文|郝鑫

　　編|劉雨琦

　　剛過去的WAIC(世界人工智能大會)儼然成為了大模型廠商的成果匯報大會。

　　百度文心大模型升級到3.5版本，訓(xùn)練速度提升2倍，推理速度提升30倍;華為云發(fā)布盤古大模型3.0，包含L0基礎(chǔ)大模型、L1行業(yè)大模型和L2場景模型;阿里云發(fā)布AI繪畫創(chuàng)作模型通義萬相;騰訊云MaaS底座、行業(yè)大模型場景全面升級;商湯“日日新”大模型升級，金融、醫(yī)療等行業(yè)場景落地已超20個。

　　大模型走過從無到有，在當(dāng)下的階段，即使是站在同一起跑線的廠商，也走上了不同的分叉路：有人做通用大模型，有人做行業(yè)大模型;有人在為大模型的安全運(yùn)行保駕護(hù)航，有人在提供造大模型的工具。

　　7月7日，在中國信通院發(fā)布的《2023大模型和AIGC產(chǎn)業(yè)圖譜》中，將大模型和AIGC產(chǎn)業(yè)鏈上下游分成了行業(yè)應(yīng)用、產(chǎn)品服務(wù)、模型與工具和基礎(chǔ)層四個主要部分。

　　(圖源：中國通訊院)

　　從圖上看，大模型就像造房子，很難有一家企業(yè)完成所有環(huán)節(jié)。也就是說，如同互聯(lián)網(wǎng)的大航海時代一般，大模型生態(tài)建設(shè)，所有人都有機(jī)會。

　　正如騰訊云副總裁、騰訊云智能負(fù)責(zé)人、優(yōu)圖實驗室負(fù)責(zé)人吳運(yùn)聲告訴光錐智能：“大模型時代，開放是非常重要的特點(diǎn)。大模型要結(jié)合行業(yè)落地，需要花費(fèi)大量的成本，在這種情況下，要想發(fā)揮最大的價值，只有開放，通過讓各行各業(yè)的專家、各類角色的人員加入進(jìn)來，才能讓整個生態(tài)體系更健康，從而產(chǎn)生更多的可能性。”

　　發(fā)展的同時，問題也在逐漸暴露出來。相較于國外成熟的大模型市場，中國到現(xiàn)在還未構(gòu)建起完整的大模型產(chǎn)業(yè)鏈，在底層的數(shù)據(jù)、芯片、計算能力存在欠缺，在模型訓(xùn)練、部署等環(huán)節(jié)還十分薄弱。

　　針對大模型產(chǎn)業(yè)鏈存在的痛點(diǎn)，騰訊云MaaS大模型精選商店升級技術(shù)底座，發(fā)布向量數(shù)據(jù)庫和星脈網(wǎng)絡(luò)，創(chuàng)新行業(yè)大模型的應(yīng)用場景。

　　追本溯源，可以看出騰訊延續(xù)互聯(lián)網(wǎng)時代的思路，騰訊云依然不做通用大模型，要繼續(xù)做工具箱和連接器。

　　Always工具箱和連接器

　　據(jù)光錐智能了解到，早在6月19日，騰訊云就公布了行業(yè)大模型技術(shù)解決方案。該方案依托騰訊云TI平臺打造行業(yè)大模型精選商店，為客戶提供MaaS一站式服務(wù)，客戶只需要加入自己獨(dú)有的場景數(shù)據(jù)，就可以快速生成專屬模型，結(jié)合實際業(yè)務(wù)場景需求，開發(fā)低成本、高可用的智能應(yīng)用和服務(wù)。

　　騰訊云MaaS大模型商店重點(diǎn)突出了兩個特點(diǎn)，一是精專，二是靈活。

　　“精專”主要體現(xiàn)在對行業(yè)模型的訓(xùn)練上，騰訊云在其技術(shù)底座就內(nèi)置了金融、政務(wù)、文旅、傳媒、教育等多個行業(yè)大模型，這意味著從預(yù)訓(xùn)練時期開始，大模型便明確了方向，開始與行業(yè)經(jīng)驗結(jié)合。

