2023年是大模型快速的提升的一年。在这一年，AI大模型的惊艳表现让外界深刻感知奔涌而来的AI技术浪潮。对于或将重塑行业生态的AI大模型，由一众科技巨头打响的“百模大战”鏖战正酣。据不完全统计，截至2023年8月，中国已发布的各类大模型数量已超上百个，模型参数规模大于百亿级别的大模型产品达15个。

　　与此同时，各大省市也相继布局大模型领域。在这样的一个过程中，算力位居全国前列、业生态完善、应用场景丰富的广东省成为布局大模型队列中的佼佼者，并不断将算力部署、企业研发、人才优势等方面的资源优势，转化成抢滩大模型的竞争优势。

　　日前，南都·湾财社推出“科创年度关键词”系列策划，旨在通过回顾过去一年全国科创大事，聚焦科创新模式及亮点，进一步展望科学技术创新发展新趋势。作为策划的第二篇，本篇关注AI大模型。聚焦在“百模大战”中，广东如何通过制度引领、平台优势以及企业创新等举措，提前卡位大模型产业，针对大模型发展所面临的技术门槛、人才紧缺和人工智能治理等问题，交出优秀的答卷。

　　“我们正处在全新起点，这是一个以大模型为核心的人工智能新时代，大模型改变了人工智能，大模型即将改变世界。”在2023中关村论坛上，百度CEO李彦宏表示，“10年后全世界有50%的工作会是提示词工程。”

　　2023年，以ChatGPT为代表的AI大模型的惊艳表现，让大模型成功破圈，让行业内外看到了实现通用AI的路径。与此同时，围绕AI大模型而展开的“百模大战”也拉开正式拉开序幕。

　　据不完全统计，截至2023年8月，中国已发布的各类大模型数量已超上百个，截至2023年10月，拥有10亿参数规模以上大模型的厂商及高校院所达到了254家。另据《大语言模型综合能力测评报告2023》，模型参数规模大于百亿级别的大模型产品达15个，包括百度ERNiE 3.0模型、华为盘古模型、阿里遵义模型、腾讯混元模型和网易伏羲模型等。

　　“以ChatGpt为代表的大模型的出现，让深度学习模型不再是一个算法工具，而是具有知识性，成为关键决策者，乃至于大模型已成为许多公司的标配。”阿里巴巴智能信息事业群、夸克AI视觉技术负责人黄锐华表示，“甚至可以说，过去是人在用大模型，现在是人在训练大模型。”

　　南都·湾财社采访华为、网易、腾讯等企业发现，这些大模型“领头羊”们已在AI领域深耕多年。有关的资料显示，2019年至2020年，华为云盘古大模型就投入AI大模型研发，2021年4月，华为云盘古大模型正式对外发布；网易人工智能自2011年起即专注于计算机视觉、自然语言处理、语音交互、模式识别、深度学习等技术探讨研究领域；腾讯则从2016年开始投入AI基础研究，从2021年开始先后研发了多个千亿和万亿级参数的大模型。

　　“我们始终认为机会是等不来的，你必须预判潮水的方向，在看到浪来的时候，已经想好要以什么样的姿势冲浪，提前布局、持续投入。”网易集团高级副总裁胡志鹏在接受各个媒体时表示，网易伏羲AI实验室在2018年就着手训练AI大模型，且网易明确AI发展路线为——不追风口，不拼模型大小，脚踏实地把AI的产业应用作为头号任务。

　　有了优势技术的沉淀，国产大模型百花齐放，其应用场景也逐渐拓展并多元化，特别是在各垂直领域都有落地成果，大范围的应用于能源、金融、教育、医疗、交通、政务等领域。从2023年10月开始，国产大模型相继迎来版本升级和技术创新，文心大模型发布4.0版本，讯飞星火认知大模型V3.0版本发布并声称医疗领域能力超越GPT-4，腾讯混元大模型自研机器学习框架Angel再次升级并宣布千亿级大模型训练可节省50%算力成本。

　　2023年8月31日，国内11家通过《生成式人工智能服务管理暂行办法》备案的AI大模型产品陆续上线，面向全社会开放。开源证券研报指出，首批大模型产品完成备案，并陆续向用户开放服务，使得大模型能够大量获得真实用户数据反馈，加快大模型迭代速度，进而不断的提高使用者真实的体验，同时基于大模型的ToB、ToC应用落地进程也有望加快。

　　如今，国内大模型仍处于研发和迭代的早期阶段，虽然在 AI 领域积累已久的互联网巨头具备先发优势，但中小厂商可通过在垂直品类场景和数据层面积累的优势，走出一条创新之路。

　　“头部企业研发基座模型，一些中小企业结合自己的需求，对基座模型来优化，满足垂直行业的应用需求。”中山大学计算机学院副教授张青认为，随着应用场景范围逐渐扩大，目前AIGC的产业生态也在逐渐形成：以预训练模型为代表的基础层，以垂直化、场景化、个性化模型为代表的中间层和以图像、语音、文字生成等各类AIGC应用为代表的应用层。

