文|睿财经 王蕾

360集团创始人周鸿祎在“GPT产业联盟成立大会上”表示，既然国家的策略也是在产业数字化，那真正的机会就是面对政府、面对企业的企业级、行业级市场，是利用人工智能技术来改变百行千业。然而，公有大模型不能直接用于企业级市场，中国重视数据安全，对数据的所有权计算地点都看得很重。因此，360集团针对这一问题提出了一套解决方案。

周鸿祎认为，目前来看，公有大模型有很多的不足，第一是其是个“通才”，但是缺乏行业深度。ChatGPT什么都知道，但是对于行业领域的信息只能泛泛而论，知识深度不够。公有大模型是万事通，但不是行业通、企业通。此外，使用公有大模型容易带来安全隐患，企业使用的话面临着隐私泄露的问题。

360深度研发大模型

为了解决这些问题，360集团提出了企业级应用使用百亿级基础模型的建议。根据不同需求训练不同的垂直小模型(如代码、法律),这样只需要负担垂直训练的成本。周鸿祎表示，大模型的定位引领了一场新的工业革命，第一是因为其是生产力提升的工具而不只是社交、社区。他可以用在内容上，但是更重要的是提升组织的劳动生产力，大模型是通用能力的赋能。

虽然现在很多大模型都还是Siri和智能音箱的水平，但是以后车上也都可以有大模型来帮你识别路况、在自动驾驶方面辅助。人工智能的确热，但是不能一直热，现在明显感觉到这个话题冷了一点，大家也在思考一个问题，其实ChatGPT的使用门槛还是相当高的。

前两天朱啸虎竟然在朋友圈和傅盛争论了起来，我也看了，他们讨论的还是到底ChatGPT对于创业公司来说出路在哪里，说白了还是回到一个商业模式的问题，做大模型的公司都要一手抓住核心技术，但是也不一定就能成功了，如果每个人都想做中国的ChatGPT,都要把对方干掉，那我们今天就没有必要坐在一起开会，这个市场太大。

在周鸿祎看来，大模型不是只有成为ChatGPT这一条路，而是成为一个通用入口、操作平台的标配，就像大数据、物联网一样，以后在每一个数字化系统里成为一个标配。因此，未来大模型的发展模式到底是什么样，我认为是无处不在。

在中国要把大模型做好首先要顺应国家的战略，既然是产业数字化，就应该想想大模型如何聚焦产业和行业，成为重要的推动者、参与者，这就是顺势而为。很多人问我和ChatGpt有啥差距，至少在刷题层面我已经超过他们了！但是和ChatGpt4比，我们的产品和他们的差距也比我预想的小多了，我觉得也就还有几个月吧，就能超过他们。

总之，大模型作为人工智能的重要领域之一，具有巨大的市场潜力和发展空间。随着技术的不断进步和应用场景的不断拓展，大模型将在未来发挥越来越重要的作用，推动各行各业的数字化转型和升级。

大模型百花齐放

大型语言模型也逐渐成为了研究和应用的热点。国内开发大模型的公司也越来越多。

百度：百度是中国最大的搜索引擎公司之一，也是国内最早开始研究大型语言模型的公司之一。百度开发的ERNIE(Enhanced Representation through kNowledge IntEgration)模型是目前国内最先进的自然语言处理模型之一，它在多项自然语言处理任务中都取得了非常好的成绩。

腾讯：腾讯是国内最大的互联网公司之一，也在大型语言模型领域有着广泛的探索和应用。腾讯推出的TNN(Tencent Neural Network)模型是一种基于深度学习的神经网络模型，它可以用于自然语言处理、图像识别等多个领域。

阿里巴巴：阿里巴巴是中国最大的电商公司之一，也在大型语言模型领域有着不少的研究和应用。阿里巴巴推出的ALPA(Alibaba Language Processing Assembler)模型是一种基于深度学习的自然语言处理模型，它可以用于文本分类、情感分析、机器翻译等多个任务。

商汤科技：商汤科技是一家专注于计算机视觉和人工智能技术的公司，也在大型语言模型领域有着不少的研究和应用。商汤科技推出的AROMA(Ancestral Representation through Observation and Multimodal Fusion)模型是一种基于深度学习的自然语言处理模型，它可以用于文本生成、机器翻译、问答系统等多个任务。

华为：华为是中国最大的通信设备制造商之一，也在大型语言模型领域有着不少的研究和应用。华为推出的MindSpore是一个全场景AI计算框架，它可以支持多种硬件平台和多种算法模型，包括大型语言模型。

除了以上这些公司之外，还有很多其他的公司在大型语言模型领域也有着不少的研究和应用，比如小米、京东、滴滴等等。随着人工智能技术的不断发展和应用场景的不断拓展，相信未来还会有更多的公司加入到这个领域中来。

无处不在的大模型应用

大型语言模型是人工智能领域中的一个重要研究方向，其未来应用方向非常广泛。以下是一些可能的应用方向：

自然语言处理(NLP):大型语言模型可以用于各种NLP任务，如文本分类、情感分析、机器翻译、问答系统等。随着NLP技术的不断发展，大型语言模型将会在这些任务上取得更好的效果。

语音识别：大型语言模型可以用于语音识别任务，如语音转文字、语音合成等。随着语音技术的发展，大型语言模型将会在这些任务上取得更好的效果。

对话系统：大型语言模型可以用于构建对话系统，如智能客服、智能助手等。随着对话系统的不断发展，大型语言模型将会在这些系统中发挥越来越重要的作用。

推荐系统：大型语言模型可以用于构建个性化推荐系统，如电商平台的推荐系统、音乐、电影等娱乐内容的推荐系统等。随着个性化推荐系统的不断发展，大型语言模型将会在其中发挥越来越重要的作用。

知识图谱：大型语言模型可以用于构建知识图谱，将结构化和非结构化数据进行融合，从而实现更加智能化的知识表示和推理。随着知识图谱的不断发展，大型语言模型将会在其中发挥越来越重要的作用。

大型语言模型具有广泛的应用前景，未来将在各个领域发挥越来越重要的作用。