在AI人工智能飛速發(fā)展的今天，近年大模型成了備受矚目的焦點(diǎn)?；诖竽Ｐ脱苌鰜?lái)了很多新產(chǎn)品形態(tài)和新商業(yè)模式，包括智能體AI Agent、RAG（Retrieval-augmented Generation，檢索增強(qiáng)生成）、文生內(nèi)容文生音頻文生視頻等，AI 正加速?gòu)睦碚撗芯窟~向大規(guī)模的實(shí)際應(yīng)用，深度融入各個(gè)行業(yè)領(lǐng)域，推動(dòng)生產(chǎn)力變革。
本文以非技術(shù)的通俗語(yǔ)言讓大家快速了解大模型和Al關(guān)系！
一．AI和大模型
人工智能AI是一種模擬人類智能的計(jì)算機(jī)系統(tǒng)，其目標(biāo)在于使機(jī)器能夠像人一樣進(jìn)行思考、學(xué)習(xí)和自主決策，AI 涵蓋了算法、數(shù)據(jù)處理、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等多個(gè)領(lǐng)域。
AI和大模型有重疊的地方，但它們?cè)谝恍┖诵姆矫娲嬖趨^(qū)別：
1.范圍和功能：AI是一個(gè)更廣泛的概念，涵蓋了所有模擬人類智能的技術(shù)和系統(tǒng)，而近期快速崛起的大模型則是AI技術(shù)中的一種特定實(shí)現(xiàn)，相對(duì)傳統(tǒng)的AI實(shí)現(xiàn)技術(shù)，大模型應(yīng)該算是實(shí)現(xiàn)復(fù)雜AI功能落地的一種最佳方案?？梢哉J(rèn)為所有大模型都屬于AI的范疇，但并非所有AI系統(tǒng)都一定是大模型。
2.復(fù)雜性：大模型通常具有更高的復(fù)雜性和數(shù)據(jù)需求，需要的參數(shù)數(shù)量非常龐大，訓(xùn)練過(guò)程需要大量計(jì)算資源與數(shù)據(jù)，而一些傳統(tǒng)的AI技術(shù)如規(guī)則引擎、決策樹(shù)等雖然功能可能不如大模型，但在特定場(chǎng)景下可以更快速、更簡(jiǎn)潔和更高效地實(shí)現(xiàn)目標(biāo)。
3.學(xué)習(xí)能力：大模型往往依賴深度學(xué)習(xí)技術(shù)，具有自我學(xué)習(xí)、自我訓(xùn)練和適應(yīng)能力，能在接觸新數(shù)據(jù)后主動(dòng)調(diào)整其表現(xiàn)，真正象人類一樣學(xué)習(xí)并不斷提高自己；而許多傳統(tǒng)的AI方法則以靜態(tài)算法為主，無(wú)法進(jìn)行動(dòng)態(tài)適應(yīng)。
二．2C和2B對(duì)AI和大模型的反應(yīng)
大模型和AI競(jìng)爭(zhēng)激烈，參與企業(yè)眾多，呈現(xiàn)出百芯百模的競(jìng)爭(zhēng)態(tài)勢(shì)。不少企業(yè)已籌劃建立智算中心，其核心任務(wù)是承載AI大模型的訓(xùn)練及推理等，為各行各業(yè)提供便捷、高效、領(lǐng)先和普惠的多元化“算力服務(wù)”，大模型作為智算時(shí)代的核心“產(chǎn)物”被大家廣泛關(guān)注。
中央網(wǎng)信辦等三部門：加快推進(jìn)大模型、生成式人工智能標(biāo)準(zhǔn)研制
2C領(lǐng)域的各大科技巨頭到初創(chuàng)企業(yè)，都在更積極探索大模型的潛力，互聯(lián)網(wǎng)巨頭憑借海量數(shù)據(jù)優(yōu)勢(shì)，在智能語(yǔ)音、圖像識(shí)別、自然語(yǔ)言處理等領(lǐng)域打造出具有國(guó)際競(jìng)爭(zhēng)力的產(chǎn)品與服務(wù)；新興的 AI 創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)，聚焦于特定行業(yè)應(yīng)用場(chǎng)景如智能制造、智慧醫(yī)療、智能交通等領(lǐng)域。互聯(lián)網(wǎng)公司和科技公司干AI商業(yè)模式增長(zhǎng)的新引擎，以期在未來(lái)的市場(chǎng)競(jìng)爭(zhēng)中占據(jù)有利地位。
