| S/N | 中國(guó)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(guó)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(guó)家超算成都中心） | 垂直，已落地 |
| 18 | 星河（中國(guó)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(yǔ)（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(guó)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(zhǎng)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(guó)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(zhǎng)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(guó)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(guó)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(zhǎng)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(guó)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(guó)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(zhǎng)。
同時(shí)，由于通用大模型成本與技術(shù)門檻相對(duì)較高，國(guó)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(yǔ)
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(guó)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
