国内AI大模型的发展可以追溯到2018年底，当时浪潮公司发布了一款名叫“AI芯片”系统的AI训练加速器，并在2019年顺利完成了对AI芯片的量产，标志着国内AI大模型的开始。

　　从当前的发展来看，国内AI大模型进展迅猛，在语音识别、自然语言理解、计算机视觉等领域，包括百度、阿里、华为、腾讯等国内大型互联网公司都先后推出了自己的AI大模型，并且已经成功在多个实际应用场景中得到了应用。

　　由于AI技术给社会发展带来了颠覆性变革，可以预见AI大模型将会受到持续关注，国内公司会进一步加大大模型研究和应用的投入，尤其是应用于自然语言处理、机器翻译、智能客服、人机交互等领域，从而实现更精准、更智能、更高效的处理和响应。

　　当前国内主要的AI大模型

　　当前国内对于AI大模型的研发十分火爆，各大公司都不甘居于人后，纷纷加入赛道的竞争，现今在业内知名度较高的AI大模型主要有如下几个。

　　一是大华三神经网络语言模型（THUNLP）。大华三神经网络语言模型（THUNLP）是由清华大学NLP实验室于2019年开发的中文语言模型，基于BERT模型，经过超600小时的预训练，包含约1.7亿个参数。THUNLP的研发历史可以追溯到2004年，自这个实验室成立以来，团队一直致力于自然语言处理的研究，目前已经成为国内具有较大影响力的自然语言处理实验室之一。THUNLP是该实验室在自然语言处理领域的一次重要探索，它有以下特点。

　　首先，中文化。THUNLP在BERT模型的基础上，改善了分词、词性标注等中文特有的问题，提高了中文文本分析的效果。其次，对多语言友好。THUNLP不仅支持中文文本分析，还支持多种语言，如英语、阿拉伯语、法语、西班牙语等。最后，计算效率高。THUNLP的参数量虽然较小，但是它训练后的计算效率非常高，能快速响应用户输入的自然语言请求，实现快速和准确的语义理解。

　　THUNLP目前已经在多个领域得到了应用和推广。例如，它被应用于智能客服领域，用于回答用户提出的问题；在金融领域，它已经被应用于众多产品中，如智能顾问、智能客服等，可以进行资讯的自动抓取和语义解析等多个任务。此外，THUNLP还被广泛应用于搜索引擎、机器翻译、文本分类以及情感分析等领域，为各种应用场景提供了有力的支持。

　　二是讯飞开放平台AI模型（iFLYTEK）。讯飞开放平台AI模型（iFLYTEK）由中国科学院计算技术研究所和讯飞公司联合开发，基于深层神经网络技术，拥有约19亿参数。iFLYTEK模型在语音识别、机器翻译、自然语言理解等多个领域具有卓越表现。

　　讯飞开放平台AI模型是基于自然语言处理、机器学习、深度学习等技术研发而成的一种AI语音技术。iFLYTEK的研发历程可以追溯至2003年，现在已经成为国内领先的智能语音技术提供商之一。

　　iFLYTEK的自身特点在于其高准确性和高效能。它能与人类进行自然对话，具备很高的语义理解和语音合成能力。此外，iFLYTEK还具有较高的可定制性，可以适应多种语言和行业的诉求。

　　在应用方面，iFLYTEK被广泛应用于语音识别、语音合成、智能客服、智能家居、智能交通、智能金融等领域。通过与其他智能设备进行连接，iFLYTEK也可以实现更多的人机交互方式，颠覆传统界面和操作体验，提供更加智能便捷的服务。

　　三是快手AI模型（KS-NLP）。快手AI模型（KS-NLP）由快手公司开发，基于Transformer网络结构，拥有4亿参数。模型在自然语言推理、文本分类、情感分析等任务上表现优异，并支持多语种分析。

　　快手AI模型（KS-NLP）是基于自然语言处理和机器学习技术研发而成的一种AI语音技术，主要应用于快手用户产生的海量短视频内容的处理分析。因为快手视频的短小精悍，充满活力和创意，给模型的开发和应用带来了一定的挑战。

　　快手AI模型的研发始于2017年，先后推出了多个版本，升级改进了包括语音识别、语义理解、情感分析、关键词提取、短视频目标识别和视频推荐等领域的功能。快手AI模型的自身特点在于其高效、准确和实时性。它能够实时处理庞大的视频数据流，快速分析出视频的特点，根据用户的喜好进行视频推荐。

　　目前，快手AI模型已经广泛应用于短视频领域，包括视频内容的生成、智能推荐和智能审核等方面。通过分析用户的行为、趋势和兴趣，快手AI模型可以自动推荐最适合用户的视频内容，帮助用户发现有趣的内容。此外，在视频审核方面，快手AI模型能够快速高效地识别和过滤不良内容，保障用户的安全使用环境。

