吳韶華：AI大模型的出現(xiàn)帶來一種新的現(xiàn)象，它將AI應(yīng)用的開發(fā)從碎片化、煙囪式的開發(fā)，轉(zhuǎn)變成集中式開發(fā)，這種開發(fā)范式的變化，有望緩解當(dāng)前人工智能落地難的問題，更好的賦能人工智能應(yīng)用創(chuàng)新。

張誠：我們可以把人工智能到商業(yè)應(yīng)用看成上下游的關(guān)系，上游對機器學(xué)習(xí)模型進行很好的預(yù)訓(xùn)練，做成更扎實的“半成品”，幫助下游落時更好地把注意力放到商業(yè)問題的優(yōu)化上，這樣算法的商業(yè)應(yīng)用就會更快、更有效。比如，AI大模型因為其自身具有的兼容性能適應(yīng)更多場景，同時大模型做到了相對標(biāo)準(zhǔn)化，下游可以降低對算法的使用成本，以及和商業(yè)問題的適配成本。當(dāng)然，企業(yè)對這種改變的適應(yīng)也是影響大模型產(chǎn)生效果的重要影響因素。

吳韶華：浪潮信息將大模型看作算法基礎(chǔ)設(shè)施，這種基礎(chǔ)模型在算法層面的能力，還要聯(lián)合服務(wù)軟件才能在應(yīng)用中發(fā)揮出來。因此，在應(yīng)用支撐上模型和服務(wù)軟件共同形成一種類似于算法基礎(chǔ)設(shè)施的作用。

黃心怡: 您認(rèn)為AI大模型的應(yīng)用價值有多大？對于推進人工智能規(guī)?；涞啬芊衿鸬阶饔?？

吳韶華：首先是應(yīng)用的碎片化，尤其是長尾場景應(yīng)用的碎片化，是人工智能落地的難題。碎片化意味著不同場景需要有針對性的建模，每個小場景都要從數(shù)據(jù)到模型、應(yīng)用整個流程走一遍。此外，隨著數(shù)據(jù)的更新，模型也要更新。設(shè)想下，對于一個維護上百個模型的企業(yè)，要同時更新上百個模型及應(yīng)用，投入是巨大的。因為大模型具備比較廣泛的普適應(yīng)用支撐能力，將傳統(tǒng)AI應(yīng)用的煙囪式、碎片化開發(fā)轉(zhuǎn)變成集中式開發(fā)，很好的緩解了碎片化場景反復(fù)建模的現(xiàn)象。

其次，大模型也可以使研發(fā)人員聚焦在應(yīng)用開發(fā)的核心要素上。在算法基礎(chǔ)設(shè)施層面，包括浪潮信息構(gòu)建的源 1.0都是開源開放的，開發(fā)者不需要關(guān)心底層搭建的技術(shù)，就能直接調(diào)用源1.0的大模型能力。這種能力把AI應(yīng)用的開發(fā)往上推了一大步，讓開發(fā)者聚焦應(yīng)用最核心的業(yè)務(wù)邏輯，把跟模型相關(guān)的內(nèi)容放在模型層面或算法基礎(chǔ)設(shè)施的層面。比如，基于源1.0搭建的“劇本殺”游戲，可以直接復(fù)用源1.0的開源代碼，開發(fā)過程基本不需要寫代碼和調(diào)試代碼，就完成了整個應(yīng)用的構(gòu)建，此時，開發(fā)者能把更多精力放在劇情內(nèi)容等創(chuàng)意的創(chuàng)作上。

總結(jié)一下，大模型一方面會將AI應(yīng)用的開發(fā)從煙囪式轉(zhuǎn)變到集中式開發(fā)，另一方面大模型降低了AI應(yīng)用的開發(fā)難度，讓開發(fā)者能夠更聚焦在核心業(yè)務(wù)邏輯上，這是大模型給AI的應(yīng)用落地帶來的兩大益處。

張誠：大模型和AI產(chǎn)業(yè)的發(fā)展是一個必然趨勢，對這種趨勢的未來判斷其實通過回顧信息技術(shù)的商業(yè)應(yīng)用歷史來對照。上世紀(jì)90年代早期管理信息系統(tǒng)（MIS）剛開始在商業(yè)得到應(yīng)用的時候，企業(yè)往往需要18個月到36個月才能完成信息系統(tǒng)的建設(shè)和流程的配合。但是到了最近二十年，相關(guān)產(chǎn)品越來越標(biāo)準(zhǔn)，3個月到12個月就能完成中等規(guī)模信息系統(tǒng)的設(shè)計和上線應(yīng)用。從新技術(shù)發(fā)展來說，早期很重的項目定制化咨詢方式，到現(xiàn)在越來越多的系統(tǒng)以產(chǎn)品化、標(biāo)準(zhǔn)化的方式復(fù)制實施。

