ChatGPT 不是終點(diǎn)：阿里不出，誰與爭(zhēng)鋒？

“這一票，我想投給阿里。”? ? ? ? ???

作者 | 孫溥茜編輯 | 陳彩嫻

ChatGPT正在變成一場(chǎng)競(jìng)賽，中國(guó)企業(yè)爭(zhēng)先恐后搶發(fā)“自研”的ChatGPT，爭(zhēng)當(dāng)所謂的贏家。但實(shí)際上，ChatGPT并非競(jìng)賽的終點(diǎn)，而是起點(diǎn)，只是堪堪拉開了人工智能新時(shí)代的一角序幕。這場(chǎng)對(duì)于通用人工智能的角逐，實(shí)際上是一場(chǎng)無盡的長(zhǎng)跑、而非百米沖刺。假設(shè)真有一個(gè)這樣新的時(shí)代到來，哪些力量可以一爭(zhēng)高下？此前，雷峰網(wǎng)盤點(diǎn)了追趕「ChatGPT」的學(xué)術(shù)、創(chuàng)業(yè)與大廠三派力量：學(xué)術(shù)一派，清華大學(xué)一騎絕塵；創(chuàng)業(yè)一派，王小川、王慧文財(cái)大氣粗；大廠一派，則以百度、阿里為代表，它們?cè)?2020 年就已經(jīng)開始布局大模型研究。

其中，大廠派有技術(shù)、有資源、有產(chǎn)品，最為突出。如同微軟之于 OpenAI，谷歌之于 DeepMind，大廠與科研團(tuán)隊(duì)合作成為群雄逐鹿的主要形式。由于 ChatGPT 的成功背后是強(qiáng)科研投入與新產(chǎn)品優(yōu)化的結(jié)合，大廠的資源（數(shù)據(jù)、算力）與產(chǎn)品平臺(tái)，將扮演至關(guān)重要的角色。有小型初創(chuàng)團(tuán)隊(duì)就告訴雷峰網(wǎng)，大廠下場(chǎng)是意料之中，國(guó)內(nèi) AI 小公司囿于客觀條件，如 OpenAI 依靠微軟也是它們發(fā)展與生存的必要條件。

人工智能的市場(chǎng)很大，每個(gè)公司都可以在其中找到自己的位置，區(qū)分的關(guān)鍵點(diǎn)其實(shí)只在于：能否在未來的持續(xù)競(jìng)爭(zhēng)中保持投入，并最終以最低的成本提供最好的體驗(yàn)。

01、ChatGPT 的本質(zhì)

關(guān)于 ChatGPT 的討論中，有一個(gè)常見的問題是：OpenAI 的 ChatGPT 這么火，我們（中國(guó)）還有機(jī)會(huì)嗎？就模型來看，對(duì) ChatGPT 來說，語言大模型是起碼的敲門磚。作為 ChatGPT 的技術(shù)基礎(chǔ)，GPT-3 在 2020 年首次面世，以 1750 億參數(shù)，在多項(xiàng)語言任務(wù)（包含文字理解、文本生成、智能問答、文本續(xù)寫、文本總結(jié)等等）中取得優(yōu)異表現(xiàn)。從此，以 GPT-3 為代表的語言大模型成為自然語言處理研究者（NLPer）的兵家必爭(zhēng)之地。在區(qū)分各家的 ChatGPT 實(shí)力時(shí)，大模型的實(shí)力也就成為重要考量?？萍即髲S中，目前在大模型上有布局的企業(yè)包括阿里（通義）、百度（文心）、華為（盤古）等。自研大模型的訓(xùn)練難度并不低，涉及數(shù)據(jù)、算法與算力三個(gè)維度，傳言全球不超過 200 人能從頭自研、訓(xùn)練一個(gè)大模型：

?數(shù)據(jù)層面：對(duì)于深度學(xué)習(xí)，當(dāng)樣本數(shù)量較少時(shí)，不正確的模型復(fù)雜度會(huì)導(dǎo)致過擬合和欠擬合。當(dāng)樣本數(shù)量增多時(shí)，這種風(fēng)險(xiǎn)就會(huì)變小，因此，大模型對(duì)數(shù)據(jù)的數(shù)量與質(zhì)量要求都極高。GPT-3有1750億參數(shù)，數(shù)據(jù)量達(dá)到45TB，表現(xiàn)出色。而對(duì)數(shù)據(jù)的采集、清洗與標(biāo)注，需要人力，也需要資金。

