广告创意文案广播

ziyoushedingmeirixueximubiao，dingshitixingbupawang，jinrishijinribi。beiciyoujihua，kaoshihaotongguan！dingzhitigongzaixianpeixunxuexiyudati。weike、lianxi、ceping，yizhanshigetzhuanxiangjineng。zaijinxingdancigenduhuojuzigendudeshihoudouhuizhinengdafen，fankuidajiakouyufayindeqingkuang;dingdanlaiyuanwending，diejiaduozhongjianglihuodong，weichuzuchezhuyouxiaozengjiashouru，duolaoduode。yituoyurengongzhinengdashuju，jingzhunkuaijiesaomiaoshibiehuacaoshumu、guoshu、dongzhiwudengwanshiwanwu騰(teng)研(yan)專(zhuan)訪(fang) | 鄔(wu)賀(he)銓(quan)院(yuan)士(shi)：中(zhong)國(guo)大(da)模(mo)型(xing)發(fa)展(zhan)的(de)優(you)勢(shi)、挑(tiao)戰(zhan)及(ji)創(chuang)新(xin)路(lu)徑(jing)

圖(tu)片(pian)來(lai)源(yuan)：由(you)無(wu)界(jie) AI工(gong)具(ju)生(sheng)成(cheng)

隨(sui)著(zhe)ChatGPT在(zai)全(quan)球(qiu)掀(xian)起(qi)熱(re)潮(chao)，壹(yi)時(shi)之(zhi)間(jian)其(qi)背(bei)後(hou)的AI大模型風(feng)起雲(yun)湧(yong)。大家(jia)想(xiang)知(zhi)道(dao)，評(ping)價(jia)大模型水(shui)平(ping)高(gao)低(di)的維(wei)度(du)和(he)標(biao)準(zhun)有(you)哪(na)些(xie)？

ChatGPT上(shang)線(xian)讓(rang)我(wo)們(men)看(kan)到(dao)了(le)在AIGC上的中美(mei)差(cha)距(ju)，那(na)麽(me)，當(dang)前(qian)中国大模型发展狀(zhuang)況(kuang)如(ru)何(he)？未(wei)来的中国大模型发展又(you)面(mian)臨(lin)哪些機(ji)遇(yu)與(yu)挑战？

当前處(chu)在向(xiang)通(tong)用(yong)人(ren)工智(zhi)能(neng)发展的關(guan)鍵(jian)时期(qi)，面临各(ge)家机構(gou)獨(du)立(li)研究(jiu)大模型的发展態(tai)势，如何提(ti)高算(suan)力(li)效(xiao)率(lv)並(bing)有效避(bi)免(mian)低水平重(zhong)復(fu)？

有業(ye)界人士擔(dan)憂(you)AI將(jiang)毀(hui)滅(mie)人類(lei)，這(zhe)是(shi)否(fou)是杞(qi)人忧天(tian)？我们又該(gai)如何防(fang)患(huan)於(yu)未然(ran)，實(shi)現(xian)AI的結(jie)果(guo)可(ke)預(yu)期和行(xing)為(wei)可控(kong)？

帶(dai)着关于AIGC的各種(zhong)問(wen)題(ti)，腾訊(xun)研究院独家专访了中国工程(cheng)院院士、我国通信(xin)領(ling)域(yu)權(quan)威(wei)专家邬贺铨。

【访談(tan)者(zhe)】

牛(niu)福(fu)蓮(lian)腾讯研究院高級(ji)研究員(yuan)