　　四是华为Cloud EI服务模型（HUAWEI Cloud EI）。Cloud EI是由华为公司开发的，它基于神经机器翻译技术，拥有5 000万参数。该模型在自然语言翻译任务上表现出色，支持中、英、日、法、德、意等多语种翻译。

　　华为Cloud EI是华为云平台上集成了自然语言处理、计算机视觉、机器学习等多种技术的深度学习AI模型。华为Cloud EI的研发源于华为在人工智能领域多年的经验积累，旨在为用户提供更加高效、智能和定制化的服务。

　　华为Cloud EI的自身特点包括高效、准确和易用。它基于华为的Ascend AI芯片，拥有强大的计算性能和高速的数据传输能力，可以在短时间内快速高效地处理和分析海量数据。此外，华为Cloud EI还具备可定制性和扩展性，可以根据不同行业和客户需求进行个性化配置和定制开发。

　　当前，华为Cloud EI已经应用于多个领域，包括智能客服、智能安防、医疗健康、智能制造、智能零售等。其中，针对智能制造领域，华为Cloud EI可以进行工艺优化、品质控制和智能诊断等功能的应用，大幅提升产品质量和生产效率。在智能安防领域，华为Cloud EI能够实现人脸识别、车辆识别、目标追踪等功能，从而提升人员管理和安全监控的效率。

　　五是百度文心一言。文心一言是百度公司于2023年推出的自然语言处理产品，主要功能是提供语言情感分析服务，能够快速准确地分析文本情感，并给出相应的情感标签以及对应的情感倾向程度。文心一言的研发背后有深厚的人工智能技术积累，百度多年来曾推出多个优秀的自然语言处理技术，如百度汉语、百度百科问答等。

　　文心一言的特点有如下几方面。

　　第一，宽泛可用。文心一言支持中、英、韩、日、俄等多种语言的情感分析，可以适用于多语言场景。第二，高精度。文心一言采用了深层神经网络与机器学习算法，精度非常高，尤其擅长于中文语言的情感分析。第三，大数据支撑。文心一言对百度搜索以及用户评论等大规模语料进行了训练和实践，实现了快速高效的情感分析。目前文心一言主要应用于以下领域。首先，社交媒体。文心一言可以对社交媒体上的用户评论、留言等进行情感分析，此外还可针对具体品牌或事件进行分析，更好地评估品牌的声誉和剩余情感。其次，舆情监测和分析。文心一言可帮助了解公众对特定事件或政策的态度和情感倾向。最后，智能客服。文心一言可用于电商等领域的客服场景，精准识别用户需求，辅助人工客服提供快捷的服务。总之，百度文心一言在自然语言处理领域的情感分析有着很大的应用潜力，可以帮助实现更智能化、高效的信息分析和处理。

　　AI科技的泡沫化隐忧

　　当前人们对于AI技术无疑是狂热的，对此国内外不少人士表达了他们的担忧：很多人可能是“忘掉了过去科技泡沫带来的痛”。

　　众所周知，大模型的训练是一个成本极高的过程，需要大量的算力和资金支持。以OpenAI为例，GPT-3的单次训练成本就高达140万美元，对于一些更大的大模型，训练成本介于200万～1 200万美元之间。用知名计算机专家吴军的话来形容，每当ChatGPT训练一次，就相当于报废了3 000辆特斯拉汽车。

　　这个数字告诉人们，要想打造有竞争力的大模型，不下血本是不行的。某些体量、资金不足，却仍旧叫嚣着要“对标ChatGPT”的企业，其本身的实力，难免让人产生怀疑。例如某个在发布大模型后，自身股价暴涨3倍的国内公司，其账上的货币资金只有13亿元。然而，以ChatGPT的训练成本为例，要想使背后的智能算力集群，仅GPU显卡采购成本就超过了10亿元。国内目前能够支撑起类似基础设施的企业不超过3家。

　　也正因如此，在这场表面热闹的大模型竞赛中，注定有一大票公司，都只是打着大模型的名号，来实现自身利益的“陪跑者”罢了。

　　不过纵观人类的科技发展史，都是由泡沫中的幸存者来推动的。即使人类本身，也是物种大爆发这场生物泡沫的幸运儿。如果泡沫无法避免，从业者真正需要的是面对泡沫时的冷静和定力。

　　国产大模型能否达到或超越GPT这类先进模型的水平，有两个较为主要的因素：一是在数据集的获取上，如何能不断积累足够多且高质量的数据集；二是在炼制大模型的“工艺”上，如何不断探索和突破，找到新的理论和方法。

