手把手教你制作标识广告！

feiyitiaolong，baizhongwanfa！suijidezhangairangnideyouxiyongyougengduobutongdetiaozhanxing，rangnidetiaozhanyongyougengduobutongdewanfaxuanzemanmanweiwomendakaixinshijiededamen，ziyouchuangzaozijideshenghuo，nixiangzaizhelishenghuogengduoma。duogedongzuoshifang，zhuyaodezhanlilaiyuankandengjihezhuangbeiwuqi；dafawuliaoshijiandeshouxuan，tupocengcengkunnan。duozhongmoshiwanfa，cijideguankatiaozhan，duozhongnandutiaojiejinxingyichangzhijianshangdeduijue；肖(xiao)仰(yang)華(hua)：AI大(da)模(mo)型(xing)，宣(xuan)告(gao)人(ren)工(gong)智(zhi)能(neng)步(bu)入(ru)“重(zhong)工業(ye)時(shi)代(dai)”

作(zuo)者(zhe)：肖仰华，復(fu)旦(dan)大學(xue)計(ji)算(suan)機(ji)学院(yuan)教(jiao)授(shou)

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

本(ben)文(wen)節(jie)選(xuan)自(zi)复旦大学肖仰华教授在(zai)閉(bi)門(men)會(hui)上(shang)的(de)發(fa)言(yan)整(zheng)理(li)：

大模型助(zhu)力(li)產(chan)业发展(zhan)實(shi)現(xian)“端(duan)到(dao)端”的價(jia)值(zhi)變(bian)现

很(hen)高(gao)興(xing)參(can)加(jia)本次(ci)論(lun)壇(tan)，給(gei)大家(jia)從(cong)产业发展角(jiao)度(du)分(fen)享(xiang)關(guan)於(yu)我(wo)國(guo)大模型产业发展的壹(yi)些(xie)思(si)考(kao)。

首(shou)先(xian)来看(kan)一看，為(wei)什(shen)麽(me)要(yao)對(dui)大模型有(you)高度的重視(shi)？可(ke)以(yi)說(shuo)以ChatGPT为代表(biao)的這(zhe)一波(bo)大模型的发展，其(qi)实只(zhi)是(shi)整個(ge)通(tong)用(yong)人工智能到来的前(qian)哨(shao)，後(hou)續(xu)又(you)产生了(le)一系(xi)列(lie)的技(ji)術(shu)創(chuang)新(xin)，比(bi)如(ru)Dalle-2、Midjourney等(deng)图文生成模型的发展，其生成結(jie)果(guo)有时已(yi)經(jing)可以做(zuo)到以假(jia)亂(luan)真(zhen)；PaLM和(he)PaLM-2等具身(shen)多(duo)模態(tai)大模型的到来，也(ye)與(yu)机器(qi)人产业的未(wei)来发展密(mi)切(qie)相(xiang)关。

自去(qu)年(nian)12月(yue)份(fen)以来，一系列对产业发展具有革(ge)命(ming)性(xing)、裏(li)程(cheng)碑(bei)意(yi)義(yi)的技术创新，在短(duan)短三(san)四(si)个月內(nei)接(jie)二(er)連(lian)三的到来。可以说这也宣告了通用人工智能时代的到来，未来必(bi)將(jiang)掀(xian)起(qi)一番(fan)新的产业浪(lang)潮(chao)和革命。

我們(men)認(ren)为，这一波AGI的革命是一場(chang)全(quan)新的“元(yuan)革命”。大家知(zhi)道(dao)歷(li)次的产业革命、技术革命，比如说電(dian)的发明(ming)、蒸(zheng)汽(qi)机的发明，都(dou)是人類(lei)智能本身的产物(wu)，但(dan)唯(wei)獨(du)这次革命是一场关乎(hu)“智能”本身的革命——机器的智能有望(wang)接近(jin)甚(shen)至(zhi)完(wan)全超(chao)越(yue)人类的智能。

