張宏江深度解析：大模型技術(shù)發(fā)展的八大觀察點(diǎn)

作者：張宏江 ?

繼ChatGPT之后，Sora模型的出現(xiàn)再次激發(fā)了各行各業(yè)對(duì)AI的熱情。面對(duì)術(shù)語的日新月異，個(gè)人和企業(yè)應(yīng)用的紛繁涌現(xiàn)，以及商業(yè)模式的持續(xù)重構(gòu)，大模型能夠展現(xiàn)出驚人的能力并迅速影響社會(huì)，這背后有著更深刻的原因。在近日舉辦的“亞布力中國(guó)企業(yè)家論壇年會(huì)”上，智源研究院學(xué)術(shù)顧問委員會(huì)主任張宏江發(fā)表了閉幕式演講，分享了他對(duì)大模型技術(shù)發(fā)展的八點(diǎn)觀察。

第一，大模型取得突破的核心是Scaling Law

2017年問世的Transformer架構(gòu)，是大模型取得突破的技術(shù)基礎(chǔ)，以此為代表的一系列技術(shù)創(chuàng)新，奠定了人工智能“算力+數(shù)據(jù)+算法”結(jié)合的發(fā)展路線，引領(lǐng)人工智能從1.0時(shí)代，跨入了 2.0時(shí)代。未來我們還將見證，人工智能將繼續(xù)沿續(xù)這一路徑發(fā)展，走向通用人工智能的宏偉目標(biāo)。而大模型的成功，不單是算法創(chuàng)新的勝利，更是系統(tǒng)研究的偉大進(jìn)步。

在大模型的發(fā)展史上，Scaling Law（規(guī)模律）發(fā)揮了核心作用，它是推動(dòng)模型性能持續(xù)提升的主要?jiǎng)恿?。Scaling Law揭示了這樣一個(gè)現(xiàn)象：較小的語言模型只能解決自然語言處理（NLP）中的部分問題，但隨著模型規(guī)模擴(kuò)大——參數(shù)數(shù)量增加至數(shù)十億甚至數(shù)百億，曾經(jīng)在NLP領(lǐng)域中的棘手難題往往能得到有效解決。這一規(guī)律不僅已被現(xiàn)實(shí)證實(shí)，而且預(yù)計(jì)將在未來繼續(xù)引領(lǐng)技術(shù)突破。

圖1 Scaling Law——規(guī)模的魔力，以PaLM為例，規(guī)模擴(kuò)大至5400億參數(shù)，模型性能突飛猛進(jìn)

當(dāng)模型規(guī)模較小時(shí)，各方面性能隨參數(shù)的提升趨勢(shì)較為平緩；隨著模型規(guī)模不斷擴(kuò)大并超過某個(gè)拐點(diǎn)，其性能隨參數(shù)增加而陡然上升。這就是模型規(guī)模擴(kuò)大帶來的能力涌現(xiàn)，也是過去數(shù)年間研究人員不懈追求擴(kuò)大模型規(guī)模的重要原因。此外，數(shù)據(jù)規(guī)模和質(zhì)量也至關(guān)重要——研究者要重視數(shù)據(jù)的規(guī)模，而同樣規(guī)模的數(shù)據(jù)，高質(zhì)量的數(shù)據(jù)會(huì)訓(xùn)練出更好的模型。

圖2 a. 當(dāng)模型參數(shù)規(guī)模增大時(shí)精度預(yù)期也會(huì)改善。b. 參數(shù)規(guī)模增速：2018年以來，每4.2個(gè)月實(shí)現(xiàn)翻番

第二，大模型是新的操作系統(tǒng)和計(jì)算體系

在傳統(tǒng)的計(jì)算機(jī)使用中，人輸入數(shù)據(jù)，計(jì)算機(jī)進(jìn)行運(yùn)算并輸出結(jié)果，這構(gòu)成了計(jì)算機(jī)與人交互的本質(zhì)。今天的大模型以更簡(jiǎn)易、更便捷的方式實(shí)現(xiàn)了上述功能——人們不再需要編程或打字，只需與GPT進(jìn)行交流，它就能按照人們的想法執(zhí)行命令，這表明大模型已經(jīng)起到了“操作系統(tǒng)”的作用。

作為操作系統(tǒng)，模型簡(jiǎn)化了人們調(diào)用應(yīng)用程序的過程。正如微信小程序幫助人們減省了在App Store下載應(yīng)用的過程，大模型甚至省去了搜索小程序的過程。例如，人們只需告訴大模型，畫一個(gè)亞布力的美景，它就可以畫出亞布力各種角度的美景，甚至生成視頻。因此隨著大模型的應(yīng)用日益廣泛，App這種形態(tài)可能會(huì)消失，甚至連小程序也會(huì)被淘汰。

