大模型的中場(chǎng)戰事 深入垂直行業(yè)腹地

自從OpenAI于2022年11月推出ChatGPT后，一場(chǎng)波及全球科技界的“AI海嘯”就此爆發(fā)。

自今年以來(lái)，國內已有超過(guò)30家企業(yè)入局大模型賽道。從百度“文心一言”、阿里“通義千問(wèn)”的發(fā)布，到網(wǎng)易“玉言”、科大訊飛“星火”、昆侖萬(wàn)維“天工”等的推出，再到騰訊“混元”、京東“ChatJD”、華為“盤(pán)古”等的預告?；ヂ?lián)網(wǎng)巨頭、科技公司紛紛秀出“肌肉”，誰(shuí)也不想在這場(chǎng)大模型混戰中掉隊。

(資料圖)

在由OpenAI引發(fā)的這場(chǎng)狂奔中，大模型的發(fā)展階段已經(jīng)從“通用”邁入“垂類(lèi)”。如果說(shuō)通用大模型是大模型發(fā)展的初期階段，那么垂直場(chǎng)景應用則可以視為“中場(chǎng)戰事”。

在該階段，應用與場(chǎng)景先行，倒逼垂直領(lǐng)域的大模型飛躍發(fā)展。不少醫療、金融、教育等行業(yè)內擁有用戶(hù)數據積累的企業(yè)，已開(kāi)始基于大模型“底座”，訓練適配自身的垂類(lèi)模型，比如近期由上海聯(lián)通、華山醫院聯(lián)合開(kāi)發(fā)的Uni-talk、醫聯(lián)“MedGPT”、云知聲的“山海”等。

大模型路線(xiàn)分化

大模型讓人類(lèi)感受到的智能，是就像人類(lèi)自身的學(xué)習那樣，通過(guò)通用知識和邏輯能力的訓練，具備了解決各種問(wèn)題的能力。

大模型也有這種能力，基于文本語(yǔ)料采用無(wú)監督學(xué)習訓練的模型可以用少量的監督樣本，用于各類(lèi)機器學(xué)習任務(wù)，比如圖片分類(lèi)、翻譯、對話(huà)、寫(xiě)代碼等，這樣的能力就是所謂的通用能力。

當大模型發(fā)展到一定階段，各領(lǐng)域企業(yè)意識到，其通用能力已無(wú)法承載更為專(zhuān)業(yè)的領(lǐng)域，比如醫療、金融等，每一個(gè)領(lǐng)域都是獨立的知識體系，具備極為龐雜的知識量，顯然僅靠通用大模型無(wú)法滿(mǎn)足垂直領(lǐng)域的需求，這也為大模型之后發(fā)展路徑的分化埋下了伏筆。

事實(shí)上，通用大模型發(fā)展至今，面臨算力需求大、訓練和推理成本高、數據質(zhì)量不佳等挑戰。一個(gè)成功的且可對外商業(yè)化輸出的通用大模型，要求廠(chǎng)商擁有全棧大模型訓練與研發(fā)能力、業(yè)務(wù)場(chǎng)景落地經(jīng)驗、AI安全治理舉措、以及生態(tài)開(kāi)放性等核心優(yōu)勢。

另外，訓練基礎模型的成本也是非常之高，做一個(gè)千億級的大模型，需要單機群萬(wàn)卡以上的算力。從國內外來(lái)看，真正做通用模型的公司并沒(méi)有那么多。相反，訓練垂直領(lǐng)域模型所需要的代價(jià)和資源遠遠小于從零開(kāi)始做通用模型。

因而，從商業(yè)邏輯的角度來(lái)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)景數據積累的公司更適合做垂域模型。

垂類(lèi)大模型以深度解決行業(yè)需求為主，即企業(yè)在自己擅長(cháng)的領(lǐng)域訓練適合自己的“產(chǎn)業(yè)版GPT”。這類(lèi)大模型生成的內容更符合特定垂類(lèi)場(chǎng)景的需求，質(zhì)量更高。

當前，已經(jīng)可以看到不少垂類(lèi)模型應用在金融、醫療、交易等場(chǎng)景中。比如，彭博社根據自身豐富的金融數據資源，基于GPT-3框架再訓練，開(kāi)發(fā)出了金融專(zhuān)屬大模型BloombergGPT。

由此，大模型賽道目前出現了三類(lèi)廠(chǎng)商：一類(lèi)對標GPT的通用大模型，聚焦基礎層的廠(chǎng)商;一類(lèi)是在開(kāi)源大模型基礎之上訓練垂類(lèi)大模型，聚焦垂直行業(yè)的企業(yè);另一類(lèi)則是專(zhuān)注具體應用的純應用公司。

通用VS垂類(lèi)

從通用大模型到垂類(lèi)大模型，是大模型技術(shù)發(fā)展到一定階段的必然結果。

垂直大模型的發(fā)展主要體現在各個(gè)領(lǐng)域的模型性能持續提升，例如語(yǔ)音識別的錯誤率逐年下降，自然語(yǔ)言處理的語(yǔ)義理解能力不斷提升等。通用大模型則在多任務(wù)學(xué)習、遷移學(xué)習等方面取得了顯著(zhù)進(jìn)展，已經(jīng)成為自然語(yǔ)言處理領(lǐng)域的重要研究方向。

比如，生物大模型能夠提高AI制藥效率。國外的研究報告顯示，AI可以將新藥研發(fā)的成功率提高16.7%，AI輔助藥物研發(fā)每年能節約540億美元的研發(fā)費用，并在研發(fā)主要環(huán)節節約40%至60%的時(shí)間成本。根據英偉達公開(kāi)資料，使用AI技術(shù)可使藥物早期發(fā)現所需時(shí)間縮短至三分之一，成本節省至兩百分之一。

