作者 | 沙拉醬

編輯 | 麻吉

大模型越來越火，搶人大戰愈演愈烈。

(資料圖片僅供參考)

在AIGC、ChatGPT的帶動下，大模型概念開始被廣泛討論。2023年還未過半，就已經有包括百度、阿里、騰訊、商湯、京東、科大訊飛等多家互聯網、AI公司陸續宣布對大模型展開探索。

誠然，在大模型的技術和商業化進程上，國內相較于國外仍有一定差距。因此，大廠們毫不吝嗇地開出百萬年薪來爭奪算法、深度學習等高級技術人才。

除此之外，大模型在中國這片土壤上要如何生長，其商業化進程又需要突破哪些瓶頸呢？

越來越“大”的大模型

AIGC和ChatGPT等熱詞帶動下，大模型概念逐漸被關注。不過，大模型到底是什么，又能做什么，對很多人來說，這個問題的答案似乎很模糊。

一位中國傳媒大學計算機技術碩士，在知乎上這樣描述了大模型：如果說模型是一個盒子，那么普通模型就是一個小盒子，因為容量有限，所以其處理和存儲的數據、信息也有限。因此，普通模型可以完成分類、預測、生成等簡單任務；相較之下，大模型就是一個超級大倉庫，往往需要數十億，甚至上百億個參數組成，可以完成更高級的思考和決策。比如，自然語言理解、語音識別、圖像識別等。

而這個大模型，到底有多“大”？舉例來說，GPT-4使用了1750億規模的參數，微軟推出的Turing-NLG有1000億參數，谷歌則推出號稱有1.6萬億模型參數的switch transformer。作為對照，我們日常使用的智能語音通常只有幾個億的參數。

雖然，在模型參數的規模上，國內產品似乎仍落后一步——例如，率先推出文心一言的百度有100億參數、華為盤古大模型使用1000億參數。不過，過去的幾個月，陸續加速布局大模型的國內公司卻如雨后春筍，其中包括阿里的通義大模型、騰訊的混元大模型、科大訊飛的訊飛星火、京東的ChatJD等等。

從目前國內推出的幾款大模型產品來看，我們似乎仍在等待和尋找自己的“iPhone時刻”。無論是百度的文心一言、華為的盤古大模型，還是科大訊飛的訊飛星火，似乎仍停留在從自己原本的優勢入手的“集大成者”，相對缺少更多的創新。

像是以搜索引擎為所長的百度，推出了類似GPT-3這樣具備搜索屬性的文心一言。

華為的盤古大模型則更加專注于自己比較有優勢的TO B業務。在發布會上，華為也表示，在過去的2022年，華為盤古大模型主要是AI for Industry（AI賦能產業），為煤礦、水泥、電力、金融、農業等行業創造了更多產業價值，其中CV大模型早就有了許多用武之地。

比如在與能源公司合作的盤古礦山大模型案例中，礦井現場是一個40米長的采掘機，寬度僅2米左右，傳統相機很難一下子捕捉到全部畫面，只能用圖中的九宮格視頻畫面。而通過5G+AI全景視頻拼接綜采畫面卷，傳輸到地面，地面工作人員將來可以實現地面控制機器進行采礦，實現礦下無人、少人安全作業。

科大訊飛則是在深度神經網絡算法方面擁有豐富經驗，尤其在語音識別和圖文識別方面水平過硬，其訊飛火星的體驗頁面，就包含語音合成、聽寫、翻譯、文字識別等功能。

人才之爭

艾瑞咨詢曾在報告《ChatGPT浪潮下，看中國大語言模型產業發展》中討論過中外大模型研發的差距，其中表示，“對百度等國內大廠而言，則在數據、算力、工程化能力等關鍵要素上存在短板，短期內難以對國外領先大模型實現趕超，為跟隨者角色，長期更需要國內AI全產業鏈整體進化。”

要補充短板，一個重要的因素，就是人才。因此，大廠也都紛紛行動起來。

BOSS直聘上，百度、騰訊、阿里、螞蟻集團等紛紛發布了相關崗位的招聘信息。其中，百度以25-40k/月招聘AI大模型算法工程師、20-40k/月招聘模型構架工程師；螞蟻集團以45-75k/月招聘深度學習大模型GPT工程師；阿里以40-70k/月招聘大模型訓練及算法工程師；騰訊則以30-60k/月招聘大模型預訓練方向的工程師... ...