关于智能本身的革命，絕(jue)不(bu)是傳(chuan)統(tong)意义上那(na)些技术革命所(suo)能比擬(ni)的，所以它(ta)更(geng)像(xiang)一场“元革命”，我们需(xu)要在戰(zhan)略(lve)上予(yu)以高度重视。这不單(dan)单是我个人的觀(guan)點(dian)，最(zui)近国家政(zheng)治(zhi)局(ju)開(kai)会也形(xing)成了这樣(yang)一種(zhong)观点，整个AGI发展太(tai)快(kuai)了，现在很多观点的刷(shua)新不能按(an)年，要按月来算。有些報(bao)告是2个月前的内容(rong)，但是在當(dang)前飛(fei)速(su)发展的環(huan)境(jing)下(xia)，有些观点可能已经過(guo)时。

大模型对于产业发展来講(jiang)有非(fei)常(chang)重要的意义，这涉(she)及(ji)到我在很多场合(he)提(ti)到过的现在數(shu)據(ju)的价值变现。发展“数智中(zhong)国”、数字(zi)经濟(ji)是我们国家非常重要的发展战略，所有地(di)方(fang)政府(fu)都喊(han)出(chu)发展数字经济的口(kou)號(hao)。对于数字经济，其中很重要的一环是数据的价值变现。我们以前做人工智能大数据，实際(ji)上变现的道路(lu)很曲(qu)折(zhe)、很艱(jian)難(nan)、很重，很多投(tou)資(zi)界的朋(peng)友(you)都在说以前投的大部(bu)分公(gong)司(si)多年以来好(hao)像總(zong)是入不敷(fu)出。但是现在有了大模型之(zhi)后迎(ying)来了一个新的机会，实现了一种“端到端”的价值变现。

大数据是不挑(tiao)的，不管(guan)什么数据，大模型都可以“煉(lian)”一下，把(ba)数据“炼”成一个大模型，並(bing)通过大模型進(jin)行(xing)賦(fu)能。妳(ni)会发现它并不需要太多人的幹(gan)預(yu)，不像以前做大数据、人工智能，甲(jia)方既(ji)要出錢(qian)還(hai)要出人，还需要告知知識(shi)體(ti)系、商(shang)业邏(luo)輯(ji)等要素(su)，这是一种非常重的变现方式(shi)。但是有了大模型、有了ChatGPT之后，通过大模型统一赋能来实现数据的价值变现的这條(tiao)路徑(jing)现在越来越清(qing)晰(xi)。尤(you)其是隨(sui)著(zhe)AgentGPT和AutoGPT等技术出来之后，大模型和信(xin)息(xi)系统很多能力都可以串(chuan)聯(lian)在一起，共(gong)同(tong)解(jie)決(jue)商业场景(jing)中非常复雜(za)的任(ren)務(wu)。因(yin)此(ci)可以说大模型能实现的“端到端”的变现方式给我们帶(dai)来一场重大的机遇(yu)。

对To C市(shi)场而(er)言，大模型的意义在于有望重塑(su)互(hu)联網(wang)的入口。ChatGPT在短短幾(ji)个月已经擁(yong)有2億(yi)的用戶(hu)，现在ChatGPT背(bei)后的生态插(cha)件(jian)已经非常多样，也就(jiu)是说我们可以不直(zhi)接用微(wei)信跟(gen)朋友聊(liao)天(tian)，可以先跟ChatGPT聊一聊，比如要買(mai)什么电影(ying)票(piao)，打(da)什么車(che)，打开什么地图，訂(ding)什么餐(can)，这使(shi)它極(ji)有可能成为互联网的新入口。大家知道互联网产业入口的每(mei)一次变更都是一场革命，所以对To C来讲是可以看得(de)見(jian)的，新入口即(ji)将到来。

对于To B行业而言，大模型的第(di)一个意义好比是引(yin)擎(qing)升(sheng)級(ji)。比如我们造(zao)几百(bai)年车了，车就是一个殼(ke)子(zi)四个輪(lun)子，但几百年来我们从传统的蒸汽到油(you)氣(qi)到现在的电力，车的引擎在不斷(duan)变化(hua)。我们以前整个人工智能、大数据的产品(pin)，比如信息系统、軟(ruan)件产品，用的都是小(xiao)模型，现在我们可以換(huan)上大模型，这种引擎的升级换代是第一个意义。

第二，大模型有望成为To B行业中新的控(kong)制(zhi)器。To B场景下企(qi)业内部有各(ge)种各样的信息系统，包(bao)括(kuo)客(ke)户关系管理系统、企业资源管理系统、OA辦(ban)公系统，还有数据庫(ku)、知识库、行业文檔(dang)库等。但是这些库以前都是分散(san)的，我们上面(mian)接一个大模型之后，这个大模型有望成为一个控制器，它可以協(xie)同企业中、生态中的各种各样的信息系统，共同完成一个新的、更复杂的决策(ce)，完成更复杂的規(gui)劃(hua)任务。

