7月4日消息，周鴻祎日前在2023全球數(shù)字經(jīng)濟(jì)大會人工智能高峰論壇上發(fā)布演講，他認(rèn)為大模型還是有機(jī)會，并且在中國，在產(chǎn)業(yè)側(cè)。

周鴻祎認(rèn)為大模型不是所謂泡沫，而是一場新的工業(yè)革命。不能把大模型比喻為操作系統(tǒng)，而是像數(shù)據(jù)庫一樣，成為每一個(gè)數(shù)字化系統(tǒng)的標(biāo)配。

在中國發(fā)展大模型，應(yīng)該搭上產(chǎn)業(yè)數(shù)字化的順風(fēng)車。

下面是周鴻祎發(fā)言實(shí)錄。

《構(gòu)建“安全可信可控易用”的企業(yè)級AI大模型》

尊敬的各位領(lǐng)導(dǎo)、各位嘉賓，大家下午好！由于時(shí)間有限，下面我分享一些對人工智能大模型的應(yīng)用前景。

前幾個(gè)月大家都在討論OpenAI和中國什么時(shí)候能夠做出自己的大模型，這幾個(gè)月大模型層出不窮，我看到很多投資人開始急了。前兩天朱嘯虎和付盛在網(wǎng)上吵了一架，主題就是對很多創(chuàng)業(yè)者和公司來說，大模型的商業(yè)場景在哪里？

聽了姜局長的講話，我感覺這一頁是多余的，但在外面開會的時(shí)候還要跟人講，很多人不相信大模型是真人工智能、強(qiáng)人工智能或者通用人工智能，這些是我們所有討論的前提。讓我非常感慨的是，人類第一次讓計(jì)算機(jī)完整地理解人類的語言，理解語言就可以理解世界的知識和模型。

有人認(rèn)為，大模型是不是像之前流行的概念一樣，就是一個(gè)風(fēng)口和泡沫？我認(rèn)為應(yīng)該不是，而是一場新的工業(yè)革命。大模型直接提高每個(gè)人、每個(gè)組織的勞動生產(chǎn)力，同時(shí)實(shí)現(xiàn)了一種通用人工智能能力的賦能。

可以想一想，電腦剛發(fā)明的時(shí)候也沒有帶動工業(yè)革命，剛開始只是一些物理研究、氣象預(yù)報(bào)，高精尖的領(lǐng)域才要用到電腦，距離普通人、普通企業(yè)很遠(yuǎn)，后來PC走入家庭和企業(yè)才改變了這個(gè)世界。行業(yè)應(yīng)該爭取這個(gè)目標(biāo)，只有大模型走進(jìn)千家萬戶、賦能百行千業(yè)，才能真正推動人工智能帶來的這場革命。

有人覺得，模仿OpenAI的話，將來中國和全世界可能就是一兩個(gè)大模型，因此把大模型比喻為操作系統(tǒng)，大部分公司可能就沒有機(jī)會了。我認(rèn)為未來大模型的趨勢不會只有一個(gè)，而是會像數(shù)據(jù)庫一樣，變成每個(gè)數(shù)字化系統(tǒng)的標(biāo)配，小到手機(jī)上的部署，中等規(guī)模的汽車上的部署，當(dāng)然也包括在企業(yè)和政府內(nèi)部的部署。

國家當(dāng)前的重要戰(zhàn)略之一是產(chǎn)業(yè)數(shù)字化，就是利用數(shù)字化技術(shù)幫助傳統(tǒng)產(chǎn)業(yè)，特別是制造業(yè)賦能轉(zhuǎn)型。要在中國發(fā)展大模型就應(yīng)該順勢而為，為產(chǎn)業(yè)數(shù)字化賦能。最近我經(jīng)常出差，跟很多省市的主官交流，大家的認(rèn)知是一致的，大模型真正的機(jī)會在中國，我覺得是在企業(yè)級市場，包括政府和城市，中國做大模型最應(yīng)該抓住產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展的機(jī)會。