同時，現(xiàn)在越來越多的云服務(wù)被采納，算法基礎(chǔ)設(shè)施使得算法逐漸產(chǎn)品化、技術(shù)集中化，最終完成“標(biāo)準(zhǔn)產(chǎn)品”應(yīng)用+二次開發(fā)的成熟模式。算法被標(biāo)準(zhǔn)化，應(yīng)用或設(shè)置也可以標(biāo)準(zhǔn)化，那么人工智能應(yīng)用的開發(fā)就不用從零開始做，時間也會大大縮短。同時，大模型的產(chǎn)品化、基礎(chǔ)化過程，讓企業(yè)智能化的成本越來越低，進一步促進人工智能產(chǎn)業(yè)的應(yīng)用發(fā)展。

黃心怡：浪潮信息在實際應(yīng)用過程中有沒有成本降低的案例

吳韶華：劇本殺就是一個典型的案例，在大模型出現(xiàn)之前，如果要做這樣一個游戲，需要很強大的模型，這個模型既要有對話能力，也要有邏輯推理能力，這對于模型的開發(fā)、數(shù)據(jù)的選擇門檻很高。

我們在源1.0開放過程中也遇到了很多類似情況，比如一個模型即可以支撐用戶的隨機閑聊，公文寫作，還可以支持一些特定場景的各類任務(wù)，這些在沒有大模型和算法基礎(chǔ)設(shè)施支撐之前，用戶需要有自己的算法人員，從頭開始收集數(shù)據(jù)、標(biāo)注數(shù)據(jù)，然后做模型等，經(jīng)過一系列研發(fā)流程，最后才能走到最核心的業(yè)務(wù)邏輯上。

現(xiàn)在有了大模型，這些問題都可以得到很好的解決或者緩解，開發(fā)者不再關(guān)注底層算法基礎(chǔ)設(shè)施的構(gòu)建，只要通過API就能獲得相應(yīng)能力。所以大模型不管是從規(guī)?；?yīng)，還是針對單用戶的應(yīng)用場景，都在成本方面有比較好的促進作用。

黃心怡：AI大模型的落地還存在哪些技術(shù)和應(yīng)用瓶頸？

張誠：技術(shù)的應(yīng)用在商業(yè)上要回答好兩個最基本的問題：投入產(chǎn)出比（ROI）和價值創(chuàng)造。

第一個問題涉及商業(yè)運營的基本利益原則：技術(shù)帶來的生產(chǎn)效率提升超過技術(shù)投入，企業(yè)才愿意去使用它。隨著技術(shù)成本不斷降低，達到收益-成本的均衡點后，自然會有越來越多的企業(yè)愿意接受，現(xiàn)在只是企業(yè)在等待均衡點到達的合適時間點。關(guān)鍵是第二個問題，涉及企業(yè)競爭優(yōu)勢和可持續(xù)發(fā)展的戰(zhàn)略問題，即企業(yè)究竟需要什么樣的AI可以產(chǎn)生超越競爭者的競爭優(yōu)勢。這個問題不完全是由技術(shù)決定的，而是由企業(yè)需求決定的。特別是實體企業(yè)，比如像制造業(yè)、傳統(tǒng)服務(wù)業(yè)，人在哪個地方做不好，哪個地方的生產(chǎn)效率或者轉(zhuǎn)換效率就會很低，如果用技術(shù)能夠解決、改變，技術(shù)與生產(chǎn)的結(jié)合就會非常重要。

假設(shè)把技術(shù)看成一種推動力，哪些業(yè)務(wù)場景是AI真正能夠緊密結(jié)合在企業(yè)流程里，能夠解決企業(yè)實際的生產(chǎn)需求或者某個決策需求，同時經(jīng)濟和社會收益都是值得去做的，那么AI大模型就能順利落地。所以，從應(yīng)用的角度來看，大模型可能會遇到的瓶頸就是怎樣和實體企業(yè)的勞動效率提升和形成競爭優(yōu)勢這兩個需求結(jié)合起來。