值得注意的是，這些崗位幾乎都在一日內被回復了超過10次，負責招聘的聯絡人也幾乎都是“正在活躍”的狀態。由此可見，求職者對于大模型相關崗位充滿信心，且招聘者也正在如火如荼地爭奪人才。

而從脈脈發布的《AIGC?才趨勢報告》中可以看出，自Open AI推出的2021年以來，對于AIGC相關的人才爭奪就已經開始了。2021年1-2月，AIGC相關崗位招聘同比上升281.88%，而后的2022年和今年的1-2月，招聘數量分別保持了76.74%和31.3%的同比增幅。

這些招聘中，純互聯網大廠占比超過33%，處于人才爭奪的主導位置。而且，大廠并不吝嗇給錢，圖像識別、深度學習、算法研究工程師的平均年薪超過了100萬元人民幣。

不過，在具體的崗位需求上，目前國內大模型相關人才的供需出現了部分偏差。從招聘者的角度而言，大廠們最緊缺的是算法工程師、自然語言處理、算法研究員等技術人員；而從求職者角度而言，大家投遞最多的簡歷傾向于產品經理、用戶運營等后端崗位。這能從側面反應兩個問題：其一，目前大模型技術相關人員仍是供不應求；其二，目前大廠們對大模型的布局仍側重于技術研發，而非市場推廣。

此外，相較國外，目前國內大模型人才的學術背景似乎也略遜一籌。比如，在AIGC相關人才的學歷背景中，本科和碩士占據了幾乎90%，博士生占比僅4%。相比之下，由科技情報分析機構AMiner和智譜研究發布的《ChatGPT團隊背景研究報告》顯示，ChatGPT研發團隊中，本科、碩士和博士的占比分別為33%、30%、37%。

前路很長

誠然，人才的爭奪只是第一步，對不少大廠來說，積極投入研發的最終意義是賺錢。而大模型目前的商業化分成了C端與B端兩個路徑方向——對于C端來說，以GPT為例，通過開源方式將用戶和數據引進來，再逐漸轉化成訂閱制；而就B端而言，比如Open AI與微軟Azure的合作，間接實現“模型即服務”，小B開發者可以調用其大模型API。

商業模式上，ChatGPT已經明確指向API、訂閱制和戰略合作（嵌入微軟Bing、Office等軟件）三種營收方式，且已在用戶數據積累、產品布局和生態建設層面充分領先；Google雖有意追趕，但由于聊天機器人這樣的產品形態對于其主營的搜索引擎業務的助益有限，因此在與搜索引擎結合方面較為審慎，更希望借助大模型能力開展“模型即服務”范式，開拓其當前市占率較低的云服務業務的市場空間。

國內大廠也幾乎是在這兩條路上摸索。比如百度的文心一言更傾向于C端市場的探索，而“文心千帆”產品則劍指B端市場，意圖進一步帶動云服務營收。

不過無論是靠哪一條“腿”走路，想要實現商業化，大模型產品仍需要解決幾個緊迫的問題。

比如，信息準確性。科技行業投資觀察員林允告訴價值星球：“大模型所輸出的內容準確性其實絕大部分取決于其底層數據的質量。我自己在測試了國內某廠推出的類GPT產品后，最大的感觸是，底層數據質量還是有一定差距。”林允還補充道，用中文訓練模型相較于英文也是沒有語言優勢的。

但是，消費者不會體會研發者的難處，一旦產品開啟訂閱制，用戶就會對產品輸出的內容要求極其嚴苛。免費使用的時候，用戶還能將錯誤反饋當成吐槽的笑話，但收費之后，這些錯誤可能就成了投訴的理由。

除此之外，在目前大模型較多應用的文字和圖形創作上，如何保證原創性也成了一個關鍵問題。一位AI從業者就表示，以AIGC為例，目前很多AIGC系統仍缺乏創造力，甚至不能獨立生成原創內容，只能根據給定的模板或者指導生成相關內容。而這可能會牽扯原創的道德問題，以及更實際的，涉及版權資金的問題。

最重要的是，大模型由于所需要的數據規模巨大，因此對算法、算力、數據存儲空間都有極大的要求，而這些不止是人才可以彌補的，還需要大量的資金。要知道，Open AI的成功也是微軟當初用數十億美金堆出來的。巨大的資金需求，對大廠的研發決心也是一種考驗。

但毋庸置疑的是，大模型已經開始改造很多應用場景。林允就表示，“以ChatGPT為例，它將會徹底改變人們工作的方式，所以不論是搜索引擎為主的百度，還是發展云業務的阿里、騰訊、華為，大廠們對大模型的探索是無法阻擋的大勢所趨。只是進展和成效如何，要邊走邊看。”

*文中林允為化名

標簽：