近日，OpenAI宣布，安卓版ChatGPT已正式上線。在連續幾個月ChatGPT的網站與移動客戶端的全球流量（PV）環比持續下降的情況下，安卓版ChatGPT的推出能否讓OpenAI再度引爆市場？

ChatGPT只是露出海平面的冰山一角，實際上由生成式AI、大模型等激發的新一輪AI應用熱潮一直在持續升溫，且影響極其深遠。從2022年底ChatGPT的爆火開始，人們對大模型本身的關注度不斷高漲，國內形形色色的大模型也不斷涌現。如今半年多過去了，人們對于大模型已經見怪不怪，反而對大模型如何與行業場景相結合并加速落地傾注了極大的熱情。

(資料圖片僅供參考)

中國科學技術信息研究所發布的《中國人工智能大模型地圖研究報告》顯示，截至2023年5月28日，國內10億級參數規模以上的基礎大模型至少已有79個。所謂的“百模大戰”已經箭在弦上。迎接數智化時代的到來，通用模型與垂類模型會相互傾軋還是各領風騷？算力、數據與基礎軟件三大要素的同頻共振，將是決定大模型落地的關鍵？回答這些問題，從AI企業到行業用戶，將持刷新大模型世界觀。

“壟斷派”與“擴散派”之間的博弈

大模型真的“大”到高不可攀嗎？實際上，業界關于大模型的研究早已有之，只不過ChatGPT是最先產品化并實現商業落地的。回顧歷史，在擁有絕對技術代差的情況下，Google搜索引擎確實具有一枝獨秀的資本。另一個例子，曾經名噪一時的Netscape瀏覽器，在推出后差不多一年半的時間內幾乎壟斷了整個市場，但最終還是不敵IE瀏覽器，黯然退出了歷史舞臺。由此可見，如果在技術上沒有絕對的代差，那么由產品飛輪帶來的紅利能夠維持多久，需要打上一個大大的問號。說回到ChatGPT，OpenAI利用產品飛輪拉開的差距，或許還不足以成就其市場壟斷地位。換句話說，在沒有絕對技術代差的情況下，僅依靠產品飛輪帶來的暫時領先，是有其脆弱性的。國內大模型廠商的迅速崛起與產品上的持續迭代也證明了這一點，國內外在大模型研發上的差距正逐漸縮小。

大模型市場上漸漸形成了兩大陣營——一方是以OpenAI為代表的“壟斷派”，它們擁有核心技術，以自有大模型為殺手锏；另一方可以稱作“技術擴散派”，包括芯片廠商、云算力廠商和數據基礎軟件廠商等，它們是AI生態中的一份子，致力于為大模型的落地、AI應用的普及提供必要的支撐。

大模型的出現是AI技術上的一次突破，是眾多技術中的一個里程碑中。以此為契機，每個企業都可以擁有或建立屬于自己的大模型，從而更好地達成自己的商業目標。九章云極DataCanvas董事長方磊指出，相比曾經的搜索引擎市場的博弈，大模型的壟斷派和技術擴散派之間的博弈很可能是一個更加長期、復雜、激烈的過程，在此過程中，給每個企業和組織帶來的影響也會更加深遠和深刻。有足夠技術能力的企業可以開發自己的大模型，而不具備單打獨斗能力的，則可以借助開源社區的力量達成目標。從長遠來看，大模型終究會成為業務創新的剛需，但是獲取的途徑可以是多樣化的，同樣用戶的選擇也是多元化的。

