大模型下一步，通用群体智能有谱了 | CCF C³

白交 发自 凹非寺
量子位 | 公众号 QbitAI

学界必须也要开展大模型研究；

国内玩家不用一心扑在搞大模型上，做一些让大家都能玩得到的应用，对中国的产业发展更具有意义。

未来或许可以保留一个社会共享大模型，同时为某些特定领域提供专业模型。

从大模型底层来看，发展趋势重点是 资源同步 。

通用群体智能已初见端倪。
……

最新CCF C³活动来到百度，更多关于大模型产业生态发展的问题在现场得到了解答。50余位企业界、学界专家、研究人员就此进行深入探讨。

百度集团副总裁、深度学习技术及应用国家工程研究中心副主任 吴甜 ，北京航空航天大学 吴文峻 教授带来了主题报告分享。

接着， 吴文峻 教授、中国人民大学高瓴人工智能学院副院长 窦志成 、百度飞桨总架构师 于佃海 、国网智能电网研究院计算及应用研究所人工智能总工程师 吴春鹏 、中科曙光智能计算产品事业部总经理 杜夏威 展开高峰对话。

对话由百度AI技术生态总经理马艳军主持。

大模型产业生态

在高峰对话环节，来自产学研的各位专家就大模型发展态势进行了探讨，涵盖基础研究、底层软硬件支撑、产业生态应用等多个大模型生态话题，对科研-产业、软件-硬件、行业应用等多个生态关系的思考与分析。

在不改变原意基础上，量子位做了以下梳理。

1、有种观点是认为大模型工程化发展，科研工作、学术研究空间就会被压缩，如何看待这一观点？

北京航空航天大学吴文峻教授 表示，任何新技术都会带来很多颠覆性影响。但在AI技术上，人类还没有找到一条通往AGI的可行路径，大语言模型这条路径看起来可行性最高。后续大模型在比如认知记忆力等方面，还有很多研究工作要做。另一方面，大语言模型也给现有AI方向，比如自然语言、决策等带来新的研究角度。

中国人民大学高瓴人工智能学院副院长窦志成教授 表示，在大家看来，大语言模型这条路径建立在大规模算力和经费支持上，学界要展开类似的研究会形成很大的阻碍。

但学术界普遍认为， 首先必须要做 ，跟上产业界的同时还能发现存在的问题；工业界不会有那么多时间精力去钻研背后的理论方法； 第二，大模型在其他领域研究方向产生比较大的影响 ，里面会有特别多有意义有价值的科研问题。除此之外，高校还要承担起人才培养的重担。

2、除了算力和应用，软件也是一个重要的方面，特别是深度学习框架，那么框架和大模型之间的协同关系如何？

百度飞桨总架构师 于佃海 首先解释说， 深度学习框架位于硬件芯片模型和应用之间的关键位置 。

随着大模型的复杂性不断增加，包括预训练、微调等，框架需要具备通用性，以支持这些不同的训练环节。此外，性能要求也变得更加严格。在这个过程中，框架和硬件之间的协同也变得至关重要。框架需要在不同硬件平台上高效运行，以满足训练和推理的需求。

除了硬件协同，框架还需要考虑模型的落地和部署。模型不仅需要训练，还需要在实际应用中落地并高效运行。因此，框架的性能和部署能力同样重要，以实现从训练到应用的无缝衔接。

3、大模型在产业里面真正落地会面临是哪些挑战？上下游如何一起联动？

国网智能电网研究院计算及应用研究所人工智能总工程师 吴春鹏 表示，国网一直在积极致力于构建一个完整的产业生态系统，而整个电力行业的发展对于应用端、算力框架以及具体算法都有着紧密关系。

他还简单阐述如何让大模型更好的在电力行业实际落地，比如把大模型构建了国网的多层次生态系统，细分为专业大模型和业务小模型，并通过融合通用大模型与电力特点，构建更智能的分析和预测模型。

4、追求通用性的同时，如何平衡大模型在各个领域的需求？

北京航空航天大学 吴文峻 教授表示，在他看来，无论在何种实践中，都涉及到一个共同的问题，即如何平衡通用性与实际应用，但这同时也引发了一个问题：

为什么通用模型在企业内部应用时会出现问题？

对此，吴文峻认为，在未来需要重新考虑现有的思路。或许可以保留一个社会共享的大模型，用于基础识别知识，同时为某些特定领域提供专业模型。这些专业模型可以根据企业内部数据进行训练，以满足特定行业的需求。

因此，是否可以考虑一种架构即 将大模型与中小模型相结合 ？在训练小模型时，可以同步大模型的整体知识。然后，通过保证整个知识和标准的传递，可以确保模型的质量和认可度。

