聯(lián)通數(shù)科CTO楊海明：行業(yè)大模型用特色場(chǎng)景讓AI能力無處不在原創(chuàng)
從百模（魔）大戰(zhàn)到場(chǎng)景落地，大模型正回歸理智。大家經(jīng)歷了一輪炒作與試用之后，逐漸對(duì)大模型從“興趣”回歸到了理性，不僅限于新奇好玩，更要體現(xiàn)出能用、好用。提升工作效率、降低用工成本成為企業(yè)的核心訴求。
從百模（魔）大戰(zhàn)到場(chǎng)景落地，大模型正從瘋狂回歸理智。
大家經(jīng)歷了一輪炒作與試用之后，逐漸對(duì)大模型從“瘋狂的興趣”回歸到了理性，不僅限于新奇好玩，更要體現(xiàn)出能用、好用。提升工作效率、降低用工成本成為企業(yè)的核心訴求。對(duì)大模型的研發(fā)、訓(xùn)練也從通用大模型轉(zhuǎn)向了行業(yè)大模型。
三大運(yùn)營(yíng)商均在大模型領(lǐng)域開始進(jìn)行實(shí)踐和探索。“這也是數(shù)字化轉(zhuǎn)型進(jìn)入深水區(qū)的一個(gè)必然趨勢(shì)，從流程化到數(shù)字化，再到智能化。這個(gè)大模型的發(fā)布只是一個(gè)開始，未來還將在反詐、客服、網(wǎng)運(yùn)、以及針對(duì)政企客戶的場(chǎng)景化方向發(fā)布新的垂直行業(yè)和場(chǎng)景大模型。聯(lián)通將實(shí)現(xiàn)讓連接無所不在到算力無所不在再到人工智能無所不在的轉(zhuǎn)變。”聯(lián)通數(shù)科CTO楊海明接受至頂網(wǎng)記者專訪時(shí)這樣表示。
聯(lián)通數(shù)科CTO楊海明
行業(yè)大模型 = 高質(zhì)量的行業(yè)大數(shù)據(jù) + 大規(guī)模的算力網(wǎng)絡(luò)
基于聯(lián)通的自有優(yōu)勢(shì)，結(jié)合公眾、企業(yè)、和政府的實(shí)際需求是做好行業(yè)大模型的基礎(chǔ)。楊海明表示：”聯(lián)通擁有廣泛而龐大的網(wǎng)絡(luò)資源、分布在全國(guó)數(shù)據(jù)中心的強(qiáng)大算力資源、以及沉淀多年的各類設(shè)備和業(yè)務(wù)的歷史數(shù)據(jù)資源，這些是聯(lián)通研發(fā)行業(yè)模型的獨(dú)具優(yōu)勢(shì)。”
“現(xiàn)在大家做得比較多的是通用大模型，利用大量的互聯(lián)網(wǎng)數(shù)據(jù)，通過‘大力出奇跡’的方式訓(xùn)練大模型。這樣訓(xùn)練出來的模型能讓人感到無所不能：生成圖片、文字、小說、代碼……，然而也會(huì)出現(xiàn)很大的‘漂移’，答案的精準(zhǔn)度不夠。這樣的模型在企業(yè)的工作、生產(chǎn)中就會(huì)出現(xiàn)很大偏差，并且同質(zhì)化嚴(yán)重，很難在實(shí)際應(yīng)用中形成優(yōu)勢(shì)。”
“要獲得精準(zhǔn)的結(jié)果、策略就需要更精準(zhǔn)的數(shù)據(jù)。在行業(yè)實(shí)際中積累的各類知識(shí)、歷史決策數(shù)據(jù)就成為了優(yōu)質(zhì)的訓(xùn)練數(shù)據(jù)來源。這種數(shù)據(jù)的參數(shù)規(guī)模也會(huì)大幅降低。通用大模型的訓(xùn)練數(shù)據(jù)動(dòng)輒就要用千億、萬億的參數(shù)，到了具體的行業(yè)里就會(huì)急劇縮減到只有百億，或幾十億。如果再具體到某個(gè)場(chǎng)景下，訓(xùn)練完的模型調(diào)優(yōu)上也就需要對(duì)幾百到幾千萬的參數(shù)進(jìn)行優(yōu)化，算力需求降低的同時(shí)，也大大提高了模型結(jié)果的精準(zhǔn)性。”
