映的，不是能力的让渡，而是求实的态度：不追求Chat（聊天）上的花哨，而追求应用场景上的实效；不是基于国外开源模型训练求快，而是从零开始、全链路自研。

实用导向，指向的是让大模型从“可用”变为“好用”。

不得不说，当下的大模型正陷入“又强大，又弱鸡”的悖论：一方面，很多大模型在问答时能秀得一手好打油诗、抖出一番机灵，另一方面，在行业应用中又没太多实质性用处。

大模型研究者李莉就认为，现在很多模型的研究者和应用的制作者，考虑的是如何让别人记住自己，所以效果特别视觉化，“每个视频让人看得血脉贲张，我们纷纷表示太酷炫了，但是静下心来，我们对于技术该怎么用一般都没有答案……如果真正放到经济中，你会发现根本用不上。”

这正是ChatGPT热度滑坡的主要原因：前不久，Newsweek调查显示，ChatGPT的用户数量已经比今年年初高峰时期下降了近95%。用户选的最多的理由就是，感觉“ChatGPT对工作的促进能力没有想象那么强”。

这难言奇怪：在行业应用场景中，用户在意的，可不是大模型能玩什么梗、扯什么淡，而是能否提供专业知识和行业数据。“大”不是最重要的，“专”才是。ChatGPT上生成的很多回答，就被指看上去专业，专业人士一看却似是而非。

而今，随着大模型进入Gartner曲线的相对冷静阶段，越来越多的人已意识到，应用场景是决定大模型能否走远的关键因素。没有落地场景，就没商业前景，也就难以走远。

正因如此，大模型行业正在从拼参数变为拼落地，B端行业应用已成主战场。这勾勒出的，是大模型正从“技术力”转向“生产力”的商业化图谱。

腾讯对此就早有清晰认知：大模型的长期价值将通过行业应用来体现，绝不仅限于聊天机器人这样简单的问答场景。

这次发布会上，腾讯就强调面向产业，明确要以提效为第一要义。腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生就表示，“大模型需要基于产业场景，与企业数据融合，才能释放出最大的价值。”

以垂（垂直大模型）应垂（垂直细分行业的需求），方为实用。今年6月，腾讯云从产业客户需求场景出发，依托腾讯云TI平台打造模型精选商店。

这次发布的混元大模型，则将作为腾讯云MaaS服务的底座，为各业务领域提供支持。

推出的是为应用而生的“从实践中来，到实践中去”的实用级大模型，而非花里胡哨的AI“大玩具”，本就是“实”的体现。

实干做派，着眼的是让大模型更成熟更靠谱。

大模型要走入行业产业场景，就得减少“幻觉（即胡言乱语）”、避免“诱导（即诱导偏见或欺骗等）”。

克劳德·香农认为，信息的本质是消除不确定性。但体验过的用户都知道，当下的大模型都有着很强的“不确定性”——它经常会变成CheatGPT，给你胡编乱造一通。

若这只是大模型跟用户相互“调戏”，那无非是提供了些笑料，可行业场景专业度要求高、边际容错率低，若是提供了错误信息，很可能引发严重后果。

正因如此，面向产业的大模型必须变得更专业更成熟更靠谱，不能是初看什么都懂、细看什么都不“专”。

腾讯为此采取的策略可以归结为两点：1，全链路自研；2，将内部业务场景当“磨刀石”。

腾讯的混元大模型，从高速网络、底层服务器到网卡、高速组网和平台、模型、算法都是自研，AI基础设施、机器学习框架、语料库与模型算法等也是从零训练。

腾讯解锁全链路自研，瞄准的既是运用自身的技术栈体系，实现根本的业务技术能力突破，也是利用自主体系的研发道路，更好地应对旗下海量高并发业务的冲击。

客观上讲，基于国外开源模型进行“本土化改良”固然是一条更容易的路子，可大模型既然是工业革命级的机会，只依靠国外的“开源模型”远不够。

腾讯集团副总裁蒋杰说：“外界其实一般多会用到知识图谱，甚至搜索外挂来让模型的检索支持能力变得更强，腾讯也会用，但不能用的比例很高。我们一定要在整个的大模型的预训练阶段把这个问题解决掉，控制掉。”依托自研的“探真”算法，混元大模型幻觉比例比其他开源大模型下降了30%到50%。

