三個月誕生79個基礎大模型，中國到底需要什麼大模型？

模型的參數量很重要。目前，百度、阿里等頭部公司公布文心、通義參數量通常在1000億級別，如文心大模型參數量為2600億。其他企業或創業公司大模型參數量通常在100億、10億級別。

雖然目前市場上發布的AI模型都叫「大模型」，但參數量被默認為是大模型、小模型的界定因素之一。百度集團副總裁侯震宇對《財經》記者表示，2022年10億參數的模型，就叫大模型。但現在的大模型參數動輒上千億。因為千億參數以上才會出現「智能湧現」效應，才會形成泛化能力，才能在各個場景下具備通用能力。基於這種大模型精調出來的模型才具備更好的產業應用效果。

「智能湧現」效應，指的是模型規模、算力水平超過某個參數閾值後，AI效果將不再是隨機機率事件。在通用領域，參數量越大，智能通常湧現的可能性就越大，AI準確率也會更高。在專用垂直領域，大參數模型裁剪優化後更容易獲得精確的效果。

雖然中國至少已經出現了79個大模型，但多位接受《財經》記者採訪的行業人士認為，大模型需要算力、算法、數據積累。由於高性能GPU晶片短缺，硬體採購成本、運營成本高昂，中國具備資金儲備、戰略意志和實際能力跑通大模型商業化的企業寥寥無幾。「百模大戰」中，絕大部分產品和ChatGPT確實存在差距。

經歷喧囂後，大模型狂熱正在逐漸回歸現實。國內外大模型市場正在出現更多理智思考——無法落地商用的ChatGPT只能是玩具，能成為企業應用的大模型才有產業價值。

蘋果、三星、摩根大通等企業因為安全考慮禁止員工使用ChatGPT。另一方面，ChatGPT用戶增長、留存也已到瓶頸。網站分析工具SimilarWeb數據顯示，ChatGPT在1-5月流量環比增速分別為131.6%、62.5%、55.8%、12.6%、2.8%。6月初，摩根史坦利調查顯示，只有19%的受訪者表示使用過ChatGPT，只有4%的人表示依賴ChatGPT。

侯震宇說，「今年3月，客戶剛開始跟我們聊大模型需求時，都在發揮想像力，提的需求要多科幻有多科幻。但4月後，大模型的局限性顯露，大家才慢慢看到了更多實際需求。」主客觀因素影響下，全球基礎大模型均主要面向To B行業市場。

大模型在To C端商業化進程緩慢。目前面臨算力成本高昂，用戶規模越大企業虧損越多等問題。也無法避免輸出錯誤「噪音」，甚至還有信息泄密、政策監管等倫理挑戰。即使微軟，也只是在工具類產品（office辦公套件、網頁瀏覽器、Photoshop等修圖工具）中部署大模型。微軟向工具類企業賣服務，其本質仍是To B商業化。

大模型面向To B端企業客戶落地才是務實做法。在行業市場，客戶需求蓬勃且明確。在全球，零售、金融、製造、政府等領域都在靠大模型進行智能化升級。行業共識是，在大模型基礎上經過行業知識精調的模型，其特定工作表現，會優於未經優化的通用基礎大模型。

市場調研機構IDC在今年5月公布的數據顯示，2022年中國人工智慧市場總規模為122億美元，其中硬體81.3億美元，軟體26.9億美元，服務14.1億美元。IDC預測稱，2026年中國人工智慧市場規模將達到269億美元，其中硬體148.5億美元，軟體76.9億美元，服務38.9億美元。硬體、軟體、服務的年復合增長率分別為15.1%、 32.0%、28.5%。

狂熱總要回歸現實。《財經》6月與百度集團副總裁侯震宇、百度智能雲副總裁朱勇展開了一場主題名為「中國到底需要什麼大模型」的對話，侯震宇和朱勇深度參與了百度文心千帆大模型平台的打造和商用生態的塑造，在這場談話中，我們探討了三大問題：大模型是不是豪華遊戲？企業到底需要何種大模型？大模型市場是否出現了泡沫？

對話人簡介：

百度集團副總裁 侯震宇（負責百度智能雲事業群組雲計算產研團隊和基礎技術工程團隊）

百度智能雲副總裁 朱勇（負責百度智能雲應用產品中心）

主持人：《財經》雜誌副主編 謝麗容

以下是對話實錄精華版：

大模型是不是豪華遊戲？

《財經》謝麗容：中國掀起了大模型創業潮，大模型的門檻很高，但從入局速度和規模看中國市場現狀似乎並非如此？

朱勇：大模型門檻是相對的，其中會有不同類型的玩家。第一類和百度一樣，從零開始做基礎大模型。這對算力、算法、數據、人才的要求都非常高。

以數據為例，基礎大模型需要海量數據訓練，其中包括網際網路數據、專業領域數據、新聞資訊數據，以及經過高質量的專業標註的數據。以算力為例，ChatGPT這樣的千億級參數大模型，需要英偉達最高端的A100/H100 GPU連續訓練100天才能得到。算法、人才也是關鍵。工程師訓練手法不同，就像不同廚師基於同樣原材料做的菜口味都不一樣。這需要長期實踐經驗積累，所以門檻很高。

