AI大模型是「人工智慧預訓練大模型」的簡稱，包含了「預訓練」和「大模型」兩層意義，二者結合產生了一種新的人工智慧模式，即模型在大規模資料集上完成了預訓練後無需微調，或僅需少量資料的微調，就能直接支撐各類應用。

其中，預訓練大模型，就像是知道了所有大量基礎知識的大學生，甚至博士生，完成了「通識」教育。但他們還是需要實踐，需要回饋後的精細調整，才能更好地完成任務。

另外，AI大模型具備通用、可規模化複製等諸多優勢，是實現 AGI（通用人工智慧）的重要方向。

目前AI大模型包含自然語言處理(NLP)、電腦視覺（CV）等，統一整合的多模態大模型等。例如，ChatGPT就是自然語言處理領域突破性的創新，懂“人話”，說“人話”。超越了以往的自然語言處理模型，可以應付各種自然語言處理任務，包括機器翻譯、問答、文本生成等。

簡單來看，我們可以將大模型看作一個非常大的知識庫，裡面儲存了大量的資訊和知識，可以幫助電腦更好地理解和處理輸入的資料。大模型中的每個神經元和參數，共同構成了一個強大的網絡，可以對輸入的數據，進行高效的處理和轉換。

目前，國內已有百度、阿里巴巴、騰訊、華為等公司對 AI 大模型進行開發，各模型系列各有側重，有些已推出並實現部分應用落地。

百度在AI方面佈局多年，具備一定大模型先發優勢。目前，申請文心一言 API呼叫服務測試的企業已突破6.5萬。在業界大模型上，已與國網、浦發、吉利、TCL、人民網、上海辭書出版社等都有案例應用。

阿里通義大模型在邏輯運算、編碼能力、語音處理方面見長，集團擁有豐富的生態和產品線，在旅行場景、辦公場景、購物場景和生活場景均有廣泛應用。

騰訊混元大模型已在廣告投放、遊戲製作投入使用，目前集團在研究對話式智慧助手，預計投入使用後將對QQ和微信生態有一定優化。

華為與 B 端合作緊密，預計未來應用以 ToB 為主。此外，華為在演算法、算力上儲備較為豐厚。例如：「鵬城雲腦II」獲全球IO500 排行五連冠，擁有強大的AI 算力和數據吞吐能力；華為雲ModelArts 平台的高效處理海量數據能力，7 天完成了40TB 文本數據處理；盤古大模型最早已在2021 年4 月正式發布，目前盤古大模型訓練文字資料高達40 TB（GPT-3 為45 TB）。

大模型通常由數億到數十億個參數組成，需要在海量資料上進行訓練和最佳化，才能達到更高的預測準確性和泛化能力。業內人也常說：大模型是「大數據 大算力 強演算法」結合的產物。產業發展的關鍵也在於這三點。

大數據

大算力

強演算法

未來，傳統的「掌握通識知識、流程性工作能力等」要求會逐步成為隱藏的底層要求，更顯性、高階的要求則是「創造性價值以及高效利用工具解決問題」的能力。

對一般人來說，AI大模型帶給我們的機會大致可以分為兩類，一個是短期的投資機會，一個是長期的職業機會。

短期來看，在大模型領域有技術儲備的公司更有優勢，例如，騰訊控股、阿里巴巴、百度等。同時，可以關注已在影片、行銷、閱讀等相關細分領域搶跑的重點標的，例如科大訊飛、當虹科技、捷成股份、藍色遊標、風語築、浙文互聯等。

長期來看，借用陸奇在演講時所說：「這個時代（大模型時代）跟淘金時代很像，如果你那個時候去加州淘金，一大堆人會死掉。但是賣湯匙、賣鏟子的人永遠可以賺錢。

人類技術驅動的創業創新，主要可分為三種機會──底層技術，滿足需求，改變世界。

第一種，最底層的數位化技術。數位化是人的延伸，包括GPT在內，目前發布的所有大模型AI，都是基於技術。包括英偉達、寒武紀這些晶片公司，也是為底層技術提供硬體設施。我們可以從中尋找合適自己的機會，或是為了這個職位努力完善自己的技能，例如前端、後端、設備、晶片等等。

第二種，是用科技去解決需求。需求可以分為兩個方向：To C，可以用AI解決大家的娛樂、消費、社交、內容等，一切能夠幫助人們過的更好的需求都需要被滿足；To B，可以幫助企業降本增效。這部分的機會主要是與人接觸，更了解使用者需求，帶來更好的產品或體驗。

第三種是改變世界。例如能源科技，轉化能源，或生命科學，或是新的空間。例如馬斯克正在做的機器人，腦機介面等等，甚至是元宇宙和Web 3。

陸奇在演講中提到，他對大模型相關的看法：更大規模、更複雜的模型結構，意味著更廣泛的應用領域，更多的機會——但一定要深思熟慮，先思考，再以行動導向。

一般人的機會和大模型的發展非常相似，長期發展一定是技術驅動為主，但在落地的時候對需求的拆解、分析、梳理，把控好需求，是一切的一切。做到你能做到的，其他的，交給未來！