大模型代表了人工智能發(fā)展的新范式

大模型出現(xiàn)以后改變了人工智能很多發(fā)展的范式，我們認為至少在四個方面跟以前人工智能顯著不一樣：第一，有規(guī)模擴展性：尤其是大語言模型，DeepMind率先發(fā)了一個研究報告，他們發(fā)現(xiàn)堆數(shù)據(jù)、算力、擴大參數(shù)可以讓模型效果變得越來越好，這是在2020年的時候發(fā)的文章。之后Open AI在GPT上也發(fā)現(xiàn)這個規(guī)律，持續(xù)堆這些資源，可以讓性能變得越來越好。到現(xiàn)在為止大語言模型還沒有看到規(guī)模擴展性的瓶頸，所以全世界對AGI到來的樂觀理由就是規(guī)模擴展性還在持續(xù)。同時不光是大語言模型的規(guī)模擴展性，現(xiàn)在視覺模型上可能會探索出來，這是樂觀最重要的一個原因，規(guī)?？梢宰屝阅茏兒茫郧靶∧Ｐ褪菦]有這樣的特性。

第二個最重要特性，現(xiàn)在是多任務(wù)的：一個模型可以處理很多能力，下游任務(wù)的適應(yīng)性非常多。最近的變化不僅是多任務(wù)，而且是可以走向跨模態(tài)，實際上所有物理上的信號可以被編碼到同樣一個高維的向量空間。一只狗或一張圖片在被輸入之后可以在向量空間中離得很近，這就讓大模型具有了實現(xiàn)跨模態(tài)生成理解的能力，所以多任務(wù)適應(yīng)性是非常強的。大家一致在探索，這也是為什么既可以生成文本也可以開車，也可以搞RT2*的具身智能，這是非常大的變化。大家越來越認為平臺化的機會出現(xiàn)了，以前人工智能都是一個個煙囪，企業(yè)恨不得有幾百個模型，形不成很好的規(guī)模效應(yīng)，有了多任務(wù)適應(yīng)性之后，人工智能在企業(yè)場景中可以規(guī)模部署，這也是一個很好的消息。

* RT2：（Robotic Transformer 2）是一種全新的視覺-語言-動作（VLA）模型，它從互聯(lián)網(wǎng)數(shù)據(jù)和機器人數(shù)據(jù)中學(xué)習(xí)，并將這些知識轉(zhuǎn)化為機器人控制的通用指令。

同時，表現(xiàn)出來了復(fù)雜理解推理能力：不僅靠自己可以進行復(fù)雜推理，也可以教它一步步怎么做，就是思維鏈讓大模型表現(xiàn)出越來越強的復(fù)雜推理能力。前幾天微軟發(fā)了一個研究報告，不去微調(diào)模型，只靠把內(nèi)容寫得越來越細，就讓GPT4發(fā)現(xiàn)在醫(yī)學(xué)上很多驚人的能力，所以可塑性非常強。

最后知識吸收能力是超強的：這不僅是自身可以記憶信息，同時我們現(xiàn)在業(yè)界都在探索，把它和知識圖譜跟向量數(shù)據(jù)庫結(jié)合起來，讓它的記憶更準確，防止出現(xiàn)幻覺。

所以整體上這四個方面是展現(xiàn)出大模型代表新的人工智能發(fā)展范式。發(fā)展范式也在啟發(fā)新的人工智能技術(shù)的發(fā)展，大家都朝著這個方向在努力，這就會讓技術(shù)日新月異的發(fā)展。

現(xiàn)在大家都在探索人工智能大模型的發(fā)展之路，我們看到了一縱一橫的路線。一橫就是仿真式Model的能力越來越強，他們認為不需要垂直模型，一個模型就搞定所有事，這是理想主義者的路線。當然也不排除很多用小模型，用垂直模型解決行業(yè)里的專業(yè)問題，這是現(xiàn)實主義路線。這個路線不能說誰對誰錯，只是適應(yīng)性的問題，我們需要因地制宜地看待它，但都不能忽視。萬一仿真式Model可以干任何的事情，真正的AGI來了以后，這些垂直模型可能就面臨非常大的壓力，所以兩條路都要得到重視。

企業(yè)到底怎么落地大模型，把大模型拿回去怎么做，要么是從零開始訓(xùn)練，準備原始的數(shù)據(jù)，從零開始把參數(shù)一個一個確定，當然這會消耗巨大的算力，相信很少有用戶會這么做。我也相信，中國所謂有200多個大模型，大部分不是自己直接從零練出來的，大部分是調(diào)出來的，微調(diào)是用戶正確選擇，但是微調(diào)也有深淺，也有投入大小的問題。SFT投入可能比較多，指令微調(diào)投入非常小，也是看你從可控性、投入成本、產(chǎn)出來選擇不同的大模型引入的路徑。當然可以直接用，比如用華為云云上服務(wù)也可以。