吳韶華：大模型在技術(shù)上仍面臨著較大挑戰(zhàn)。首先大模型的構(gòu)建過程中面臨大規(guī)模、高質(zhì)量的數(shù)據(jù)集開發(fā)。數(shù)據(jù)集的質(zhì)量決定了模型的質(zhì)量，大規(guī)模的、高質(zhì)量數(shù)據(jù)集的構(gòu)建，是一個比較普遍的挑戰(zhàn)。不管是語言、文字等單模態(tài)數(shù)據(jù)，還是多模態(tài)數(shù)據(jù)，都面臨類似問題。

第一是在軟件及方法方面，業(yè)界缺少開源軟件，也缺少數(shù)據(jù)集構(gòu)建和數(shù)據(jù)集質(zhì)量評測的相關(guān)標(biāo)準(zhǔn)。我們在構(gòu)建數(shù)據(jù)集的時候，基本上從零起步，從軟件、算法的角度構(gòu)建了一個關(guān)于數(shù)據(jù)集的端到端開發(fā)平臺。多模態(tài)數(shù)據(jù)集更是如此，多模態(tài)數(shù)據(jù)可能會包含文字、圖象、語音、視頻等，它不僅需要原始數(shù)據(jù)，還需要對原始數(shù)據(jù)進行對齊，這更進一步增強了數(shù)據(jù)集構(gòu)建的難度。大模型需要海量數(shù)據(jù)來做支撐，海量數(shù)據(jù)的收集本身就是一件比較有挑戰(zhàn)的事情。

構(gòu)建數(shù)據(jù)集后，需要一個大規(guī)模集群來做訓(xùn)練。以源1.0為例，在2128顆業(yè)界最先進的GPU集群上開展訓(xùn)練。大規(guī)模集群算力的獲取就是一個比較大的挑戰(zhàn)。此外，怎么用好這個集群，加速訓(xùn)練過程，進而降低算力成本開銷，也同樣充滿挑戰(zhàn)。

所以，從技術(shù)層面來講，大模型既有數(shù)據(jù)獲取，構(gòu)建的挑戰(zhàn)，也有模型算法、訓(xùn)練算力性能優(yōu)化的挑戰(zhàn)。

黃心怡：人工智能在數(shù)字經(jīng)濟當(dāng)中發(fā)揮的價值？它的挑戰(zhàn)以及機遇有哪些？

吳韶華：大模型以及其他人工智能模型，將會是數(shù)字經(jīng)濟的核心支撐。一方面它可以很好的挖掘數(shù)據(jù)價值，另外一方面，在應(yīng)用的智能化上也會發(fā)揮關(guān)鍵作用，大模型有可能會成為數(shù)字經(jīng)濟的智能大腦。

大模型帶來了很多新的機會，隨著技術(shù)的成熟，還會涌現(xiàn)更多機會。比如建模，AI大模型帶來的集中式建模能力將有效緩解碎片化應(yīng)用開發(fā)的痛點。同時，大模型本身也能否孵化出新型應(yīng)用，比如大模型具有很強的對話、交流能力，可以很好的賦能元宇宙的虛擬人場景。大模型對多模態(tài)信息的強大處理能力，也會孵化出來更豐富的多模態(tài)應(yīng)用。

張誠：在過去的十年，更多的是人工智能和大模型的宣傳，嘗試，探索階段。接下來的十年會，對人工智能的應(yīng)用會更好、也會更成熟，企業(yè)更懂得人工智能、大模型技術(shù)是什么、什么時候應(yīng)用，同時還會很專業(yè)的評定收入產(chǎn)出比，評定人工智能對企業(yè)造成的成本增減，亦即獲得收益之間的平衡。當(dāng)AI大模型的應(yīng)用越來越成熟，我們就可以期待接下來每一年都比以前會更好。

黃心怡：總結(jié)一下您對AI大模型的一些思考

吳韶華：大模型將在技術(shù)上產(chǎn)生更多的突破，也會對應(yīng)用的規(guī)模化落地產(chǎn)生更好的促進作用。

張誠：大模型代表了人工智能技術(shù)發(fā)展向產(chǎn)品化、產(chǎn)業(yè)化落地的趨勢，這個趨勢繼續(xù)下去，會更深刻改變產(chǎn)業(yè)的格局。