　　打個比方，就好比大學(xué)生一入學(xué)就被分到了不同的專業(yè)，之后在此基礎(chǔ)上繼續(xù)研究生、博士深造。騰訊云的思路也是如此，把訓(xùn)練的數(shù)據(jù)先在行業(yè)大模型中磨礪一遍，然后再結(jié)合企業(yè)的私有數(shù)據(jù)，精調(diào)后生成企業(yè)專屬模型�？梢哉f，行業(yè)認(rèn)知貫穿了模型訓(xùn)練、推理、部署的全過程，由此來提升行業(yè)場景的應(yīng)用能力。

　　“靈活”主要體現(xiàn)在企業(yè)調(diào)取、使用模型能力、工具上。互聯(lián)網(wǎng)時代，馬化騰曾將騰訊的角色定位為“工具箱”，在大模型時代，騰訊云TI平臺的角色有著異曲同工之處。

　　工具鏈決定著企業(yè)能不能把大模型能力和自己的業(yè)務(wù)、產(chǎn)品相結(jié)合，為此，騰訊云提供了包括數(shù)據(jù)標(biāo)注、訓(xùn)練、評估、測試和部署等大模型工具箱和配套服務(wù)。企業(yè)可以在本地按需選用和組合工具，在保障安全的前提下進(jìn)行私有化數(shù)據(jù)訓(xùn)練，還可根據(jù)業(yè)務(wù)場景需求，按需定制不同參數(shù)、規(guī)格的模型服務(wù)。

　　以前，騰訊連接了B端商家和C端用戶，現(xiàn)在騰訊云也將這種能力復(fù)刻到大模型商店。工具組合形成的工具鏈還只是平臺中的一環(huán)，連接起企業(yè)產(chǎn)品和大模型;另一條主線——數(shù)據(jù)(私有+公有)，則串連起了大模型、企業(yè)、產(chǎn)業(yè)和用戶。

　　行業(yè)應(yīng)用是起點(diǎn)，也是終點(diǎn)，正如吳運(yùn)聲所言，“不管是什么樣的技術(shù)，我們最根本的出發(fā)點(diǎn)，還是要解決實際的問題。”

　　大模型加速器

　　如何在大模型賽道上找到合適自己的節(jié)奏，騰訊云似乎已經(jīng)摸到了脈路。

　　騰訊集團(tuán)高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生曾表示：“關(guān)鍵還是要把底層的算法、算力和數(shù)據(jù)扎扎實實做好，而且更關(guān)鍵的是場景落地。”

　　延續(xù)著這樣的思路，騰訊云一手抓底層算法、算力和數(shù)據(jù)，一手落地場景，MaaS大模型商店實現(xiàn)了全面的升級。

　　(拍攝：光錐智能)

　　在技術(shù)底座環(huán)節(jié)，騰訊云聚焦一個“快”字，發(fā)布了星脈網(wǎng)絡(luò)和向量數(shù)據(jù)庫，為大模型安上了“風(fēng)火輪”。

　　大模型進(jìn)入萬億參數(shù)時代，單體服務(wù)器算力有限，需要將大量服務(wù)器通過高性能網(wǎng)絡(luò)相連，打造大規(guī)模算力集群。

　　基于此，騰訊云通過對處理器、網(wǎng)絡(luò)架構(gòu)和存儲性能的全面優(yōu)化，攻克下了大集群場景下算力損耗問題，正式發(fā)布新一代HCC(High-Performance Computing Cluster)高性能計算集群。

　　該集群采用騰訊云星星海自研服務(wù)器，搭載英偉達(dá)最新代次H800 GPU，能提升40%的GPU利用率，節(jié)省30%-60%的模型訓(xùn)練成本，為AI大模型帶來10倍通信性能提升�；�于騰訊云新一代算力集群HCC，可支持10萬卡的超大計算規(guī)模。

