由互聯(lián)網(wǎng)和科技界掀起的大模型浪潮，迎來了新戰(zhàn)事。
自今年3月以來，國(guó)內(nèi)已有超過20家企業(yè)入局大模型賽道。從百度“文心一言”、阿里“通義千問”的發(fā)布，到360“紅孩兒”、商湯“日日新”、網(wǎng)易“玉言”、科大訊飛“星火”、昆侖萬維“天工”等的推出，再到騰訊“混元”、京東“ChatJ”、華為“盤古”等的預(yù)告?；ヂ?lián)網(wǎng)巨頭、科技公司紛紛秀出“肌肉”，誰也不想在這場(chǎng)大模型混戰(zhàn)中掉隊(duì)。
而在這場(chǎng)狂奔中，大模型的發(fā)展階段已經(jīng)從“通用”邁入“垂類”。
算力、大規(guī)模數(shù)據(jù)、高成本人才成為大部分企業(yè)入局通用大模型的攔路虎。但深度定制、廣闊的場(chǎng)景應(yīng)用等訴求，催生了國(guó)內(nèi)垂直領(lǐng)域大模型的開發(fā)。
近兩個(gè)月來，不少醫(yī)療、金融、教育、繪畫等行業(yè)內(nèi)擁有用戶數(shù)據(jù)積累的中小型企業(yè)，已開始基于國(guó)內(nèi)外大模型“底座”，訓(xùn)練適配自身的垂類模型。同時(shí)，已發(fā)布通用大模型的公司，也推出了針對(duì)特有行業(yè)的模型。
如果說通用大模型是大模型發(fā)展的初期階段，那么垂直場(chǎng)景應(yīng)用則可以視作其“中場(chǎng)戰(zhàn)事”，在該階段，應(yīng)用與場(chǎng)景先行，倒逼垂直領(lǐng)域的大模型飛躍發(fā)展，并率先在不同產(chǎn)業(yè)中實(shí)現(xiàn)了落地價(jià)值。
1
路線分化
短短兩個(gè)月，分化已經(jīng)出現(xiàn)。
在5月23日舉辦的文心大模型技術(shù)交流會(huì)上，百度智能云AI與大數(shù)據(jù)平臺(tái)總經(jīng)理忻舟介紹:“文心千帆大模型平臺(tái)，是百度提供給客戶的企業(yè)級(jí)大模型生產(chǎn)平臺(tái)，不但提供包括文心一言在內(nèi)的大模型服務(wù)及第三方大模型服務(wù)，還提供大模型開發(fā)和應(yīng)用的整套工具鏈。”
即文心千帆可以文心一言為核心，提供大模型服務(wù)，幫助客戶改造產(chǎn)品和生產(chǎn)流程;企業(yè)也可以在文心千帆上基于任何開源或閉源的大模型，開發(fā)自己的專屬大模型。
多位接受全天候科技采訪的業(yè)內(nèi)人士認(rèn)為，當(dāng)前國(guó)內(nèi)大模型賽道主要包括三類:一類對(duì)標(biāo)GPT的通用大模型，聚焦基礎(chǔ)層的公司;一類是在開源大模型基礎(chǔ)之上訓(xùn)練垂類大模型，聚焦垂直行業(yè)的企業(yè);另一類則是專注具體應(yīng)用的純應(yīng)用公司。
“剛開始大家是一窩蜂扎進(jìn)通用大模型，現(xiàn)在分化已經(jīng)出現(xiàn)，不管是分化到具體行業(yè)的，還是不做研發(fā)直接調(diào)用接口做產(chǎn)品運(yùn)營(yíng)的，這個(gè)趨勢(shì)是越來越清晰了?！鼻敖鹕杰浖笨偛眉嫒斯ぶ悄苁聵I(yè)部負(fù)責(zé)人、現(xiàn)AI領(lǐng)域創(chuàng)業(yè)者李長(zhǎng)亮告訴全天候科技。
通用大模型面臨算力需求大、訓(xùn)練和推理成本高、數(shù)據(jù)質(zhì)量不佳等挑戰(zhàn)。一個(gè)成功的且可對(duì)外商業(yè)化輸出的通用大模型大模型，要求廠商擁有全棧大模型訓(xùn)練與研發(fā)能力、業(yè)務(wù)場(chǎng)景落地經(jīng)驗(yàn)、AI安全治理舉措、以及生態(tài)開放性等核心優(yōu)勢(shì)。
在百度智能云副總裁朱勇看來，基礎(chǔ)模型（通用大模型）的公司可能“只有那么幾家”，但是上面會(huì)長(zhǎng)出很多專業(yè)領(lǐng)域的大模型。
“訓(xùn)練一個(gè)基礎(chǔ)模型，成本是非常高的，做一個(gè)千億級(jí)的大模型，需要單機(jī)群萬卡以上的算力?！敝煊抡f，從國(guó)內(nèi)外來看，真正做通用模型的公司并沒有那么多。相反，訓(xùn)練領(lǐng)域（垂類）模型所需要的代價(jià)和資源遠(yuǎn)遠(yuǎn)小于從零開始做通用模型。