?算法層面：除了海量數(shù)據(jù)，大模型訓(xùn)練對(duì) AI 框架的深度優(yōu)化和并行能力提出更高要求。這一塊對(duì) AI 人才的科研與工程能力要求最高，也是近日各大廠搶人才的源頭。

?算力層面：這一塊參差不齊，但公開消息表明，為了 OpenAI 訓(xùn)練 GPT-3，微軟幫忙建設(shè)了一個(gè)搭載 1 萬張顯卡，價(jià)值 5 億美元的算力中心，模型在訓(xùn)練上則消耗了 355 個(gè)GPU年的算力，單獨(dú)一次的訓(xùn)練成本則是 1200 萬美金。OpenAI 的 GPT-4 還未揭曉，面對(duì)較為確定的不確定，企業(yè)的 AI 底層建設(shè)也顯得尤為關(guān)鍵，算力就是其中之一。算力層面，據(jù)雷峰網(wǎng)了解，早年各大廠雖然如火如荼地建設(shè)各自的 AI Lab，但在計(jì)算資源的投入上卻參差不齊，還有的知名大廠連一萬張顯卡都沒有。

除了顯卡數(shù)量的不足，企業(yè)與企業(yè)拉開差距的地方還可能體現(xiàn)在：往期算力積累，以及運(yùn)用有限算力資源訓(xùn)練無限大模型的應(yīng)對(duì)能力。這波 ChatGPT 中，除了「利好英偉達(dá)」的聲量，國(guó)內(nèi)眾多云計(jì)算廠商與計(jì)算服務(wù)商的聲量微弱，本質(zhì)在于：芯片需要與算法適配。也就是說，有算力固然重要，但找到適合大模型訓(xùn)練、能讓大模型訓(xùn)練的芯片更為重要。尤其是前兩年大模型的風(fēng)潮中，部分大廠由于成本顧慮、沒有入局，已經(jīng)落后一大截，難以追趕。模型與算力的高壓之下，團(tuán)隊(duì)與團(tuán)隊(duì)之間的天花板其實(shí)已昭然若揭。在這波ChatGPT浪潮中，阿里頗為低調(diào)，但因?yàn)樵诖竽Ｐ秃突A(chǔ)設(shè)施上長(zhǎng)期積累的優(yōu)勢(shì)，阿里是一個(gè)絕不容忽視的重要玩家，一舉一動(dòng)都牽動(dòng)著整個(gè)AI行業(yè)的神經(jīng)。

02、長(zhǎng)跑者阿里

誠(chéng)如上文所言，大模型的研究難度極大，門檻極高。大多數(shù)中小企業(yè)在聲稱「自研大模型」時(shí)，往往是基于已開源的大模型與數(shù)據(jù)集，用監(jiān)督學(xué)習(xí)算法進(jìn)行微調(diào)，獲得一個(gè)新的模型后，然后基于這個(gè)模型來開發(fā)產(chǎn)品。雖然性價(jià)比高，但由于底層基礎(chǔ)差異化不大，上層建筑在產(chǎn)品體驗(yàn)上也難以區(qū)分開來。這就造成了，若要從數(shù)據(jù)、算法與算力的底層部署開始深耕，大模型的開發(fā)注定是大廠與大廠之間的軍備競(jìng)賽（人力、資本、數(shù)據(jù)）。而且，開始地越早，越有先發(fā)優(yōu)勢(shì)。

圖注：大模型訓(xùn)練需要解決的數(shù)據(jù)、算法與算力難題（源于心辰科技分享）作為國(guó)內(nèi)最早入局語言大模型的團(tuán)隊(duì)之一，阿里在超越 ChatGPT 上有領(lǐng)先其他團(tuán)隊(duì)的優(yōu)勢(shì)，也意味著其在數(shù)據(jù)、算法與算力上有先行試錯(cuò)與解決問題的經(jīng)驗(yàn)，甚至在產(chǎn)品落地上有探索與實(shí)驗(yàn)。