從另一個(gè)角度看，大模型作為一種新的操作系統(tǒng)，也給計(jì)算體系帶來了巨大的轉(zhuǎn)變，即從原來的以CPU為核心轉(zhuǎn)變?yōu)橐?a href="http://www.ttokpm.com/tags/gpu/" target="_blank">GPU并行處理為核心。這種體系轉(zhuǎn)變會(huì)帶來新的核心技術(shù)和新的玩家。近日英偉達(dá)發(fā)布財(cái)報(bào)后，股票上漲了15%，也印證了過去CPU時(shí)代的Wintel體系會(huì)被當(dāng)今的大模型和GPU體系所取代。

圖3 大模型是新的操作系統(tǒng)，計(jì)算體系從CPU為核心轉(zhuǎn)變?yōu)镚PU為核心

第三，大模型作為新的平臺(tái)，會(huì)帶來新的生態(tài)

大模型正在重塑計(jì)算生態(tài)。傳統(tǒng)計(jì)算生態(tài)的基礎(chǔ)設(shè)施層是芯片，模型則建立在云平臺(tái)之上。如今，AI領(lǐng)域的許多玩家通過云服務(wù)調(diào)用大模型的API，這種做法昭示著大模型作為一種平臺(tái)、一種服務(wù)的特性。

這就是為什么OpenAI每發(fā)布一個(gè)新功能，上線一組新代理，做大模型應(yīng)用的廠家就會(huì)擔(dān)心自己的業(yè)務(wù)被它“吸進(jìn)去”，正如當(dāng)初微軟Windows對(duì)軟件廠商業(yè)務(wù)帶來的威脅和挑戰(zhàn)。這種擔(dān)心印證了模型即平臺(tái)、模型即應(yīng)用、模型即產(chǎn)品。

圖4 大模型：新平臺(tái)，新生態(tài)

未來，大模型作為一個(gè)平臺(tái)必將重新賦能所有應(yīng)用，迫使人們重寫過去的軟件。這就是今天的互聯(lián)網(wǎng)公司紛紛投入大量資源開發(fā)自己的大模型的原因，因?yàn)樵谖磥?，沒有大模型的互聯(lián)網(wǎng)公司將不再被視為平臺(tái)公司。這也是亞馬遜顯示出落伍跡象，市值被后起之秀超越的原因所在。

第四，大模型性能是大規(guī)模商業(yè)落地的關(guān)鍵

隨著大模型熱度日益高漲，許多人嘗試從應(yīng)用出發(fā)做一個(gè)垂直小模型，但這種做法行不通。如果模型的能力不足以支撐大規(guī)模應(yīng)用場(chǎng)景，其流行可能僅是曇花一現(xiàn)，之后便會(huì)面臨用戶數(shù)量的急劇下降。就像30年前蘋果公司推出一個(gè)名為“牛頓”的小型Pad產(chǎn)品，彼時(shí)被認(rèn)為具有革命性，但很快人們就發(fā)現(xiàn)，它的手寫和語音識(shí)別兩個(gè)關(guān)鍵技術(shù)都都無法支撐新設(shè)備，因此該產(chǎn)品很快被撤掉了。

圖5 大模型性能是大規(guī)模商業(yè)落地的關(guān)鍵

今天的大模型在智能客服、文本生產(chǎn)、辦公Copilot等場(chǎng)景均呈現(xiàn)出廣泛的應(yīng)用潛力，但是如果大模型在執(zhí)行任務(wù)時(shí)錯(cuò)誤率過高，或者幻覺（hallucination）問題始終難以解決，很快就會(huì)走向用戶大量流失帶來的波谷，基于大模型的應(yīng)用層也會(huì)變得差強(qiáng)人意，由此衍生的商業(yè)模式終將難以為繼。因此，持續(xù)改善大模型性能是實(shí)現(xiàn)大規(guī)模商業(yè)落地的關(guān)鍵。

第五，大模型將同時(shí)推動(dòng)存量和新增應(yīng)用

隨著大模型能力的迅猛發(fā)展和持續(xù)突破，許多此前計(jì)算機(jī)僅能勉強(qiáng)輔助的工作，如今大模型已經(jīng)可以勝任。ChatGPT發(fā)布一年多以來，大模型在辦公、視頻生成、醫(yī)療等各類應(yīng)用場(chǎng)景下的生產(chǎn)效率已經(jīng)得到了大幅提升，進(jìn)展速度遠(yuǎn)超AI 1.0時(shí)代。未來，我們將見證大模型推動(dòng)一系列原生應(yīng)用快速落地并創(chuàng)造價(jià)值。