因而，從商業(yè)邏輯的角度來看，大部分公司不具備做通用大模型的能力，巨頭更適合做通用大模型，擁有豐富場(chǎng)景數(shù)據(jù)積累的公司更適合做垂域模型。
垂類大模型以深度解決行業(yè)需求為主，即企業(yè)在自己擅長(zhǎng)的領(lǐng)域訓(xùn)練適合自己的“產(chǎn)業(yè)版GPT”。這類大模型生成的內(nèi)容更符合特定垂類場(chǎng)景的需求，質(zhì)量更高。
當(dāng)前，已經(jīng)可以看到不少垂類模型應(yīng)用在金融、醫(yī)療、交易等場(chǎng)景中。比如，彭博社根據(jù)自身豐富的金融數(shù)據(jù)資源，基于GPT-3框架再訓(xùn)練，開發(fā)出了金融專屬大模型BloombergGPT。
除了上述兩種常見的模式，目前國(guó)內(nèi)大模型創(chuàng)業(yè)賽道上還有一種專做應(yīng)用的公司，它們沒有研發(fā)團(tuán)隊(duì)，從現(xiàn)有大模型調(diào)用接口，做產(chǎn)品和運(yùn)營(yíng)。
2
通用VS 垂域
布局通用大模型的巨頭，需要的是生態(tài)。所以百度、阿里都希望成為“大模型的底座”去賦能行業(yè)與企業(yè)。但并不是所有企業(yè)都有這樣的能力。
“現(xiàn)有大模型的算力和能耗挑戰(zhàn)會(huì)促使很多工作向領(lǐng)域?qū)Ｓ没⑤p量化的大模型方向發(fā)展，特別是金融、教育、醫(yī)療、交通等領(lǐng)域，大量的工作在試圖降低大模型的成本?！痹谌涨芭e行的第六屆數(shù)字中國(guó)建設(shè)峰會(huì)上，中國(guó)科學(xué)院自動(dòng)化研究所副所長(zhǎng)曾大軍表示。
相比通用大模型需要高昂的開發(fā)訓(xùn)練成本，基于開源模型進(jìn)行垂類模型開發(fā)可兼顧開發(fā)成本和數(shù)據(jù)安全。
事實(shí)上，挑戰(zhàn)之外，實(shí)際的場(chǎng)景需求也加快了大模型垂類化的過程。
“中國(guó)擅長(zhǎng)商業(yè)模式、應(yīng)用上的創(chuàng)新。”一位AI領(lǐng)域創(chuàng)業(yè)者說，與此同時(shí)，國(guó)內(nèi)不乏AI模型的落地場(chǎng)景、豐富的數(shù)據(jù)，以及追風(fēng)口的熱情。因而，短短兩個(gè)月時(shí)間，大模型領(lǐng)域化的發(fā)展飛速。
以百度文心千帆這個(gè)“AI大模型底座”為例，當(dāng)前正在共同測(cè)試研發(fā)的企業(yè)通常來自信息化和技術(shù)普及率較高的行業(yè)，如金融行業(yè)、能源行業(yè)、泛互聯(lián)網(wǎng)行業(yè)等。
“垂類模型是在通用大模型基礎(chǔ)上訓(xùn)練的，撇開通用大模型的話，是不存在垂類模型的?！毙弥壅f，垂類模型強(qiáng)調(diào)領(lǐng)域的know-how，對(duì)于特定領(lǐng)域來說，需要針對(duì)該領(lǐng)域的任務(wù)做指令學(xué)習(xí)。
行業(yè)不同，場(chǎng)景不同，指令學(xué)習(xí)的區(qū)別也極大。比如，泛互聯(lián)網(wǎng)行業(yè)更關(guān)注營(yíng)銷、推薦的效果，金融更領(lǐng)域更關(guān)注風(fēng)控、可信、以及營(yíng)銷的效果。
在李長(zhǎng)亮看來，垂類大模型與通用大模型最大的區(qū)別在于:垂類大模型在資源投入、成本投入等方面的要求下降了，但額外要求是行業(yè)known-how，即對(duì)這個(gè)行業(yè)的knowledge要求提高了。
表現(xiàn)在數(shù)據(jù)方面，在特定的垂直領(lǐng)域，企業(yè)擁有私有數(shù)據(jù)，這是別的企業(yè)花錢也買不到的核心競(jìng)爭(zhēng)力和天然優(yōu)勢(shì)。
表現(xiàn)在算力上，通過通用大模型微調(diào)實(shí)現(xiàn)的垂類大模型相較通用大模型是“幾何級(jí)別的下降”。