ChatGPT、大模型積極的意義在于，它讓我們真實感受到，原來一些不敢想、不敢做的事情，現在已經有技術可以勝任。特別值得一提的是，大模型對算力、云和基礎軟件帶來了顛覆性的影響。在云計算的上半場，主力是移動互聯網，支持的主要是帶寬密集型應用，比如網站、APP等，其最突出的需求是彈性擴容能力。在這個階段，公有云是重帶寬而輕算力的。但是進入云計算的下半場，隨著AI浪潮的又一次興起，整個市場的驅動力變成了算力，人們追求的是更高的效率和更低的成本。比如，完成一次大模型的訓練是400萬元還是500萬元，這才是人們關注的焦點。“云計算邁入‘深水區’，算力和PaaS的銷售比例將越來越高。”方磊表示，“‘算力即是國力’。在‘東數西算’剛提出來時，有人可能會質疑，真的需要這么多的算力嗎？但是在進入以AI為驅動的算力密集型應用時代，人們不禁會感慨，‘東數西算’這一釋放算力需求的舉措真的是高瞻遠矚。由AI驅動的中國算力建設會掀起一次真正的‘狂飆’。”

對于大模型的落地而言，基礎軟件是重要的前提。這也是為什么越來越多的軟件廠商在大數據平臺、向量數據庫、湖倉一體等方面加大投入力度的重要原因。以前，基礎軟件存在較大的性能與成本上的差異化。因此，軟件、模型與硬件的統一優化空間巨大。“強大而靈活的基礎軟件、開放彈性的白盒模型，再加上精通業務的專業人才，將加速實現大模型落地‘最后一公里’的跨越。”方磊表示，“為此，我們重磅推出了AIFS（AI Foundation Software）人工智能基礎軟件 & DataPilot數據領航員產品體系，為AI應用的落地夯實基礎設施平臺。”

通用模型、垂類模型相輔相成

2023年3月，彭博社發布了專為金融領域打造的大型語言模型（LLM）BloombergGPT。它基于彭博社的金融數據源，以開源的GPT-3框架為基礎，構建了一個3630億個標簽的數據集，能夠更好地處理金融領域的數據和任務。通用大模型與面向行業和企業的垂類大模型，誰能在商業市場上最先叫響？

“有券商曾經向我們咨詢，能否一起開發一個類似BloombergGPT的證券行業大模型？”有一段時間，方磊一直被客戶類似的詢問所包圍。從需求方來看，確實有一些大型央企以及金融行業頭部企業對大模型非常感興趣。一方面，出于業務創新的考慮；另一方面，也是因為“數據邊界”問題，由于與業務密切相關的私域數據不能“走出”公司，因而無法直接采用通用大模型，所以希望構建屬于自己的垂類大模型。

從供給方來看，比如云算力廠商，就非常希望與九章云極DataCanvas這樣的基礎軟件廠商合作，推出打包的整體解決方案，讓大模型的訓練更具效率且成本更優。而這也正好契合了九章云極DataCanvas自身的定位，即“云中云”，為云算力廠商帶來基礎軟件方面的增值，便于行業用戶訓練自己的垂類模型。

Databricks于2023年4月12日發布了Dolly 2.0。據稱這是業內第一個開源的、遵循指令的LLM，用戶可在透明且免費提供的數據集上進行微調，從而構建自己的商業應用程序。這也給了同類AI基礎軟件廠商很大的啟示和信心，通過構建和優化AI基礎設施、數據平臺和提供參考大模型，就能讓行業客戶更簡單、快捷地打造屬于自己的垂類大模型。

在大模型狂飆了半年多以后，人們對于通用大模型與垂類大模型的構建、部署和應用有了更深刻的認知，慢慢形成了一種共識：通用大模型會漸漸收斂，就像公有云那樣大浪淘沙，最終市場上只剩下最強的幾個；而市場上更多的則是面向行業和企業的垂類大模型。從未來發展趨勢看，在開源的以及通用可參考的大模型之上，融入更多行業知識和企業經驗的垂類大模型將層出不窮。行業龍頭企業研發大模型，而中小企業在其上直接開發應用，或許將成為一種定式。