大模型有望成为控制器，把整个传统的信息系统串联到一起，从而真正(zheng)意义上实现To B场景的复杂决策，而To B场景本質(zhi)上就是要实现复杂决策的，所以大模型对To B行业来说有着非常重大的意义。

大模型宣告AI进入重工业时代

从整个大模型产业的关鍵(jian)因素来看，可以说以生成式語(yu)言模型为代表的通用人工智能发展，基(ji)本宣告了人工智能走(zou)上了一个重工业时代。以前整个人工智能是典(dian)型的手(shou)工作坊(fang)，每个部门有很多小的部门，每个部门做一个AI产品，这都是手工作坊式。现在有了大模型以后，基本上都是優(you)先讓(rang)道给大模型。很多企业都在这样做，把算力全部省(sheng)出来给大模型用。

为什么说背后是这样一个逻辑？大模型是典型的“重工业”，重工业跟传统手工作坊有非常本质的不同，我们使用大模型赋能各个行业的关键，第一在于一个大模型本身能不能炼制好，第二是很多應(ying)用以及周(zhou)邊(bian)的生态能不能做好。大模型进入重工业时代之后有几个很重要的因素：

第一，大模型。所謂(wei)大模型有多大？大家应該(gai)有这样一个印(yin)象(xiang)，我们以前在BERT时代只有几亿参数，后来到十(shi)亿参数。但是现在主(zhu)流(liu)已经到了六(liu)七(qi)十亿参数，甚至到百亿参数，模型本身的参数越来越大是主要因素。

第二，大算力。大模型对于大算力提出了前所未有的需求(qiu)，所有人都有深(shen)刻(ke)感(gan)受(shou)。现在所有企业要么在买算力，要么在买算力的路上，大家现在最缺(que)的就是算力。大模型第一波競(jing)爭(zheng)首先体现为算力的竞争，第二波的竞争可能体现为数据的竞争，但是目(mu)前竞争的焦(jiao)点还在于算力，誰(shui)有算力谁就有主動(dong)權(quan)、話(hua)语权，这个现象目前已经体现得很明顯(xian)了。

第三，大数据。进入数据PK时代，有沒(mei)有核(he)心(xin)高质量(liang)的数据非常关键。最終(zhong)的贏(ying)家，至少(shao)目前的赢家是算力提供(gong)方，大家看到英(ying)偉(wei)達(da)市值破(po)萬(wan)亿，主要逻辑就在这里。最终的赢家有可能是数据的拥有者。

第四，精(jing)工藝(yi)。这是以往(wang)小模型时代不会关註(zhu)的因素，就是炼制工艺，我们稱(cheng)之为“工艺过程”。大模型的工艺过程很重要，现在炼大模型很像过去炼丹(dan)，需要把原(yuan)料(liao)全部掉(diao)炼丹爐(lu)。我前几天剛(gang)刚参观了寶(bao)鋼(gang)，当时拍(pai)了一張(zhang)照(zhao)片，他(ta)们留(liu)着2500立(li)方米(mi)的炼钢炉，那个炉子非常大，不管什么原料，经过初(chu)步的清洗(xi)全部在里面，然(ran)后去炼，炼几天出炉。炼钢出炉就是钢水(shui)，而我们现在練(lian)大模型出炉就是大模型，炼钢要干的事(shi)我们都要干，其中第一个重点在于做原料的配(pei)方。现在数据配方是最关键的，把哪(na)些数据按何(he)种方式配比，现在很多屬(shu)于独门秘(mi)籍(ji)，秘而不宣的。OpenAI大模型的快速发展很多时候(hou)在于配方配得好，但是我们不知道它的配方，很多人也都在嘗(chang)試(shi)。

第二个重点在于数据清洗，宝钢把原料送(song)进炼丹炉之前專(zhuan)门有一个分廠(chang)，它专门做钢鐵(tie)式原料的清洗，参数設(she)计，包括火(huo)候、溫(wen)度、濕(shi)度，还有流程设计、质量控制。这都是炼大模型过程中非常关键的因素，这种工艺过程也是我们当前大模型产业发展过程中真正缺少的。