邬春(chun)玲(ling)腾讯研究院高级研究员

王(wang) 強(qiang)腾讯研究院資(zi)深(shen)专家

（以(yi)下(xia)簡(jian)稱(cheng)T）

中国现有算力總(zong)規(gui)模相(xiang)比(bi)美国：有差距但(dan)不(bu)大

T:有人說(shuo)中国的大模型開(kai)发距離(li)国外(wai)有1—2年(nian)的差距，您(nin)怎(zen)么看当前中国大模型的发展状况？

邬贺铨：中国在大模型开发方(fang)面起步(bu)比美国晚(wan)，在ChatGPT出(chu)来后，国內(nei)不少(shao)單(dan)位(wei)紛(fen)纷表(biao)示(shi)在研发生成式(shi)大模型，与美国目(mu)前已(yi)知僅(jin)有微(wei)軟(ruan)与谷(gu)歌(ge)等(deng)幾(ji)個(ge)企(qi)业在研究大模型相比，我国研制(zhi)大模型的单位比美国多(duo)，但研究主(zhu)體(ti)數(shu)量(liang)多并不意(yi)味(wei)中国在大模型上研发水平高。據(ju)称国内某(mou)一大模型的參(can)数量高達(da)1.75萬(wan)億(yi)，超(chao)過(guo)了GPT-4，但尚(shang)未看到其應(ying)用的報(bao)道。雖(sui)然已有中国公(gong)司(si)聲(sheng)称可推(tui)出类似(si)ChatGPT的聊(liao)天机器(qi)人，但就(jiu)支(zhi)持(chi)多語(yu)种能力方面目前不如ChatGPT，就中文(wen)對(dui)話(hua)能力方面就響(xiang)应速(su)度而(er)言(yan)也(ye)還(hai)有差距。

我们现在只(zhi)註(zhu)意到ChatGPT，它(ta)以生成式任(ren)務(wu)为目标，主要(yao)是完(wan)成如聊天和寫(xie)作(zuo)等语言生成，谷歌公司的BERT模型更(geng)注重判(pan)斷(duan)決(jue)策(ce)，强調(tiao)如问答(da)和语義(yi)关系(xi)抽(chou)取(qu)等语言理(li)解(jie)相关的任务，BERT模型的技(ji)術(shu)也值(zhi)得(de)我们关注。评价大模型水平应该是多维度的，全面性(xing)、合(he)理性、使(shi)用便(bian)捷(jie)性、响应速度、成本(ben)、能效等，籠(long)統(tong)地(di)说目前我国大模型开发与国外的差距为1—2年的依(yi)据还不清(qing)楚(chu)，现在下这一结論(lun)意义也不大。

中国企业在獲(huo)得中文语料(liao)和对中国文化(hua)的理解方面比外国企业有天然的优势，中国制造(zao)业門(men)类最(zui)全，具有面向实体產(chan)业訓(xun)練(lian)产业AIGC的有利(li)條(tiao)件(jian)。在算力方面中国已具有較(jiao)好(hao)的基(ji)礎(chu)。据OpenAI报告(gao)，训练GPT3 模型所(suo)需(xu)的算力高达3.64EFlops/天，相当于3—4个鵬(peng)城(cheng)云腦(nao)Ⅱ（鹏城云脑Ⅱ为1Eflops，即(ji)每(mei)秒(miao)百(bai)亿亿次(ci)浮(fu)點(dian)計(ji)算）。按(an)2022年年底(di)的数据，美国占(zhan)全球算力36%，中国占31%，现有算力总规模与美国相比有差距但不大，而以GPU和NPU为主的智能算力规模中，中国明(ming)顯(xian)高于美国（按2021年年底数据，美国智算规模占全球智算总规模15%，中国占26%），我国不仅是大型互(hu)聯(lian)網(wang)企业具有相当规模的算力，国家实驗(yan)室(shi)和一些城市(shi)政(zheng)府(fu)支持的实验室也有大规模的算力资源，可以说在训练大模型所需算力支持方面中国也能做(zuo)到。据了解，鹏城实验室正(zheng)在設(she)计鹏城云脑Ⅲ，算力达到16EFlops，比GPT-3所用算力高3倍(bei)，预计耗(hao)资60亿元(yuan)，将为人工智能训练持續(xu)提供(gong)强有力的算力支持。

中国AIGC研发：需認(ren)清差距重視(shi)挑战 实在创新

T：除(chu)了我们在算力方面有较好的基础之外，您认为在中国做大模型还面临哪些挑战？

邬贺铨：仅有算力还是不夠(gou)的，在以下几方面我们还面临不少挑战：

首(shou)先(xian)，大模型的基础是深度學(xue)習(xi)框(kuang)架(jia)，美国的Tensorflow和PyTorch已經(jing)深耕(geng)深度学习框架生态多年，虽然国内企业也自(zi)主开发了深度学习框架，但市場(chang)考(kao)验还不够，生态还有待(dai)打(da)造。

