S/N | 中國大模型 | 備注 |
---|---|---|
1 | 文心一言(百度) | 通用,已落地 |
2 | 子曰(網(wǎng)易有道) | 垂直,已落地 |
3 | 星火(科大訊飛) | 通用,已落地 |
4 | ChatLaw(北京大學(xué)) | 垂直,已落地 |
5 | 通義千問(阿里云) | 通用,已落地 |
6 | 盤古(華為云) | 通用,已落地 |
7 | Uni-talk(上海市算力網(wǎng)絡(luò)數(shù)字醫(yī)療創(chuàng)新實(shí)驗(yàn)室) | 垂直,接近落地 |
8 | WPS AI(金山辦公) | 通用,已落地 |
9 | MOSS(復(fù)旦大學(xué)) | 通用,已落地 |
10 | TeleChat(中國電信) | 通用,接近落地 |
11 | 源(浪潮) | 通用,已落地 |
12 | 混元(騰訊) | 通用,已落地 |
13 | 玉言&丹青(網(wǎng)易伏羲) | 通用,已落地 |
14 | 知海圖(知乎) | 通用,已落地 |
15 | 360智腦 | 通用,已落地 |
16 | ChatGLM(智譜AI、清華大學(xué)) | 通用,已落地 |
17 | 曉模型XPT(曉多科技、國家超算成都中心) | 垂直,已落地 |
18 | 星河(中國電信) | 通用,已落地 |
19 | 西湖(西湖心辰) | 通用,已落地 |
20 | Baichuan(百川智能) | 通用,接近落地 |
21 | 天工(昆侖萬維) | 通用,已落地 |
22 | 魔力寫作(竹間智能) | 垂直,已落地 |
23 | 曹植(達(dá)觀智能) | 通用,接近落地 |
24 | 超擬人大模型(聆心智能) | 通用,已落地 |
25 | 樂言(樂言科技) | 垂直,已落地 |
26 | 悟道3.0(北京智源) | 通用,已落地 |
27 | 本草(哈爾濱工業(yè)大學(xué)) | 垂直,接近落地 |
28 | 拓世(拓世集團(tuán)) | 通用,已落地 |
29 | 魔方Rubik(中科創(chuàng)達(dá)) | 垂直,已落地 |
30 | WAI(微盟) | 通用,已落地 |
31 | 京醫(yī)千詢(京東健康) | 垂直,已落地 |
32 | 拓天(拓爾思) | 通用,接近落地 |
33 | 白玉蘭(上海交通大學(xué)) | 垂直,接近落地 |
34 | 日日新(商湯科技) | 通用,已落地 |
35 | 軒轅(度小滿) | 垂直,已落地 |
36 | 書生·浦語(商湯科技) | 通用,接近落地 |
37 | 華佗GPT(香港中文大學(xué)) | 垂直,接近落地 |
38 | ArynGPT(清睿智能) | 垂直,接近落地 |
39 | ChatABC(中國農(nóng)業(yè)銀行) | 垂直,已落地 |
40 | 天啟(創(chuàng)業(yè)黑馬) | 垂直,已落地 |
41 | 大道Dao(理想科技) | 垂直,接近落地 |
42 | 赤兔(容聯(lián)云) | 通用,已落地 |
43 | 長虹超腦 | 垂直,接近落地 |
44 | 山海(云之聲) | 通用,接近落地 |
45 | 天書(云天勵(lì)飛) | 通用,已落地 |
46 | MathGPT(好未來) | 通用,接近落地 |
47 | 九天(中國移動(dòng)) | 通用,已落地 |
48 | 先問(清博) | 通用,接近落地 |
49 | medGPT(醫(yī)聯(lián)) | 垂直,已落地 |
50 | 天擎(美亞柏科) | 垂直,已落地 |
51 | 梧桐(千方科技) | 垂直,已落地 |
52 | 序列猴子(出門問問) | 通用,已落地 |
53 | ChatJD(京東) | 垂直,已落地 |
54 | Grace(字節(jié)跳動(dòng)) | 通用,接近落地 |
55 | 佳都知行(佳都科技) | 垂直,已落地 |
56 | KidsGPT(孩子王) | 垂直,已落地 |
57 | 長城(數(shù)慧時(shí)空) | 通用,接近落地 |
58 | TigerBot(虎博) | 通用,接近落地 |
59 | 扁鵲(華南理工大學(xué)) | 垂直,接近落地 |
60 | 知彼阿爾法(企查查) | 垂直,接近落地 |
61 | 小i華藏(小i機(jī)器人) | 通用,接近落地 |
62 | 紫東太初(中科院自動(dòng)化所) | 通用,已落地 |
63 | 砭石(智慧眼) | 垂直,已落地 |
64 | 乾元(超對(duì)稱) | 通用,接近落地 |
65 | 智工(中工互聯(lián)) | 通用,接近落地 |
66 | TechGpt(東北大學(xué)) | 通用,接近落地 |
67 | LightGPT(恒生電子) | 垂直,接近落地 |
68 | 左醫(yī)GPT(左手醫(yī)生) | 垂直,已落地 |
69 | HealthGPT(叮當(dāng)) | 垂直,已落地 |
70 | 達(dá)爾文(賽靈力) | 垂直,接近落地 |
2023.08 DBC/CIW/CIS(pari passu) |
百舸爭(zhēng)流,奮楫者先
