伴随人工智能技术的加速演进,AI 大模型已成为全球科技竞争的新高地、 未来产业的新赛道、经济发展的新引擎,发展潜力大、应用前景广。近年来,我 国高度重视人工智能的发展,将其上升为国家战略,出台一系列扶持政策和规划, 为 AI 大模型产业发展创造了良好的环境。当前,通用大模型、行业大模型、端 侧大模型如雨后春笋般涌现,大模型产业的应用落地将进一步提速。作为新一代 人工智能产业的核心驱动力,AI 大模型广泛赋能我国经济社会的多个领域,打 开迈向通用人工智能的大门,推动新一轮的科技革命与产业变革。
AI 大模型主要特征
AI 大模型具有泛化性(知识迁移到新领域)、通用性(不局限于特定领域)以 及涌现性(产生预料之外的新能力)特征。以 ChatGPT 为代表的 AI 大模型因其具 有巨量参数和深度网络结构,能学习并理解更多的特征和模式,从而在处理复杂 任务时展现强大的自然语言理解、意图识别、推理、内容生成等能力,同时具有 通用问题求解能力,被视作通往通用人工智能的重要路径。
AI 大模型主要类型
按照部署方式划分,AI 大模型主要分为云侧大模型和端侧大模型两类。云 侧大模型由于部署在云端,其拥有更大的参数规模、更多的算力资源以及海量的 数据存储需求等特点;端侧大模型通常部署在手机、PC 等终端上,具有参数规 模小、本地化运行、隐私保护强等特点。具体而言,云侧大模型分为通用大模型和行业大模型;端侧大模型主要有手 机大模型、PC 大模型。从云侧大模型来看,通用大模型具有适用性广泛的特征, 其训练数据涵盖多个领域,能够处理各种类型的任务,普适性较强。行业大模型 具有专业性强的特点,针对特定行业(如金融、医疗、政务等)的需求进行模型 训练,因而对特定领域具有更深的业务理解和场景应用能力。从端侧大模型来看, 手机和 PC 大模型由于直接部署在设备终端,让用户体验到更加个性化和便捷的 智能体验。
当前,我国 AI 大模型产业呈现蓬勃发展的态势。伴随多家科技厂商推出的 AI 大模型落地商用,各类通用、行业以及端侧大模型已在多个领域取得了显著 的成果,如在金融、医疗、政务等领域,AI 大模型已成为提升服务质量和效率 的重要手段。我国具有代表性的通用 AI 大模型主要包含科大讯飞的讯飞星火认 知大模型、百度公司的文心一言大模型、阿里巴巴的通义千问大模型等;行业 AI 大模型主要涵盖蜜度的文修大模型、容联云的赤兔大模型、用友的 YonGPT 大 模型;同时具有云侧和端侧大模型的端云结合 AI 大模型主要有 vivo 的蓝心大模 型;端侧 AI 大模型主要以蔚来的 NOMI GPT 大模型为代表。
AI 大模型将加快新质生产力发展,助力我国经济社会高质量 发展
AI 大模型可以创造新价值、适应新产业、重塑新动能,是加快发展新质生产力 的关键要素。AI 大模型作为当前人工智能领域的重要技术,是孕育新质生产力 的沃土。新质生产力是创新起主导作用,摆脱传统经济增长方式、生产力发展路 径,具有高科技、高效能、高质量特征,符合新发展理念的先进生产力质态,其 由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生。以劳动者、 劳动资料、劳动对象及其优化组合的跃升为基本内涵,以全要素生产率大幅提升 为核心标志。
AI 大模型作为实现新质生产力发展的重要手段,可以推动多个领 域的智能化升级,提高生产效率、降低生产成本、提升产业竞争力。随着中国经 济进入高质量发展阶段,AI 大模型在催生新产业、新模式、新动能方面展现出 巨大潜力,不仅支撑了经济社会的高质量发展,也符合《国家创新驱动发展战略 纲要》所强调的创新驱动和产业升级要求。我国众多产业对于高质量发展的需求, 将为大模型的落地应用提供场景支撑。随着人工智能技术的不断升级,大模型产 业化应用也成为可能。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。