第二類是行業大模型，基於基礎大模型能力做一些微調、針對性定製。這比過去從零開始數據標註、算法精調的成本大大降低。第三類基於前兩類大模型開發應用，百度、其他企業甚至是一些開源平台都提供了開發工具，讓軟體開發門檻變得更低。

《財經》謝麗容：中國的大模型在全球市場究竟是什麼水平？

侯震宇：個人覺得中國的大模型在全球市場還是領先的。大模型研發和搜尋引擎研發其實類似，都需要非常深的技術積累。從全球來看，擁有獨立研發搜尋引擎技術的國家就那麼幾個。目前能完全獨立研發大模型技術的，可能也只有中美兩個國家。

《財經》謝麗容：大模型有沒有絕對的先進和落後？

侯震宇：大模型沒有絕對好、壞。儘管它在不同領域可能會有一定的差別，但就像選擇智慧型手機一樣。有人用蘋果，有人用安卓，最適合的才是好的。大模型剛推出時，經常會有人考它一些刁鑽的問題。但事實上，在真正嚴肅的企業級環境裡面，不太會有這樣的場景。企業需要針對業務場景選擇更適合自己的大模型。特別是中國企業，需要選擇中文理解力更好，適合中國企業特點的產品。

《財經》謝麗容：百度在大模型方向究投入了多少資源，多少人才？

侯震宇：AI大模型是百度核心戰略，它需要持續全方位高強度投入。以算力為例，我們過去GPU數量的積累，是以萬為單位計量，這一筆巨大的投資。百度經過多年還開發出了一整套工具鏈，能夠更快更好地訓練模型。

過去10年，百度在AI方向投入已超過1000億元。百度作為一家技術公司，每年研發投入的營收占比都超過20%。（備註：2019年後，百度核心研發支出的營收占比長期超過20%。2022年百度研發支出率為24%，在中國科技企業中僅次於華為的25%。百度核心指剔除愛奇藝後的百度自有業務）但大模型也不是投一筆錢、做一個模型那麼簡單，它需要有算力、有數據、有經驗豐富的AI工程師在好的研發平台上長期積累。

《財經》謝麗容：創業公司做基礎大模型，除了要有錢、要有卡、要有數據，還有哪些挑戰？

侯震宇：錢、卡、數據，本身就很有挑戰。創業公司做基礎大模型，除了起碼的算力，足夠多、質量好的數據，有經驗的AI研發人員，還需要能夠把模型、算力管理好的AI開發平台。目前大公司會把這些平台以雲的形式對外提供服務。比如，百度智能雲通過文心千帆大模型平台對外提供服務。但是從零開始訓練出基礎大模型門檻依然很高。因為大模型不是訓出來就行，還需要後續持續敏捷疊代，大公司相對會更成熟。

《財經》謝麗容：一些企業正在開始自建大模型。自建大模型是不是必須的選擇？2014年公有雲剛剛興起時，某些客戶會擔心數據安全，它們使用大模型時，是否也會擔心這個問題？

侯震宇：每一家公司都一定要用大模型，但每一個企業是否都需要自己做一個大模型？我覺得不一定。自己從頭開始去做一個基礎大模型成本非常高。企業拿自己的數據在別人的基礎大模型做精調，一樣可以獲得非常好的效果。

朱勇：我覺得企業更多應該去想怎麼用上大模型，怎麼用好大模型。每個企業都可以擁有自己的大模型，但沒必要重新開始做。因為百度這樣的企業已經提供了很好的技術底座。可以依靠百度做一些定製化產品，這對客戶來說是性價比更好的選擇。數據安全問題並不是大模型出現才帶來的新問題。如果類比雲計算的話，有公有雲、私有雲、託管等方式。在大模型商業模式上，我們已經充分考慮過相應的產品和解決方案。