公開資料表明，阿里在大模型的研究上有深厚基礎(chǔ)：

?阿里早在 2020 年 1 月前便開始研發(fā)多模態(tài)大模型（MultiModality-to-MultiModality Multitask Mega-transformer，簡(jiǎn)稱為「M6」），6 月研發(fā)出 3 億參數(shù)的 M6，有了一個(gè)好的開端；

?2021 年是阿里大模型的快速騰飛時(shí)期：3 月發(fā)布千億參數(shù)多模態(tài)大模型 M6，4 月發(fā)布首個(gè)中文語言大模型 PLUG（270億參數(shù)，號(hào)稱中文版「GPT-3」），5月發(fā)布萬億參數(shù)大模型 M6，10 月又發(fā)布 10 萬億參數(shù)大模型 M6……

?2022 年，阿里「通義」大模型體系出世，囊括被谷歌、微軟、DeepMind、Mega等國(guó)際頂尖團(tuán)隊(duì)引用的通用統(tǒng)一模型M6-OFA 。當(dāng)年云棲大會(huì)期間推出國(guó)內(nèi)首個(gè) AI 模型社區(qū)魔搭 ModelScope，貢獻(xiàn) 300 多個(gè)優(yōu)質(zhì) AI 模型，百億參數(shù)以上大模型超過10個(gè)……對(duì)比國(guó)內(nèi)其他互聯(lián)網(wǎng)科技大廠在大模型上的投入與產(chǎn)出，阿里的模型研究在前沿領(lǐng)域走得最遠(yuǎn)，成果間隔產(chǎn)出時(shí)間最短，中文語言模型意識(shí)突出，多模態(tài)結(jié)合與通用架構(gòu)的研發(fā)落實(shí)也最透明（尤其體現(xiàn)在魔搭社區(qū)上），很難不被人關(guān)注。

單看阿里的大模型成果數(shù)量，實(shí)際不足以窺見它的研發(fā)差異化。雷峰網(wǎng)試著從以下幾個(gè)角度分析：首先，阿里大模型從M6、PLUG發(fā)展到通義，在訓(xùn)練方法上已經(jīng)歷經(jīng)了一個(gè)明顯的轉(zhuǎn)變：從 BERT 到自回歸。國(guó)內(nèi)的大模型開發(fā)，尤其是 2021 年出現(xiàn)的許多大模型，基本是以 BERT 為先鋒基礎(chǔ)，而阿里在 2021 年開始從 BERT 轉(zhuǎn)向自回歸，復(fù)刻 GPT-3。鑒于大多數(shù)對(duì) GPT-3 的復(fù)刻均以失敗告終，阿里想必也是試錯(cuò)多次才成功。目前，在魔搭社區(qū)上，我們可以看到復(fù)刻成功的 GPT-3 多個(gè)中文版本，參數(shù)從base直到175B。這些版本已經(jīng)開源開放，最高的下載量達(dá)到72k，可見受到 AI 算法開發(fā)者的廣泛肯定。

圖注：中文 GPT-3 在魔搭社區(qū)上的頁面（源于魔搭社區(qū)）

Google發(fā)布的 BERT（Bidirectional Encoder Representation from Transformers）是首個(gè)預(yù)訓(xùn)練大模型，BERT 沒有采用傳統(tǒng)的單向語言模型，或者將兩個(gè)單向語言模型進(jìn)行淺層拼接的方法進(jìn)行預(yù)訓(xùn)練，而是采用MLM（masked language model）以生成深度的雙向語言表征。OpenAI 發(fā)布的 GPT-3 后來者居上，GPT-3 延續(xù)了單向語言模型訓(xùn)練方式，但是將模型尺寸擴(kuò)充到1750億參數(shù)。