　　“我们需要将通用的算法改造成家具行业的专用算法。比如在家具行业中，户型是非常个性化的场景，存在各种弧形、圆弧乃至于各种异形的户型设计，要求我们投入大量精力，将通用算法进行深度调优，与实地落地场景相匹配。”据广东三维家信息科技有限公司PMO兼解决方案首席专家邹明介绍，公司AI知识图谱构建对算力的需求十分大。这也带来了不少挑战，“在构建好知识图谱之后，我们也想训练自己的大模型，但又发现我们的数据并不通用，需要对市面上的通用大模型做改造，适配家具行业数据并调整成垂直大模型，其中不仅有技术卡点的挑战，也有技术标准、合作适配、数据量不足等各方面的难题。”

　　因此，张青认为，发展大模型产业链上下游要做好分工。他表示，如阿里、百度、腾讯、华为等拥有海量数据及计算能力的头部公司能够攻坚基础通用模型，然后通过开源或者定制等方式将大模型能力释放给中下游企业，让中下游产业针对自身业务情况做调整与适配，进而去服务更垂直的行业场景和用户。

　　在对AI大模型的追逐战，不仅有企业之间的竞争与合作，也有国内各大城市对抓住大模型发展先机的势在必得。据不完全统计，2023年以来，南京、深圳、无锡、杭州、重庆、成都、武汉、上海等城市相继出台人工智能专项政策。

　　在2023年5月，中国科学技术信息研究所发布的《中国人工智能大模型地图研究报告》显示，中国10亿参数规模以上的大模型已发布79个，大多分布在在北京和广东，其中北京38个大模型，广东20个大模型。

　　在算力底座基础方面，广东目前拥有鹏城实验室、韶关数据中心集群、横琴先进智能计算平台、广深超算中心等重大算力设施平台。同时，广东目前拥有7家国家新一代人工智能开放创新平台和16家省级新一代人工智能开放创新平台，其中“鹏城云脑II”可提供支撑近千个国产AI模型的训练任务，成为国家最重要的AI大模型训练平台之一。

　　2023年，大模型研发技术、产业生态以及感知度迎来阶段性发展的同时，其技术短板以及发展阻碍也随之显示。

　　腾讯方面向南都·湾财社记者透露，目前，高质量语料的缺乏正日益成为限制大模型发展的瓶颈。高质量语料的多样性涵盖不一样的文本，如新闻、小说、诗歌、科技文章等，这有助于大模型学习到更丰富的语言表达。对于高质量语料短缺的问题，业内目前主要采取语料清洗筛选、标注分类、预训练语言模型、建立共享和协作的平台等方式。

　　同时，华为方面认为，在训练上，面临着万卡/十万卡集群分布式训练及可靠性的挑战；在推理上，需解决面向LLM长文本生成的高效解码的挑战；在高效资源利用方面，面临着AI集群碎片资源利用及全局作业最优调度的难题；在大模型压缩方面，需解决高效量化及无损量化评测标准及技术方案的难题。

　　此外，AI大模型还需解决行业训练数据安全可控、可用不可得，大模型幻觉缓解甚至消除及可解释性，如何构建具备强大逻辑推理与规划能力的大模型，基于图数据的大模型知识增强技术，通用结构化数据及时序数据特征对齐及预训练等难题。

　　“当前大模型发展面临高质量数据集缺乏、人才数量不足等困难。”广东省人工智能产业协会常务副会长兼秘书长张崟向南都·湾财社表示，“数据集质量对国内大模型性能有直接的影响。目前我国主流数据集多以英文为主，缺少中文数据集。国内数据集质量仍有待提升，数据集种类和内容缺乏多元化，专用领域数据集基本空白。”

　　另外，《产业数字人才研究与发展报告（2023）》显示，在数字产业化人才方面，人工智能面临着人才总量与质量的双重欠缺，算法研发与开发人才紧缺度高，前沿理论、关键共性技术等方面的复合型、领军型人才欠缺。

　　与此同时，大模型对数据、算力能力有一定的要求甚高，随之而衍生的问题是人工智能治理问题。对外经济贸易大学法学院副教授张欣接受南都·湾财社采访时表示，目前大模型治理主要面临四个挑战：治理滞后、技术鸿沟、资本逐利导致技术异化、协作机制尚不健全。

　　“2023年，大模型治理的法治化特征日益凸显，从早期以科技伦理、技术标准、自律承诺等为代表的软法治理，逐步转向更为成熟的‘软法与硬法双轨并行、刚柔并济’的新型治理模式。”张欣介绍道，其中，广东将科技伦理治理结合地方特色和区域特色予以细化，不仅有利于凝聚技术、产业、政策等各界共识，还可以在研发技术早期发挥约束和指引作用，成为地方科技伦理治理的亮点与标杆，为企业研发提供更明确的预期和积极的制度激励。

　　“2024年，大模型的能力和应用也将逐渐从文生文，到文生图、文生视频等多模态方向继续扩展，带来更为丰富的落地场景。”腾讯相关负责这个的人说，关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地。