例如在網(wǎng)絡(luò)運(yùn)維場(chǎng)景下，雖然三家電信運(yùn)營(yíng)商都有基站、服務(wù)器、交換機(jī)、路由器這些設(shè)備，但各家網(wǎng)絡(luò)架構(gòu)、設(shè)備采購(gòu)的周期不同，幾十年來積累的數(shù)據(jù)也會(huì)有很大的不同。根據(jù)多年來積累下的數(shù)據(jù)、運(yùn)維經(jīng)驗(yàn)所訓(xùn)練出來模型也就會(huì)有很大的區(qū)別，利用訓(xùn)練好的大模型就能帶來極大的運(yùn)營(yíng)效率提升。同樣，在客服、網(wǎng)絡(luò)、安全這種場(chǎng)景下，大模型具有更大的發(fā)展?jié)摿ΑＲ虼�，除了各大運(yùn)營(yíng)商外，大型的互聯(lián)網(wǎng)企業(yè)的垂直大模型都是從這些場(chǎng)景入手，首先用來提升自身的運(yùn)營(yíng)效率。
在面向2C的個(gè)人場(chǎng)景方面，近年來犯罪分子利用通訊手段實(shí)施詐騙的案件層出不窮，給百姓帶來了巨大的經(jīng)濟(jì)損失，也給社會(huì)的安全、穩(wěn)定帶來了諸多隱患。中國(guó)聯(lián)通根據(jù)對(duì)大量歷史案件的作案流程、話術(shù)的復(fù)盤分析，反詐大模型很容易從繁雜的對(duì)話、短信中發(fā)現(xiàn)罪犯的行跡、目標(biāo)與套路，幫助百姓降低詐騙風(fēng)險(xiǎn)、減少經(jīng)濟(jì)損失。
推動(dòng)產(chǎn)業(yè)從勞動(dòng)密集向知識(shí)密集型的變革
布局行業(yè)大模型的目標(biāo)是推動(dòng)政府、企業(yè)從勞動(dòng)密集型向知識(shí)密集型的數(shù)字化轉(zhuǎn)型。“以聯(lián)通為例，大模型的應(yīng)用場(chǎng)景首先鎖定在了客服、網(wǎng)運(yùn)這種原先需要大量人力的工作和崗位。”楊海明認(rèn)為，“過去企業(yè)需要耗費(fèi)大量人力做簡(jiǎn)單重復(fù)性的客服、輔助性、文員等工作都將被AI大模型所取代，從而提升用戶體驗(yàn)，降低企業(yè)成本。同時(shí)，大模型也將幫企業(yè)梳理、完善他們的知識(shí)庫，提高協(xié)同辦公效率，最終幫助政府、企業(yè)走向無處不在的人工智能。”
然而這也不是一蹴而就，訓(xùn)練大模型的過程就像培養(yǎng)一個(gè)學(xué)生從學(xué)士到碩士到博士，訓(xùn)練數(shù)據(jù)從通用到專業(yè)，訓(xùn)練參數(shù)從大尺度到小規(guī)模。楊海明指出：企業(yè)搞大模型技術(shù)門檻在逐漸降低，業(yè)務(wù)理解是提升競(jìng)爭(zhēng)力的主要方式。利用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)是基于大數(shù)據(jù)實(shí)現(xiàn)的業(yè)務(wù)的自動(dòng)迭代與升級(jí)。這一方面需要企業(yè)不斷積累高質(zhì)量的數(shù)據(jù)。另一方面需要不斷探索、積極創(chuàng)新。聯(lián)通行業(yè)大模型秉承'內(nèi)部使能、外部賦能'的一貫思路逐步推進(jìn)。內(nèi)部使能就是這些大模型產(chǎn)品在聯(lián)通內(nèi)部會(huì)先用起來，大家覺得能用、好用之后再向外部推廣，擴(kuò)展其更廣泛的應(yīng)用場(chǎng)景，之后再通過逐步迭代最終實(shí)現(xiàn)雙向賦能。”
大模型未來的發(fā)展方向
行業(yè)大模型將是非常有前途的發(fā)展方向。但面臨需要積累大量行業(yè)數(shù)據(jù)的高門檻以及在算力、資金的強(qiáng)大支持。
行業(yè)大模型大概率不會(huì)出現(xiàn)百模大戰(zhàn)的競(jìng)爭(zhēng)格局，行業(yè)中的龍頭企業(yè)做行業(yè)大模型最終會(huì)享受到AI與數(shù)據(jù)的紅利。從另一個(gè)角度看，算力調(diào)度的工具、訓(xùn)練調(diào)優(yōu)的工具、加速訓(xùn)練及提升訓(xùn)練效果的工具也是形成各家大模型差異化的重要能力。
智算能力入網(wǎng)、智能無處不在將是在人工智能時(shí)代基礎(chǔ)設(shè)施的重要特征。
“能否深入的了解行業(yè)并持續(xù)快速地迭代產(chǎn)品將成為行業(yè)大模型賽道里最核心的競(jìng)爭(zhēng)力。” 楊海明這樣說道。
本文章選自《數(shù)字化轉(zhuǎn)型方略》雜志，閱讀更多雜志內(nèi)容，請(qǐng)掃描下方二維碼