2B領(lǐng)域里，近期國(guó)資委頻頻點(diǎn)題人工智能鼓勵(lì)“國(guó)家隊(duì)”帶頭加速布局AI產(chǎn)業(yè)。 2B的數(shù)據(jù)相對(duì)機(jī)密但相對(duì)互聯(lián)網(wǎng)爬取的數(shù)據(jù)會(huì)相對(duì)精準(zhǔn)！
一文回顧2024央國(guó)企行業(yè)大模型應(yīng)用
三．大模型概念和分類
大模型（Large Models）：大模型通常指的是具有大量參數(shù)的機(jī)器學(xué)習(xí)模型特別是深度學(xué)習(xí)模型。
大模型的特點(diǎn)是參數(shù)數(shù)量巨大，通常在百萬(wàn)到數(shù)十億級(jí)別；能夠處理和理解大量的數(shù)據(jù)；通常具有較高的泛化能力，能夠處理未見(jiàn)過(guò)的新數(shù)據(jù)。
大模型發(fā)展歷程：
大模型分類
(1).大模型按輸入數(shù)據(jù)類型分為語(yǔ)言大模型（NLP 大模型，其代表為L(zhǎng)LM）、視覺(jué)大模型（CV ）和多模態(tài)大模型；
大模型技術(shù)在語(yǔ)音識(shí)別、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等任務(wù)中已經(jīng)具有相當(dāng)高的準(zhǔn)確率，泛化性能強(qiáng)，在不同任務(wù)、語(yǔ)言、模態(tài)、場(chǎng)景的通用性都變得越來(lái)越好。
LLM和NLP
LLM 是 Large Language Model大語(yǔ)言模型的縮?，LLM是一種基于深度學(xué)習(xí)的自然語(yǔ)言處理（NLP）大模型工具，能理解和生成文本。通過(guò)大量語(yǔ)料庫(kù)訓(xùn)練，LLM 在翻譯、寫作、對(duì)話等任務(wù)中展現(xiàn)出卓越的能力。常見(jiàn)的應(yīng)用包括自動(dòng)問(wèn)答、生成文本、文本摘要等。由于其多模態(tài)特性，LLM 還可用于圖像和音頻處理，為多領(lǐng)域帶來(lái)創(chuàng)新可能。
(2).大模型按應(yīng)用領(lǐng)域分為通用大模型（L0）、行業(yè)大模型（L1）和垂直大模型（L2）。
通用大模型（General-Purpose Large Models）：通用大模型是指設(shè)計(jì)用來(lái)處理多種任務(wù)的模型，而不是專門針對(duì)某特定應(yīng)用，它們通常在大規(guī)模數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，并可在多種不同的任務(wù)上進(jìn)行微調(diào)。
ChatGPT、豆包、文心、Deepseek等就是一種通用大模型！
垂直大模型（Vertical Large Models）：
垂直大模型是指針對(duì)特定行業(yè)或領(lǐng)域（垂直市場(chǎng)）優(yōu)化的模型。這些模型在特定領(lǐng)域的數(shù)據(jù)上進(jìn)行訓(xùn)練，以更好地適應(yīng)該領(lǐng)域的特定需求。
四．機(jī)器學(xué)習(xí)ML、深度學(xué)習(xí)DL