GPT-3聚焦于更加通用的NLP模型，解決了目前BERT類模型的兩大缺點(diǎn)：對(duì)領(lǐng)域內(nèi)有標(biāo)簽的數(shù)據(jù)過分依賴，以及對(duì)于領(lǐng)域數(shù)據(jù)分布的過分?jǐn)M合。BERT 與自回歸的區(qū)別在于，基于 BERT 架構(gòu)訓(xùn)練的語言大模型更擅長(zhǎng)「理解」，而基于自回歸（即 GPT-3 的方法）更擅長(zhǎng)「生成」。達(dá)摩院成為國(guó)內(nèi)少有的布局自回歸的大模型團(tuán)隊(duì)。此外，值得注意的是，谷歌的一項(xiàng)研究（論文「Emergent Abilities of Large Language Models」）表明，模型的規(guī)模從 700 億參數(shù)到 2800 億參數(shù)會(huì)有明顯質(zhì)變，驗(yàn)證了千億級(jí)參數(shù)是大模型從量變到質(zhì)變的一個(gè)坎。而阿里是國(guó)內(nèi)第一個(gè)做出千億參數(shù)大模型的團(tuán)隊(duì)。

其次，從大模型背后最關(guān)鍵的算力技術(shù)來看，阿里在訓(xùn)練大模型上的工程積累也有明顯提升，這主要體現(xiàn)在算力的部署上。從 2020 年 GPT-3 的出現(xiàn)以來，大模型「大力出奇跡」就成為 AI 領(lǐng)域公認(rèn)最有前景的方向之一，但大模型的訓(xùn)練難度大，算力要求高。尤其當(dāng)模型的參數(shù)超過萬億、十萬億（如阿里的 M6），訓(xùn)練過程中，已經(jīng)不是單純靠堆算力就行。

實(shí)驗(yàn)表明，工程師在算法上下功夫，是可以降低計(jì)算能耗的。例如，GPT-3 推出兩年后，2022 年 Meta 參照它所研發(fā)的 OPT 模型計(jì)算量就降低到了 1/7。2022 年還有文章表明，2018 年需要幾千塊 GPU 訓(xùn)練的 BERT 大模型，如今只需要單卡 24 小時(shí)就能訓(xùn)練完。類似的例子不勝枚舉。提升訓(xùn)練速度、降低訓(xùn)練成本的途徑主要有兩種，一種是注重對(duì)訓(xùn)練數(shù)據(jù)的優(yōu)化，而非參數(shù)規(guī)模；另一種則是依賴算法與架構(gòu)的創(chuàng)新，如 ALBERT、「孟子」等工作。而這兩種方法，都對(duì)研發(fā)團(tuán)隊(duì)的技術(shù)經(jīng)驗(yàn)有要求。據(jù)公開資料，阿里在大模型訓(xùn)練這塊有「兩把刷子」。一方面，阿里從數(shù)據(jù)、算法上入手，降低計(jì)算能耗。

2021 年 5 月，阿里達(dá)摩院的團(tuán)隊(duì)僅用 480 卡 GPU 就訓(xùn)練出萬億參數(shù)多模態(tài)大模型 M6，與英偉達(dá)、谷歌等公司實(shí)現(xiàn)萬億參數(shù)規(guī)模相比，能耗降低超八成。同年 10 月，他們把 M6 的參數(shù)規(guī)模擴(kuò)大到 10 萬億，訓(xùn)練號(hào)稱只用了 512 卡 GPU。另一方面，阿里在云計(jì)算上加大投入，專門建設(shè)了一個(gè)智能算力系統(tǒng)——飛天智算平臺(tái)。飛天智算融合了通用計(jì)算、異構(gòu)計(jì)算等多種計(jì)算形態(tài)，單集群算力峰值高達(dá)12 EFLOPS，對(duì)萬卡規(guī)模的 AI 集群提供無擁塞、高性能的集群通訊能力，其中專設(shè)的機(jī)器學(xué)習(xí)平臺(tái) PAI 部署了分布式訓(xùn)練框架 EPL（訓(xùn)練 M6 的功臣）能大幅度能耗、提升速度。

