這兩天大概是我們見證AI大發展的時刻。

　　當地時間3月17日，北京時間18日淩晨，馬斯克旗下xAI公司宣佈正式開源其大模型Grok-1。該模型引人關注的有兩點：一是參數達到3140億，遠超OpenAI GPT-3.5的1750億，是迄今參數量最大的開源大語言模型；二則它是一個混合專家大模型，簡單來説，就像把各個領域的“專家”集合到了一起，遇到任務派發給不同領域的專家，最後匯總結論，提升效率。

　　就在這一新聞産生的“硝煙”還未散去，有媒體爆料，OpenAI的CEO奧特曼首次公開表示，GPT-5將實現史詩級性能躍升。而在硬體方面，英偉達再次推出“超級晶片”——Blackwell B200 GPU和GB200；B200一塊能頂5個H100，30倍推理加速，能訓練萬億參數大模型。

　　今年，我們或將見證AI又一歷史性升級。

　　“愛諷刺”的大模型&“碾壓”的大模型

　　先從馬斯克的Grok-1説起。

　　在國內外形形色色的大模型中，Grok跟馬斯克本人一樣，自帶流量。去年3月，馬斯克註冊成立xAI。團隊12名初創人員來自DeepMind、OpenAI、谷歌研究院、微軟研究院、特斯拉、多倫多大學等，據悉曾參與過DeepMind的Alpha　Code和OpenAI的GPT-3.5和GPT-4等項目。所以，一開始大家都相信它是衝著GPT去的。

　　成立公司半年多，xAI就發佈了Grok。業內評價集中在兩點：只訓練了兩個月，部分能力就超越GPT3.5；以及，不知是有意還是無意的，這是一個善於諷刺的聊天機器人。

　　諷刺的特徵很符合馬斯克的做派。這位OpenAI創始人之一，就多次公開諷刺OpenAI公司一點都不“open”，沒有開源大模型，前不久還因此一紙訴狀將OpenAI告上法庭；然後在吊足了各方胃口後，開源了自己的大模型——不過是Grok-1，不是最新版的Grok-1.5。熟悉行業情況的讀者知道，大模型差半代，也會差很遠。

　　不知是否真的因為馬斯克發佈“挑戰書”，OpenAI“迎戰”了：有媒體報道，奧特曼在矽谷出席一個活動時現場表示，GPT-5的性能提升的程度將超出預期，甚至還表示，低估GPT-5能力的初創公司將被下一代模型所碾壓。

　　對於Grok-1的開源，國內業內人士比較“看淡”。記者採訪了幾位大廠的大模型專家，有的表示要先測試下再説；有的説嘗試其他大模型並不是自己的主業；也有的表示了肯定，覺得對大模型發展整體生態建設、生態多元化有一定促進作用，“多個方向總是好的”。

　　相比下，GPT-5的關注度明顯更高。

　　“GPT-5可能將在多個方面帶來創新和改進，比如包括更好的理解和生成語言的能力、更廣泛的知識覆蓋、更高效的學習演算法、更強的邏輯推理能力以及更低的誤解率等。”同濟大學電子與資訊工程學院吳迪博士説，每次GPT系列模型的升級，OpenAI都在力求突破現有的限制，包括提高模型的泛化能力、減少偏差和誤導資訊的生成，以及提升交互的自然性和用戶體驗。史詩級的性能躍升可能還會包括改進的安全性和可靠性，以確保AI技術的負責任使用，並減少潛在的負面影響。

　　開源或閉源都不簡單

　　“企業選擇開源或閉源，並沒有大家想像中這麼簡單。”浙江大數據交易中心總經理孔俊告訴記者。一般而言，企業開源要有足夠的技術自信，門檻還是蠻高的，比如阿裏通義千問大模型在IDC的“AI大模型技術能力評估測試”中獲得了6項滿分。

　　選擇開源，有打造生態、獲取數據等多方面考量。有專家表示，開源其實並不一定意味著做公益，也有商業化的考量，可能其商業利益比較長遠，而現階段需要拓展生態、擴大影響力。

　　據研究機構觀察，相關大模型廠商在開源還是閉源選擇上十分靈活：目前，完全閉源的國外有OpenAI的GPT-3.5、GPT-4，國內有百度的文心大模型；先閉源再開源，有阿裏雲的通義千問；也有先開源再閉源，比如百川智慧的Baichuan-7B、Baichuan-13B。

　　“大模型三要素，數據、算力、演算法。開源可能因為數據不夠，就以開放合作的模式，邀請有數據的各方面進來嘗試。”孔俊説，這也是數據使用的一種方式，或對國內推進數據要素市場化有一定參考價值。