前面講過(guò)大模型通常指的是具有大量參數(shù)的機(jī)器學(xué)習(xí)模型特別是深度學(xué)習(xí)模型。接下來(lái)聊下ML和DL，AI同ML/DL關(guān)系如下圖。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，可以認(rèn)為深度學(xué)習(xí)（DL）是機(jī)器學(xué)習(xí)（ML）的一種發(fā)展和分支。深度學(xué)習(xí)屬于有監(jiān)督學(xué)習(xí)，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)（DQM）演化為深度強(qiáng)化學(xué)習(xí)。
深度學(xué)習(xí)看作是機(jī)器學(xué)習(xí)技術(shù)的進(jìn)化版本，深度學(xué)習(xí)采用了更為復(fù)雜的模型和算法，專注于解決那些傳統(tǒng)機(jī)器學(xué)習(xí)方法無(wú)法處理的復(fù)雜問(wèn)題。
深度學(xué)習(xí)的根基是人工神經(jīng)網(wǎng)絡(luò)（ANN），它模擬人類大腦中神經(jīng)元的結(jié)構(gòu)與功能，神經(jīng)網(wǎng)絡(luò)由多個(gè)層次組成，每個(gè)層次包括多個(gè)節(jié)點(diǎn)/神經(jīng)元，這些節(jié)點(diǎn)通過(guò)連接形成網(wǎng)絡(luò)，數(shù)據(jù)在這些節(jié)點(diǎn)之間傳遞、處理并最終產(chǎn)生輸出。
人腦是人類思維的物質(zhì)基礎(chǔ)，光人類的大腦皮層就含有大約10^11個(gè)神經(jīng)元，每個(gè)神經(jīng)元又通過(guò)神經(jīng)突觸與大約103個(gè)其它神經(jīng)元相連，形成一個(gè)高度復(fù)雜高度靈活的動(dòng)態(tài)網(wǎng)絡(luò)，如果說(shuō)人腦是生物神經(jīng)網(wǎng)絡(luò)，電腦神經(jīng)網(wǎng)絡(luò)是人類發(fā)明的人工智能機(jī)器神經(jīng)網(wǎng)絡(luò)，起碼截止到目前，人工智能還被人類操控，至于發(fā)展到一定階段，人工智能有了自我意識(shí)能否取代人類，未來(lái)誰(shuí)也不能確定！
神經(jīng)網(wǎng)絡(luò)（Neural Networks，簡(jiǎn)稱NN）有三基本層，如下圖所示：
輸入層：負(fù)責(zé)接收外部輸入的數(shù)據(jù)。
隱藏層：數(shù)據(jù)在這里進(jìn)行處理和轉(zhuǎn)換。通常，神經(jīng)網(wǎng)絡(luò)會(huì)包含多個(gè)隱藏層，因此深度學(xué)習(xí)也得名“深度”。
輸出層：產(chǎn)生最終結(jié)果或預(yù)測(cè)。
從早期的神經(jīng)網(wǎng)絡(luò)到現(xiàn)在的深度學(xué)習(xí)的演變歷程：
深度學(xué)習(xí)起源可以追溯到20世紀(jì)40年代的早期神經(jīng)網(wǎng)絡(luò)，當(dāng)時(shí)科學(xué)家們通過(guò)模擬大腦的神經(jīng)元網(wǎng)絡(luò)，提出了最早的人工神經(jīng)網(wǎng)絡(luò)模型。但真正的突破發(fā)生在1986年，當(dāng)時(shí)反向傳播算法的提出，讓神經(jīng)網(wǎng)絡(luò)能夠通過(guò)多層結(jié)構(gòu)不斷“學(xué)習(xí)”并調(diào)整權(quán)重，這一技術(shù)突破為如今的深度學(xué)習(xí)的興起奠定了基礎(chǔ)；進(jìn)入21世紀(jì)后，隨著計(jì)算能力的提高和數(shù)據(jù)量的爆炸式增長(zhǎng)，深度學(xué)習(xí)得到迅猛發(fā)展，從圖像分類到自然語(yǔ)言處理，深度學(xué)習(xí)幾乎覆蓋了所有領(lǐng)域，并快速崛起為人工智能的核心技術(shù)。