腾讯还在向外部推出大模型前，将其在腾讯云、腾讯广告、腾讯游戏、腾讯金融科技、腾讯会议、腾讯文档、微信搜一搜、QQ浏览器等50多个内部业务中先行验证。

先打磨好大模型产品，再拿出来服务行业产业，个中的创新探索与审慎务实，也是主打一个“实”。

实诚态度，立足的是让大模型回归服务属性。

汤道生说：“从一个大模型，到提供一个用户可以感受到的服务，中间有很多的环节和工序。腾讯其实是提供整个端到端的AI服务流程中所需要的‘全链条工具’。我们的TI平台就是一个能满足整个工序、环节的需求，给客户提供高效模型搭建服务的重要工具。这可能是大家比较少从友商那里听到的。”

将基于自研的大模型技术能力开放，将其用于从田间到产线的很多角落，这需要“以实干促实用”。

迄今为止，腾讯已和1万1千家生态伙伴展开紧密合作，推出了覆盖100多个产业场景的行业解决方案，共同服务千行百业。

中国科学院自动化研究所权威学者王飞跃就说，“促进原始创新，确保自主可控，是大模型时代我国人工智能发展的当务之急。”原始创新也是为了更好地助益产业。

大模型迭代优化，也得直面社会多方对数据安全的顾虑：一直以来，有些人对大模型训练过程中涉及的数据安全问题表示担忧。

但主流大模型在“喂”数据时，其实需要的是那些沉淀后留下的专业性强、知识密度高的数据，而非真假难辨且缺乏知识含量的个人隐私信息，或是极度琐碎且偏口语化的聊天内容。

特别是那些专业大模型，在对采集到的数据加以甄别时，会对那些涉隐私信息进行清洗。

蒋杰表示，“我们可以向大家保证，我们做的小模型、大模型还是大语言模型，都绝不会使用个人隐私数据。”

不封闭，不逾矩，方显实。

大模型很热，但本质上，大模型是信息化的下一幕。过去十多年的信息化对应的时代大幕上，写着的主题是“数字化”。大模型同样是数智化变革的助推器。

只不过，以往互联网发展撬动的是流通环节减少、流通效率提升，以AI为代表的数字化工具要介入的层次更深——其核心是要增加基础价值。

这就需要，将数字化触角伸向生产端与供应侧，覆盖包括从工业制造到冶金采矿、从港口运输到农林牧副渔的各行各业。

这对国内大模型的发展不无启示：自从ChatGPT面世后，中国大模型厂商跟OpenAI差距有多远，就成了行业关心的话题。

应用场景，或许正是中国大模型弯道超车的突破口。

国家信息中心专家张振翼就指出，当前美国在大模型发展中具备一定的领先优势，我国需要加强自身独特优势的探索。在他看来，当前我国发展大模型人工智能主要有三个方面的优势：应用场景资源极为丰富、数据要素政策设计较为领先、在相关领域的技术创新上已经具有一定积累等。

可以看到，在移动互联网时代，中国互联网企业就凭着衣食住行康乐教和产业领域的丰富场景，跑通了模式，做大了规模。

在今天，中国庞大市场上积累了海量数据，包括物流、电商、医疗等各个领域的，各个行业数字化转型的强烈需要，又为大模型落地提供了需求端支撑。

顺势而为，以实用实干实诚之“实”，加速大模型的产业应用，中国大模型从跟跑到并跑再到领跑的图景，才会愈发可期。