其次，将AIGC擴(kuo)展到产业应用可能需要不止(zhi)一个大模型，如何将多个大模型高效地整(zheng)合，有标准化和数据融(rong)合的挑战。

第(di)三(san)，大模型需要海(hai)量数据训练，中国有数千(qian)年的文明，但豐(feng)富(fu)的文化沈(chen)澱(dian)絕(jue)大多数并未数字(zi)化，中文在ChatGPT训练所用到的语料中还不到0.1%。虽然我国互联网企业擁(yong)有大量電(dian)商(shang)、社(she)交(jiao)、搜(sou)索(suo)等网絡(luo)数据，但各自的数据类型不够全面，网上知識(shi)的可信性又缺(que)乏(fa)嚴(yan)格(ge)保(bao)證(zheng)，中文可供训练的语料还需要做大量的挖(wa)掘(jue)工作。

第四(si)，大模型训练所依賴(lai)的GPU芯(xin)片以英(ying)偉(wei)达公司的A100芯片为代(dai)表，但该芯片已被(bei)美国限(xian)制向中国出口(kou)，国产GPU的性能还有待進(jin)一步考验，目前在算力的利用效率上还有差距。

第五(wu)，在中国從(cong)事(shi)AI研究的技术人员不算少，但具有架构设计能力和AIGC数据训练提示師(shi)水平的人才(cai)仍(reng)然短(duan)缺。在ChatGPT出现之前，有人认为中国在AI方面的论文与专利数与美国不相上下，ChatGPT的上线使我们看到了在AIGC上中美的差距，现在是需要清楚认识和重视我们面对的挑战，做实实在在的创新，将挑战化为机遇，在新一輪(lun)的AI賽(sai)道上做出中国的貢(gong)獻(xian)。

建(jian)議(yi)开放(fang)国家算力平臺(tai)支持各类大模型训练

T:ChatGPT无疑(yi)是一个巨(ju)大的创新，中国未来应如何鼓(gu)勵(li)类似这樣(yang)的创新，应该多做哪些方面的工作？

邬贺铨：人工智能从判別(bie)式发展到生成式是裏(li)程碑(bei)标誌(zhi)的创新，开始(shi)进入(ru)到走(zou)向通用人工智能的赛道。从GPT-3到GPT-4已经从文字輸(shu)入发展到部(bu)分(fen)图形(xing)输入，即增(zeng)加(jia)了对图形的理解能力，在此(ci)基础上向实现一个深度学习架构和通用模型支持多模态数据输入的时间不遠(yuan)了，不过大模型的任务通用化和大模型按需调用的精(jing)細(xi)化还需要更大的投(tou)入与创新，对图形和视頻(pin)做数据无标注和无監(jian)督(du)学习比语言和文字输入情(qing)况要難(nan)得多。

现在处于向通用人工智能发展的关键时期，对我国来说这是跨(kua)越(yue)发展的难得机遇也是严峻(jun)的挑战。算力、模型、数据是ChatGPT成功(gong)的必(bi)要条件也将是通用人工智能成功的在因(yin)素(su)，除此之外，创新的生态、机制与人才更是关键。中国在算力总规模上可与美国相比，但跨数据中心(xin)的算力協(xie)同(tong)还面临体制机制的挑战，不少智算中心算力利用率和效率不高。不少单位各自独立研究大模型，难免低水平重复，建议在国家科(ke)技与产业计劃(hua)的协调下合理分工形成合力。建议开放国家实验室的算力平台支持各类大模型训练，例(li)如鹏城云脑现在对外开放的算力达到总能力3/4，可支持规模与GPT-3相当的兩(liang)千亿参数的开源中文预训练语言大模型。同时建议組(zu)建算力联盟(meng)，集(ji)中已有高檔(dang)GPU的算力资源，提供大模型数据训练所需算力。现在以鹏城实验室为主建设的“中国算力网（C2NET）”已接(jie)入二(er)十(shi)余(yu)个大型智算、超算、数据中心，匯(hui)聚(ju)異(yi)构算力达3EFlops，其中自主研发的AI算力超1.8EFlops。另(ling)外，聊天机器人的应用只是训练与檢(jian)验AIGC的一种直(zhi)觀(guan)方式，但聊天不是剛(gang)需，需要基于大模型开发出各类面向行业应用的模型，盡(jin)快(kuai)使大模型在产业上落(luo)地見(jian)效，在面向各行各业的应用中培(pei)養(yang)更多的人才。