我国数据基礎(chu)是跟別(bie)的国家一样好的。在模型方面，大家都用开源模型，这个不存(cun)在秘密，我们真正在什么方面有所欠(qian)缺？我们缺在“工艺”上，我们的工艺过程不如OpenAI。现在国内大部分大模型都是在去年12月份才(cai)开始(shi)訓(xun)练，我们很难在短短三四个月内趕(gan)上OpenAI花(hua)了4年时間(jian)的训练工艺，所以我们必須(xu)靜(jing)下心来，紮(zha)扎实实把工艺打磨(mo)好。这个事情(qing)非常关键。

从应用带动模型底(di)座(zuo)，从外(wai)圍(wei)攻(gong)破内核

现在ChatGPT，或(huo)者后续版(ban)本GPT-4真的已经变得超级強(qiang)大了嗎(ma)？实际上并没有，大模型还是存在能力天花板(ban)的。我们现在有很多论調(tiao)，一种是悲(bei)观论，覺(jiao)得人家什么都很强，而我们什么都不行；另(ling)一种是盲(mang)目樂(le)观，觉得它根(gen)本什么都不是。这兩(liang)种极端的论调、观点都有問(wen)題(ti)，实际上我们要客观的看，它的確(que)是很强，但是它也有天花板，是有问题的，而它的问题恰(qia)恰是我们的机会所在。所以目前最重要的是不要被(bei)人家的发展速度沖(chong)昏(hun)了頭(tou)腦(nao)，要冷(leng)静分析(xi)什么能做、什么不能做，它不能做的事情是我们恰恰要开辟(pi)的新賽(sai)道。只要我们在它们不能做的地方做得比它好，我们就有我们的价值。

现在这些大模型并不是什么都能做。我们在很多复杂的场景，比如在To B的场景、在企业服(fu)务市场，大模型实际上仍(reng)然存在很多短板。我们这么多年都想(xiang)做司法(fa)的智能化、醫(yi)療(liao)的智能化和金(jin)融(rong)的智能化，但是这么多年都没能真正实现。ChatGPT是很重要的机会，但是直接让它去解决領(ling)域(yu)问题，现在还是很难做好。

还有在廣(guang)大的工业、農(nong)业等实体经济方面的智能化怎(zen)么做？这些智能化都有普(pu)遍(bian)的特(te)点，大部分任务是复杂决策，比如工业设備(bei)的故(gu)障(zhang)排(pai)查(zha)、疾(ji)病(bing)診(zhen)断、投资决策，这些都是嚴(yan)肅(su)的应用场景，它们需要的能力绝不单单是ChatGPT现在给我们带来的开放(fang)聊天能力。

我们承(cheng)认ChatGPT开放聊天能力很强，以前聊个三天三夜(ye)都不觉得无聊，但即使聊天很有趣(qu)、很好玩(wan)，它也不能解决这些场景的问题。这些场景问题的解决取(qu)决于很多复杂的能力。

第一是需要有行业专家该有的知识，像服务器出了故障，到底什么地方出了故障，根因是什么？这个问题在缺乏(fa)IT的知识的条件下根本解决不了。第二是需要很多的复杂逻辑，像疾病诊断的时候，是有一些逻辑思考的。第三是需要宏(hong)观态勢(shi)的研(yan)判(pan)能力，比如说投资决策，在不同态势的环境下对一支(zhi)股(gu)票的预判完全不一样。第四是綜(zong)合任务的拆(chai)解能力，一个很复杂的任务，能不能拆解成一个个原子任务。第五(wu)是精密的规划能力，在面臨(lin)很多行动的情況(kuang)下，我先做什么、后做什么。第六是复杂約(yue)束(shu)的取舍(she)能力，我们在做一个决策时往往都面临约束，比如说成本约束，所以我们需要做很多取舍：哪些约束必须滿(man)足(zu)、哪些约束必须舍棄(qi)。第七是未知事物的预见能力，在投资过程中企业可能会出现一些难以预料的新狀(zhuang)况，ChatGPT未必具备人类在面临这些突(tu)发状况时的處(chu)理能力。第八(ba)是不确定(ding)场景的推(tui)断能力，我们大部分决策都是在信息不充(chong)分、不完全的时候进行的，否(fou)則(ze)会喪(sang)失(shi)先机。这些能力都仍然是ChatGPT，或者说通用大模型目前没有具备的能力。