主流八大深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)：
神經(jīng)網(wǎng)絡(luò)（Neural Networks，簡(jiǎn)稱NN）目前有八種主流方式。
最常見(jiàn)的是卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度神經(jīng)網(wǎng)絡(luò)（DNN）的近期熱炒的Transformer，它們各自有不同的“技能樹(shù)”，比如CNN特長(zhǎng)圖像處理，DNN更擅長(zhǎng)抽象特征學(xué)習(xí)。
好了，簡(jiǎn)單總結(jié)：
可以簡(jiǎn)單認(rèn)為，利用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的大模型是目前實(shí)現(xiàn)復(fù)雜人工智能的一種優(yōu)秀技術(shù)方案！記住這句話即可，還有其他簡(jiǎn)單的人工智能技術(shù)實(shí)現(xiàn)方式，未來(lái)是不是有更好的Al技術(shù)實(shí)現(xiàn)方案再說(shuō)，據(jù)未來(lái)學(xué)家推測(cè)，強(qiáng)人工智能到來(lái)，出現(xiàn)智商超10000的碳硅基混合生命，不用寒窗苦讀幾十載，幼兒園畢業(yè)連下腦機(jī)接口到"超智系統(tǒng)”，setup/install充一下"智商值"，其知識(shí)儲(chǔ)備就相當(dāng)于目前全人類院士掌握的知識(shí)總和！
硅基生命或是人類進(jìn)化的新形態(tài)？為何說(shuō)宇宙的天道，是碳硅結(jié)合？
五．大模型/Al三要素
算力：GPU是關(guān)鍵
數(shù)據(jù)：或稱語(yǔ)料，如果數(shù)據(jù)本身缺乏，或者質(zhì)量低劣，大模型實(shí)現(xiàn)的Al就不是人工智能，而是人工智障。
這點(diǎn)2B的數(shù)據(jù)相對(duì)會(huì)精準(zhǔn)一點(diǎn)，畢竟企業(yè)同互聯(lián)網(wǎng)不一樣，企業(yè)數(shù)據(jù)有人維護(hù)。但亦不絕對(duì)，試想一下，多少上市公司連財(cái)務(wù)數(shù)據(jù)都敢明目張膽造假，粉飾財(cái)報(bào)更是家常便飯；2C就更扯蛋，Al的發(fā)展本意是好的，近幾天Deepseek??了，需知不久前DeepFake亦曾??過(guò)！ 本人一直強(qiáng)調(diào)，基礎(chǔ)不牢地動(dòng)山搖，2B國(guó)產(chǎn)化替代連工業(yè)軟件都沒(méi)整好，其上的數(shù)據(jù)（語(yǔ)料、原料）→大模型→人工智能可能會(huì)如同建立在沙灘的大廈！
算法：大模型涉及的DL/ML包括但不限于下圖。
一文帶你了解更多大模型概念（預(yù)訓(xùn)練、剪技、知識(shí)蒸餾等）
從數(shù)字孿生、CPS、GlS到不久前熱炒的元宇宙，目前科技大佬們正在構(gòu)思元宇宙和Al技術(shù)融合形成世界大模型，想象一下，將真實(shí)世界虛擬到數(shù)字化的全球大模型，就問(wèn)：這個(gè)餅畫(huà)的大不大？誰(shuí)來(lái)買單？資本的噱頭？
大數(shù)據(jù)還沒(méi)炒完，大模型又來(lái)了！感覺(jué)科技已被資本綁架，炒炒更健康！Al領(lǐng)域群雄并起，未來(lái)三年，國(guó)內(nèi)國(guó)外市場(chǎng)血拼到底，誰(shuí)能笑到最后？
全球具身大模型詳細(xì)梳理（大佬談全球大模型）