這些原生應(yīng)用何時(shí)會(huì)產(chǎn)生，能否抓住投資機(jī)會(huì)，是讓投資者和從業(yè)者倍感焦慮的問題?；仡櫄v史，無論P(yáng)C時(shí)代還是移動(dòng)互聯(lián)網(wǎng)時(shí)代，在技術(shù)快速迭代和平緩發(fā)展的時(shí)期，都曾涌現(xiàn)出極具潛力的產(chǎn)品。大模型時(shí)代的情況也會(huì)與此類似，因而不必過分焦慮，市場(chǎng)參與者一方面要快速消化大模型所帶來的種種沖擊；另一方面，應(yīng)該專注于自己現(xiàn)有的業(yè)務(wù)，看一看當(dāng)大模型性能成熟時(shí)，這些業(yè)務(wù)會(huì)發(fā)生多么大的改變。

圖6 大模型將同時(shí)推動(dòng)存量和新增應(yīng)用

大模型不僅會(huì)催生一系列原生應(yīng)用和AI創(chuàng)業(yè)公司，同時(shí)也將推動(dòng)存量市場(chǎng)的增值和發(fā)展。正如從PC互聯(lián)網(wǎng)轉(zhuǎn)移到移動(dòng)互聯(lián)網(wǎng)的過程中，存量巨頭的市值增長(zhǎng)，遠(yuǎn)大于新生公司的市值總和。

放眼未來，我們有理由相信，大模型帶來的效率提升必將賦能新的應(yīng)用場(chǎng)景，同時(shí)推動(dòng)存量市場(chǎng)的增長(zhǎng)與原生應(yīng)用的創(chuàng)收，從而帶來整體市值的增長(zhǎng)。此外，AI時(shí)代原生應(yīng)用的核心特征，是人與機(jī)器的自然交互，因此大模型本身即是AI時(shí)代最大的原生應(yīng)用，我們可以期待這一超級(jí)應(yīng)用的出現(xiàn)。

第六，多模態(tài)大模型是AGI的終極模型

隨著Sora模型的出圈，多模態(tài)模型開始引燃各行各業(yè)。不同于傳統(tǒng)語言模型僅將語料作為token，多模態(tài)模型的訓(xùn)練方式是將視頻、語音和圖像等多模態(tài)數(shù)據(jù)作為token，訓(xùn)練出能夠理解物理世界的大模型。

請(qǐng)Sora根據(jù)描述生成一段SUV在山路上行進(jìn)的畫面，結(jié)果令人震撼，車在山路上的奔馳能夠完全遵守交通規(guī)則，拐彎也輕松自如，在沒有路徑圖和3D建模的情況下，模型完全靠“自學(xué)”模擬了這一影像。這需要模型對(duì)于物理世界的理解，可以說Sora的出現(xiàn)，意味著能夠理解、描述和模擬現(xiàn)實(shí)世界的“世界模型”取得了突破，也讓我們對(duì)于走向AGI更有信心。

文生視頻是Sora最令人驚嘆和備受矚目的功能，但事實(shí)上多模態(tài)模型的能力范疇不止于文生圖、文生視頻，更包括對(duì)圖片或視頻的理解和闡釋——多模態(tài)模型應(yīng)同時(shí)具備正向的生成與反向的理解能力。誠(chéng)如美國(guó)物理學(xué)家理查德·費(fèi)曼的箴言所揭示：“What I cannot create, I do not understand”。只有大模型真正理解物理世界，才能更好地創(chuàng)造和模擬。

如何訓(xùn)練這樣的模型？打個(gè)比方，飛行員學(xué)習(xí)駕駛飛機(jī)需要先在模擬駕駛艙中訓(xùn)練很長(zhǎng)的時(shí)間，模擬駕駛艙是由空間模型和飛機(jī)動(dòng)力學(xué)模擬形成，飛行員先從模擬的數(shù)據(jù)中學(xué)習(xí)一切操作再應(yīng)用到現(xiàn)實(shí)駕駛當(dāng)中。同樣的道理，我們可以通過觀察和描述物理世界產(chǎn)生新的訓(xùn)練數(shù)據(jù)，從而訓(xùn)練出能夠理解和模擬物理世界的大模型。