未来大模型能不能解决这些问题，能不能具备这些能力，会直接影響(xiang)到它们的投资价值。理清楚(chu)这个逻辑之后，实际上大模型最后想创造商业价值有两个关键要素：

一方面是底座模型要强大，另一方面是领域应用也不可以忽(hu)视。底座模型好比一个练武(wu)术的人练内功(gong)，即使内功练得再(zai)好最终还是要练套(tao)路，不知道大家喜(xi)不喜歡(huan)看武俠(xia)小说，金庸(yong)武侠小说的气宗(zong)和劍(jian)宗就是这么回(hui)事，所谓的气宗练内功，强调内功为王(wang)；所谓的剑宗认为套路为王，形式很重要。实际上这两个因素都重要。

只重视底座大模型是不夠(gou)的，还得有领域应用，还需要领域知识，才有应用效(xiao)果。

目前我们的现状是什么？我们一窩(wo)蜂(feng)地跟随了底座大模型先行者的腳(jiao)步，所以大模型同质化严重。总体而言，技术型企业往往“重模型、輕(qing)应用”，应用型企业往往“重应用、轻模型”，其实这两个都不可取，这就跟我刚才说的气宗和剑宗的道理一样，既要内功深厚(hou)，也要套路熟(shu)练，这两个都达到一定水平(ping)才能创造商业价值。

我们实际有自己(ji)的机会，雖(sui)然我们底座模型不如ChatGPT、不如GPT-4，这一塊(kuai)我们要追(zhui)赶。但是领域应用这块是我们的强項(xiang)，恰恰是我们国内企业擅(shan)長(chang)做的事，所以我们大模型产业发展战略实际是很清晰的，可以走一条从应用带动模型底座，从外围去攻破内核的道路，去发展整个大模型的产业生态。

这是我们非常重要的思路，可以走一条“农村(cun)包围城(cheng)市”的路，从应用带动底座，从外围攻破内核的路。我们先把各行各业的应用做好，通过各行各业的应用带动数据、算力、模型和工艺的研制，这些发展之后最终能带动底座大模型的提升。我刚才也提到过，我们想花三四个月达到OpenAI花了4年发展的模型水平并不现实，我们可能要承受一段(duan)时间底座大模型不如别人的状态。我估(gu)计这种状态短则持(chi)续1年，长则持续2-3年或更长一段时间，我们可能要一直追赶。但是我们有很好的应用，有应用之后会给我们带来很多机会。

不要让大模型成为一场华麗(li)的煙(yan)花秀(xiu)

我们刚才从宏观战略角度提出了一些改(gai)进战略，现在我们可以从具体对策、战术層(ceng)面进行考慮(lv)：

第一，我们可以推动数据联盟(meng)，这是我们的优势。像上海(hai)数据交(jiao)易(yi)所，貴(gui)陽(yang)、北(bei)方数据交易所数量較(jiao)多，而且(qie)我们在数据交易这块的法律(lv)法规是相对比较健(jian)全的，还是很先进的，我们有很多的法规保(bao)障。所以我们完全可以为大模型的发展促(cu)进数据交易体系的建(jian)设，我们是有技术、有优势的，我们可以依(yi)托(tuo)数据交易所去开展这个工作。

第二，算力协同。我们一定要加快健全国产的算力生态，我们最近在策划，把所有算力的企业叫(jiao)过来，共同討(tao)论能不能推动联盟的成立。算力只有在使用之后才能幫(bang)你反(fan)饋(kui)问题，要不然很麻(ma)煩(fan)，现在这个问题很严重了，而且要注意这个算力不僅(jin)仅是GPU这块，还有网卡(ka)这块都存在分散、異(yi)構(gou)的问题，这都对大模型发展带来限(xian)制。

第三，模型生态。大模型技术本身要盡(jin)快建立健全、开源的生态。尤其是开源生态很重要，OpenAI是闭源的，我们可以发展开源的生态。开源生态可以集(ji)思广益(yi)，让volunteer对模型本身带来完善(shan)和优化。