另外，有些行业会更希望拥有自己的专属大模型，所以像内存等资源问题也需要关注。

5、大模型技未来走势会如何？如果确实形成了一个相对稳定的格局，不同层将会在其中发挥什么作用？

中科曙光智能计算产品事业部总经理 杜夏威 认为，从大模型底层来看，发展趋势重点是 资源同步 ，未来仅凭借技术的领先和研究的成果并不一定能行，需要将产业和学术界的力量结合起来。

从这个维度出发，大模型方向可能会是采用 A+B 的方式。其中，A代表一些基础模型基座，这些模型具有一定的通用性和强大的泛化能力，能够为整个模型提供支撑。B则代表行业大模型，涵盖了各个领域的基础数据。

国网智能电网研究院计算及应用研究所人工智能总工程师 吴春鹏 则表示，大模型在未来可能会成为数字化基础设施的一种重要组成部分，类似于零件，它结合先进的计算技术和丰富的数据，构建起基座式的研究平台，为将来使用模型的人和技术专家提供支持。

以后可能就像百度提出的应用商店模型，类似于在商品上选择模型的方法，人们可以从中选择并获取各种模型，也可以将模型整合到自己的应用中。另一方面，在研发大模型的过程中，也需要考虑如何实现技术的放手和产能的进化，通过更便捷的方式推广和合作，使技术能够更好地为市场和业务服务。

百度飞桨总架构师 于佃海 认为大模型不仅需要重资产投入，还涉及许多复杂的技术问题。同时，即使有了技术，要使其发挥出人类的智能也需要设计更好的方法，并将其稳定应用在实际目标中。从大模型基础设施的角度来看，除了构建和提供基础设施外，还应主动考虑为生态的发展提供建议，比如 插件机制 。

中国人民大学高瓴人工智能学院副院长 窦志成 教授则从开源和实际落地进行了分享——

以Meta的 Llama 和 Llama2 大模型为例，表示目前开源化的声音越来越响亮，应该更加推动开源的力量。另外，他也对“百模大战”表现出担忧，不希望这次还和两年前GPT-3一样，一窝蜂做大模型，但因没有应用而无疾而终。

对此，窦志成就特别呼吁 国内玩家不用一心扑在搞大模型上 ，做一些能让大家都能玩得到的应用，对中国的产业发展更具有意义。

北京航空航天大学 吴文峻 教授表示，目前的重点是 多模态大模型 ，未来这些模型可能会逐步从决策进化到具有自主学习能力，最终走向通用人工智能（AGI）。我们会更关注开源和商业之间的平衡，而在这个生态中，基础设施的建设非常关键。

通用群体智能已初见端倪

除此之外， 百度集团副总裁、深度学习技术及应用国家工程研究中心副主任 吴甜 ， 北京航空航天大学 吴文峻 教授带来了主题报告分享。百度高校合作部总监李轩涯任主持人。

首先是百度集团副总裁吴甜以 “大模型产业实践与文心一言” 为题作报告，介绍了文心大模型的产业落地实践和文心一言最新进展。

大模型方面，最新文心大模型5月升级到3.5版本，进行了了基础模型升级、精调技术创新、知识点增强、逻辑推理增强、插件机制新增，相比3月份的版本，效果提升50%，训练速度提升2倍，推理速度提升30倍。

产业落地实践上，百度已和多个行业的带头企业、机构共同研发行业大模型，训练出了更适配行业场景的模型。

根据IDC相关报告，百度文心大模型在14个参评模型中拿下12项指标的7个满分，得到“综合评分第一，算法模型第一，行业覆盖第一”三个绝对第一。同时，百度已为社会培养了300万AI人才，未来还将持续加大投入力度，为推进大模型的落地与发展持续做出贡献。

北航吴文峻教授则聊了聊 通用人工智能的群体智能研究 。当前AI发展已经进入一个全新历史阶段，特别是在所谓「foundation model」方面，比如超大规模模型或基座模型。但何时能将这些先进技术在各个行业的实际应用？

他在报告中指出， 大模型要落地应用，真正重塑产业，关键还是基于大模型的智能决策能力发展 。

要解决基于大语言模型的决策问题，常常需要采用 强化学习 方法。在这个过程中，Agent会与环境不断互动，观察环境状态，并通过采取行动来影响环境，进而获取环境的奖励信号，以衡量行动的好坏。他还谈到了最近很火的斯坦福「AI小镇」。

而针对通用基础模型存在泛化性弱、稳定性差、难实用等突出问题，多模态LLM模型结合MDP框架可以提升Agent的感知-认知能力，推进高层任务需求的理解和规划决策，并形成作为环境迁移和Reward的生成模型。

有了以上基础，我们就有可能让海量知识和物理世界形成对照，提升智能体在新环境下的智能决策，进而形成群体化通用具身智能系统。报告认为，大模型开启了通用人工智能时代，让群体智能研究也进入了全新阶段——

通用群体智能已经初现端倪 。