自ChatGPT爆火之后，國內便掀起了一股AI浪潮之風。大廠卷模型，小廠卷應用，那么普通人如何應對AI浪潮？本文對此進行探討，一起來看看吧。

自今年3月ChatGPT爆火之后，國內起了一股“備戰”大模型之風，各大廠紛紛重金押注：all in AI多年的百度推出“文心一言”誓與ChatGPT一戰，華為“盤古”席卷行業，阿里“通義千問”落地辦公領域……大模型的火熱程度，似乎為唱衰許久“大廠流量見頂”的陰霾照進了一絲光明。

不久前的8月31日，在AppStore免費榜上，向公眾開放之后的“文心一言”一舉沖上了榜首，百度官方顯示，文心一言上線首日用戶突破100萬大關。

在這之前，文心一言在內的多款大模型產品均需要進行內測申請。今年3月16日，文心一言正式開啟內測，首批用戶可以通過邀請碼登錄并在文心一言官網體驗產品。7月初百度上線了文心一言蘋果版App，但那是用戶仍然需要獲得內測資格才能體驗到相應功能。

這一次，百度AI大模型一舉登頂的同時，似乎也揭開了國產大模型的“百模大戰”。因為，另外幾家如百川大模型、智譜清言、商量SenseChat也在同日開放了使用。

國產大模型進入井噴時代！

一、大模型之爭，一場沒有硝煙的戰爭

大模型，即大語言模型，是指使用大量文本數據訓練的深度學習模型，可以生成自然語言文本或理解語言文本的含義。

簡單來說，大模型能夠模擬人類學習語言的過程，以類似人類的方式理解和生成文本，是通向人工智能的重要途徑。

我們日常生活中經常使用的Siri和天貓精靈，其實就是基于大模型下的基礎應用，只不過因為這一時期的AI“不夠智能”而被人們戲稱為“人工智障”，但是，誰也沒有想到短短幾年時間，AI就從“聽懂指令”進化到“執行指令”，甚至能夠基于指令自我學習，創作文案、腳本、繪圖。

從大模型的研發視角看，大模型主要分為三類：一類是大廠自研。比如百度的文心一言，阿里的通義千問，華為的盤古，騰訊的混元，京東的言犀，字節的火山方舟，螞蟻集團的貞儀，小米的MiLM-6B等等。一類是獨立創業團隊。比如搜狗創始人王小川，在五道口的搜狐大廈二層對外官宣“百川智能”。還有一類是學院派。比如今年初復旦大學計算機學院團隊發布的MOSS大模型，清華的ChatGLM，還有中科院自動化所的紫東·太初。

在資本市場，國內外大模型廠商也備受資本青睞。

在ChatGPT爆火之后，短短半年之內，由前OpenAI領導人創立的人工智能企業Anthropic就連獲三輪大額融資，總額超8.5億美元。

而中國公開發布的AI大模型數量早已上百個，單獨統計帶有 AIGC 標簽的公司，2023 年上半年融資交易 58.9 億元，事件數量 42 起，遠超往年。

嗅覺靈敏的中國大廠們更是拿出了孤注一擲的勇氣！

打響第一槍的是百度“文心一言”——這是百度在2021年12月推出的百度·文心（ERNIE 3.0 Titan）迭代而來的細分模型，百度創始人李彥宏稱將用其重構百度所有的應用。6年前，百度開啟“all in AI”戰略轉型人工智能，現在看來是一個十分具有前瞻性的戰略。

隨后，4月11日，阿里云推出通義千問大語言模型，迎戰文心一言。阿里董事會主席兼CEO張勇宣布，阿里所有產品將接入大模型全面升級。

如果你經常使用釘釘文檔，你就會發現，左上角悄悄上了AI文檔功能，AI已經不知不覺進入你的辦公場域，可以輕松幫打工人“搬磚”——做ppt、表格、設計海報、撰寫文案。

4月24日，科大訊飛星火認知大模型官網正式上線。作為AI語音龍頭，訊飛星火認知大模型圍繞“知識問答、代碼編程、數理推算、創意聯想、語言翻譯”等場景布局，并嘗試與教育垂直場景的深度融合。

字節系的火山引擎6月28日發布大模型服務平臺“火山方舟”，面向企業提供模型精調、評測、推理等全方位的平臺服務，集成多個大模型，供客戶直接對比。

7月13日，京東發布靈犀大模型：靈犀大模型融合70%的通用數據與30%的數智供應鏈原生數據，深入零售、物流、金融、健康、政務等知識密集型、任務型產業場景，解決真實產業問題。

7月18日，華為聯合山東能源集團舉行發布會，宣布華為盤古大模型在礦山領域實現首次商用。幫助各行各業，例如金融、政務、礦山、氣象等行業，利用盤古大模型在產品研發、生產供應鏈、市場營銷以及數字運作領域賦能。

騰訊的混元大模型，于8月3號宣布進入內測階段，主要應用于騰訊廣告、3D虛擬場景自動生成、對話式智能助手等。9 月 7 日，騰訊宣布混元大模型今日起對外開放，用戶可通過騰訊云進行體驗，支持直接調用 API 接口，或者將混元作為基底模型，在公有云上進行精調。

自此，從BAT到華為小米，國內外巨頭悉數下場。

二、大模型有什么用？影響我掙3000塊的月薪嗎？

整體來看，云廠商使用大模型主要有2個層面的應用考慮：

一是提高生產力：包括普適性 AI 應用，即使用大模型完成小模型的快速定制，另外就是快速地將大模型使用到現有產品中去，包括智能問答、服裝設計等場景，在不斷的使用大模型探索應用的邊界。