　　當地時間本週一，英偉達召開年度開發者大會，黃仁勳公佈了新一代GPU架構Blackwell，支援構建實時生成式AI。有業內人士分析，英偉達的新架構離不開開源的支援。2022年5月，在挨了開發者們十年罵後，英偉達終於推動GPU計算的開源化，吸引了大量研發人員參與創新，PyTorch、TensorFlow等被廣泛使用的深度學習框與英偉達GPU深度綁定，這也為英偉達自家GPU産品積累了大量優化經驗。

　　更重要的是，這種良性的生態互動建立起來後，市場也隨之打開。據悉，目前英偉達的高端GPU已佔據全球88%的市場份額，市值約為2.2萬億美元，僅次於微軟和蘋果。

　　“大模型開源會成為一種趨勢，並形成基礎版本開源、高階版本閉源的格局。”浙江大學軟體學院教授、複雜系統與數據工程研究所副所長張微向記者科普道，開源可以理解為是一名高中生，具備一定基礎知識，有很強的拓展空間，然後進入閉源的大學學習階段，選擇文、理、醫等具體方向，也就是場景細分化、專業化。

　　綜合現階段國內外發展趨勢，張微建議，一方面算力、演算法、數據等基礎建設確實很重要，另一方面，我國産業門類、産業鏈比較齊全，製造業相對發達，這也是一大優勢；國內大模型廠商和初創公司，當下的方向可以放在細分領域上，爭取在行業上領先。

　　基礎、基礎還是基礎

　　面對這次AI軟硬體“史詩級升級”，相關人士還是再次強調了基礎的重要性。

　　在張微看來，儘管現在大模型“百舸爭流”，但隨著産業發展，真正基礎性的通用大模型最後不會留下太多，就像當年共用單車的市場競爭過程一樣。而這也對特別是大公司打造通用性大模型提出了更高要求。

　　“從整個産業發展來看，還是要從基礎抓起。”吳迪説，一方面，開源的大模型並不是説簡單拿來用，也要學習其邏輯架構，要不然只能一直跟在別人身後；另一方面，即使是開源大模型，其核心部分並不一定百分之百開源，尤其是最新版本的大模型，馬斯克的xAI如此，OpenAI也是如此；就像中國網友評價特斯拉的開源“已經落後”，一個道理。

　　相比下，吳迪更覺得國內大模型在産學研結合方面力度還可以進一步增加，“高校有技術，但硬體條件相對不足。大模型對硬體配置要求很高，往往需要硬體集群，這可能是企業的優勢。而説得更遠一點，目前全世界的大模型，本質上都是統計概率模型。這就離不開對數學基礎的重視。”

　　孔俊也強調了對政府、高校、企業合作的重視，“數據、算力、演算法確一不可。目前政府部門正在努力加大高品質數據供給、培育國産算力，鼓勵高校企業加快演算法研究。”

　　目前，我國在算力方面儘管頂級晶片相對缺乏，但總量及增量發展迅速。去年11月，工信部公佈的一組數據顯示，近年來，我國算力産業年增長率近30%，算力總規模位居全球第二。截至去年底，我國算力核心産業規模達到1.8萬億元。

　　當然，算力有了也得用起來，就涉及到國産算力好不好用的問題。此前也有業內人士指出，我們的算力存在一方面花了很多錢但不好用、一方面算力又短缺的“怪圈”。壓力給到國內自主研發的算力晶片。

　　除了上述産業基礎，不少業內人士也提到了一些制度基礎，比如法律。

　　當地時間13日，歐洲議會正式投票通過並批准《人工智慧法案》，以嚴格規範人工智慧的使用。

　　3月16日上午，在北京舉辦的首屆“AI善治論壇”發佈《人工智慧法（學者建議稿）》。起草專家組由中國政法大學數據法治研究院、西北政法大學法治學院、中國資訊通信研究院等七家單位的專家組成。

　　“隨著技術進步，持續關注和評估AI技術的社會、倫理和安全影響是非常重要的。AI領域的快速發展需要伴隨著相應的政策、指導原則和監管措施，以確保這些先進技術能夠為社會帶來積極的影響，並有效管理潛在的風險。”吳迪説，這方面，中國因為大數據、人工智慧當産業起步比較早，對個人數據隱私保護關注度更高；而法制的完善，將進一步推動人工智慧産業的發展。

來源：潮新聞    | 撰稿：金春華    | 責編：俞舒珺    審核：張淵

新聞投稿：184042016@qq.com    新聞熱線：135 8189 2583