　　據(jù)騰訊云透露，騰訊云新一代集群的算力性能較前代提升高達(dá)3倍，是國內(nèi)性能最強(qiáng)的大模型計算集群。

　　高性能計算群是一種底座能力，其技術(shù)的應(yīng)用體現(xiàn)了通過技術(shù)手段的降本增效。

　　首先，相比于大量分散的計算機(jī)，高性能計算集群可以降低硬件成本和運(yùn)維成本，同時方便集中管理。其次，它可以提升計算、搜索的效率。提供分布式的計算能力，為向量數(shù)據(jù)庫提供支持;還能進(jìn)行復(fù)雜的科學(xué)計算和建模，這也是騰訊云“AI for Science”能迅速在天文、甲骨文考釋取得成果的原因。

　　在大模型訓(xùn)練過程中，湯道生談起過數(shù)據(jù)質(zhì)量的問題，他表示：“目前通用大模型一般都是基于廣泛的公開文獻(xiàn)與網(wǎng)絡(luò)信息來訓(xùn)練的，網(wǎng)上的信息可能有錯誤、有謠言、有偏見，許多專業(yè)知識與行業(yè)數(shù)據(jù)積累不足，導(dǎo)致模型的行業(yè)針對性與精準(zhǔn)度不夠，數(shù)據(jù)噪音過大。”

　　數(shù)據(jù)對大模型訓(xùn)練的意義不言而喻，當(dāng)前，除了數(shù)據(jù)噪聲過大，還存在數(shù)據(jù)處理、數(shù)據(jù)更新、數(shù)據(jù)安全等眾多問題。

　　此外，大模型還存在一個致命的缺點(diǎn)——沒有長期記憶，C端對話場景還可以重新提問，但應(yīng)用在行業(yè)，就可能造成系統(tǒng)崩潰。

　　OpenAI 很早就意識到這個問題，通過與Zilliz、Pinecone、Weaviate等向量數(shù)據(jù)庫公司合作，為ChatGPT配置上了“外置緩存”，向量數(shù)據(jù)庫+大模型也被稱之為“黃金搭檔”。

　　國外向量數(shù)據(jù)庫大熱帶動了國內(nèi)廠商加速，騰訊云也趕上了第一波，發(fā)布了國內(nèi)首個AI 原生向量數(shù)據(jù)庫。

　　針對大模型場景，它在接入層、計算層、存儲層實現(xiàn)了全面AI化：

　　在接入層，智能化支持自然語言文本的直接檢索;

　　在計算層，通過AI算子替代企業(yè)尋找/調(diào)優(yōu)AI算法，將接入工期從一個月縮短到3天;

　　在存儲層，融合智能壓縮算法，把向量存儲成本降低50%。

　　企業(yè)數(shù)據(jù)接入需要分為三步，分別為文本切分、向量化以及導(dǎo)入。以前，這三步分別由不同的公司來做，因此周期被拉得無限長，而騰訊云將三步化作一步，直接實現(xiàn)了一站式接入，效率提升了10倍。

　　不過，從參數(shù)來看，目前騰訊云向量數(shù)據(jù)庫性能依舊在初級的階段。

　　舉個例子，騰訊云向量數(shù)據(jù)庫最高支持10億級向量檢索規(guī)模，并將延遲控制在毫秒級。作為對比Milvus最大能支持560億向量檢索規(guī)模，支持每秒進(jìn)行上百萬的向量相似性搜索。

　　但10億級也可以說是向量數(shù)據(jù)庫的入門級參數(shù)。Pinecone 官方demo 表明其可以在 10 億條向量中實時搜索;Weaviate算法可支持十億量級的向量索引。

　　工欲善其事，必先利其器。從最底層一步步砸實技術(shù)，看似騰訊云走了一條慢路，但小布快走，實現(xiàn)快速迭代后，帶動的將是整個生態(tài)系統(tǒng)的提升。

　　50個場景，騰訊云批量著陸

　　場景一直是騰訊所強(qiáng)調(diào)的產(chǎn)品文化，即做一個產(chǎn)品或者上線一個功能，首先考慮的是，能不能找到場景，找到用戶。

　　同樣切入MaaS，站在新的起跑線上，騰訊云通過沉淀的行業(yè)Konw-how，瞄準(zhǔn)企業(yè)應(yīng)用剛需，推進(jìn)大模型應(yīng)用落地，將場景作為訓(xùn)練大模型的磨刀石。

