百度沈抖：大模型产业智能化时代的新引擎( 三 ) _模型

第二是办公领域，我们和一些企业一起研发了新的功能，通过跟机器对话就可以生成PPT、合同、文档等。基于诉求语言，在几分钟之内就可以生成一个条款清晰的合同初稿。
还有营销领域，我们可以帮商家一键生成各种风格的营销方案，并且通过数字人实现7×24小时的直播带货。
智慧政务领域，我们也在跟一些机构合作，测试城市智慧平台的交互功能，比如快到端午节了，我们可以直接问，端午节我们的客流量会怎么样？这时候它就会自动生成报表、分析，并且形成回答。
另外一个领域，也是刚才大家提到的代码生成领域，百度智能云推出了基于文心大模型的代码助手“”，它可以结合上下文，预测程序员接下来想要输入的代码，还能用自然语言来写代码，并且自动查找代码中的错误。在百度内部已经经过了长时间验证和迭代，目前生成代码的采用率达到50%，而且它作为一个插件已经在多个编程环境里面去实现，接下来我相信在不同的编程环境里都可以用到。
大模型对我们影响之深，每个企业都在思考到底怎么参与到大模型浪潮里面去？无非是这么几种情况：
一，构建基础大模型的企业。刚才我们讲到它需要大量的数据、算力，非常长期的经验积累。所以这个大概率是少数企业才能做的事情。
二，建立行业大模型。行业大模型就是结合行业特有的数据、应用的需求，那些有行业数据、掌握了行业场景的人，就会在基础大模型之上建立自己的行业大模型，基于大模型微调适合行业特点的行业模型。
三，也可能是规模最大的，它就是在基础大模型或者行业大模型之后开发AI应用程序，而这类企业最需要思考的是到底应该选哪些基础大模型、行业大模型，应该在这些大模型做什么样的工程？怎么来解决行业的特定问题？
既然说到怎么选择大模型，现在就要思考相应的标准，我们根据全球主流大模型的测试和观察，提出了这么三个考量的要素：
首先，要看这个大模型的通用性好不好，有没有解决我们手头的问题，它有没有比较强的泛化能力？
第二，要看这个大模型迭代的速度快不快，因为今天的大模型远远没有到成熟的时候，还需要不断的持续迭代，如果一个大模型缺乏持续迭代的能力，它在后续很难有强劲的动力。

文章插图
第三，要看这个大模型周围的工具链是不是完整，不管是为了开发应用，还是迭代行业大模型，都需要有丰富的工具链，包括数据的采集、标注，怎么去做各种微调甚至是插件的机制等，因为只有这些工具链齐全，才能真正帮助我们把大模型用到极致。
为了支撑大模型的产业落地，百度智能云推出了文心千帆大模型平台。这个平台不只支持百度的文心一言，也支持大量的第三方大模型，而且提供了比较完整的工具链、开发环境和基础设施。
在性能方面，我们也具备了全球领先的性能指标，通过这些优化技术，可以使得千卡并行加速比达到90%以上，训练场景资源利用率到70%以上。所以我们再去训练一个大模型，就能发现它比原来没有做这些优化之前效率提升了100% 。而且在部署方式上，我们既支持公有云的部署，也支持私有化的部署，原因是不同企业有不同的要求，我们希望提供灵活的方式，让所有企业都用好大模型。
大模型要持续的迭代，在百度内部，文心一言也在不断迭代，从发布到现在几个月时间，文心一言已经迭代了四次，推理的性能提高了10倍。而且在一些特定的、高频的场景下，通过使用文心一言高性能的模式，叫“文心一言-Turbo”，我们可以把推理速度提高50倍。只有这样，才能真正让大模型做产业化的落地。

百度沈抖：大模型 产业智能化时代的新引擎( 三 )

百度沈抖：大模型产业智能化时代的新引擎( 三 )