截至2023年5月底,國內(nèi)10億級(jí)參數(shù)規(guī)模以上基礎(chǔ)大模型至少已經(jīng)公布了79個(gè),此時(shí)距離ChatGPT在國內(nèi)“破圈”尚不足3個(gè)月。
時(shí)間來到8月,這股勢(shì)頭依然不減。15日,科大訊飛發(fā)布星火認(rèn)知大模型V2.0版本,在代碼及多模態(tài)能力方面進(jìn)行了重大升級(jí);在14日的年度演講上,小米董事長雷軍宣布小愛同學(xué)已升級(jí)大模型,并開始邀請(qǐng)測(cè)試;3日,“神秘”的騰訊混元大模型也浮出水面,目前已進(jìn)入公司內(nèi)應(yīng)用測(cè)試階段……
“百模大戰(zhàn)”一觸即發(fā),國內(nèi)通用類、垂直類大模型呈現(xiàn)井噴之勢(shì)發(fā)展。IDC預(yù)測(cè),2026年中國AI大模型市場(chǎng)規(guī)模將達(dá)到211億美元,人工智能將進(jìn)入大規(guī)模落地應(yīng)用關(guān)鍵期。
放眼全球,據(jù)統(tǒng)計(jì)今年上半年全球新發(fā)布的大模型已超過400個(gè)。麥肯錫的報(bào)告《生成式人工智能的經(jīng)濟(jì)潛力》中提到,在其研究的63種應(yīng)用中使用生成式AI,將為全球經(jīng)濟(jì)帶來每年2.6萬億~4.4萬億美元的增長。
同時(shí),由于通用大模型成本與技術(shù)門檻相對(duì)較高,國內(nèi)較多大模型選擇圍繞垂直行業(yè)進(jìn)行開發(fā),模型參數(shù)量雖然不大,但是因?yàn)橛幸恍┬袠I(yè)的核心數(shù)據(jù)和業(yè)務(wù)系統(tǒng)的生產(chǎn)數(shù)據(jù)參與,所以在相應(yīng)行業(yè)解決問題更為高效、直接,特別是在金融、教育、醫(yī)療等領(lǐng)域,已經(jīng)有不少公司發(fā)布了相應(yīng)產(chǎn)品。整體生態(tài)呈現(xiàn)出“通用+垂直”的模型互相融通的態(tài)勢(shì)。
千帆競(jìng)發(fā),勇進(jìn)者勝
今年6月,ChatGPT訪問量環(huán)比下滑9.7%,為其推出以來首次下滑。從全球范圍看,盡管不斷有企業(yè)發(fā)布或更新大模型,但媒體和公眾似乎不再像幾個(gè)月前那般“上頭”。
當(dāng)大模型回歸理性,市場(chǎng)必然要經(jīng)歷一場(chǎng)大浪淘沙。關(guān)乎技術(shù),更關(guān)乎商業(yè)模式。
目前幾乎所有的大模型預(yù)訓(xùn)練都基于Transformer架構(gòu),雖是“百模大戰(zhàn)”,但各家大模型之間同質(zhì)化嚴(yán)重,實(shí)質(zhì)性的創(chuàng)新相對(duì)較少。同時(shí),訓(xùn)練大模型所耗費(fèi)的計(jì)算資源非常龐大,需要超級(jí)算力的支撐,很多公司沒有過往的研究履歷,發(fā)布的產(chǎn)品多是“套殼”或者接入其他研發(fā)機(jī)構(gòu)的模型,投機(jī)現(xiàn)象泛濫。
當(dāng)下的大模型競(jìng)爭(zhēng)早已超過了技術(shù)的范疇,更多是一種生態(tài)層面的比拼,具體表現(xiàn)在有多少應(yīng)用、有多少插件、有多少開發(fā)者以及用戶等。如果沒有良好的可循環(huán)生態(tài),那么無論在模型的持續(xù)迭代,抑或變現(xiàn)攤薄巨額研發(fā)成本方面,都會(huì)面臨可預(yù)見的重大困境,對(duì)于創(chuàng)業(yè)型公司來說更是如此。
考驗(yàn)的核心就在于大模型的落地能力。
今年獲得世界人工智能大會(huì)最高獎(jiǎng)項(xiàng)SAIL獎(jiǎng)(卓越人工智能引領(lǐng)者獎(jiǎng))的論文《機(jī)器學(xué)習(xí)結(jié)合阻抗譜技術(shù)預(yù)測(cè)鋰電池老化》,文章作者、中山大學(xué)物理學(xué)院副教授張?jiān)莆嫡f,她只采集了2萬個(gè)電化學(xué)阻抗譜,就實(shí)現(xiàn)了AI精準(zhǔn)建模。比起海量數(shù)據(jù),更重要的是思路。就是這樣一個(gè)小模型,將過去需要花費(fèi)幾天才能實(shí)現(xiàn)的電池壽命預(yù)測(cè)縮短到了15分鐘,且檢測(cè)精度是原來的10倍。
越是面對(duì)如大模型落地這種復(fù)雜的問題,就越是要回歸更本質(zhì)的層面去思考,考驗(yàn)的不僅是技術(shù)力,更重要的還是要落實(shí)在“服務(wù)”二字上,更高效、更便捷、更人性化將會(huì)是未來可持續(xù)探索的重要方向。
結(jié)語
1、受關(guān)注度或注意力這一綜合性指標(biāo)所反映的也是最綜合性的或整體性的。
2、真正的答案往往要向內(nèi)去尋找,這是更為根本的解決之道。
3、發(fā)展迅猛,未來的中國大模型100強(qiáng)即將出現(xiàn),敬請(qǐng)期待。
(文/克林)
e-Mail:lab@enet16.com
TEL:010-65283855