一種更切合實際的作法是像九章云極DataCanvas那樣，“大小均涉及”。作為一款行業領先的人工智能應用構建基礎設施平臺， AIFS覆蓋了大模型的訓練、精調、壓縮、部署、推理和監控，以及小模型的全生命周期過程，為數據科學家、應用程序開發人員和業務專家提供了一套工具，使不同角色的人員能夠相互協作，輕松處理數據并使用這些數據來開發、訓練和部署任何規模的模型。一句話， AIFS旨在為用戶自主構建全生命周期的“大+小”模型提供一站式支持。方磊表示：“我們致力于打造人工智能基礎設施，既要為企業構建個性化、自主的大模型賦能，又可以將大模型與以往積淀的小模型相融合，應用于業務。”

大模型確實威力巨大，但它是否可以放之四海皆準，解決一切問題呢？從目前來看，一些巨大的場景、尖端的應用，還是要采用專用系統，而碎片化的場景或者解決一些長尾的to C方面的問題，則更適合采用通用大模型。說到底，專與精是兩類不同的需求。一些行業的細分需求，寄希望于通過對通用大模型進行微調就能解決問題，實際上并不可行。一方面，通用大模型并一定具備特定行業所需的能力；另一方面，即使你想對大模型進行微調，可能也會因為大模型本身過于‘沉重’，而力不從心。從這個角度說，垂類大模型是有其存在和發展的必要性。

AI普惠化 任重道遠

眾所周知，微軟已經在Azure、Microsoft 365以及多款開發者工具中融入了人工智能功能。近日，微軟首席財務官Amy Hood在一次分析師電話會議上表示，公司未來還將進一步增加數據中心建設成本，以便更好地支撐人工智能服務。不僅是微軟，也不僅僅是美國華爾街，而是全世界都在熱切期待，生成式AI能夠為企業帶來真正的收益和增值。

今天，越來越多類ChatGPT的大模型正在不斷推出或在孕育之中，展現出巨大的技術和商業潛力，但欠缺的是足夠豐富的應用場景，以及開放的、安全可靠、高效的人工智能基礎設施。“現階段，大模型的應用還是由創新驅動的，并非完全由業務驅動。”方磊表示，“大模型的普惠化是當務之急。”

國內外主流的云廠商不僅推出了自有的大模型，更為大模型的落地提供了完善的支撐，既有產品和服務層面的，也有生態、渠道方面的。比如，亞馬遜云科技在近日舉行的紐約峰會上宣布，推出7項生成式AI創新，包括Amazon Bedrock新增基礎模型供應商Cohere和全新基礎模型，Amazon EC2 P5實例正式可用，Amazon OpenSearch Serverless支持全新向量引擎，編程助手Amazon CodeWhisperer與Amazon Glue實現集成等。

IDC發布的《IDC中國AI公有云服務市場份額，2022》報告顯示：2022年中國AI公有云服務市場呈現出80.6%的正增長，整體市場規模達79.7億元。生成式AI、大模型等新的能力在公有云上將實現更快的更新迭代。

“大模型時代需要完整基礎設施升級，而不是依靠單個大模型解決所有問題；大模型的落地將解決更困難的問題，引起更深遠的影響，而它并不比小模型更容易。”方磊如是說。

大模型帶來的顛覆性并不只體現在大模型本身，而是將引發算力、數據、基礎軟件的一次最深刻的變革。未來，不管大模型如何演進迭代，高性能的基礎軟件與數據架構都是不可或缺的“底座”，在AI惠普化的進程中發揮基礎與核心的作用。包括九章云極DataCanvas在內的眾多致力于AI普惠化的廠商，將軟件工具和解決方案作為賦能廣大行業用戶的抓手，持續融入前沿AI創新技術，助力其在大模型時代加速實現自主的數智化升級和AI規模化應用。

毋庸置疑，大模型應用終將走向普惠化。但在獲得技術紅利的過程中，人們也不得不在安全、監管、合規等方面投入更多精力。負責任地使用AI，將規范、引導大模型又快又好地落地。

關鍵詞：