今天小编分享的科学经验：澜舟科技周明：大模型正在催生新AI中台，欢迎阅读。
ChatGPT 爆火，吹起了大模型、AIGC 的风口，但伴随着兴奋而来的，还有普遍的焦虑：
大模型时代，我们究竟应该做些什么？
我想现在，一是要看到未来 AGI 的绝对趋势；二是要找到自己的长处，脚踏实地去做；三是要营造一个好的生态环境，大家多交流、互相成就。
这就是面对如此 " 焦虑 "，世界顶级 AI 科学家、曾任 ACL 主席的周明，在首届中国 AIGC 产业峰会现场给出的最新观点。
2021 年 6 月，周明成立澜舟科技，这是一家以 NLP 技术为基础的认知智能公司。同年，澜舟科技的 " 孟子 " 模型以 10 亿参数 " 四两拨千斤 "，登顶中文语言理解权威评测基准 CLUE。
当 ChatGPT 的大潮来袭，作为国内最先一批有准备的人，周明认为，与此前的大模型不同：
首先，ChatGPT 对用户的意图理解非常清晰，也更加准确。
其次，多轮对话的建模非常好，还有若干解析能力。
但同时，站在工业界角度，很多需要解析能力的任务，用单独的引擎能达到比 ChatGPT 更好的效果。
所以，找到 ChatGPT 的应用场景非常关键。
基于这样的思考，周明博士站在 To B 角度，分享了对 AI 2.0 时代进行数智化转型的看法，从自身角度解答了 " 怎么用 ChatGPT"、" 我们应该做什么 " 的问题。
为了分享周明博士的更多精彩观点，量子位在不改变原意的基础上，对他的演讲内容进行了编辑整理，以飨读者。
演讲要点
大模型时代，新的 AI 中台正在出现。
ChatGPT 对用户的意图理解更加清晰准确，多轮对话的建模显现若干解析能力。
对于企业而言，并不是必须用 AI 2.0、一定要抛弃 AI 1.0。
OpenAI 和微软做对了什么？一是看到未来，二是发挥所长，三是互相成就。
（以下为周明演讲全文）
AI 2.0 时代，不一定要抛弃 AI 1.0
过去 N 多年，企业在完成信息化之后，期待的是智能化。但其实，这个智能化过去没有很好地发展起来。
很多企业做所谓 AI 中台，用 AI 中台支持各项业务，效果不是很理想。现在有了大模型，大家都在考虑我能不能搞一个新的 AI 中台来支持所有业务。
认知智能涵盖很多方面的因素：第一是语言理解，第二用推理、预测、决策去解决问题。这在很多方面都有用处，包括翻译、客服、知识图谱、推荐问答，都是企业智能引擎的一部分。
所以如何搞一个大模型，作为某种意义上的 AI 中台来支持企业各项业务，就是我们现在要考虑的一个问题。
回到大模型，支持下游任务无非有两种做法：GPT-3 之前，是做模型的微调，去修改模型参数；而 GPT-3 之后，像 ChatGPT，它就是用 prompt（提示词），不需要对大模型进行修改，通过提示就能把大模型的很多能力牵引出来解决问题。
这样一来下游任务的开发就变得非常简单了，做 prompt 就可以了。
现在大家都去追 ChatGPT，其实大模型是多种多样的，包括一开始 BERT、T5 到 GPT-1、GPT-2 等等。那么ChatGPT 跟以前的大模型有什么区别？
我的理解是：第一，它对用户的意图理解更加清晰准确；第二，多轮对话的建模非常好，有若干解析能力。
不过，站在工业界角度，很多解析能力其实不用 ChatGPT 也能做得很好，比如翻译。用单独的引擎跟 ChatGPT 比，可能还比 ChatGPT 厉害。
在这种情况下，到底要用 ChatGPT 来干什么？
两种考虑：一个是在 ToC 层面上，AGI 能力越多越好，用户在一个简单界面中，就可以想干什么干什么，不用来回来去翻。
另一个是在 ToB 环境下，把问题理解、多轮对话的能力，接上企业自己的核心引擎，好好结合起来。因为对于企业来说，很多 AGI 功能是基本不用的，甚至还有可能捣乱。
现在都在讨论 AI 2.0，AI 2.0 对应的是 AI 1.0。
