有人说，AI大模型是少数巨头才能玩得转的游戏。

截至目前，认同此观点的人不在少数。自从ChatGPT去年迅速火遍全球之后，忽如一夜春风来，AI大模型遍地开。Google、Amazon、阿里、百度等巨头们纷纷加入AI大模型的“军备竞赛”，似乎预示着市场在向大公司集中。

但事实真是如此么？且不说国外Anthropic、Cohere等生成式AI独角兽公司在市场中表现极为活跃，国内也有不少AI公司从不同角度切入AI大模型的市场竞争中，市场呈现出百花齐放的景象。

近日，国内AI独角兽云知声交出了在AI大模型领域的第一份答卷--山海大模型。云知声对外全面展示了山海大模型语言生成、语言理解、知识问答、逻辑推理等十项能力，并且山海大模型在MedQA评测、临床执业医师资格考试等医疗领域测试成绩处于业界领先。

云知声用实际行动表明，AI大模型的市场竞争才刚刚开启，只有大公司才能玩得转的谬论可以休矣。正如云知声创始人、CEO黄伟所言：“云知声将持续升级山海大模型的能力，目标是年内通用能力比肩ChatGPT，并在医疗、物联、教育等垂直领域超越GPT4。”

如何才能做好AI大模型

纵观AI模型的发展历程，经历了从大练模型到练大模型的阶段。如今，AI大模型场景凭借通用、泛化和规模化复制等诸多优势，被业界视之为实现 AGI（通用人工智能，Artificial General Intelligence）的重要路径。

而人们之所以看好巨头们在AI大模型的前景，无非是巨头们具备雄厚的资金实力、庞大的研发队伍以及完善的基础设施等优势。

这些条件固然是研发AI大模型的关键因素，但并不是决定性因素。事实上，OpenAI的成功恰恰表明，AI大模型的研发本质上是多种算法的组合+正确的训练方法，考验的是基础设施+数据+算法的综合工程化能力，这种综合能力并非是巨头们的专属。

比如，AI大模型的训练极其考验算力，但并不意味着算力堆砌越多越好、越强越好。正所谓韩信点兵、多多益善，AI大模型需要源源不断的算力，但更加需要能够运筹帷幄的“韩信”。云知声创始人、CTO 梁家恩直言：“大力能够出奇迹，但蛮力出不了奇迹。”

据悉，云知声属于较早重视算力基础设施建设与投入的AI公司，从2016年开始不断布局算力等基础设施，构建起高效架构+全栈算法的超算集群Atlas，成为东南地区最大的超算集群之一。云知声山海大模型从去年底启动，今年2月底就研发出第一版，短短半年内正式对外发布，离不开超算集群Atlas的鼎力相助。

又如高质量的数据集和科学的训练方法直接影响着大模型的效果，这考验着AI公司的数据积累、数据处理以及训练数据的工程化能力。OpenAI 《Scaling Laws for Neural Language Models》伸缩法则就强调了增加高质量数据集对于模型训练效果的重要性。OpenAI CEO Sam Altman也透露，OpenAI的数据集远比外界想象的大，并且大量工作围绕在数据工程层面。

同样，成立十年的云知声在数据积累和数据工程化方面有着丰富的积累，其UniScale训练推理一体化框架、UniDataOps数据优化并行处理框架在各种场景中久经考验。梁家恩就透露，除了开源英文语料类别和中文语料类别之外，云知声在训练山海大模型还增加了多年积累的中文和医疗数据。

所以，云知声能够在半年内完成算力扩容、算法验证、并行加速、数据优选等工作，实现GPT为核心的架构升级和成功发布山海大模型。黄伟直言，AI大模型是AI领域的一场“工程革命”，将过去各种AI技术进行整合和综合应用，逐步实现大模型从量变到质变。