按照這個(gè)邏輯，談及未來應(yīng)用，多模態(tài)大模型很可能重新改寫自動(dòng)駕駛系統(tǒng)。過去，所有自動(dòng)駕駛公司每到一個(gè)新的城市，必須花費(fèi)3到6個(gè)月時(shí)間重新掃描這個(gè)城市的所有街道，未來這項(xiàng)工作可以由多模態(tài)大模型代勞。

第七，多模態(tài)大模型驅(qū)動(dòng)通用機(jī)器——從簡(jiǎn)單指令到自我規(guī)劃

除了語言模型和多模態(tài)大模型，以機(jī)器人為核心的具身模型也是當(dāng)今研究的重點(diǎn)方向。通過多模態(tài)模型和機(jī)器人的結(jié)合，能夠增強(qiáng)機(jī)器人理解和描述周邊世界的能力，從而使其能夠自主地做出行動(dòng)，這就是通用機(jī)器人的未來。

例如，在訓(xùn)練機(jī)械手打開微波爐的任務(wù)中，傳統(tǒng)機(jī)械手可能難以應(yīng)對(duì)微波爐門鎖的操作。而引入多模態(tài)大模型后，機(jī)械手可以通過與模型的交互，學(xué)習(xí)操作手冊(cè)，從而掌握打開微波爐前需要先按下解鎖按鈕的步驟。從這個(gè)角度講，未來的機(jī)器人不僅能夠執(zhí)行已經(jīng)被訓(xùn)練的任務(wù)，還可以通過大模型的加持，完成之前沒有經(jīng)過訓(xùn)練，但是能夠通過自主學(xué)習(xí)理解的任務(wù)。在大模型的帶動(dòng)下，機(jī)器人將完成從簡(jiǎn)單指令到自我規(guī)劃的能力躍遷，這個(gè)過程讓研究者看到了實(shí)現(xiàn)通用機(jī)器人的可能性。

圖9 ?多模態(tài)大模型驅(qū)動(dòng)通用機(jī)器: 從簡(jiǎn)單指令到自我規(guī)劃

第八，“奇點(diǎn)”來臨，未來將是自主智能的世界

隨著語言模型、視覺模型和機(jī)器人具身模型的日臻成熟，人們對(duì)實(shí)現(xiàn)通用機(jī)器人的預(yù)期時(shí)間，已經(jīng)由超過十年縮減至五年以內(nèi)，我們不久后將見證下一代自主行動(dòng)系統(tǒng)的誕生。

三十年前，當(dāng)“深藍(lán)”擊敗俄羅斯棋王卡斯帕羅夫，他意識(shí)到計(jì)算機(jī)能夠幫助人類提升棋藝——這是人工智能的Copilot階段。當(dāng)技術(shù)進(jìn)化到AlphaZero，計(jì)算機(jī)不再使用人類的棋譜，而是按照自己的算法、規(guī)則和目標(biāo)函數(shù)來下棋，能夠使用人類大師無法理解的招數(shù)出奇制勝。在AI面前，人類兩千年的智慧積淀已經(jīng)顯得微不足道。人類很難再在棋類贏AlphaZero，這表明Copilot會(huì)隨著AI技術(shù)的發(fā)展而被取代。

圖10 歷史來看，Copilot將會(huì)被迅速替代

AlphaZero的出現(xiàn)還表明，在部分應(yīng)用場(chǎng)景中，機(jī)器已經(jīng)有了上帝視角——人類只看到一個(gè)小山丘或山谷，而“上帝”則看到了整個(gè)地貌。

在《奇點(diǎn)來臨》一書中，“奇點(diǎn)”（Singularity）一詞是指當(dāng)技術(shù)發(fā)展的速度超過了人類的平均學(xué)習(xí)能力時(shí)，機(jī)器能夠比人類更好地完成新任務(wù)，任何需要平均IQ、平均技能的任務(wù)會(huì)被機(jī)器所取代。如今大模型所具備的極強(qiáng)的學(xué)習(xí)與推理能力，昭示著“奇點(diǎn)”即將到來。

圖11 奇點(diǎn)即將來臨？

展望未來，企業(yè)提高生產(chǎn)力和實(shí)現(xiàn)業(yè)務(wù)增長(zhǎng)可能將不再依賴雇傭更多或更強(qiáng)能力的員工，而是購買更多算力和使用更強(qiáng)大的自主智能體。這可能是我們即將迎接的未來，一個(gè)我們必須去想象的未來。正如《未來簡(jiǎn)史》作者所說，未來的世界可能只有3%的神人，而剩下的97%將是閑人。今天，大模型已經(jīng)讓我們看到了這個(gè)未來的可能性。

審核編輯：黃飛