第四，人才培(pei)養(yang)。这也是我们大模型产业发展非常关键的一点，这里要说几个核心的数据，差(cha)不多在一二月份的时候，行业里很多人认为，国内能够做大模型的人不超过1000人，保守(shou)估计只有两三百人，一点兒(er)都不誇(kua)张。我自己体会很深刻，我自己的團(tuan)隊(dui)，我们算是比较幸(xing)運(yun)，两三年前就做大模型了，今(jin)年有博(bo)士(shi)生、碩(shuo)士生畢(bi)业的，但凡(fan)做大模型的同学，全是身价被人家翻(fan)一倍(bei)的挖(wa)走。现在大模型人才非常稀(xi)缺，我们复旦在这个时间点有大模型炼制经驗(yan)的学生可能不超过20人，而我们整个计算机学院有将近几千(qian)名(ming)学生。这是因为大模型炼制要求很高，首先像A1版的服务器就要备几臺(tai)，一台的成本现在是100万，十台就是1000万，有能力满足设备要求的学校(xiao)就不多。所以现在人才短缺是非常大的问题。这是政府、学校都要思考的问题。

此外，大模型出来之后对人才的能力和素质要求跟以往是不一样的，我发现我们跟很多厂商合作，我们实际上最缺的是大模型做产品设计，现在大模型有这个能力，而我们传统有很多应用，但是这个大模型怎么嵌(qian)到应用里面来，形成怎样的产品，大家都不知道，懂(dong)大模型的人往往不懂产品，懂产品的人往往对大模型的认知还处在早(zao)期(qi)階(jie)段，所以这种跨(kua)学科(ke)、跨领域的复合型人才要求特别高，这块人才短板非常厲(li)害(hai)。

第五，发展诊断和評(ping)測(ce)体系。现在各家自说自话，都说自己好，将来市场很需要一个客观的评价，到底哪一家好，它好在哪。事实上比较好的状态是各家有各家的特长之处，这一家擅长这个，那一家擅长那个。最怕(pa)的是这么多家都说自己好，这里面肯(ken)定同质化很严重，所以我们未来要建立起评测的標(biao)準(zhun)和体系。

第六，要持续优化大模型的落(luo)地成本。大模型成本很高，很多甲方都在观望，最近三个月市场特别有意思，大家都在观望，甚至很多甲方钱都准备好了但是停(ting)下来的，为什么？大家在想大模型是不是下一代的技术，现在貿(mao)然投入某(mou)类技术方案(an)，馬(ma)上被大模型替(ti)代了，这个投资肯定有问题，所以大家都在观望。观望中有一个很重要的因素：大模型落地因素成本太高了，我们如何降(jiang)低(di)它的成本，使它给我们带来的收(shou)益遠(yuan)远大于投入，非常重要。

第七，大模型产业怎样向(xiang)綠(lv)色(se)、生态化发展。我两个月前就开过玩笑(xiao)，大家不用想，今年的夏(xia)天肯定更熱(re)。据说nividia市值超过1万亿了，不知道又要有多少显卡进入市场。这些显卡都要消(xiao)耗(hao)电能，消耗电能会发热，所以今年暑(shu)期肯定会更热，大家要做好心理准备。我估计明年也是这样，关键问题是什么？其实都是能源消耗问题，我们消耗太多的能量来做计算，将来人工智能产业的绿色化、生态化是非常重要的问题，很快，我相信要不了多久(jiu)大家会意识到这个问题的严峻(jun)性。

第八，持续加快大模型的技术研究(jiu)。大模型技术并不是像大家想象得那样完美(mei)，仍然存在很多问题，比如，一本正经的胡(hu)说八道，大模型的乱編(bian)乱造，大模型的幻(huan)觉，大模型到底体现谁的价值观、意识形态，以及大模型的隱(yin)私(si)泄(xie)露(lu)，大模型的安(an)全等等，这里面有太多等待(dai)解决的问题了。

由ChatGPT所引发的通用人工智能产业变革，我相信才刚刚开始。我们需要以更深切的思考、更扎实的实踐(jian)，牢(lao)牢抓(zhua)住(zhu)大模型以及其他通用认知智能技术给我国数字化轉(zhuan)型与高质量发展所带来的全新机遇……大模型绝不是宣传文案中的噱(xue)头，也绝不能成为一场华丽的烟花秀，而要成为实实在在的能够推动社(she)会发展与进步的先进生产力。返(fan)回搜(sou)狐(hu)，查看更多

責(ze)任编辑：