山海交出的答卷如何

众所周知，过去几个月里，国内AI大模型层出不穷，但表现也是参差不齐，甚至还闹过“宫保鸡丁”梗、“套娃ChatGPT”等各种话题。

不过，AI大模型出现回答错误实属正常，因为涉及到数据集质量、训练时长等各种因素。因此，大家都很好奇，云知声在短时间内训练出的山海大模型到底表现如何？

根据云知声介绍，山海大模型具备十大能力：即语言生成、语言理解、知识问答、逻辑推理、代码能力、数学能力、安全合规能力七项通用能力及插件扩展、领域增强、企业定制三项行业落地能力。

大数据在线也对山海大模型进行了一番测试，包括逻辑推理、数学运算、代码能力等，整体表现优秀，遇到逻辑问题时候能够很清晰和准确的给出答案。

开放式知识问答，山海大模型在连续追问的情况下，能够给出准确的答案，表现令人惊艳。

数学运算，山海大模型能够很好理解题目的含义，并且转换为计算公式进行计算和得出正确结果。

逻辑推理，针对各种逻辑问题，山海大模型能够有效判断问题的关键，并给出合理解释。

代码能力，山海大模型有较强的代码生成能力。

人类价值观对齐

值得关注的是，山海大模型还准备了计算器、天气查询、Web搜索、发现周边等丰富的插件功能，用户可以通过丰富的插件功能来获得更加准确的信息。

整体来看，山海大模型的通用能力让人较为满意。比如，在开放式知识问答方面，山海大模型能够准确理解问答含义和给出正确答案，并且在连续追问的情况下，能够连贯性的回答；又如，在逻辑推理方面，山海大模型针对一般性推理问题回答都能游刃有余，很少掉入“陷进”之中；再如，针对“不健康网站”的陷进问题，山海大模型的回答能够有效避坑，并且连续追问下去可以给出相应的解决方案，符合人类价值观的对齐。

无疑，山海大模型的出色表现，也给了云知声极大的信心。“山海大模型目标是年内通用能力比肩ChatGPT。”黄伟如是说。

在To B开启大模型价值之路

当前，AI大模型已经在互联网场景中小试牛刀，从ChatGPT成为史上最快达到亿级用户的App，到互联网企业利用互联网技术与搜索引擎结合，互联网公司普遍都在利用AI大模型重塑自己的产品。

除了To C之外，AI大模型在To B领域的拓展亦开启了人工智能的商业化价值之路。IDC统计，过去两年中国人工智能在各行业的渗透率均不断提升。其中，电信、金融和制造业的渗透率提升幅度靠前，超过4%；教育、能源和医疗等行业绝对渗透率较低，未来提升空间巨大。预计到2026年，人工智能行业渗透率有望达到20%。

众所周知，从数字经济、数字中国建设的大趋势来看，产业数字化、行业智能化升级是一块重要拼图，这其中AI大模型在行业中的应用又是最重要抓手。黄伟直言：AI大模型为人工智能带来了新的能力，可以打造更多产品来满足行业用户对于智能化的需求。

事实上，AGI在行业场景的应用前景广阔，却也绝非易事。在笔者看来，云知声的U+X战略（U：AI技术和产品能力， X：行业应用场景）为AI大模型、AGI在行业的深耕开辟出一条价值之路。

笔者认为，云知声U+X战略的好处就是能够将数据、应用和模型连接起来，形成类似飞轮。首先在行业中寻找到合适的场景，然后通过用户行为反馈积累特定的有效数据，再反哺AI大模型；AI大模型的不断迭代与优化，则有利于AGI在行业中的进一步应用和收集更多有效数据，从而形成飞轮效应，越到后面大模型效果会更好。

以医疗领域为例，属于复杂度和知识密度极高的行业，云知声U+X战略在医疗行业的深耕，使得其山海大模型在医疗领域着实惊艳了一把。在发布会现场，云知声演示了在山海大模型的辅助下，基于病历辅助医生生成完整的病历方案、辅助医疗相关理赔等多个场景，大幅提升了业务效率和智能化程度。此外，在MedQA 测评中，山海大模型以 81.56%位居第一，超过GPT4、Med-PalM等模型；在临床执业医师资格考试中，山海大模型得分高达511 分，远超平均分和及格线。