但是當(dāng)我們帶著通用大模型API走到政府、城市和企業(yè)，就會發(fā)現(xiàn)光有大模型，直接用起來是有很多問題的。光有大模型是通才，但缺乏行業(yè)深度。ChatGPT剛開始的時(shí)候很驚艷，覺得什么都能回答，但如果真的是行業(yè)專家提出很深度的問題，它的能力是有限的。行業(yè)內(nèi)部、企業(yè)內(nèi)部真正有價(jià)值的知識，公開渠道是拿不到的，光有大模型沒有辦法滿足行業(yè)和企業(yè)的場景垂直專業(yè)性的要求。

剛才朱軍院長講到，公有大模型存在很多數(shù)據(jù)安全隱患。每個(gè)企業(yè)自己內(nèi)部的Knowhow是核心資產(chǎn)，肯定不會訓(xùn)練到公域大模型。公有大模型使用會有數(shù)據(jù)泄露的問題，因?yàn)楹芏嘞敕ê陀?jì)劃都要告訴它，它才能寫出一篇好的文章。公有大模型是生成式AI，本身算法的特點(diǎn)就是會胡說八道，而且是一本正經(jīng)、理直氣壯地胡說八道。

這個(gè)特點(diǎn)用來做小說、寫劇本，作為聊天機(jī)器人逗悶子效果很不錯(cuò)，但放在企業(yè)級場景問題就很大，要是真的拿醫(yī)療大模型開的藥方，你敢不敢相信？敢不敢吃？公有大模型無法實(shí)現(xiàn)成本可控，因?yàn)榇竽Ｐ统杀局咭脖讳秩镜煤軈柡?，?xùn)練一次要一千萬美金，需要多少算力、多少顯卡，企業(yè)內(nèi)部做垂直大模型不用追求知識的全面，也不用追求能力面面俱到，百億模型可能就足夠了，千億到百億看起來參數(shù)做小了十倍，節(jié)省的訓(xùn)練和部署成本可遠(yuǎn)遠(yuǎn)不止十倍。

因此對很多企業(yè)來說，訓(xùn)練企業(yè)級大模型的成本已經(jīng)在急劇降低，我們的目的就是把大模型拉下神壇，變成每個(gè)企業(yè)、政府部門都感覺能夠直接使用的東西。

針對以上這些問題，我們思考一下，企業(yè)、政府、市場到底需要什么樣的大模型？可以簡單總結(jié)為五化。

行業(yè)化。一定要有行業(yè)深度訓(xùn)練的數(shù)據(jù)才有價(jià)值。

企業(yè)化。需要和企業(yè)內(nèi)部知識庫進(jìn)行配合，而且做到實(shí)時(shí)迭代更新，從而保證大模型更懂企業(yè)。

垂直化。我們不要試圖用一個(gè)大模型解決所有問題，大模型未來在企業(yè)落地形態(tài)一定是多個(gè)垂直模型組合，垂直模型解決專業(yè)問題的能力更強(qiáng)。最近有一個(gè)謠言，大家都在感慨ChatGPT4.0很強(qiáng)大，可能是超萬億參數(shù)的大模型，這樣的大模型成本和微調(diào)都會比較困難，牽一發(fā)而動全身，后來有人說是八個(gè)千億模型組成，真的是這樣的話就證明模型垂直還是非常重要。

小型化。Google Lamma發(fā)展方向的趨勢就是拼命把大模型做大，不到萬億都不好意思說自己是做大模型的，但還有一個(gè)趨勢就是把大模型架構(gòu)的參數(shù)、訓(xùn)練數(shù)據(jù)集做小。一臺最新的蘋果電腦，可以運(yùn)算大規(guī)模的300多億的模型。未來小規(guī)模的大模型可能也是一個(gè)趨勢，未來如果一個(gè)大模型管理自動駕駛、智能座艙，不可能在云端瞬時(shí)響應(yīng)，可能每輛車都有一個(gè)大模型架構(gòu)。