根據(jù)國(guó)金證券的測(cè)算，在模型微調(diào)階段，由于訓(xùn)練量級(jí)較小，僅為萬級(jí)，相關(guān)的算力成本相比之下可忽略不計(jì)。
以斯坦福大學(xué)于2023年3月發(fā)布Alpaca為例，這是一個(gè)基于LLaMA-7B基座，應(yīng)用5.2萬指令對(duì)模型微調(diào)訓(xùn)練而來的對(duì)話類語言模型。該模型基于8塊A100微調(diào)，微調(diào)時(shí)長(zhǎng)3小時(shí)，算力成本不超過300元。
當(dāng)然，并不是所有企業(yè)都可以在通用大模型的基礎(chǔ)上做微調(diào)。
以百度文心千帆為例，要在該平臺(tái)上通過微調(diào)做自己的大模型需具備兩個(gè)條件:企業(yè)有沒有高質(zhì)量的數(shù)據(jù)存下來;能否將自身業(yè)務(wù)根據(jù)對(duì)生成式AI的理解變成高質(zhì)量的數(shù)據(jù)，變成指定數(shù)據(jù)做指定微調(diào)。
換言之，落地在企業(yè)端，那些有海量行業(yè)數(shù)據(jù)、懂行業(yè)know-how的企業(yè)，做成垂類模型的機(jī)會(huì)更大。
“因?yàn)橛袑I(yè)的數(shù)據(jù)、有行業(yè)know-how，結(jié)合不同類型的領(lǐng)域模型，這些領(lǐng)域模型將來會(huì)非常繁榮，支撐上層非常繁榮的領(lǐng)域應(yīng)用?！敝煊抡f。
3
“兩條腿”走路
“GPT+行業(yè)專家系統(tǒng)”的模式產(chǎn)生了新的垂直領(lǐng)域大模型。
大模型最大的價(jià)值在于革新商業(yè)模式，改造商業(yè)組織的每一個(gè)環(huán)節(jié)，進(jìn)而起到降本增效的效果。這也是企業(yè)紛紛入局大模型的原因所在。
而meta旗下LLaMA模型等大模型的開源為垂類模型的發(fā)展裝上了加速器。
公開信息顯示，LLaMA基于通用領(lǐng)域的開源數(shù)據(jù)集進(jìn)行訓(xùn)練，訓(xùn)練數(shù)據(jù)涵蓋40種語言，包含約1.4萬億Tokens。LLaMA模型一經(jīng)發(fā)布就對(duì)外完全開源，吸引了廣大AI開發(fā)者。
作為完全開源的領(lǐng)先模型，LLaMA具備高度的靈活性、可配置性和泛化能力，可以作為垂類AI模型的通用基座。
盡管LLaMA模型參數(shù)量較小，但性能絲毫不遜色于PaLM、GPT-3等大語言模型。并且較小的參數(shù)規(guī)模顯著降低了LLaMA模型的落地部署和二次開發(fā)難度。
“基于LLaMA這種開源模型，我們喂自己的數(shù)據(jù)，慢慢調(diào)試，就能調(diào)試出我想要的效果來?！币晃籄IGC領(lǐng)域的創(chuàng)業(yè)者告訴全天候科技。
全天候科技了解到，當(dāng)下不少企業(yè)采用的是“兩條腿走路”的策略，即:一邊接入大模型API，一邊在開源模型上煉模型，兩者構(gòu)成反饋鏈，加速各自能力的提升，打造創(chuàng)新閉環(huán)。
“調(diào)用API接口也是一個(gè)獲取數(shù)據(jù)資源的有效手段?！崩铋L(zhǎng)亮說，這部分?jǐn)?shù)據(jù)將來可能在企業(yè)訓(xùn)練模型的時(shí)候起作用。
在不少業(yè)內(nèi)人士看來，對(duì)于各行各業(yè)來說，垂直大模型是一種全新的生產(chǎn)力，各個(gè)行業(yè)的垂直領(lǐng)域大模型對(duì)所在行業(yè)可能產(chǎn)生重大甚至是顛覆性的影響。
值得一提的是，在一級(jí)市場(chǎng)上，專注于垂類大模型的創(chuàng)業(yè)公司也是投資機(jī)構(gòu)眼中的“寶藏”。
在不久前召開的2023中國(guó)投資年會(huì)上，天堂硅谷高級(jí)合伙人王偉將“垂直領(lǐng)域大模型，掌握行業(yè)數(shù)據(jù)、懂行業(yè)Know-how的項(xiàng)目”列為其重點(diǎn)投資布局的領(lǐng)域之一。