1.0 是什么？一个模型一个引擎，一个模型一个任务。而 AI 2.0，就是一个模型 N 个任务，甚至可以想象未来一个模型解决无穷个任务。现在当然达不到这个状态，但是有这样的趋势。
好处是，一个模型 N 个任务，可以提高开发效率。另外大模型到一定程度有涌现能力，让人产生了一些对未来人工智能深深的遐想，这是以前单模型、单任务永远出不来的。
但对于企业而言，并不是必须用 AI 2.0、一定要抛弃 AI 1.0。
企业应该把 AI 1.0 功能引擎和 AI 2.0 的部分能力（如问题理解和多轮对话的能力）无缝对接起来，形成一纵一横的合力。
大模型来了，能有效改进企业的智能化研发环境。过去任务太碎片化，一个任务一个模型，研发人员准备各种 feature 的代价太大，维护成本也比较高。现在有了大模型，代价就减少了很多，通过本地部署或者云，整体开发效率提高了很多，维护也容易了。
我们就在想，有这样的开发新范式，在企业经营场景中会有哪些新发现？
举一个例子，金融行业用大模型，你得拿金融数据做 continue training 才会更准。再拿金融领網域常见的任务、长期积累的一些标注数据做监督学习，才能让模型适用于真实场景。这时候再拿模型去完成一些已有任务或新任务，效率才会提高。
类似于 ChatGPT，具体怎么用呢？一个是用 ChatGPT 打底座，做 foundation model 训练金融大模型，另一个是用 ChatGPT，在人机互動环境下对企业的各个引擎进行调度。这样一来，就能让原来的智能客服具有多轮对话、意图理解能力，推动新一代智能客服的出现。
澜舟在做大模型的时候，尤其考虑了企业落地的问题。
第一，是大模型企业数智化应用的边界。是把大模型当作一种分发机制，还是当成基础模型支持下游训练？
第二，是大模型结果的可控性和安全性，不能一会儿对，一会儿错。
还有，企业以前的功能引擎如何无缝地接入大模型。
最后，企业数据要如何巧妙地用起来，如何把模型做得更轻。
为此，我们训练了孟子的一系列模型，并进行了开源。结合用户的需求，我们不追求非得是千亿模型，十亿、百亿、千亿我们都可以提供，然后基于用户的数据快速做 continue training。
基于互联网中文数据，以及来自企业、客户的中文数据，孟子模型很懂中文。
另外，我们也做了很多 AIGC 的工作，包括小说的续写，关键词生成，实体渲染等等。
基于这些工作，我们跟中文在线合作了一个网文版类 ChatGPT 引擎。
澜舟在做企业落地的时候，以孟子大模型为底座，拿用户行业数据和用户任务数据做 continue training 的例子，还包括和同花顺一起做的金融大模型，和传神合作的翻译大模型，和华夏金融合作的舆情分析大模型，以及跟数说故事公司一起做的 AIGC 大模型，这些大模型都已经落地了。
多说一句，行业搜索引擎也会被重新定义。第一是从关键词匹配到语言理解，第二是从数据到深度理解，第三是从简单信息获取到内容生产。
OpenAI 和微软做对了什么？
最后说一点感想。这张图这两天很火，是黄仁勋当时把 DGX-1 的第一台机器赠送给了 OpenAI。
现在，OpenAI 已经是 AI 领網域的翘楚，英伟达是全球科技领網域市值第五的公司，还有微软，也坚持投入 AI，跟 OpenAI 长期合作，三家公司现在发展非常好。
他们做对了什么？
第一，是拥抱未来。他们看到 AI 的主旋律是一定要抓住的，并且持续为之努力。
第二，是脚踏实地。每个企业都有自己的特点，OpenAI、微软和英伟达，都是在把自己的长处发挥出来。
第三，是互相成就，而不是互相拆台。比如说微软突然把 OpenAI 做的事都给做了，或者 OpenAI 往下游走，去跟英伟达形成竞争关系。
我想说这句话的意思是，现在咱们中国 AIGC 开始火了，大家蜂拥而上，大厂、小厂、研究机构、学生、老师都有小小的焦虑。
这时候，一是要看到未来 AGI 的绝对趋势；二是要找到自己的长处，脚踏实地去做；三是要营造一个好的生态环境，大家多交流、互相成就，才能促进整个 AIGC 的发展。
谢谢大家！
