大模型产业落地关键战打响!百度首发行业大模型,外加一口气十连发( 四 ) 金磊发自凹非寺量子位|公众号

这也是从此次发布会中，能够感受到的最强信号。
但若是回溯到2019年那个最初的起点，将这三年的WaveSummit铺开来看，个中原因就会一目了然。
在第一届峰会中，百度CTO王海峰便提及：
深度学习正在推动人工智能进入工业大生产阶段。
王海峰当时认为，正因深度学习具备通用性，以及深度学习平台在不断发展，所以它们正在推动AI步入一种新的模式。
这种模式可以归结为“三化” ，即标准化、自动化和规模化，这也就意味着人工智能在进入工业大生产阶段。
到了2020年， “企业版平台”被纳入到了飞桨的全景图之中，并且还发布了预训练模型的开发模式。
这也就迈出了通过预训练大模型来降低AI门槛的重要一步。
而在去年，吴甜在峰会中则是提出企业AI应用三阶段：AI先行者探路、AI工作坊应用、AI工业大生产。
并且针对每一个阶段分别阐述了企业将面临的困难和挑战，以及相应的解决方案。
与此同时，在同年的12月份，文心大模型也随之正式亮相。
……
从百度走了三年的这条路来看，一个大的BGM便是“AI工业大生产” ，而主旋律可以说是“降低AI门槛、应用落地” 。
而能够嫁接二者的“桥梁” ，便是具备通用性质的人工智能技术。
正如历史中每一次的工业大革命，都是有通用技术的普及一样，例如机械技术、电气技术和信息技术。
而在人工智能时代的当下，这种信号也是越发的强烈：
深度学习技术：通用性越来越强深度学习技术平台：标准化、自动化和模块化越来越显著深度学习应用：产业智能化越来越广泛和深入正如飞桨三年的观察那般， AI工业大生产已然如火如荼开展起来。
以文心大模型为例，目前已经在诸如保险、银行、农业、生物医药、工业、搜索，甚至是智能音箱等领域和场景中有所涉足，在提高垂直业务效率的道路上各显神通。
平台方面，据IDC的报告，飞桨已经取得了国内深度学习平台综合市场份额第一的成绩。
而且开发者社区已经凝聚477万开发者、服务18万个企业，并且已经创建56万个模型。
基于此，接下来的一步，就是要让人工智能技术更广泛地走进千行百业。
但以大模型为代表的人工智能通用技术，因为规模过大、算力需求过强等原因，长久以来一直成为开发者诟病之处。
那么这一局，又该如何破解？
吴甜在此次峰会中说“今年是大模型产业落地的关键年” ，与此同时她也给出了一种“解法”：
要做好落地，需要解决的关键问题是，前沿的大模型技术如何与真实场景的方方面面要求相匹配。
而刚才我们提到的10个新大模型、1个配套工具平台和1个生态系统，正是此“解法”的具体内容：
首先，是建设更适配应用场景的模型体系，包含学习了足够多数据与知识的基础大模型，面向常见AI任务专门学习的任务大模型，以及引入行业特色数据和知识的行业大模型。其次，是要有更有效的工具和方法论来让大模型发挥作用，充分考虑落地应用的全流程问题。最后，是要有开放的生态，以生态促创新。若是归结为一句话，或许可以是“框架打出去，模型用起来” 。
以上便是百度飞桨为什么要致力于不断降低AI门槛的原因了。
值得一提的是，虽然此次百度飞桨“前无古人后无来者”地提出了行业大模型，但它并不是否定其它大模型厂商的分类模式。
这更像是站在传统大模型的基础上，为了让它更好地能被产业用起来，而提出的一种新范式。