魯迅先生1923年在北師大發(fā)表了著名的演講《娜拉走后怎樣》，其中的提問與思考方式振聾發(fā)聵，直到今天也依舊有效。面對很多產業(yè)現(xiàn)象、技術趨勢，我們也不妨多問幾個“之后怎樣”。
比如說，自ChatGPT爆火之后，中國各個互聯(lián)網、科技公司競相推出了自己的大語言模型及相關應用。其實，關于中國能否有ChatGPT我們從未擔心過，而問題的關鍵在于“之后怎樣”。
層出不窮的大語言模型，讓人眼花繚亂。但如此多的大模型，差異化和競爭力從何而來？能否順利、低成本實現(xiàn)產業(yè)落地？能否有效支持模型的快速迭代？
發(fā)布大模型并不是終點，而是一場新長跑的起點。如果不能有效回答這些問題，那么大模型也最終會像其他技術風口一樣，倏忽而來，倏忽而去。
慢慢地，“大模型之后怎樣”這個問題，也開始有了答案。4月23日，我們看到一份百度文心一言內部流出的會議紀要。其中顯示，從3月開始，文心一言啟動邀測后的一個多月內，其模型已經迭代了4次，最近一次帶來的推理效果提升了達到123%。
到底是什么支持文心一言完成了這種超越常規(guī)的迭代速度？
這個“秘密”或許正是中國大模型走向未來所需要的動力，也是“大模型之后怎樣”的某種答案。
內部會議紀要，透露出文心一言的奔跑速度
根據內部紀要內容顯示，文心一言在開啟邀測后用戶數與同時在線人數都極速增長，面臨這種情況，文心一言需要及時獲得更快的響應速度。我們知道，機器學習類模型的應用邏輯包含數據準備—模型訓練—模型推理幾個步驟。文心一言面臨的響應挑戰(zhàn)，就是需要及時強化模型的推理能力。
為了實現(xiàn)這個目標，百度對文心一言進行了模型層與框架層的聯(lián)合優(yōu)化，從而在一個月內迭代了4次，實現(xiàn)了模型推理能力的極大提升。
是什么讓文心一言獲得了這樣的奔跑速度？這就要提到百度飛槳“提前”做好的準備。作為深度學習開發(fā)平臺，飛槳可以支持AI模型從訓練到推理的全流程落地。其中，飛槳模型推理服務就可以有效支持大模型升級，這一服務在4月19日剛剛再次迭代，已迭代至3.5版本，它的特點是在業(yè)內首創(chuàng)了支持動態(tài)插入的分布式推理引擎，從而可以更有效完成龐大數據規(guī)模的AI模型進行推理部署。
至此我們可以從這份內部紀要中知道，文心一言能夠快速持續(xù)迭代，并且低成本落地應用的關鍵，就藏在這里——飛槳與文心一言聯(lián)合優(yōu)化。
從結果上看，聯(lián)合優(yōu)化帶來的價值非常顯著。飛槳幫助文心一言實現(xiàn)了模型推理效率提升10倍，模型推理性能提升50%，模型算力利用率提升1倍。其中，模型推理效率提升10倍，意味著推理成本降低為原來1/10，或者可以為10倍數量的用戶提供服務；模型推理性能提升50%，意味著飛槳可以幫助文心一言工藝更精密，模型的學習效果與魯棒性更強；模型算力利用率提升1倍，是由于飛槳向下兼容到芯片，實現(xiàn)全棧聯(lián)合優(yōu)化，從而可以極大降低文心一言的算力開銷。
從這幾個方向可以看出，飛槳為文心一言帶來的價值，是持續(xù)性且多方面的，其中最重要的是，飛槳讓文心一言可以持續(xù)性、低成本向前奔跑，不斷進化。
這也恰好解釋了這個問題：大模型，路在何方？
飛槳，讓大模型節(jié)奏飛起的AI引擎
在ChatGPT全球化爆火，各家廠商、投資人，都在不遺余力地擠上大模型賽道。這種情況當然可以理解，但也必須看到，這條賽道不僅門檻高、入局難，在入局之后構建持續(xù)競爭力同樣很難。
大模型意味著龐大的算力開支、數據開支，以及更為恐怖的模型迭代成本。入局大模型之后，必須根據用戶反饋快速迭代，高效率升級，否則一不小心就會掉隊，在第一輪風口過去后陷入行業(yè)洗牌，緊跟行業(yè)趨勢，不斷推動模型升級，又會面臨巨大的工作量與模型推理成本。
這個兩難選擇并不遙遠，很快就會成為困擾大量新玩家的頭疼問題。