　　“大模型雖好，但用起來還是有很高的門檻。尤其對一些傳統(tǒng)領(lǐng)域企業(yè)而言，通用大模型無法精準(zhǔn)適配、達(dá)到降本增效的預(yù)期。企業(yè)需要的，是在實際場景中真正解決某個問題，而不是在100個場景中解決了70%-80%的問題。”吳運(yùn)聲道。

　　騰訊云認(rèn)為，大模型不只是少數(shù)人的游戲，把大模型從“通才”轉(zhuǎn)變?yōu)?ldquo;專才”，對企業(yè)來說或許是一個可行的路徑。騰訊云在其中承擔(dān)的角色，就是要將門檻打下來，提供一條龍服務(wù)，幫助企業(yè)跳過模型訓(xùn)練、部署的“冷啟動”階段。

　　據(jù)光錐智能了解，基于騰訊在互聯(lián)網(wǎng)行業(yè)的長期沉淀，騰訊云已聯(lián)合金融、文旅、政務(wù)、傳媒、教育等十多個行業(yè)頭部客戶，共同打造了超過50個行業(yè)大模型解決方案，這些都是騰訊 CSIG 的重點(diǎn)服務(wù)行業(yè)。

　　在金融風(fēng)控場景，騰訊云風(fēng)控大模型融合了騰訊過去20多年黑灰產(chǎn)對抗經(jīng)驗，和上千個真實業(yè)務(wù)場景，提供了金融風(fēng)控解決方案。企業(yè)可以基于prompt模式，迭代風(fēng)控能力，從樣本收集、模型訓(xùn)練到部署上線，實現(xiàn)全流程零人工參與，目前，建模時間已經(jīng)做到從2周減少到僅需2天。

　　在交互翻譯場景，基于行業(yè)大模型技術(shù)，騰訊云無需百萬級的訓(xùn)練數(shù)據(jù)，使用小樣本訓(xùn)練也可以獲得不錯的翻譯結(jié)果，讓每一次交互翻譯，都能對下一句的翻譯提升發(fā)揮實時作用。

　　以行業(yè)場景為切入，技術(shù)、應(yīng)用同時迭代升級，這樣的速度明顯要更快，效果也更加顯著。

　　據(jù)騰訊云在WAIC最新數(shù)據(jù)，上述金融風(fēng)控解決方案，相比之前已有了10倍效率的提升，整體反欺詐效果比傳統(tǒng)模式有20%左右的提升;騰訊云數(shù)智人工廠，內(nèi)置超過10個AI算法模型，騰訊云MaaS能力，可以讓2D數(shù)智人分身復(fù)刻縮短至24小時。

　　技術(shù)和應(yīng)用兩條腿同時跑，底層大模型支撐應(yīng)用場景落地，場景也反過來反哺大模型。

　　正如同騰訊云所強(qiáng)調(diào)的一個觀點(diǎn)“產(chǎn)業(yè)場景是大模型的最佳練兵場”，前期大模型所學(xué)習(xí)到的行業(yè)經(jīng)驗可以在現(xiàn)實應(yīng)用場景中得到矯正，再次沉淀到騰訊云MaaS平臺行業(yè)模型底座，重新更新認(rèn)知，以此循環(huán)往復(fù)，行業(yè)大模型將越調(diào)越精，企業(yè)也越用越靈。

　　另一方面，成熟的應(yīng)用落地場景，或許又將為大模型商業(yè)化開拓出新的道路。

　　事實證明，貪圖一時的熱鬧并不長遠(yuǎn)，即使是擁有絕對技術(shù)壁壘的ChatGPT也面臨著流量下滑的命運(yùn)，OpenAI 創(chuàng)始人更是直言，ChatGPT插件不如預(yù)期的原因在于，人們更想把GPT的能力用到自己的應(yīng)用當(dāng)中。

　　開啟大模型下一個競爭階段，場景與商業(yè)化能力或?qū)⒆兊酶�加密切�?/p>