大模型行业应用需既(ji)懂(dong)行业技术又懂AI训练的綜(zong)合人才

T:目前我们已经看到了 ChatGPT 在某些领域的应用，比如聊天机器人、文本生成和语音(yin)识别等。未来在实体行业和领域，是否會(hui)有一些应用机会？大模型在实体行业应用还面临什(shen)么样的障(zhang)礙(ai)？

邬贺铨：在现有ChatGPT类聊天机器人基础上经補(bu)充(chong)相关行业和企业知识的训练，可以在企业承(cheng)担智能客(ke)服(fu)工作，代替(ti)工人面向客戶(hu)提供售(shou)前与售后服务。在需要软件編(bian)程的设计与制造環(huan)節(jie)，ChatGPT可代替程序(xu)员完成编程任务和检验软件的Bug。可以承担设计与生产过程所需文件资料的收(shou)集、翻(fan)譯(yi)和整理工作。经过专业的训练，AIGC类大模型可以用于设计EDA软件，例如IC设计用的工具软件。在動(dong)漫(man)和遊(you)戲(xi)企业，基于AIGC类大模型训练的机器人可以按照(zhao)提示编写劇(ju)本、创作游戏腳(jiao)本并进行编程，完成3D动漫的渲(xuan)染(ran)。

但ChatGPT不是通用模型，很(hen)难直接在实体产业的生产制造过程上应用，但可以基于训练ChatGPT的原(yuan)理，利用行业与企业的知识图譜(pu)进行深度训练，有可能开发出企业专用的大模型，完成这一工作的挑战是需要既熟(shu)悉(xi)企业上傳(chuan)流(liu)程和关键环节技术又掌(zhang)握(wo)人工智能大数据训练技术的人才。

从关注结果到关注过程，融合技术与法(fa)制主導(dao)AIGC推理过程

T:ChatGPT也会出现各种各样的錯(cuo)誤(wu)，也会带来一些倫(lun)理、安(an)全和隱(yin)私(si)等方面的问题，未来在应用大模型的时候(hou)，如何才能營(ying)造一种既包(bao)容(rong)又兼(jian)顧(gu)安全和发展的环境(jing)？

邬贺铨：生成式AI的出现将社会对人工智能的关注推到一个前所未有的高度，在引(yin)发科技界和产业界对AI的研究热潮同时，不少专家担心人工智能将毁灭人类，呼(hu)籲(xu)停(ting)止GPT-5的研究。一些专家的担忧并非(fei)杞人忧天，因为目前ChatGPT机器人的思(si)考过程不透(tou)明，人类创造出ChatGPT，但目前人类对它的推理过程并不完全掌握，推理结果知其然不知所以然，可解釋(shi)性不足(zu)，不確(que)定(ding)、不可知就会出现不可控，存(cun)在机器人變(bian)态和伦理失(shi)範(fan)及行为失控的风險(xian)。

解决辦(ban)法不是停止对人工智能的研究，而是对AIGC的研究从关注结果到关注过程，设计和主导其推理过程，做到结果可预期和行为可控。未来对大模型的推廣(guang)应用需要经有资質(zhi)的机构做安全可信的评价，经检验该大模型的推理过程是可追(zhui)溯(su)的。同时需要建立相应的AI治(zhi)理法规，防止对AIGC训练的误导，追究AIGC训练主体的責(ze)任，严懲(cheng)教(jiao)唆(suo)作惡(e)犯(fan)罪(zui)行为。通过技术与法制相輔(fu)，使得人工智能成为人类真(zhen)正忠(zhong)誠(cheng)的助(zhu)手(shou)。返(fan)回(hui)搜狐(hu)，查(zha)看更多

责任编輯(ji)：