《財經》謝麗容：智慧型手機、雲的普及都是因為價格足夠低。中國大模型什麼時候才能進入普遍應用階段？

侯震宇：大模型本身就帶來了大量成本節省。過去，企業研發AI應用時，需要根據應用場景做數據清洗、標註，對模型訓練、推理、優化。不管場景有多小，都得做全流程的工作，成本很高。但基於大模型，不需要過去那麼多數據、時間、資源、人力。我建議企業儘早關注、使用大模型技術，因為它本身就能大幅度降低AI應用門檻。

中國企業需要什麼大模型？

《財經》謝麗容：百度的文心大模型3月開始內測。內測中，企業是否可以清晰地提出自己的需求？他們的需求集中在哪些層面？

朱勇：距離3月份內測以來，我們已經陸續接到了超過15萬家客戶的接入請求。同時也有幾百家合作夥伴跟我們在場景中進行研發測試。這覆蓋了網際網路、製造、金融等不同行業，裡面很多場景是高價值的。總結一下，比較高頻出現的場景有幾大類——知識管理、內容創作（包括營銷文案、媒體資訊）、智能客服、代碼生成和辦公提效。

《財經》謝麗容：數字化轉型市場長期存在一個問題，很多客戶不知道自己想要什麼。在大模型領域，這個矛盾是不是也存在？

朱勇：不同行業、不同客戶確實存在差別。大模型出來後，網際網路行業高度關注它的最新進展，他們的技術理解、產品認知都非常領先，因此我們能很快在一起進行研發測試，做出Demo和產品創新。

一些傳統產業的數字化基礎相對薄弱一些，所以百度會有大量工程師跟客戶一起共創，將AI能力跟他們的行業痛點相結合，產生很多很新穎的產品理念。AI技術跟行業相結合時，一方面要懂技術、懂AI，另一方面要懂行業。所以我們跟客戶、合作夥伴對接時，經常需要雙方在一起共創。

《財經》謝麗容：百度怎麼給不同行業、不同類型的客戶提供大模型服務？從客戶角度如何評估性價比？

朱勇：在價格層面，如果企業剛開始嘗試且對價格敏感，可以使用公有雲服務，根據調用量，Pay-as-you-go （用多少花多少），不需要一次性基礎設施投入，這也是公有雲的優勢。一些企業願意進行較大基礎設施投入，並建立自己智能化的應用，百度可以提供一整套AI模型和AI底座，企業可以基於AI模型和AI底座開發應用。

《財經》謝麗容：企業怎麼選擇適合自己的大模型？

侯震宇：第一，肯定是模型效果，這是選擇大模型的基礎。企業需要評估大模型在使用場景中能夠發揮的價值。第二，要關注疊代速度。既要看基礎大模型本身是否有生命力，也要看平台是否有完善的工具鏈，支持便捷的二次開發和模型再訓練，支撐大模型更好疊代。第三，大模型的實際落地成本和交付形態。企業可以根據需要選擇公有雲、私有雲的交付模式。

《財經》謝麗容：文心千帆被定位為一站式企業級大模型平台，怎麼去理解「一站式」、「企業級」？

侯震宇：首先說「一站式」， AI是由數據驅動的技術。AI從誕生之初就要做數據收集、清理、標註，再根據現有模型做訓練，訓練結束後要對精調數據、模型版本做管理，最後將其投放到業務中使用。這是一整套流程。百度提供了這些能力，而且很易用，客戶在AI研發到應用的全生命周期中的需求都可以滿足。

再說「企業級」，企業級應用不是個人應用，不是上傳照片那麼簡單。企業級應用會更精細、複雜，需要考慮規模化、擴展性、實施成本、穩定健壯等因素。

《財經》謝麗容：百度對外稱，文心千帆大模型平台有六大特點——易用、安全、全面、高效、開放、集成。易用為什麼要擺在第一個？是不是只有好用的技術才會被普及？

侯震宇：易用非常重要。自然語言大模型可以給客戶提供更易用的接口，方便大家和機器來做交互。「雲智一體，AI普惠」是百度智能雲的戰略，「AI普惠」也一直是我們的一個理想。AI不能只是象牙塔里高高在上的技術，必須要降低AI使用的門檻，其中包括數據使用門檻、資源使用門檻、以及人使用AI的門檻，所以易用非常關鍵。

《財經》謝麗容：過去三個月，公眾已經被很好地普及了人工智慧大模型。對千行百業來說，大模型的商用時機是否已經到了？好的商用節奏應該是怎樣的？

朱勇：人工智慧大模型對研發和應用範式的變革非常明確。越早擁抱大模型、理解大模型，越會讓它對業務產生作用。這不是Yes or NO的問題。談到節奏，不同企業擁抱大模型的方式不一樣。有的企業可以從單點應用嘗試開始，利用公有雲調用服務，這樣可以更低成本地快速驗證做Demo開發。