專有化。中國市場不會是全部都是公有云的市場，公有云會占到一部分，很多大型央企、國企、政府機(jī)構(gòu)對Location很在意，對數(shù)據(jù)在哪里存儲看得比較重，所以專有部署能夠保證安全可控。

前幾天，我在山東參加世界互聯(lián)網(wǎng)大會，也有提出另外三個(gè)原則，就是產(chǎn)業(yè)化方案需要遵循安全、可信、可控。

安全。剛才朱軍老師已經(jīng)提到，我就不多提了，傳統(tǒng)的網(wǎng)絡(luò)安全、網(wǎng)絡(luò)攻擊、漏洞、算法安全、數(shù)據(jù)安全問題都能夠找到方法解決，最可怕的是生成內(nèi)容不安全。最早我也很鄙視別人錄屏，每次現(xiàn)場演示的時(shí)候我也忐忑不安，不知道下一句話會回答什么結(jié)果。

確實(shí)有人利用AIGC生成各種以假亂真的內(nèi)容詐騙，這種治理要比搜索引擎公眾號的管理復(fù)雜很多，所以人工智能安全問題從現(xiàn)在開始著手研究。

插播一個(gè)廣告，360也是中國第一的安全公司，我們也在做大模型，把人工智能的黑箱子打開，所以大模型也是我們要和大家一起努力攻克的方向，保證人工智能的發(fā)展底線。

可信。大家并不需要打八十分的模型，另外二十分亂說，需要百分之百準(zhǔn)確和精確。如何解決幻覺的問題？如何解決輸出內(nèi)容準(zhǔn)確的問題？現(xiàn)在可以通過向量數(shù)據(jù)庫、企業(yè)搜索和外部知識庫進(jìn)行校正。

可控。大模型目前還有點(diǎn)不靠譜的情況下，政府和場景利用起來步子要小一點(diǎn)，不要一上來就是主駕駛、插件和函數(shù)模式。不要輕易向大模型開放API，因?yàn)檫@只是一個(gè)助手，最后還是要人來決策。

企業(yè)大模型如何落地找場景？我們要用好通用能力。

首先要把大模型目前最擅長、最成熟的能力用好。以現(xiàn)在的大模型為例，生成與創(chuàng)作、代碼能力、邏輯推理、知識問答，總結(jié)下來，最擅長的其實(shí)就是兩點(diǎn)：一個(gè)是問答對話，一個(gè)是寫作生成。政府和企業(yè)使用的時(shí)候應(yīng)該先從幾個(gè)成熟的角度切入，上來就和企業(yè)業(yè)務(wù)系統(tǒng)緊密耦合在一起，做成很復(fù)雜的應(yīng)用，我的經(jīng)驗(yàn)是恐怕難以收斂。

其次是從痛點(diǎn)剛需選擇場景，小切口，大縱深。真正用大模型，你會天天算奧數(shù)題、腦筋急轉(zhuǎn)彎嗎？其實(shí)不會，真正需要的場景還是跟大多數(shù)人相關(guān)，說明辦公場景是剛需。面向員工有企業(yè)知識搜索、知識管理和培訓(xùn)，面向領(lǐng)導(dǎo)有信息決策和輿情分析，對內(nèi)有辦公生成辦公協(xié)作，對外有提高用戶體驗(yàn)的智能客服。目前企業(yè)的數(shù)字化、智能化程度不高的情況下，這些場景是企業(yè)辦公的痛點(diǎn)，也是大模型最能夠提高效率的地方。

大模型不是萬能的，有些企業(yè)家激動地說，有了大模型，企業(yè)中的ERP、CRM都可以丟掉了，實(shí)際上很多數(shù)據(jù)庫存的核心業(yè)務(wù)是取代不了的，大模型只能打輔助。微軟給大家提供一個(gè)很好的例子，所有的場景都是副駕駛，可以給你導(dǎo)航、給你建議、給你指點(diǎn)，但不會亂搶方向盤。