大模型的應(yīng)用，可以用在很多場合，幾乎沒有它不適合的場景。通過調(diào)研發(fā)現(xiàn)，目前來看，現(xiàn)在中國企業(yè)各個行業(yè)，包括金融機構(gòu)這些行業(yè)，他們的預(yù)算比較緊，要降本增效。所以剛需場景肯定是最開始使用的，剛需場景有三個很顯著的場景：一是內(nèi)容生產(chǎn)：替代文案、營銷、辦公，可以成為輔助生產(chǎn)力。二是知識管理：這也是非常明確的，每個企業(yè)都需要有一套員工培訓(xùn)系統(tǒng)、客服系統(tǒng)、信息檢索系統(tǒng)，這是把企業(yè)沉淀下來的知識能夠很好管理和使用起來。三是軟件開發(fā)：開發(fā)測試、文檔生成對軟件開發(fā)行業(yè)是非常的重要生產(chǎn)力提升。

四方面抓手促進人工智能工程化，加速AI賦能千行百業(yè)

現(xiàn)在來看，還有很多挑戰(zhàn)，這就是需要SE4AI*，我們需要用軟件行業(yè)、軟件工程里的很多經(jīng)驗讓人工智能更順暢地落地。第一個現(xiàn)在面臨的挑戰(zhàn)：企業(yè)引入的時候工具鏈不是很完善，很多要自己動手，非常復(fù)雜。所以企業(yè)在大規(guī)模引入AI時，首先需要一套完善的工具鏈，需要一個平臺，而且大模型有一種通用性，這也給大型企業(yè)成體系的規(guī)劃人工智能平臺或者中臺創(chuàng)造了條件。產(chǎn)業(yè)界也需要跟上，很樂觀看到這種開源工具，讓MaaS服務(wù)越來越成熟，讓技術(shù)工具的門檻降得越來越低。* SE4AI (Software Engineering for AI)：軟件工程賦能AI研發(fā)。

數(shù)據(jù)治理：如果企業(yè)要把人工智能引入，不可避免地要把私域數(shù)據(jù)激活，客觀來看，國內(nèi)企業(yè)數(shù)據(jù)治理水平還是很差的，這使得行業(yè)經(jīng)驗差距比較大。全國有40萬家企業(yè)，現(xiàn)在才有2000家企業(yè)通過了數(shù)據(jù)管理能力成熟度的評估，為AI準備的數(shù)據(jù)管理能力當然更差。如何配合人工智能的全棧引入、微調(diào)等等，做好面向AI的數(shù)據(jù)治理，這也是非常重要的抓手和挑戰(zhàn)。

運營管理：軟件工程的經(jīng)驗有Devops，AI也需要一個拉通、研發(fā)、使用測試整個環(huán)節(jié)的管理體系?，F(xiàn)在MLOps也是非常火的，在大模型時代也需要把研發(fā)管理體系建立起來，適應(yīng)AI。

風(fēng)險：引入AI不可能沒有風(fēng)險，但是也不能因為有風(fēng)險就不往前走，一定要做風(fēng)險的度量、風(fēng)險管控、成體系的規(guī)劃、風(fēng)險水位的監(jiān)測和應(yīng)對處置的機制。只有這四個抓手抓實了，才能真正為人工智能到行業(yè)賦能做好充分的準備。

人工智能在軟件工程里頭的應(yīng)用是無處不在，環(huán)節(jié)、場景是非常多的。我們也看到好多頭部企業(yè)已經(jīng)嘗到甜頭，在代碼自動補全、生成、測試、使用、研發(fā)等各個環(huán)節(jié)都發(fā)揮很大的作用，尤其是像金融機構(gòu)、互聯(lián)網(wǎng)公司，已經(jīng)在研發(fā)部門全員普及這樣的文化。

未來人工智能大模型對于研發(fā)模式和組織架構(gòu)的影響，現(xiàn)在是生產(chǎn)工具、生產(chǎn)力的變革，當應(yīng)用到一定程度和深度的時候一定會激發(fā)模式變革和組織架構(gòu)變革。我們看得不是特別清楚，但是有兩個模糊的感覺：一個是以前軟件開發(fā)從瀑布式到敏捷開發(fā)的模式，大模型來了以后一定會有新的發(fā)展，我們需要提前思考。另外一個組織角色、人力分配的變化，以前軟件開發(fā)是一種大兵團作戰(zhàn)，現(xiàn)在由于編碼效率、測試效率的提高，我們未來可能是架構(gòu)師和少量軟件代碼工程師的配合，是一種特種兵的作戰(zhàn)模式。這是初步的思考，化學(xué)反應(yīng)還正在發(fā)生，可能需要進一步觀察。

國家提要走新型工業(yè)化的道路，中國要走中國式現(xiàn)代化，要創(chuàng)新驅(qū)動，要綠色發(fā)展，要普惠、國際化等等。其實我們提應(yīng)用現(xiàn)代化，實際上是微觀層面的，我們的目標是讓新型工業(yè)化中的數(shù)據(jù)驅(qū)動發(fā)動機就是應(yīng)用，應(yīng)用是要圍繞新型工業(yè)化中很多目標做數(shù)字化轉(zhuǎn)型、智轉(zhuǎn)、數(shù)改等宏大的目標，最終是為了支撐中國式現(xiàn)代化，這三個化是一脈相承的。其中最大的變量是AI，尤其是未來即將到來的通用人工智能，人工智能是我們國家發(fā)展新型工業(yè)化最大的技術(shù)變量，這個最大技術(shù)變量用到新型工業(yè)化是非常合適的。當然對于應(yīng)用現(xiàn)代化，對于整個中國式現(xiàn)代化也是適用的，通用人工智能將是未來中國發(fā)展最大的技術(shù)變量。