另外一方面，無論是大小企業，都要培養AI原生思維。比如一些應用可以通過漸進式的方式進行改造升級。另一種做法叫重構，按照百度公司內部的說法，未來所有的產品都會基於大模型重新做一遍。

大模型市場出現泡沫了嗎？

《財經》謝麗容：在面向企業的B端市場真的需要那麼多大模型嗎？

侯震宇：我個人看法是，基礎大模型其實不需要那麼多。當然，這只是從終局往前看。但在任何一個行業發展早期，市場會變得繁榮且存在泡沫。從產業發展的角度來看，我們應該允許現在有一定的泡沫。我們也應該正視這一點。但我仍然相信，在大浪淘沙之後，最終提供基礎模型服務的，仍然是為數不多的幾個企業。

朱勇：基礎大模型方向，雖然現在有很多玩家，但是真正能夠保持快速疊代，不斷開發更全面、更完整工具鏈，不斷基於客戶反饋來提升產品能力，這是一件挺難的事情。所以大模型雖然現在可能很熱，但這是長跑，最後會像今天的雲計算格局一樣，市場會逐漸收斂。

《財經》謝麗容：很多做伺服器硬體的企業也要做行業大模型。百度曾經是他們的客戶，現在變成互相競爭。我們應該怎樣和平共處？

侯震宇：我覺得不能直接說競爭，我們首先還是合作關係。雙方的確會有相近的服務，同時面對相近的行業，但我們和傳統硬體廠商更多還是互補關係。百度是一家網際網路基因的AI公司，積累了大量通用數據，有通用大模型，優勢在AI、軟體、科技等領域。傳統硬體廠商積累了行業數據，在傳統政企行業等垂直領域打磨出了Know-how。雙方在建大模型時的擅長點不一樣。百度和新華三等企業，既是伺服器、交換機採買的合作夥伴，同時也會共建大模型。

《財經》謝麗容：百度平時會關注競爭對手的大模型在哪些方面的進展？

朱勇：第一，技術和整體效果。第二，配套工具。第三，商業模式。如果你再回到三四年前，人工智慧市場還是比較遙遠，但今天深度學習的技術、產品商業化、投資、開源生態，都在加速發展。

《財經》謝麗容：未來幾年，大模型會是百度核心的重點方向嗎？為什麼？

侯震宇：大模型會是百度的核心重點方向。百度是一家AI公司，大模型是AI的重要發展方向。不管是在To C端，還是在To B端，它都將會給百度的產品、服務帶來巨大變化。對於百度來說，大模型讓人非常興奮，這既是機遇，也是挑戰。百度對大模型會持續投入，我相信大模型會讓雲計算加速進入AI時代，會重塑雲計算格局，MaaS（Model as a Service）的地位會變的越來越重要，也會加速實現百度智能雲提出的「雲智一體」戰略和「AI普惠」理想。

《財經》謝麗容：2016年開始的上一輪人工智慧商業化出現了一些問題，AI企業不得不做很多繁瑣細碎的定製化項目。大模型要如何規避上一輪人工智慧商業化遇到的問題？

侯震宇：這一輪大模型產業落地，和十年前以深度學習為代表的AI產業落地是不一樣的。這是AI研發的新範式，和以前的投入不一樣。大模型出現之前，AI最被詬病、落地最難的是，實際產業環境場景碎片化。比如閘機的人臉識別、支付的人臉識別都不一樣。因為光線、環境不一樣，需要面向不同應用，根據客戶積累的數據從頭做訓練，再去拿到場景里做適配。這種定製化交付非常煩瑣。

但在基礎大模型下，不需要太多精調數據，不需要訓練太多輪數，就可以獲得非常好的結果。基礎大模型解決眾多場景比以前容易很多。大模型的泛化能力比以前強很多。這和上一輪的AI落地不一樣。去年10億參數的模型，就叫大模型，但現在的模型參數動輒上千億。在千億參數以上，才會有智能湧現，才會有更強的泛化能力，才能在各個場景下具備通用能力。

《財經》謝麗容：當很多人都湧入到一個行業里的時候，泡沫可能不可避免。大模型如果要良性發展，有哪些建議？

侯震宇：對大模型從業者的建議是，量力而行。不一定全部都由自己去做。而是考慮AI商業化落地，找到最適合自身能力的場景和鏈條。我們希望行業在早期快速發展時，允許有一定的泡沫。但政策對技術運用的監管、行業評價技術好壞的標準能達成共識。有標準可循，有規矩可依，這樣才能良性發展。

朱勇：還要轉變思維方式。大模型是分水嶺式的技術、顛覆式的技術。要保持開放心態、持續學習。