大模型是“大算力+強算法”的產物，是人工智能發展的趨勢和未來。大模型助力AI實現從“手工作坊”到“工廠模式”的轉變，從而使得AI從實驗室走向規模化的產業應用。大模型通常基于大規模無標注數據進行訓練，掌握某種特征和規則；基于大模型進行應用開發時，將大模型進行微調，或者不進行微調，就可以完成多個應用場景的任務。與此同時，大模型具有自監督學習能力，不需要或很少需要通過人工標注的數據進行訓練，降低了訓練成本，因而能夠加快AI的產業化進程，降低AI應用的門檻。通過不斷迭代，大模型能夠具有更強的通用性以及更高的智能程度，從而使得AI更廣泛地賦能各行業應用。

ChatGPT掀起通用人工智能浪潮

2019年，OpenAI推出參數量高達15億的通用語言模型GPT-2，能夠生成連貫的文本段落，實現初步的閱讀理解、機器翻譯等。2020年，OpenAI推出超大規模語言訓練模型GPT-3，參數量達到了1750億，用兩年左右的時間實現了模型規模從億級到千億級的突破，并能夠實現作詩、聊天、生成代碼等功能。2021年1月，谷歌推出的Switch Transformer模型以高達1.6萬億的參數量成為史上首個萬億級語言模型。同年12月，谷歌還推出了1.2萬億參數量的通用稀疏語言模型GLaM?？梢钥吹?，大型語言模型的參數量保持著指數級增長的勢頭。2022年，OpenAI推出的ChatGPT是由比GPT-3更強大的GPT-3.5系列模型提供支持，并且這些模型使用微軟AzureAI超級計算基礎設施上的文本和代碼數據進行訓練。

2022年，ChatGPT突然走紅，這是人工智能大規模展示通用應用場景的開始。在此基礎上，生成式人工智能（AIGC）成為了推動行業領域發展的重要力量。AIGC既是內容的分類方式和生產方式，又是用于內容自動生成的一類技術集合，AIGC帶動了LLM、GPT等大模型的發展應用，為人工智能產業帶來了新的變革機會。

大模型與AIGC為人工智能領域帶來了新變化。從當前大模型的發展趨勢看，大模型企業更傾向于搭建平臺，對傳統企業進行賦能。具體而言，大模型企業憑借對組織型用戶“痛點”的了解，搭建大模型平臺，而組織型用戶只需加入自己獨有的場景數據，即可快速生成解決自身問題的“專屬模型”。不過，這種提供定制解決方案的模式也面臨開源模式帶來的挑戰。

LLaMA2開源改變大模型游戲規則

ChatGPT發布后，Meta緊跟著推出了類GPT大語言模型LLaMA。模型公布后不久，LLaMA因為源碼泄露引來了大量開發者的關注，在ChatGPT熱度下降的情況下，LLaMA成為產業關注的“新寵”。

2023年前5個月，ChatGPT全球訪問量增長幅度明顯下降，6月的訪問量更是環比下滑9.7%，為其自推出以來首次大幅度下滑。7月，Meta發布首個開源人工智能模型LLaMA的商業版本LLaMA2，該商用大模型可為企業提供OpenAI和谷歌的替代方案，該模型也因此被視為“最強平替”。需要特別說明的是，LLaMA2運行在Windows操作系統之上，整合了Azure云，原本與OpenAI長期深入合作的微軟已成為LLaMA2的“首選合作伙伴”。

Meta針對LLaMA2的開源模式做了如下表述：“我們相信，開源的方法是當今人工智能模型發展的正確途徑，尤其是在技術進步日新月異的生成式人工智能領域?！蓖ㄟ^開源的方式吸引足夠的參與者，從而搭建一套完善的生態系統，是Meta這類互聯網企業的一貫作風，但對于已投入大量成本而期望采用定制化解決方案的玩家而言，卻不是什么好消息。

Meta的操作讓人聯想到Facebook的開源計算項目OCP，該項目被用于改變服務器硬件的制造方式，以更好地適應互聯網時代。OCP除了對應的機架規范Open Rack，還包括服務器、網絡、存儲，乃至數據中心的設計。OCP被視為Facebook最為重要的科技項目之一，旨在把“開源”概念引入數據中心硬件，為數據中心提供更快、更便宜、用材更少的硬件。

OCP的開放性體現在免費提供設計，任何企業都可以使用它，并對其進行調整，這意味著，惠普、戴爾和思科這類傳統硬件供應商將不再控制產品設計，取而代之是由用戶自己控制。這給思科等硬件制造市場的老玩家帶來了很大威脅，因為OCP很有可能為企業提供更便宜、更靈活的替代方案，從而淘汰傳統的昂貴方案。微軟、蘋果等科技巨頭都加入了OCP陣營，開始把OCP的一些概念整合到自身的數據中心，形成新的生態。Facebook也通過構建在OCP基礎上的各種技術，大大減少了對“思科們”的依賴。

LLaMA2的開源模式可能會影響OpenAI等公司在生成式人工智能軟件市場中取得的早期主導地位。因為Meta意在借助LLaMA2構建人工智能開源生態系統，快速擴大其市場規模并建立口碑，同時阻礙競爭對手從其專有技術中賺取收入。

Apple GPT入局，前路未知

在Meta、微軟、OpenAI等公司各出奇招的同時，以封閉系統作為競爭優勢的Apple等公司也在借助Siri等人機交互觸點的優勢向上游拓展。近期，業內傳出Apple秘密研發Apple GPT的消息。

