亚洲va在线va天堂xxxx中文 ,女子奶水太多喂老头中文字幕,亚洲性啪啪无码av天堂,无码H肉动漫在线观看免费中文

【更多紀要關(guān)注：賽道掘金】

盤古大模型主要由五個模型組成，最領(lǐng)先的是 CV（機器視覺），然后是 NLP（自然語言處理），然后還有多模態(tài)、科學計算、語音，這 5 個方向的發(fā)展成熟是完全不一樣的。當前大家熱議的 ChatGPT 是在NLP 領(lǐng)域，百度的文心一言和它比較相似，但和盤古大模型是不太一樣的。

(資料圖片)

盤古大模型的初衷主要是服務 B 段的客戶，聚焦比較成熟的 CV 領(lǐng)域。在 NLP 領(lǐng)域還比較薄弱，生成性的最多能做一些個封閉場景下的客服，語義理解相關(guān)的可以做一些輿情的管控、法律司法文書的理解、審計文書的理解，但是輸出性的、內(nèi)容生成性的，盤古大模型之前沒有將其作為一個發(fā)展的重點。

公司能夠找到的高價值數(shù)字化賦能的場景主要是以視覺為主，所以這就是盤古大模型更多的研發(fā)項目主要是圍繞著這一塊來展開的原因。NLP 反正力度不大，最主要的一個邏輯還是商業(yè)驅(qū)動力不足。公司一開始做 AI 就沒把 2C 作為一個重點。

大模型的訓練成本確實很高，GPT-3 訓練一次的成本可能在 1200 萬人民幣，GPT-3 出現(xiàn)之后也給了業(yè)界一個很大的啟示，是否還要繼續(xù)這樣“暴力美學”地走下去。現(xiàn)在學界有一些觀點，大模型在現(xiàn)在的參數(shù)基礎(chǔ)上再指數(shù)級增加對模型的性能邊際效應已經(jīng)減弱了，那么這就需要一些降本的方法：

Open AI 的團隊做的比較好的一件事情就是做精準高質(zhì)量的標注（RLHF）。

專家所在的公司有一個非常重要的發(fā)展方向是做小樣本訓練，通過自監(jiān)督的方法通多更少的標注數(shù)據(jù)來做訓練。

盤古大模型的三層架構(gòu)也能在結(jié)構(gòu)上實現(xiàn)降本。L0 層是通識性的大模型，具備魯棒性和泛化性。

L1 是行業(yè)大模型（例如煤礦、電網(wǎng)）、L2 是針對具體場景的自動化工作流的部署模型。成本方面，大模型訓練好了之后不用再重復訓練，只需在 L1 和 L2 上做適應性訓練，成本關(guān)系是上一層的5-10%。

HW 認為應用場景比較成熟和豐富的領(lǐng)域是值得為其去開發(fā) L1，例如電力行業(yè)（無人機輸電線巡檢）、制造業(yè)的質(zhì)檢（機器替代人眼質(zhì)檢）、鐵路故障隱患的監(jiān)測等等。機器視覺是一個相對封閉的場景，也是純參數(shù)驅(qū)動的，標注數(shù)據(jù)的成本也不是很高。目前盤古大模型的工業(yè)質(zhì)檢主要應用在消費電子領(lǐng)域，最早應用在了公司的南方工廠。未來如果能有更大幅度的降本，對行業(yè)將產(chǎn)生更大的顛覆。

HW 目前 AI 的研發(fā)，主要包括全棧全場景兩個方面的制作，一個是 HIAI，一個是 EI，HW 公司自己的能力是能夠做到端到端的，從硬件到軟件，從場景到營銷，基本上都可以使用自己的產(chǎn)品，特別大的合作商沒有。

HW 在半導體供應鏈上，戰(zhàn)投了好幾家公司，幫助公司補足半導體先進支撐的一些能力。公司在算力支撐等方面需要一些合作，HW 有一些地方政府支持的項目。

HW 的軟件產(chǎn)品在行業(yè)化溢出的時候，有幾種類型的公司是比較重要的。一個是軟件開發(fā)的外包公司，HW 開發(fā)力度、開發(fā)工作量比較大的環(huán)節(jié)都是用了大量的外包。另外一個是行業(yè)數(shù)字化的 EI，HW 之前釋放了 MetaERP，像外包交付的漢德、賽意等公司的能力是 HW 不具備的，HW 一定會通過這些公司的生態(tài)來完成業(yè)務。這里邊有一個核心的商業(yè)邏輯，是 HW 要盡少減少自己去做交付，主要是因為現(xiàn)在的人效不達標，而且人力成本達到了一年 10 萬人 70 多萬人民幣，所以很多毛細血管級別的交付，HW 需要依靠生態(tài)鏈來完成，第三在半導體的生態(tài)上也是需要與這些生態(tài)中的供應商側(cè)的公司供貨給 HW。