　　目前，在大模型的训练上，用来训练的主流数据集以英文为主，中文数据只占4.8%。之前清华计算机系教授唐杰，在对千亿模型ChatGLM-130B训练前数据准备时，就曾面临过清洗中文数据后，可用量不到2TB的情况。这就是国内所有做大模型的团队不得不面对的惨烈现状。

　　为解决这个问题，许多国内团队，都开始通过“众志成城”的方式，开源自身的中文数据集，从而希望弥补高质量中文数据集的不足。但是，这种通过各个团队“自觉”开源的方式，仍然存在着一定的局限性，那就是，由于数据的敏感性、隐私性和所有权等问题，很多行业和领域的数据并不容易获得或共享。

　　国内数据大量储存于移动端App中，于训练大模型而言比较难于抓取。同时国内互联网巨头之间的数据相互封闭，数据孤岛化情况严重。例如百度的内容生态数据、腾讯的公众号数据、阿里的电商和物流数据等，这些都属于各大企业的私有数据。虽然这些企业都在各自的行业和场景，积累了外人所不能及的优势，但由于其所有权和隐私性的问题，导致很难与外界进行共享。而这些不容易获取的数据，往往无法依赖各团队的“自愿”和“主动”进行开源。

　　针对这一问题，走在前列的美国AI产业，早已通过更成熟的数据共享平台、数据交易市场、数据信托等机制，促进了数据的流通和价值发现。具体来说，在这些数据交易平台中，第三方数据拥有者可以将原始数据挂到数据交易市场上公开出售，数据需求方按照约定价格购买后，可以在数据交易平台上获得离线的数据包或者实时API。若最终成功交易，平台收取一定佣金后返还销售收入给第三方数据拥有者。该类型数据交易平台的代表有RapidAPI、Streamr等。

　　与之相比，国内大数据交易仍处于起步阶段，数据交易主要以单纯的原始数据“粗加工”交易为主。且数据供需不对称，使得数据交易难以满足社会有效需求，数据成交率和成交额不高。此外，在数据交易过程中，国内市场也缺乏全国统一的规范体系和必要的法律保障，无法有效破解数据定价、数据确权等难题。

　　从长远来看，国内大模型要想在数据的数量、质量上进一步得到提升，就不能单单只靠部分团队“自愿”和“主动”的开源，而要在法律、市场机制等方面，做出更多与时俱进的改革，如此方能促进各个行业间数据的广泛共享。

　　除了数据集的数量、质量外，另一个决定大模型能力强弱的关键因素，就是炼制大模型的“工艺”。有专家表示：与国际同行相比，模型、数据和算力并不是中国最大的劣势，真正的短板在于对大模型“炼制”工艺的掌握，包括数据配方、数据清洗和参数设置等等。

　　现在有些国内大模型，动辄就对外号称“百亿”“千亿”规模，仿佛参数量越大，模型性能就越强。然而，空有庞大的规模，却缺乏先进的“工艺”，这就像一个脑容量颇大，但却掌握不到学习要领的学生，难以在学习能力上进一步“精进”。

　　具体来说，如果将炼制大模型的过程，类比成一座工厂中的流水线，那么数据配方就像在开始生产之前选择原材料一样，需要选择不同的数据集，确定不同领域、不同类型、不同模态数据的配比。而数据清洗就像对原材料的加工一样，对原始语料进行去噪、去重、过滤、规范化等操作，提取有用的信息；参数设置就像生产过程中的调整和优化一样，通过选择合适的超参数，如学习率、批次大小等，以达到最佳的效果。

　　虽然上述的每一个具体步骤，国内其实都知道怎么做，但是将它们整合在一起，总体效果和国外是存在差距的。这虽然不是0和1的区别，但却是50分和100分的区别。

　　所以，大模型的研制与开发，终归是一个易学难精的过程。而要想进一步提升这样的工艺，就必须在人工智能的基础理论、工程实践以及创新思维上不断积累，从而实现在关键环节上的突破和领先。

　　可问题是，这些反复试错、探索的过程，往往是一个需要消耗大量时间、资源，且并没有实际产出与盈利的过程。即便是创造了ChatGPT的OpenAI，目前也处于严重亏损的状态，其2022年的亏损已达5.4亿美元。这对于国内许多急功近利的企业而言，无疑是一个重大的考验。因为国内巨头们对技术性风口的追逐和热爱既不坚定也缺乏耐心。比如在全民造芯运动中，在2017年，资本对半导体的狂热达到了一个顶端，创下了至今的融资最高历史记录，单笔平均融资达到8亿元。然而，一旦察觉某类技术的研发，是一场漫长且难见收益的过程，某些企业的“浮躁”与“摇摆”就会逐渐显现。

　　由此可见，国内外大模型的竞争，表面上看是数据集多寡、质量高低的竞争，稍微深入来看，是大模型工艺的比拼。而再深入到底层，就变成了不同的商业文化，乃至生态的综合竞争了。