據了解，Apple GPT是一款基于蘋果自研Ajax框架開發的人工智能工具，這一產品已在蘋果內部小范圍內投入使用。與其他解決方案不同的是，目前Apple尚未決定Apple GPT未來的開發方向，甚至嚴格規定了Apple GPT的使用場景，禁止將其輸出用于開發面向用戶的功能。這體現了不同企業對大模型市場發展的不同理解和判斷，同時也體現了“利用大模型做未來物聯網入口的可能性和交互能力的升級”這種定位和發展方向的選擇。

大模型時代的人工智能倫理風險

開源大模型將加速人工智能市場的應用拓展，但與此同時，人工智能哲學尤其是科技倫理方面的爭議甚囂塵上，大模型的可靠性、安全性、知識產權等也成為了產業亟待解決的新課題。大模型目前還面臨較大的挑戰，包括大模型“幻覺”、“一本正經地胡說八道”、政企私有數據的保密性要求、大模型存在封閉性等，同時信息壟斷、知識產權等問題也不容忽視。

知識可靠性及信息誤導等問題

ChatGPT不能保證回答問題的可靠性和準確性，對于“如果相同的問題在不同時間問你有不同的結果，我怎么知道哪一個比較可信，或者哪一個更為接近真相”這個問題時，ChatGPT給出了如下答復：“作為一種人工智能系統，我是基于一組固定的算法和數據運行的，并且在回答問題時會遵循程序化的邏輯。因此，如果對同一個問題多次詢問，答案應該是一致的，除非模型的數據或算法發生了更改。不過，即使我的回答是一致的，也不能完全保證答案的正確性和可靠性，因為我的訓練數據和算法可能存在偏見或錯誤，我并不能獨立判斷我回答的問題是否符合真實情況。”

ChatGPT要學習大量的文本數據，并以特定的算法處理數據，因此可通過提供誤導性訓練數據或者改變算法，操控處理結果。也就是說，我們不能準確理解作為“黑盒”的數據處理模型，以及信任ChatGPT采用的訓練數據集的“權威性”，即便在一個我們熟悉的領域，細微的差別也可能導致巨大的結論偏差。

從知識可靠性的角度看，知識應用的場景需要非常謹慎，尤其是在學術研究領域，必須嚴格限制ChatGPT信息的引用。

信息壟斷問題

如果模型的使用和控制都是不透明的，就有可能出現信息壟斷。信息壟斷是指一個或一些組織及個人控制著信息的生產、流通和使用，從而有效地排除競爭。因此，如果行業不采用透明公開的方式去評估和監督使用信息，那么就可能存在信息壟斷的風險。

知識產權問題

ChatGPT由OpenAI訓練，數據集是從互聯網上收集來的大量文本數據，包含新聞報道、維基百科條目、小說、博客、論壇帖子、技術文檔、社交媒體內容等信息，這些數據可能存在著作權侵權的風險。

具體而言，OpenAI嘗試遵循合法、道德的原則來獲取數據，但并不能保證所有數據的著作權擁有者都同意OpenAI將其數據用來訓練語言模型。風險在于數據的處理結果是構建在未經授權的第三方經驗之上，而通過這些經驗獲得的價值并沒有與第三方共享，或者說他們甚至都沒有意識到自己的數據被使用。在現實世界中肖像權被侵犯是比較明顯的，在數字世界中經過多重加工以后，這樣的侵權行為就不是那么明顯。

在現實世界中可能會出現這樣的情況：ChatGPT的回答可能無意之間引用了作者聲明需要分享商業收益的內容，在不知情的情況下侵犯了作者的知識產權。此外，經過復雜的模型處理之后，文本的所有者可能很難知道ChatGPT對他的資產進行了處理，也就是說，盡管理論上文本的所有者可以去維權，但實踐成本會非常高。

針對這個問題，ChatGPT是這樣回應的：“確實存在難以識別使用者行為的問題。不過我是一個由OpenAI制作并管理的計算機程序，并且OpenAI是一個認真對待知識產權和隱私的公司，他們遵循相關法律法規，努力確保這些法律法規在用戶使用我的過程中得到遵循。當然，如果您發現有任何違反知識產權的情況，建議您及時聯系OpenAI，以幫助他們解決問題?！?/p>

能否用于解決具有創造性的問題

這個問題看起來更像是一個人工智能的哲學問題。科學發展的傳統看法是：科學知識是不斷增加的，發展是一個直線的、知識積累的過程。這是為大多數人所接受的科學發展觀，也是ChatGPT體現出來的知識“歸納”，其文字編碼的概率讓結果體現出這樣的特征。波普證偽主義強調的不是知識的積累，而是科學理論的更替，舊理論不斷被推翻，新理論取而代之。

大模型帶來了強大的智能，能夠推動人工智能向更高級的智能應用邁進，例如AIGC、更智能的對話客服等。GPT-3等大模型在新聞文本生成、商業文本分析、法律文本分析等領域具有較高的產業應用價值。除問答以外，ChatGPT能夠完成編程、寫稿等眾多超出人們想象的任務。谷歌公司曾表示：“如果ChatGPT參加谷歌的面試，理論上會得到入門級程序員的聘任。因此，更為關鍵的是我們怎么理解‘創造性’這個詞的含義。”

結語

無論如何，大模型僅僅是生成式人工智能大規模商用的前奏，許多領域的企業都在嘗試將大模型能力與自身的優勢、定位和戰略發展方向結合起來。無論是從打造難以被模仿的技術優勢、大模型能力與復雜場景結合構建更強的解決方案能力、借助開源模式降低大模型使用門檻形成規模化壟斷，還是借助傳統的觸點優勢進一步提升終端用戶的體驗，市場上不同的玩家都在根據自身的理解嘗試定義大模型的未來。而在通向未來的道路上，大模型將比其他領域面臨更多的倫理、法律、道德方面的難題，這也是大模型企業在打造市場競爭力的同時，面臨的新課題。