在產(chǎn)業(yè)角度來(lái)看，通用模型就是“百科全書(shū)”，能夠有問(wèn)必答，能夠適用不同的產(chǎn)業(yè)土壤，而垂直模型類(lèi)似于單領(lǐng)域的專(zhuān)家，雖然專(zhuān)業(yè)，但受眾注定是少數人。

從演進(jìn)路徑上看，垂類(lèi)模型是在通用大模型基礎上訓練而來(lái)，如果撇開(kāi)通用大模型，垂類(lèi)大模型不復存在。垂類(lèi)模型強調領(lǐng)域的Know-How，對于特定領(lǐng)域來(lái)說(shuō)，需要針對該領(lǐng)域的任務(wù)做指令學(xué)習。行業(yè)不同，場(chǎng)景不同，指令學(xué)習的區別也極大。比如，泛互聯(lián)網(wǎng)行業(yè)更關(guān)注營(yíng)銷(xiāo)、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(xiāo)的效果。

兩者的最大區別在于，垂類(lèi)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，即對這個(gè)行業(yè)的知識要求提高了。

而從成本方面考量，通過(guò)通用大模型微調實(shí)現的垂類(lèi)大模型相較通用大模型是“幾何級別的下降”。根據國金證券的測算，在模型微調階段，由于訓練量級較小，僅為萬(wàn)級，相關(guān)的算力成本相比之下可忽略不計。

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，應用5.2萬(wàn)指令對模型微調訓練而來(lái)的對話(huà)類(lèi)語(yǔ)言模型。該模型基于8塊A100微調，微調時(shí)長(cháng)3小時(shí)，算力成本不超過(guò)300元。

由于垂直應用大模型更符合垂類(lèi)場(chǎng)景的需求、質(zhì)量比通用大模型更高，也讓眾多企業(yè)看到了其中的機會(huì )。

醫聯(lián)近日發(fā)布了自主研發(fā)的基于Transformer架構的國內首款醫療大語(yǔ)言模型——MedGPT，其主要致力在真實(shí)醫療場(chǎng)景中發(fā)揮實(shí)際診療價(jià)值，可實(shí)現從疾病預防、診斷、治療、康復的全流程智能化診療能力。

5月，微盟正式發(fā)布基于大模型的AI應用型產(chǎn)品WAI，該產(chǎn)品已正式上線(xiàn)包括話(huà)術(shù)生產(chǎn)、短信模板、商品描述、種草筆記、直播口播稿、公眾號推文、短視頻帶貨文案等25個(gè)實(shí)際應用場(chǎng)景。

作為聚焦物聯(lián)網(wǎng)與醫療兩大領(lǐng)域的人工智能企業(yè)，云知聲正式發(fā)布山海大模型。該大模型針對知識密度高的領(lǐng)域，通過(guò)數據訓練、訓練數據、微調等方式，做一些專(zhuān)業(yè)的加強，這樣模型既具備了通用應用水平，也針對特殊場(chǎng)景與領(lǐng)域進(jìn)行了能力的加強。

山海大模型不僅在中文環(huán)境下的表現要好于GPT-4，甚至在醫療等個(gè)別場(chǎng)景下的表現效果，也已經(jīng)開(kāi)始優(yōu)于GPT-4。目標是在今年內達到ChatGPT的通用能力水平，并在醫療、物聯(lián)、教育等多個(gè)垂直領(lǐng)域的能力上全面超越GPT-4。

云知聲創(chuàng )始人、CEO黃偉指出，在A(yíng)I 1.0時(shí)代，雖然基于深度學(xué)習，每家都有強大的技術(shù)，但整體上并沒(méi)有本質(zhì)改變AI用于分類(lèi)的任務(wù)，分類(lèi)種類(lèi)的增加仍然處在量變階段，限制了AI創(chuàng )造價(jià)值的上限。

而在大模型引領(lǐng)的AI 2.0時(shí)代，為人工智能帶來(lái)了新的能力，可以打造更多新的產(chǎn)品，滿(mǎn)足客戶(hù)更多的需求，例如醫療、營(yíng)銷(xiāo)、溝通等，能夠創(chuàng )造更多的商業(yè)機會(huì )。

AI對于復雜邏輯理解能力大幅增強，扭轉了用戶(hù)對于A(yíng)I“人工智障”的刻板印象，也讓更多人接受人工智能，為大模型的廣泛應用創(chuàng )造的條件。

“大模型所謂的‘思維鏈’能力，可以告訴用戶(hù)推導的過(guò)程，從而知道中間過(guò)程里有哪些東西是錯的，優(yōu)化的時(shí)候就可以獲得提示了，而不是像過(guò)去一樣只能看見(jiàn)和調整參數的權重。”

云知聲創(chuàng )始人兼CTO梁家恩表示，但就目前而言，大模型仍然是有限的東西，但對于沒(méi)有見(jiàn)過(guò)的東西，大模型會(huì )生成“似是而非”的回答，而隨著(zhù)AI生成能力的不斷增強，但校驗會(huì )更加困難，這也讓AI行業(yè)需要不斷去探索新的解決方法。

相信隨著(zhù)越來(lái)越多企業(yè)入局，垂直大模型在各個(gè)行業(yè)和細分領(lǐng)域中將大量涌現。而那些能將一個(gè)垂直領(lǐng)域做專(zhuān)、做透，用高質(zhì)量的數據持續優(yōu)化模型，跑通商業(yè)閉環(huán)，構建起產(chǎn)業(yè)生態(tài)的企業(yè)，最終將把價(jià)值鏈做到足夠長(cháng)。

標簽： 大數據模型 人工智能 垂直行業(yè)