而多年部署AI基礎設施與基礎技術的百度，其優(yōu)勢就在這時顯示了出來。飛槳與文心一言的聯(lián)合優(yōu)化，讓文心一言在訓練和推理過程中效率大幅提升，實現(xiàn)了真正的人家起跑，我已經幾輪加速，節(jié)奏快到飛起。
大模型與AI開發(fā)平臺，是相輔相成、互為表里的關系。比如有分析人士解讀認為，“大模型就仿佛汽車的發(fā)動機，光賬面上的動力強，參數大是沒有用的，要壓榨出發(fā)動機瞬時最大爆發(fā)力（QPS）以及最優(yōu)的性能表現(xiàn)。深度學習框架就像是生產發(fā)動機和變速箱的，可以讓發(fā)動機整體部件組合更精密、動力更強。自研產品彼此適配度更高，協(xié)同會更高效，這可能是效率提升的最根本原因。”依托風口入局大模型，終歸會有一種空中樓閣的隱憂，至少難以將全面的技術棧掌握在自己手中，實現(xiàn)更高效、可控的模型升級。
由此可見，大模型走向成功，除了算力、數據的基礎之外，深度學習框架同樣扮演著關鍵角色。面對紛繁而出的大模型，百度文心系列大模型的差異化優(yōu)勢，也就在百度十年搭建的飛槳平臺中展露了出來。
而當我們把大模型與飛槳的聯(lián)動關系，放到科技自立自強的戰(zhàn)略高度來審視。又會發(fā)現(xiàn)一些別樣的答案：飛槳既是百度的AI護城河，也是中國大模型的動力引擎。
中國AI，勝負系于工程化
最近，我們能看到很多大語言模型的發(fā)布會，差不多每一家都會說，我們目前確實不如ChatGPT，以后繼續(xù)努力。
那么問題來了，怎么努力？
事實上，努力不是說說就行了，而是要找到方式和方法。ChatGPT代表的算法優(yōu)勢、人才優(yōu)勢、算力優(yōu)勢都是短期很難抹平的，至少看不到可以快速超車的戰(zhàn)略空間。中國AI想要走通大模型這條路，就只能揚長避短，而中國AI的優(yōu)勢在哪呢？從百度流出的內部會議紀要中其實已經告訴了我們答案：工程化。
通過飛槳長期堅持的AI工程化路徑的掌握與打磨，我們可以看到百度發(fā)展大模型的獨特優(yōu)勢，同時也可以看到中國AI整體性的戰(zhàn)略機遇。
首先，對于百度內部來說，通過飛槳牢牢把控工程化能力，可以提升文心一言的迭代速度，降低算力、人工、數據等開銷，從而讓文心一言能夠在同等成本下服務的用戶更多，適配產品的效率更高。這就像同樣從一處名叫“大模型”的深海油井取得原油，飛槳就像一艘輪船，船速更快，運量還大，而其他人在用帆船運輸。效率意味著成本，成本意味著商業(yè)化可能性，這就是飛槳的價值，也是AI工程化能力的魅力。
從百度向外看，飛槳帶來的工程化能力，意味著文心系列大模型的推理成本更低，繼而導致其在各行業(yè)、各場景中的落地成本更低。這對于文心大模型融入行業(yè)，通過產業(yè)智能化產生價值是個重大利好。大模型走向千行百業(yè)，是今天每家公司都在喊的口號，但這個過程中，一定不能把模型落地成本全部轉嫁給行業(yè)用戶。消解這一成本的關鍵，也在于飛槳代表的工程化路徑。
最后，當大模型已經上升為國家戰(zhàn)略，我們必須看到AI框架在科技自立自強進程中扮演的角色。如果事關國計民生，每天與無數國人進行問答的大模型，建立在其他國家的框架上，那么其危險系數可想而知。當大模型愈發(fā)重要，關注并持續(xù)解決深度學習框架卡脖子的隱憂就更加重要。
而從另一個角度看，AI框架與AI開發(fā)平臺代表的AI工程化能力，是中國AI技術最亮眼、最特殊的部分。這一部分下接芯片，上達應用，通向千行百業(yè)的AI開發(fā)需求，恰好是AI技術中的戰(zhàn)略要沖所在。中國AI能否揚長避短，實現(xiàn)超車，極大概率就系于工程化能力的建設與發(fā)揮，系于AI框架與產業(yè)智能化的連接中。
中國大模型，就是行業(yè)大模型，就是強工程化、強落地性的大模型，只有走通這條路，中國AI才有未來。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