二是提高影響力：包括可以依賴大模型宣傳一波自己的框架（百度的 PaddlePaddle、華為的 MindSpore）；借助大模型刷榜，挑戰人類智能極限（中文的 CLUE，英文的 GLUE 等）；開發出各種好玩但不一定賺錢的應用（AI 寫詩、AI 作畫，展會特別好用），也許某一天就可以變現了。

具體來看，包括：

自然語言處理（NLP）：在自然語言處理領域，大模型被廣泛用于語言模型、機器翻譯、問答系統等任務。通過使用大規模的語料庫進行訓練，大模型可以更好地理解語言的含義和語境，并生成更準確的文本。

學語言或者干翻譯的要注意了！

計算機視覺（CV）：在計算機視覺領域，大模型用于目標檢測、圖像分類、圖像生成等任務。通過在大規模圖像數據集上進行訓練，大模型可以提取更深入和高級的特征，從而提高圖像識別和理解的準確性。

主要應用在數字營銷，AI可以更加節省人力去做圖像的識別和標簽化管理，鑒黃師可能要失業！

金融風險管理：在金融領域，大模型被應用于風險預測、市場預測和欺詐檢測等方面。通過處理大量的市場數據和交易記錄，大模型可以分析市場趨勢和風險，并提供有力的決策支持。

緬北詐騙分子的囂張氣焰要被扼殺！

醫療診斷：在醫療領域，大模型被應用于疾病診斷、影像解讀以及藥物研發等方面。通過處理大量的患者數據和醫學圖像，大模型可以輔助醫生進行準確的診斷和治療。

全體地球人的福音！

交通與城市規劃：在交通和城市規劃領域，大模型可以幫助優化交通網絡、提高交通流量和安全性等方面。通過使用大規模的交通數據和城市數據，大模型可以模擬和預測城市交通的運行情況，并提供優化交通規劃的決策支持。

或許，堵車難題將被解決？

于普通人而言，如果你發現自己日常工作的大部分都可以被AI代替，可就要多個心眼了。

每個人都應該提升自己對于AI領域的認知，要上手和AI打交道，學會使用AI、駕馭AI就像我們現在會使用電腦、手機一樣。

我們應當主動在自己的工作中引入AI工具。畢竟，在AI的碾壓下，沒有一個工作是絕對安全的。與其被動地被優化，建議大家不如先走一步，先主動地、徹底地，把AI能力融入自我工作流程，用AI革命自己的工作。

三、巨頭游戲，除了大模型，還在卷什么？

“不管什么賽道，只要大廠一做，你就知道要開始卷了”——這句行業內的戲言如今正在大模型身上應驗。

在2023百度云智大會上，百度創始人、董事長兼首席執行官李彥宏也提到：卷大模型沒有意義，卷應用機會更大。

在中國，通用模型層的百模大戰還遠沒有分出勝負，從效果上誰也沒有做出決定性的優勢，但隨之而來的是對應用形式的大量創新探索。

AI在應用層的想象空間似乎更大。就像當初計算機發明的時候，沒人能看到現在互聯網的應用形態。AI的最大價值，誕生新巨頭的地方，是它產生的未來的東西，是我們沒看到的和看不清的。

AI應用領域，從技術難度由易到難，可以分為“幫助決策，輔助創作和代替執行”三個層面。

1）幫助決策是AI在數據和信息基礎上形成知識，進而幫助人類進行決策，完成精度要求不高的特定任務。主要應用于生活和辦公以及專業服務方面。比如：智能助手：日常生活、辦公管理等；專業服務：廣告、教育、金融、醫療、物流、安防、電力等；

2）輔助創作是AI在知識的基礎上形成邏輯推理能力，輔助內容創作，實現創意目標。主要應用于資訊、文字、圖像、影視、游戲等；

3）代替執行是AI在邏輯推理基礎上形成高精度的執行能力，主要應用于智能機器領域，代替人類執行高精度要求的解決方案。比如智能汽車、智能機器人、智能工廠等。

目前來看，生成式AI可運用于B端及C端場景，典型應用場景如B端的辦公、營銷、金融等，C端的教育、 社交、電商。

應用落地速度來看：B端快于C端。由于AI To B應用主要面向企業內部等特定少數用戶群體， 注重為特定領域的生產降本增效，具備較強的工具屬性，因此更容易落地使用。

而AI To C應用 落地速度較To B產品慢，主要系其以盡可能多的用戶使用為目的，對產品的標準化程度要求更高，也需與特定場景結合，如教育產品要明確面向教師還是學生，電商產品面向買家還是賣家 等；且教育、社交的產品也具備一定媒體屬性，需要接受有關部門的監管。

從數據質量看：B端高于C端。由于AI To B應用主要面向企業客戶，對輸出內容的專業性、準 確性有更高要求，容錯率低，因此也要求底層模型用于訓練的數據，也要具備較高質量；而AI To C主要面向大眾用戶，帶有一定的社交娛樂屬性，因此對輸出內容的專業性和要求較弱。

寫在最后：和AI一起進化

這是一個硅基智能全面碾壓我們智商的時代。ChatGPT 帶來的 AI 變革將深刻改變社會的發展方向，現在是混沌的亂斗局面，大家都卯著勁想做出點什么。但模型又不是普通人能做的，所以出現了更多以場景應用為主的產品，也給創業者和開發者們提供了許多 AI 應用的思路。

另外本土化是另一個重要的課題，國內大廠在進度上明顯落后，但應用層已經先行并且有了很多好用的產品，這將來也會是競爭最激烈同時機會最多的地方。對于普通人而言，整個行業還在不斷發展變化，未來有的是機會。