2023 中国大模型落地应用案例集核心洞察

1. 书生浦语开源大模型：由上海人工智能实验室研发，涵盖 70 亿参数的轻量级版本 InternLM-7B，以及 200 亿参数的中量级版本和 InternLM-20B，以及完整的开源工具链体系。InternLM-7B 在包含 40 个评测集的全维度评测中展现出卓越且平衡的性能，它在两个被广泛采用的基准 MMLU 和 CEval 上分别取得了 50.8 和 52.8 的高分，开源一度刷新了 7B 量级模型的纪录。
2. 昆仑万维天工大模型：'天工'是一个 AI 搜索引擎，一个对话式 AI 助手。'天工'拥有强大的自然语言处理和智能交互能力，能够实现个性化 AI 搜索、智能问答、聊天互动、文本生成、编写代码、语言翻译等多种应用场景并且具有丰富的知识储备，涵盖科学、技术、文化、艺术、历史等领域。
3. 通义千问 2.0：由阿里云研发的超大规模的语言模型，具备多轮对话、文案创作、逻辑推理、多模态理解、多语言支持等功能。通义千问 2.0 在复杂指令理解、文学创作、通用数学、知识记忆、幻觉抵御等能力上均比上代有显著提升。
4. MiniMax-abab：由科技创业公司 MiniMax 研发。据悉，'Max-abab'是文本、语音、视觉三模态的千亿参数大语言模型，在中、英文服务领域均已超过 GPT-3.5 的水平。今年 8 月份，'MiniMax-abab'大模型通过了国家首批大模型服务备案，面向社会公众提供服务。
5. 言犀基础大模型：由京东科技研发，该模型融合了 70% 的通用数据和 30% 的数智供应链原生数据，具有更高的产业属性。
6. 百灵语言大模型：由蚂蚁集团基于 Transformer 架构研发。该模型基于万亿级 Token 语料训练而成，支持窗口长度达 32K，在主流推理类榜单中排名前列。据悉，蚂蚁百灵大模型已完成备案，基于百灵大模型的多款产品已陆续完成内测，正陆续向公众开放。

这些通用大模型包含千亿甚至万亿参数，覆盖自然语言处理、图像识别、语音识别等方面的任务，已在知识问答、医疗咨询、娱乐领域、视频生成等数十个行业场景领域，展现出广阔的落地应用潜力。

2. 垂直大模型趋势

与通用大模型相比，垂类大模型参数量相对较小。但是因为有一些行业的核心数据和业务系统的生产数据参与，所以在相应行业解决问题更为高效、直接。

从《案例集》来看，在金融、教育、医疗等领域，已经有不少公司发布了相应产品。根据《案例集》入选案例的应用场景，垂类大模型更针对于企业级应用场景的垂直性和专业性要求，而在模型部署层面，更少的模型参数、训练数据意味着更少的成本，因此垂直应用领域有望实现'万模齐发'。

《案例集》公布的名单，也恰恰验证了目前垂类大模型发展的一些趋势：

1. 加注端侧、边缘侧应用：轻量化参数能让手机助手接入 AI 大模型能力。目前已有案例包括 OPPO 的小布助手、华为的智能助手小艺等等。
2. 更倾向于'解决方案'式的交付方式：由于垂类大模型接受了大量特定领域的数据和知识，因此可以基于领域知识生成更具深度的解决方案。例如 ChatDD 新一代对话式药物研发助手，面向游戏行业的图像内容生成式大模型等等。
3. 大模型开始向多模态领域发展：多模态意味着丰富的数据形式，包含视觉、听觉和时序信息。对于大模型来说，这意味着可以从多模态中提取和学习更多维度的信息。类似于《案例集》中的单晶炉自动化工艺识别多模态模型，相信未来将会出现更多。
4. '通用 + 垂直'模型互相融通：随着 AI 技术的发展，不同类型的模型之间的界限变得越来越模糊。例如，一些通用模型开始整合垂直领域的知识，而一些垂直模型也开始利用通用模型的技术来增强其功能。例如百川大模型在娱乐领域的应用。

三、抢滩大模型未来：构建生态

对于 AI 大模型这种划时代的超级机遇而言，胜负不在于做出一个爆款应用，赚到几亿盈利，而在于，是否抓到了大时代的方向。换句话说，当下的大模型竞争早已超过了技术的范畴，更多是一种生态层面的比拼，具体表现在有多少应用、有多少插件、有多少开发者以及用户等。谁能够率先围绕大模型构建生态，或者说谁率先融入生态，谁就能成为领先者。

大模型要想像电力一样输送给千行百业和千家万户，必然需要一个体系化的产业生态，构建这个生态需要一系列相互关联的因素，包括技术发展、应用场景、数据管理、伦理与法律问题、以及社会影响等。

1. 生态建构的两派路径

在生态建构的路径上，目前企业可分为两派。一派将大模型接入原有的产品线，做升级和优化；另一派试图以大模型产品为中心，建构新一代的'超级应用'。而有些企业试图跳过这两种路径，多方面融入 AI 大模型生态。

从《案例集》公布的大模型服务类案例，我们可以看到有些中国企业做了以下尝试：

• 蚂蚁集团：实现了一个大模型数据高效高质量供给平台，不仅可降低数据获取和使用成本，且保证来源合规，并能够有效提升数据质量、过滤风险数据保障训练安全。
• 优刻得：开发的 AGI 云上模型服务平台，能提供数据标准化整合、安全合规、提供算力等服务。
• 上海道客：研发的云原生大模型知识库平台能够帮助解决信息孤岛，以及定制个性化的私人语料库。
• 泡泡玛特：AI 整合平台集成多个知名 AI 大模型，为用户提供一站式 AI 服务。

2. 解决关键挑战

这些大模型服务工具，在一定程度上能有效地解决'幻觉'、'道德'、'性能'、'数据合规'等当前 AI 大模型遇到的问题。更重要的是借助这些服务，可以建设规范可控的自主工具链，帮助 AI 企业探索'大而强'的通用模型，助力公司研发'小而美'的垂直行业模型，从而构建基础大模型和专业小模型交互共生、迭代进化的良好生态。

3. 未来展望

随着技术的成熟，大模型将不再仅仅是技术名词，而是成为基础设施的一部分。未来的竞争将集中在谁能更好地将技术与实际业务场景结合，谁能提供更稳定、更安全、更低成本的模型服务。同时，数据隐私保护、算法可解释性以及社会责任也将成为衡量大模型企业的重要标准。中国企业在这一进程中，凭借庞大的数据资源和丰富的应用场景，有望在全球大模型生态中占据重要一席。

综上所述，2023 大模型落地应用案例集不仅是对过去一年的总结，更是对未来方向的指引。通过梳理底层技术、中层模型和上层应用，我们可以清晰地看到中国大模型产业的完整图谱。从 ResNet 到 Transformer，从通用模型到垂直模型，每一步都凝聚着中国从业者的智慧与汗水。面对未来，构建开放、协作、规范的生态将是持续发展的关键。