对话百川智能王小川：99%的行业大模型都可能被替代？

原文来源：光锥智能

文｜郝    鑫

编｜刘雨琦

图片来源：由无界 AI生成

“99%的行业大模型都可能被替代”，百川智能联合创始人、联席总裁洪涛一语落地，震惊四座。

百模大战中，行业大模型一直都是焦点所在，原因归结起来有两点，一是和研发厂商的技术、业务结合快，二是需求明确，实际落地速度与商业化远超于通用大模型。

但这样的行业大模型通常得靠微调、精调的方式来完成，弊端也十分显而易见，训练时间长、部署成本高，还涉及企业数据隐私问题。

基于此，国内外都在找寻最优解，并形成了两种探索路径：

一种以Pinecone、Zilliz为代表的数据库公司，带火的向量数据库路线；一种是OpenAI引领起的RAG（检索增强生成）路线。

若以形象的比喻来解释，精调、向量数据库和RAG三者的区别，大模型微调好比供一个孩子从小学念到大学甚至研究生；向量数据库和RAG则更像开卷考试，不需要学习理解就能给出答案。

简而言之，向量数据库和RAG都是在不更改模型的基础上，通过一些“外挂”的手段来提升大模型应用的准确性，以此来弥补大模型自身存在的幻觉、时效性差、缺乏专业领域知识等缺陷。

尽管是两条路径选择，但向量数据库和RAG也不是完全对立，向量数据库中需要检索，RAG过程中也存在向量化阶段，只不过侧重点有所不同。

在国内，腾讯更加侧重向量数据库方向，并将其升至战略地位，做出了“大模型是计算引擎，改变的是计算方式，存储需要向量数据库”的判断。

12月，百川智能开放基于搜索增强的Baichuan2-Turbo系列API，结合RAG和向量数据库两条路线，打出了一套“大模型+超长上下文窗口+搜索增强知识库”的组合拳。

百川智能创始人、CEO王小川也给出了自己的论断：“大模型+搜索增强是大模型时代的新计算机，大模型类似于计算机的CPU，互联网实时信息与企业完整知识库共同构成了大模型时代的硬盘”。

（图：实验证明RAG+大模型的效果要好于精调大模型，来自微软论文）

“从方方面面来看，搜索增强要比精调行业大模型更具性价比”，王小川道。

光锥智能在沟通会现场对话王小川，深入了解，作为较早选择RAG和向量数据库路线的企业，如何在技术上进行思考和突破？又如何在行业应用中落地？

核心观点如下：

1、搜索增强是大模型走向实用的第一步，甚至是最关键的一步。

2、大模型+搜索构成完整技术栈，实现了大模型和领域知识、全网知识的全新链接。

3、大模型+搜索增强是大模型时代的新计算机，大模型类似于CPU，互联网实时信息与企业完整知识库是硬盘。

4、避免项目化，用产品化取代项目化，用定制化的能力，实现企业的低成本定制。

5、中国大模型技术进化比想象中要快得多，追赶方向主要集中在文本领域。

以下为对话实录：

Q：在RAG提出之前，行业有哪些解决大模型缺陷的手段？

王小川：业界探索了多种解决方案，包括扩大参数规模、扩展上下文窗口长度、为大模型接入外部数据库，使用特定数据训练或微调垂直行业大模型等。这些路线各有优势，但也都存在自身的局限。

例如，持续扩大模型参数虽然能够不断提升模型智能，但是需要海量数据和算力的支撑，巨额的成本对中小企业非常不友好，而且完全依靠预训练也很难解决模型的幻觉、时效性等问题。所以，业界亟需找到一条集诸多优势于一体的路径，将大模型的智能切实转化为产业价值。

Q：百川智能提出的“搜索增强”概念与大火的RAG技术思路十分契合，如何理解“大模型+搜索”？

王小川：大模型+搜索增强是大模型时代的新计算机，大模型类似于计算机的CPU，通过预训练将知识内化在模型内部，然后根据用户的Prompt生成结果；上下文窗口可以看做计算机的内存，存储了当下正在处理的文本；互联网实时信息与企业完整知识库共同构成了大模型时代的硬盘。