傅盛周鸿祎同台泯恩仇，发布单卡可部署的百亿模型

今天小编分享的互联网经验：傅盛周鸿祎同台泯恩仇，发布单卡可部署的百亿模型，欢迎阅读。

" 下面一起聊碰到 AI 的东西，放心，我来跟他是放心碰撞的，不是怼。"

2024 年 1 月 21 日，360 创始人周鸿祎罕见现身猎户星空的大模型发布会，与猎户星空董事长傅盛，进行了一场隔了 16 年的同台对谈。

周鸿祎与傅盛同台对谈。图源：直播截图

早年间，傅盛曾是周鸿祎在 360 的得力干将，其带领团队探索的业务 360 安全卫士，在 2006 年的日均安装量已经达到 20 万。但由于发展理念不合，2008 年 10 月，傅盛辞职离开 360，并与雷军合作创办竞品公司金山网络。2011 年，360 以窃取机密资料为由，与傅盛对簿公堂。

而让双方在公开场合一笑泯恩仇的，则是被周鸿祎视为 " 这辈子经历 PC、互联网、移动互联网之后第四次巨大的机会 " 的AI 大模型。

在圆桌对谈中，傅盛和周鸿祎两人对 AI 模型层和应用层的创业，有以下观点：

AI 不是作業系統，而是更像当年人人配备的 PC，难以被两三家企业垄断；

大模型一定会两级分化：一条路是在云端越做越大，另一条路是把大模型做小；

训千亿大模型是大公司的活，资金资本消耗太大，但从应用出发去找好的场景把 AI 技术用好，是很好的机会；

ToC 产品无法用定制去解决，核心在于让每个人感受到独特的价值。今天的大模型做 ToC，除了套皮之外想做深不容易；

AI 对原有业务的改进更适合有一定规模的公司，AI 原生业务更适合早期的公司；公司要重视组合式的创新，把非 AI 的部分做到能让 AI 做起来；

因为行业套件还不成熟，真正 ToC 的 AI 原生应用还需要一两年。

傅盛提到，未来千亿参数规模的模型将半凋零，百亿规模的模型必将绽放。而猎户星空在模型的布局上，走的也是 " 把大模型做小 " 的路子。

此次猎户星空发布的是一款 140 亿参数的中型规模的大模型 Orion-14B，在一张消费级的千元显卡上就能部署，针对的是企业的专业场景。

Orion-14B 在 NVIDIA RTX 3060 显卡上推理速度可达 31 Token/s ( 约每秒 50 汉字 ) 。图源：猎户星空

与众多国内外 200 亿参数规模的模型相比，Orion-14B 在 MMLU、C-Eval、BBH 等中英主流测试集上拿下 SOTA（最佳模型），并且在 700 亿参数以下基座模型中，在中文数据集的表现上总分位列榜首。

基于第三方机构 OpenCompass 独立评测结果。图源：猎户星空

对于榜单上的好成绩，猎户星空也表示，Orion-14B 没有提前刷基准测试里面的真题，成绩绝对真实。

此外，Orion-14B 单次可推理 320K 的上下文，相当于一次性看完约 50 页的小说（45 万字）。而在针对大模型 " 记忆力 " 的权威测试 " 大海捞针（Needle in A Haystack）" 中，Orion-14B 对 200k Token 的召回率是 100%。

图源：猎户星空

傅盛并不避讳承认 Orion-14B 的训练，基于的是 8 个开源的 MoE（专家混合模型）。目前，Orion-14B 也已经在 GitHub、Hugging Face、ModelScope 等平台开源。

同时，傅盛指出，ChatGPT 只从公开出版品上获取数据，后果是无法深入解决企业问题。

落地到具体的企业应用场景，模型要解决的问题，一是幻觉和错误，二是缺乏自主性。

针对幻觉和错误问题，猎户星空推出了 RAG 能力微调模型 Orion-14B-RAG。所谓的 RAG（检索增强生成），能够从数据源中检索信息来复制大模型生成答案。Orion-14B-RAG 对知识边界控制、问答对生成、幻觉控制、结构化数据提取等能力，进行了专项微调，让其能更好配合企业整合自身知识库，构建定制化的应用。

针对构建自主性，猎户星空推出了辅助企业构建 AI Agent 的插件能力微调模型 Orion-14B-Plugin。该插件能够通过 Orion-14B-RAG 更好理解用户需求，并调用相关的工具解决问题。