AI“百模大战”打响，谁能称王？

来源：《科创板日报》

记者 张洋洋

图片来源：由无界 AI工具生成

“根据现在的反馈，任务性能测试上，包括ChatGPT在内，没有一个大模型能够全部达标。”这基本上是业内对雨后春笋般不断涌现的人工智能大模型的共识。

ChatGPT推出后，基于大语言模型技术的同类型产品还在加快涌现。进入4月以来，从互联网大厂，到A股上市公司，以及一众创业公司，再加上高校科研院校，都先后发布各自的大模型，总数已经超过30家。

短短数月，多个模型竞相涌现，各家模型实力究竟如何？国内大模型是否过剩了？行业终局，究竟是百花齐放，还是赢家通吃？在这场技术变革的讨论声中，大模型带来的新能力里，哪些是最为关键的，最有可能带来长期影响的？

AI大模型如雨后春笋 任务性能测试还未有“满分答卷”

据民生证券的统计，国内已有超30个大模型亮相，行业俨然一副“百模大战”的场景。

根据《科创板日报》记者约访的人工智能行业人士反馈来看，业内目前还没有就具体模型给出直接的评判定论，但他们提供了一些维度，供外界做参考。

思必驰联合创始人兼首席科学家、上海交通大学教授俞凯在接受《科创板日报》记者采访时表示，一个必须要承认的事实是，现在的大模型，只有ChatGPT通过了通用性测试（用户破亿），国内大模型与之对比，均还存在差距。

俞凯告诉记者，衡量一个大模型实力，第一是可以基于任务的性能测试，即通过定义任务集的方式，去比较所有大模型在每个任务上面的完成度。这种性能测试与人类能力对齐，包括理解能力、推理能力、判断能力等。根据现在的反馈，任务性能测试上，包括ChatGPT在内，没有一个大模型能够全部达标。

第二，从安全性角度去判断，这一点更多的体现为大模型与人类价值观的耦合程度。

第三，是模型运行角度，从工程特性去判断。“这是一个特别重要的能力。”俞凯强调，如该大模型能够接收多大的文本、回答反应的速度、运行的性能等。

俞凯所言，侧重于技术指标。当然，也有从资源禀赋层面作出判断的。

大模型领域资深行业人士王钧（化名）则告诉记者，做大模型对团队要求非常高，资金、技术、工程、产品、商业化等多个方面都不能有短板，最终考验的是：核心成员对大方向、大节奏有没有真正想清楚，能不能获取足够多的资源和支持，能否吸引各方面的关键人才加盟，吸引了一群不同背景的牛人之后，能不能磨合好。

“其中最稀缺的是核心算法研究和平台工程的技术人才，这方面整个华人圈子人数都不多。”王钧强调。

人才之争，这在大模型市场的起势阶段已有十分鲜明的写照。

“先发制人”的百度，派出的掌舵者是CTO王海峰，创业者团队中，澜舟科技的周明，衔远科技的周伯文等，他们在人工智能行业的影响力已经无需多言。此前，高调官宣人工智能创业的王慧文，入局的第一步就是在其个人社交媒体平台发英雄帖，重金（新公司75%的股份）招聘顶级研发人才。

“判断做得好不好的标准，不能看各公司自己的宣传，一些业界公认的评测基准当然也可以作为参考，但最重要的还是用户的认可，用户尤其是高频或者付费用户最多的才是最好的。”王钧称。

逼近了AGI核心 产业应用“泛化性”才是关键

囿于各种商业原因，对于各公司大模型实际的数据、测试反馈指标、投入的资源情况，乃至用户数据等，外界很难全然知晓，那么对其实力情况，也很难去做全然科学的判断。

但记者注意到，受访者们均提到了一个显性的评测角度，那就是“用户反馈”，如回答的反应速度、准确性、可用性、上下文连贯逻辑等。这也是为何，每逢一个大模型新品推出，用户第一时间会去关注回答是否会“翻车”。

就国内当下几个代表性大模型，《科创板日报》记者此前均有过实际体验，结合多位用户的使用反馈，目前大模型整体呈现如下特征：

ChatGPT-4是一个多模态大型语言模型，支持图像和文本输入，以文本形式输出，在“模拟人类”的文本输出方面，以及用户规模上，综合实力领先。

相比之下，国内大模型种类多样，能力各有千秋，目前更注重探索产业应用，用于解决产业技术壁垒问题。