chatGPT應用端 聯想集團CTO芮勇談ChatGPT應用：C端快速落地，B端仍需時間

作為一個現象級的技術突破和應用，展現出了強大的智能化能力，是業界公認的人工智能數十年發展歷程中又一個重大的突破點和轉折點。爆火之外，關于背后起支撐作用的大模型、未來的商業應用場景，以及在面臨技術革新與倫理道德雙重挑戰后的發展前景問題，也備受關注。

近日，聯想集團首席技術官、高級副總裁、AI領域領軍人物芮勇博士，在做客國泰君安證券研究所《所長對話》的節目中，圍繞分享了自己的思考。他不僅將大模型的特點，用用“高大上”三個字進行了總結，還預計大模型將在C端快速落地，并認為從長遠來看，相對于閉源，開源的后勁更足，更有利于企業的長期生態建設。

與此同時chatGPT應用端，人工智能在為經濟發展與社會進步帶來重大發展機遇的同時，也為倫理規范和社會法治帶來了挑戰，也不例外。芮勇很認同《道德經》里的一句話，“天之道，利而不害”chatGPT應用端，認為自然規律應是利于萬物的，并看好的未來，“我覺得前景非常好”。

“高大上”的大模型

不單單是文本生產的工具，其強大的語言處理和生存能力也增強了不少用戶體驗，同時降低生產經營、交易成本，提高企業經營效率，并在特定領域、專業語言及自動化客戶服務方面發揮著重要作用。

對于這一取得劃時代進步的技術能力，芮勇認為，的爆火，是表面上的一個現象，更重要的是后面起到核心支撐作用的大模型。對于大模型的特點，芮勇總結為三個字——“高大上”。

高，指模型的訓練方式高明。此前的機器學習，典型的訓練方式是全監督式，需人工標注，花費一定時間、精力。而大模型用自監督的學習方式，不需要標注海量數據。另外，大模型使用“基于人類反饋的強化學習”，與人類的價值觀越來越近。

大，指模型規模大。2012、2013年前后流行的人工神經網絡模型大概有1.38億個參數。而今天，GPT-3有1750億個參數，超過當時的1000 倍，這樣的規模使得大模型能夠學到大量的模式與常識，甚至建立一定的推理能力。同時，大模型訓練數據大，包括互聯網上的文本、高質量的網頁、維基百科、書籍的語料庫等。

上，指大模型的邏輯推理、知識推理、泛化能力突然之間更上一層樓。隨著語言模型規模增長，大模型對一些突然出現，但在訓練時沒有見過的任務也能理解其意思，“基本上是在650億個參數，超過這個規模時它就開竅了。”

關于大模型的出現是不是一個AI范式的問題，芮勇從兩個維度給出了自己的思考。他認為，若從狹義的通用人工智能來看，如通過人類的各科考試層面，GPT-4做的已經很不錯了，“我覺得可能是其中的一條路徑”。但從廣義的通用人工智能層面來看，要想和人類的智能看齊，大模型“還是有些差距”。

C端快速落地，B端爆發式增長

芮勇強調，“一個技術到最后，還是要落地的，要有場景的。”目前，大摩等金融機構已將技術應用在理財投資顧問的工作領域。不出意外，未來這一技術也將在中國全面開花。對于的應用，芮勇認為將在C端快速落地，B端爆發式增長。

大模型的通用能力非常強，可以立刻支持C端，包括個人應用、內容創作、文章、代碼、圖像視頻的生成等。但在B端需要一段時間將大模型與B端連接起來，一旦打通之后，B端的落地增長會是爆發性的。芮勇還認為，的閉源模式，現在看有一些先發優勢，但從長遠來看，開源更有利于企業的生態建設。

大模型的參數在千億級，需要設備端和云端的實時連接，云端做各種計算、生成和推理。對于網絡通訊能力比較弱，或是低功耗的設備，可能不太適用。芮勇強調chatGPT應用端，大模型是非常重要的一支力量，但不會放之四海而皆準。在大模型興起的過程中，AI企業應根據自己的比較優勢做出相應的戰略調整。

在聯想集團全球最大的PC研發與制造基地——合肥聯寶工廠，上百條生產線每天要接到來自全球成千上萬的訂單。在應用深度學習、強化學習等核心技術后，這些訂單被合理、準確地分配到了不同的生產線上，排產水平和排產效率大幅提高。

芮勇還介紹了聯想集團“端-邊-云-網-智”技術架構與大模型之間的緊密關系。在“端”側，PC、手機、平板、AR/VR等設備都會成為大模型某一種輸入的入口。“邊-云-網”，則為大模型并行計算、分布式大規模訓練提供重要的基礎設施。在“智”方面，大模型也將與智能制造、智慧交通、智慧教育等垂直行業相結合，推動行業智能化轉型。

大模型為行業發展帶來的變革顯而易見，也為擁有技術儲備的企業帶來新的發展機遇。聯想集團多年深耕形成的智能化基因，與大模型的持續學習、發展深度耦合，為人工智能的迭代升級提供助力。

免責聲明：本文系轉載，版權歸原作者所有；旨在傳遞信息，不代表本站的觀點和立場和對其真實性負責。如需轉載，請聯系原作者。如果來源標注有誤或侵犯了您的合法權益或者其他問題不想在本站發布，來信即刪。