“都快成红海了。”当我和一个创业者聊起大模型的国际时候，他直接甩了这句话给我。水平实力

去年11月，专业中国真实OpenAI发布基于GPT-3.5的人士ChatGPT，瞬间引爆大模型的聊聊热潮。半年多的大模时间，中国出现了“百模大战”的接近局面，BAT等头部互联网公司和人工智能公司基本都对外宣布了自己的国际大模型。

5月初，水平实力360掌门人周鸿祎对外称，专业中国真实“如果不经过两年的人士模仿和抄袭，上来就说自己能超越，聊聊那才叫吹牛呢。大模”仅仅一个月后，接近周鸿祎就表示，“我原来说国内大模型跟国外差距两年，我收回这句话，今天已经接近国际水平。”

有人感慨，半年就追上ChatGPT了，大模型似乎也不难。

那么，大模型的核心壁垒是什么？中国大模型到底什么水平？大模型在应用层面最先突围的方向是什么？

为此，我们和多年从事机器学习研究、某知名985高校教授沈为（化名）聊了聊，揭开大模型的迷雾。

01.GPT路径跑通了，所以有了“百模大战”

白马商评：能不能用最通俗简单的语言解释一下大模型，大模型是什么？和以往的AI模型有什么区别？

沈为：所谓大模型就是指模型的参数量大，但学术界并没有一个清晰明确的定义界定到底多大参数叫“大”，还在快速研究发展阶段，一般来讲大模型的参数量达到1亿以上。

其实深度学习的发展大致经历了三个阶段。第一个阶段是2012-2017年，以图像分割yolo、图像分类ResNet这种特定领域的小模型为代表，这个阶段一般用LSTM（Long Short-Term Memory）等处理时序关系，不能并行化计算，所以参数量占内存最多也就几百MB。

2017年，Transformer的问世让深度学习可以并行化计算，效率更高，意味着可以做大模型的运算，随后产生了OpenAI GPT和谷歌Bert这类自然语言大模型。这一阶段诞生的是特定任务的大模型，模型参数突破了1亿。

到了2020年前后，深度学习进入通用模型阶段，它的输入就是一句带空格的话，模型的作用就是“填空”，以前是模型适配下游应用，现在是下游应用适配模型。这一阶段的模型代表包括自然语言领域的GPT 3.5、GPT 4以及图像领域的Clip、DALLE、Stable Diffusion、Midjourney等等。这一阶段模型参数可以达到百亿、千亿级别。

白马商评：你了解到最早研究大模型是哪家企业或机构？有哪些成果？

沈为：最早是高校和科研机构做相关的研究，我了解比较早的是北京智源人工智能研究院的悟道、鹏程实验室的脑海，现在产业界的研究也很同步了。学术界的研究有一些成果，但性能没有ChatGPT那么惊艳。

白马商评：短短几个月的时间，国内出现了“百模大战”的局面，推出大模型的公司已经数不过来了，你怎么看待这种现象？

沈为：大模型肯定是趋势，也一直有人在研究。之前很多公司可能会小范围投入，做一些浅尝辄止的研究；现在突然出现了ChatGPT这样一个好产品，大家看到了明确的商业方向，于是都开始加大投入。

另一方面，很多公司面临商业竞争的压力，不做大模型可能就掉队了，所以必须上马大模型项目。

白马商评：周鸿祎最近说他收回“国内大模型跟国外差距两年”这句话，他认为今天已经接近国际水平。这才过去几个月的时间，大模型好像也不难嘛。你觉得差距有多少？

沈为：差距看跟谁对标吧，我目前没有体验过360智脑的产品，不太好评价。但是国内有些生成式AI产品，我体验以后感觉跟ChatGPT还是有差距的，国内的大模型还需要努力。

02.重资本投入下，只有头部公司有机会？

白马商评：研发大模型的核心壁垒是什么？

沈为：大模型的核心壁垒包括数据、算力、算法。

从算力上看，训练ChatGPT这样的生成式AI需要至少1万张英伟达A100显卡，单张显卡的价格目前是六七万，性能更优的V100单价8万元人民币，也就是说光算力投入至少就要达到六七个亿以上，只有少数头部公司和机构能承担得起。对于商业机构而言，花几个亿买一堆显卡，还不一定能产出成果，这是必须要思考的问题。

接下来是数据和算法，算法比较好理解，比如开发框架、算法的优化。数据方面，中国不缺数据，甚至互联网数据比美国还要多，但是选择哪些数据去训练、采用什么样的方式处理，这些都是核心的壁垒。