我覺得讓大模型剛開始先開啟副駕駛模式，與現(xiàn)有的業(yè)務(wù)系統(tǒng)保持相對獨(dú)立和隔離度，做到安全可控、安全落地、快速執(zhí)行。如果非要和現(xiàn)有系統(tǒng)結(jié)合在一起，很多單位的API可能都沒有人維護(hù)了。

AI普惠。不能只給領(lǐng)導(dǎo)用，很多業(yè)務(wù)系統(tǒng)都是給領(lǐng)導(dǎo)做一個(gè)大屏展示，這當(dāng)然也很重要，但人工智能真正的價(jià)值是每個(gè)人都要用得上，科技平權(quán)。很多領(lǐng)導(dǎo)問我到底怎么用人工智能賦能？我說如果企業(yè)的每個(gè)員工、每個(gè)產(chǎn)品經(jīng)理、每個(gè)業(yè)務(wù)骨干都不熟悉人工智能，沒有用過大模型，產(chǎn)生很多想法是根本不切實(shí)際的。

如果一個(gè)企業(yè)從領(lǐng)導(dǎo)到中層和基層，所有人都能夠簡單上手使用人工智能大模型的基本功能，半年以后很多人對大模型逐漸熟悉就會主動思考如何與業(yè)務(wù)系統(tǒng)結(jié)合，怎樣改善自己的工作，作為人和大模型的雙向賦能。

大模型發(fā)展要以人為本，好用、易用。老是有人渲染應(yīng)用大模型就要大裁員，搞得很多員工對大模型很抵觸。我堅(jiān)決反對這個(gè)觀點(diǎn)，大模型目前想獨(dú)立完成一項(xiàng)工作還是很難的，更多的定位是人類很好的工具、知識的助手，所以大模型的發(fā)展要以人為本。

但模型真的好用嗎？各位專家可能覺得自己寫Prompt都很戰(zhàn)場，但指望變成Prompt的專家，大模型用到八九十分也很難。360的建議就是在大模型的基礎(chǔ)上跟企業(yè)一起打造有靈魂的數(shù)字助理，定義為數(shù)字員工、數(shù)字專家、數(shù)字顧問。

因?yàn)楦ㄓ玫膶υ捒虼蚪坏肋€是不如跟各種業(yè)務(wù)定義的數(shù)字員工聊天符合日常習(xí)慣，我們通過數(shù)字人的方式進(jìn)一步引導(dǎo)大家輕松利用大模型完成工作。數(shù)字人跟目前網(wǎng)上直播從頭到尾念固定稿子的數(shù)字人不一樣，背后一定是大模型驅(qū)動，有著專業(yè)背景和長期積累的數(shù)字助理。未來誰能把基于大模型的數(shù)字人定義好，可能是大模型在企業(yè)內(nèi)部用得好的關(guān)鍵。

最后總結(jié)一下：大模型的發(fā)展要真正和國家戰(zhàn)略相結(jié)合，一方面是要發(fā)展核心技術(shù)，另一方面要找各種應(yīng)用場景。作為投資人，一個(gè)純粹的技術(shù)只有和應(yīng)用場景相結(jié)合才能創(chuàng)造持續(xù)不斷的商業(yè)價(jià)值。大模型在城市、行業(yè)、企業(yè)數(shù)字化轉(zhuǎn)型到智能化的過程中大有可為，進(jìn)化迭代剛剛開始，相信未來會成為數(shù)字化系統(tǒng)的標(biāo)配。

未來可能不是百模大戰(zhàn)，而是萬模窮舞，無論是To B、To G還是SaaS化的企業(yè)都有很多機(jī)會。我們會和生態(tài)合作伙伴一起打造可信、可控、安全的大模型解決方案，為網(wǎng)絡(luò)強(qiáng)國和數(shù)字中國建設(shè)保駕護(hù)航。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。