趋势概述

2022年底，OpenAI公司展示了一款功能强大的新型聊天机器人-ChatGPT，迅即引发全球体验热潮。无论面对复杂的开放式问题，还是创作主题晦涩、风格奇特的诗歌和散文，ChatGPT的回答都令人惊叹，甚至充满幽默。例如，用户要求ChatGPT用英文詹姆斯钦定版《圣经》的语言风格，解说如何从录像机中取出花生酱三明治。

实际上，早在ChatGPT诞生之前，互联网上就已涌现出大量由人工智能生成的艺术作品。各种文本转图像生成器，如Stability AI公司的Stable Diffusion以及OpenAI的DALL·E 2等，都能根据文本提示生成栩栩如生的图像，效果令人惊叹。

这些生成的内容标志着人工智能进化史上最重大的跨越式变革之一：具有卓越任务适应能力的预训练模型，将彻底改变各行各业企业应用人工智能的方式和场景。

2017年，谷歌研究人员在人工智能模型架构方面取得了里程碑式创新。自此以后，科技企业和研究人员一直致力于加快人工智能的更新换代，将模型规模和训练集体量扩大。其结果是：强大的预训练模型（又称为“基础模型”）在接受训练的领域内表现出了前所未有的适应性

有了基础模型，企业可以开始以不同的方式处理许多任务和挑战，将重点从如何从构建人工智能，变为用人工智能构建。

技术动向

2020年，OpenAI发布的GPT-3成为首款赢得公众广泛关注的基础模型。令人讶异的是，GPT-3展示出了前所未有的能力。它不仅可以教会自己执行未经训练的任务，表现甚至优于其他专门训练过的模型。在此后几年里，更多的超大模型相继涌现。谷歌、微软、Meta等公司纷纷开发了自身的大型语言模型。

斯坦福大学“以人为本”人工智能研究院（Stanford Institute for Human-Centered Artificial Intelligence）使用“基础模型”一词来定义这种新型人工智能。该院的研究人员将此类基于大量数据训练、具有显著下游任务自适应能力的大型人工智能模型统称为基础模型。

一些企业正在竭力扩展数据类型，以解锁更多的数据模态。例如 "蛋白质语言"，Meta公司开发了一种蛋白质折叠模型，将蛋白质结构预测速度提高了60倍。

企业应密切跟踪的另一关键领域，则是基础模型构建和部署的便捷化，快速增长的计算需求，以及处理大规模计算所需的相关成本和专业知识，是当前面临的最大障碍。所有下游应用变体的运行和托管成本亦十分高昂。

变革启示

企业面临的问题并非基础模型是否会影响其所在行业，而是会产生哪些具体影响。

基础模型有望深刻改变人机交互方式。例如ChatGPT代表着搜索和知识检索的未来，可以撰写诗歌论文、调试代码和回答复杂问题。ChatGPT还能记住之前的对话，因此回复时可以酌情修改或详细说明，从而使人机交流更加流畅自然。

基础模型为人工智能的应用开启了新的可能性，但面临的主要问题是缺乏训练数据。不过预训练基础模型，显然可以规避这一局限。

多模态基础模型也在挑战极限。当多模态模型能够连接文本、声音、图像、视频、三维空间数据、工业设备的传感器数据、环境数据以及许多其他类型的数据时，可以帮助我们完成哪些工作？工业设备可以使用人工智能系统，将来自数十个传感器的数据转化为机器维修程序。

一些大型科技企业和研究机构已完成了预训练基础模型的构建，进而将其作为平台，为新的人工智能应用提供支持。他们会通过开源渠道或API付费访问的形式，提供基础模型服务。

要让基础模型在企业中发挥适当作用，就必须了解其最佳应用场景。许多人工智能应用程序使用的数据类型，已超出基础模型的处理范围。而对其他企业来说，狭义的人工智能仍能提供良好的服务，因为它是为了特定任务而训练的。更重要的是，基础模型中的偏见问题如今已非常普遍。这主要是由于模型的同质化趋势，以及许多基础模型均是通过互联网大型数据集训练而成。

即使自然语言让用户界面操作变得更加简便，企业也仍需具备一定的软件工程知识，只有这样，才能依托基础模型成功创建相关应用程序。当然，不具备相关技能的企业同样能从技术中获益良多，此类企业正好构成了该生态系统的第三层。随着OpenAI等一众企业纷纷开启模型的平台化进程，许多企业也开始提供新的B2B产品和服务。

最终，人工智能业务将从构建模型，转变为基于模型开发产品及服务。因此，会使用基础模型、使其适应业务需求、并且将基础模型与应用程序相集成的人才将日益抢手。