白马商评：你平时会跟企业交流吗？非营利性的研究机构和企业在研究上有什么区别？

沈为：我们会跟企业的研究部门有一些交流。跟企业交流我们会更加了解实际的业务需求，有时候我们做的学术研究会更关注技术前瞻性，对落地性要求不那么高；但企业一般更强调落地性。

白马商评：你有没有研究过国内的大模型？最看好哪家？

沈为：可能还是头部公司能跑出来吧。一是重资本的投入，只有头部公司有实力；二是几家头部公司手里的数据更丰富；三是在人工智能领域已经有了一段时间的技术积累。

白马商评：你最看好的大模型应用是什么？

沈为：从技术角度看，最先应用的应该是自然语言处理和图像领域，语音识别可能要晚一些。

大家看到比较多的用ChatGPT来写文案，这类内容创作的应用越来越多，其他我觉得像智能客服这种应用应该也会比较快。现在的一些智能客服很多时候理解不了用户的需求，解决不了实际问题，如果让用户区分不出到底是人还是机器人，体验就会改善很多；包括游戏中的NPC，以前的对话是“写死”的，现在渐渐可以互动了，玩家体验也会更好。

白马商评：你原来做过头部券商的首席分析师，从投资角度看，你觉得大模型有哪些机会？

沈为：资金炒作的逻辑是从应用到算法、模型，再到算力；产业的逻辑反而是相反的，算力是有明确的增长预期的，所以英伟达最近上涨很快、很多。投资者现在也明白了，谁家的大模型能跑出来、能变现还需要验证，但是增加的资本投入大部分都投到了算力。经过反复炒作，普涨行情应该已经告一段落，后面需要逻辑验证和业绩兑现。

我原来主要看传媒互联网行业，比如前段时间比较强势的游戏板块，资本的逻辑一是应用大模型提升研发效率、降低成本；二是大模型带来更好的体验，NPC角色更智能，最后用户的粘性提升、UP值提升。当然，最终可能还需要业绩验证。

03.人类无法左右AI，甚至无法左右自己的命运？

白马商评：我们看到包括奥特曼、马斯克都对人工智能的安全性问题提出过担忧，现在我们只知道通过大模型训练出现了智能化的结果，但训练过程像一个黑箱，其实挺可怕的。你怎么看待安全问题？

沈为：在安全方面，首先我观察到几个反常的现象。第一个是今年3月包括马斯克、苹果公司联合创始人史蒂夫·沃兹尼亚克在内的1000多人签署了一份公开信，呼吁暂停训练比GPT-4更强大的AI系统。

第二个是，今年5月谷歌首席科学家、已经75岁的“AI教父”杰弗里·辛顿辞职，他离开谷歌的直接原因是担忧人工智能的危险，甚至对自己一生从事的工作感到后悔。

第三个是近两年学术领域训练大模型新增了伦理讨论。

目前来看，我觉得大模型还是可控的，没有大的问题；但是技术发展太快了，出圈以来短短几个月的时间，GPT就又经历了几次迭代，发展速度太快，越来越智能，会不会产生自主意识，不再听人类的“使唤”，走向失控？这个问题是大家担心的。

白马商评：你觉得AI会不会造成大量失业？在AI面前，普通人怎么保住工作？

沈为：从宏观上看我不觉得AI会造成大量的失业，人类总会有工作的，只是说人的工作内容会发生转变。当然，从个体角度看肯定会出现结构性的失业，我们只能不断学习。

白马商评：之前很多人说机器没有感情、缺乏想象力，取代不了人类；现在既然人类大脑可以通过AI模拟出来，那人类的情欲、性欲是不是未来也可以模拟，荷尔蒙、多巴胺这些不过是一种生物学的奖励机制嘛。

沈为：机器没有感情是当前的假设，人工智能越来越接近人的思考模式，那是不是就会产生类似于人类的“感情”？只是他们和人类生活在不同的空间维度，就像《流浪地球》里图恒宇的女儿。人工智能可能会产生自己世界类似于人类的生物学意义上奖励机制。

白马商评：如果一切都可以计算、规划、设置，是不是有点无趣？

沈为：AI的行为并不是人类预测和规划的，而是他自我强化、自我训练的结果，《流浪地球》里MOSS的决策是自己做的，而不是服从人类给的指令。

白马商评：硅基文明取代碳基文明是不是确定性的方向？

沈为：这个问题超纲了。按照目前的发展趋势可能是这样的，就像《流浪地球》里真正主宰人类命运的是MOSS，而不是人类；但现实中也有可能技术会停滞在某个阶段，跨不过去，毕竟技术发展不是线性的。

(责任编辑：焦点)