他认为,力促链创虽然上述这些不像技术看起来那么复杂,但是需要时间,需要不断去搭资源。
我认为,产业大模型比光刻机、芯片的难度要低很多,因为毕竟是软件,但未来是要奔着AGI,也就是通用人工智能去的,这块的挑战就是算力。如果能取得成绩,新链我认为就已经是很大的进步了。
张鹏:融合通用大模型的能力提升所衍生的能力,能让我们去寻找到大模型原生的应用或者大模型原生场景。因为Sora本身还有很多创新的技术大家还在研究,发展我也不敢特别准地去预测需要多少时间,但我相信应该不需要太久。但是在这个过程当中,力促链创技术需要发展,产业也需要落地。
但如果把大模型越做越小,产业走垂直化、产业产业化、企业化、场景化的道路,可能不需要万亿、千亿的参数,只需要百亿的参数,再加上一些私有的核心数据加持,在一个垂直单元上是可以超过GPT-4的。按照刷榜的成绩,新链国内的模型早就超过了GPT-4了。
其次,融合美国也不是全面领先,美国真正在人工智能领先的公司,我认为就两家,软件是OpenAI,硬件是英伟达。
所以我主张要在企业用大模型不要一下子宏大叙事,发展而是在内部业务链条,或在外部产品功能中,选取两到三个场景,用大模型赋能。力促链创能不能展开聊聊?周鸿祎:我们去年从toB模式中找到一些方法论。
摘要:产业作为人工智能发展的核心引擎,产业国外的大模型不断引爆国内舆论场、刷新大众认知,我们的国产大模型还能弯道超车吗?今年是大模型应用元年,在现实的不同场景之下,大模型又将与产业擦出什么样的火花?华夏时报(www.chinatimes.net.cn)记者李明会北京报道伴随着ChatGPT、Sora、Figure01不断引发全球关注,人工智能(AI)的惊人迭代速度不断扩展着人们的想象空间。我认为,新链大模型比光刻机、芯片的难度要低很多,因为毕竟是软件,但未来是要奔着AGI,也就是通用人工智能去的,这块的挑战就是算力。
张鹏:融合通用大模型的能力提升所衍生的能力,能让我们去寻找到大模型原生的应用或者大模型原生场景。据我了解,发展现在的大模型厂商纷纷转型,往产业方向走、往垂直方向走。