首先 HW 公司歷史上基本上新的趨勢很少是很快就追上來，公司發(fā)展 30 多年，基本上沒有做到過先發(fā)。在任何領(lǐng)域，HW 公司基本上都是做到的后發(fā)制人。包括手機、云和汽車。所以這個領(lǐng)域HW 肯定不會很快。

ChatGPT 面向更多的是 ToC 端的屬性。目前 HW 正在研究這個項目，但是這是一個集團級的項目，通常做出決定會比較緩慢，一兩年內(nèi)不太會出來。HW 在 AI 商業(yè)化研究是一直持續(xù)存在的，公司以前一直非常不看好。公司盡力地完成 AI 工程化、AI 產(chǎn)品化，公司認為這是商業(yè)化不得不走的路線，如果采用高度項目制，一切項目制用 AI 去做，成本很高，不容易掙錢，因為人力成本非常高，然后項目制不可復制，因此 HW 才選擇了面向行業(yè)的 CV 大模型。

ChatGPT 發(fā)布后，它對商業(yè)化帶來了很多的思考，因為它天生的商業(yè)化屬性非常高。ToB 直接賣API，ToC 因為生產(chǎn)內(nèi)容是直接嵌套的，而且是中國人擅長的商業(yè)化路徑，可以編輯廣告、電商。

但 HW 不會立馬進入到這個 ChatGPT 類的 AIGC 細分賽道，也沒有任何的項目，戰(zhàn)略研究都才剛剛開始。

HW做了很多技術(shù)方向側(cè)的研討，公司現(xiàn)在也有一些判斷，即中國很難在短期內(nèi)出一個達到ChatGPT同等效果的產(chǎn)品。中國的發(fā)展方向，無論是這些大廠還是創(chuàng)業(yè)的公司，專家認為他們真正要做到

商業(yè)化閉環(huán)或者商業(yè)成功有個核心，需要做支持相對封閉的一個單場景，這樣成功率會比較高。以及訓練和維護的成本還是需要進一步的壓低，不然的話這個業(yè)務基本還是聚焦在這些特別大的公司手中。

專家認為現(xiàn)在的難度已經(jīng)非常大了。

ChatGPT 發(fā)布后立馬就是 GPT4.0，首先它的數(shù)據(jù)源頭的很廣，

第二它的數(shù)據(jù)前期的標注的質(zhì)量也非常的好，再加上它現(xiàn)在已經(jīng)是完全多模態(tài)多語種了，其實現(xiàn)在的優(yōu)勢還是挺大的。

國內(nèi)現(xiàn)在趕出來的產(chǎn)品還是不太行的。而 OpenAI 的產(chǎn)品一直是邊用邊學，接受越來越多全球使用者的反饋，通過人類反饋幫助他提升和進步。

但專家認為 ChatGPT 的局限性是在于完整的做到某些場景的商業(yè)化閉環(huán)。ChatGPT 的信息生產(chǎn)模式是 generated content，它的信息不準確，它的事實基礎(chǔ)不可信、不可靠，所以 ChatGPT 很難在一些需要事實基礎(chǔ)比較準確的商業(yè)產(chǎn)品上完成閉環(huán)。第二個 ChatGPT 有一個很領(lǐng)先的屬性，它的前后文是有連續(xù)性的，根據(jù)前后文來聊天，每一個問題不是獨立存在的，而是有關(guān)聯(lián)的。但它有個 bug 是前后文的邏輯關(guān)系并沒有能夠做到很好的連接。在邏輯問題上可能會出一些錯誤。

公司現(xiàn)在判斷 ChatGPT 未來立馬會改變的場景其實是企服軟件，對企服軟件的嵌套只是非常初級的方式，未來 ChatGPT 也許會重新定義生產(chǎn)力以及辦公工作相關(guān)的企服場景，公司現(xiàn)在在分析未來是不是所有的企服軟件都會基于 ChatGPT 來開發(fā)，以及 ChatGPT 能不能重構(gòu)企服軟件的交付模式。

公司認為中國要追存在幾個必要條件，首先場景必須是多模態(tài)，第二是數(shù)據(jù)量不能再爆發(fā)式增長，GPT 已經(jīng)達到 1700 多億了，如果再存在量級上的增長，也許不能帶來這個性能本質(zhì)上的提升。

成本的控制需要通過一些技術(shù)手段來限制語言的樣本量。這個完整的商業(yè)模式可能需要 ChatGPT在全球范圍內(nèi)的帶領(lǐng)來探索。專家有一個預判，中國的這些創(chuàng)業(yè)公司做出來的產(chǎn)品都可能是局限于某個或者某一些場景的，這些產(chǎn)品反而能夠獲得商業(yè)上的成功。HW 為什么要做產(chǎn)業(yè)級、行業(yè)級的 CV 應用，這個也是 HW 根據(jù)公司的能力限制和公司的商業(yè)模式做出來的一個選擇。

$常山北明(SZ000158)$$拓維信息(SZ002261)$$三六零(SH601360)$

關(guān)鍵詞：