一個(gè)公開的數(shù)據(jù)是，截至 2023 年 1 月底，ChatGPT 官網(wǎng)總訪問量超過 6.16 億次，每一次與 ChatGPT 的互動(dòng)，算力云服務(wù)成本在 0.01 美元，如果用總投資在 30.2 億元、算力 500P 的數(shù)據(jù)中心支撐 ChatGPT 的運(yùn)行，這樣的數(shù)據(jù)中心至少需要 7-8 個(gè)，基礎(chǔ)設(shè)施投入數(shù)以百億。如果不是依托微軟的 Azure 云平臺(tái)，ChatGPT 難以提供穩(wěn)定服務(wù)。而阿里云在云計(jì)算產(chǎn)品這塊，是國(guó)內(nèi)第一、全球第三，對(duì)于之后支持類似 ChatGPT 的產(chǎn)品有天然優(yōu)勢(shì)。

最后，阿里從大模型研究中體現(xiàn)的另一個(gè)特點(diǎn)，是「模型服務(wù)」與「中文生態(tài)建設(shè)」的意識(shí)。阿里注重大模型的落地，解決行業(yè)問題，在 2022 年 9 月推出「通義」大模型系列，劃分三層：模型底座層、通用模型層和行業(yè)模型層。

圖注：阿里通義大模型架構(gòu)

模型底座上，他們以統(tǒng)一學(xué)習(xí)范式OFA（One-For-All）等關(guān)鍵技術(shù)為支撐，在業(yè)界首次實(shí)現(xiàn)模態(tài)表示、任務(wù)表示、模型結(jié)構(gòu)的統(tǒng)一。M6-OFA 模型在不引入新增結(jié)構(gòu)的情況下，可以同時(shí)處理圖像描述、視覺定位、文生圖等10余項(xiàng)單模態(tài)和跨模態(tài)任務(wù)。2021 年，OpenAI 推出文生圖產(chǎn)品 DALL·E，其背后的關(guān)鍵技術(shù)是為文字與圖像兩種模態(tài)搭建橋梁的架構(gòu) CLIP。

阿里達(dá)摩院是國(guó)內(nèi)最早注意到 CLIP 對(duì)多模態(tài)影響的團(tuán)隊(duì)，投入研發(fā)，在2022年推出了中文版 CLIP（ChineseCLIP），對(duì)中文跨模態(tài)有重要作用。這為提升模型泛化能力有很大影響。舉例而言，在文本、圖像、語音、視頻等模態(tài)結(jié)合的基礎(chǔ)上，任務(wù)表示和結(jié)構(gòu)統(tǒng)一的設(shè)計(jì)可以讓上層模型不僅服務(wù)單一領(lǐng)域（如電商），還能服務(wù)其他領(lǐng)域（如金融、醫(yī)療、法律等等）。在中文生態(tài)的建設(shè)上，阿里的另一個(gè)貢獻(xiàn)是建設(shè)魔搭社區(qū)，對(duì)標(biāo) HuggingFace。魔搭社區(qū)成立不到半年，在促進(jìn)中文 AI 模型的開源上，以清晰的文檔格式、豐富的模型種類、優(yōu)質(zhì)的中文模型（包括大模型）吸引了許多開發(fā)者。

語言大模型的研究中，中文語料的短缺一直是行業(yè)難題。阿里帶頭貢獻(xiàn)自家模型和數(shù)據(jù)集，促進(jìn) AI 應(yīng)用開發(fā)，推廣 AI 產(chǎn)品與用戶的交互，促進(jìn)整個(gè)中文語言研究的語料積累，并開源布公。用一位 AI 從業(yè)者的評(píng)價(jià)來形容，在國(guó)內(nèi)追趕 ChatGPT 的前赴后繼中，阿里武器齊全，數(shù)據(jù)、算法、算力三風(fēng)具備，場(chǎng)景豐富，很難缺席和失敗。

03、假如 AIGC 時(shí)代全面來臨

ChatGPT 雖然是一款智能對(duì)話機(jī)器人，但提供問題的能力，本質(zhì)上還是文本生成，即 AIGC 的一個(gè)分支。無論是文本生成，還是圖像生成、文生圖、文生視頻，甚至早已出現(xiàn)的各類語音生成，其技術(shù)的成熟與產(chǎn)品的薄發(fā)，都代表了人工智能生成數(shù)字內(nèi)容的無限想象力。AIGC，正在造出一個(gè)新的賽道，正在改變傳統(tǒng)產(chǎn)品的形態(tài)。比如，語音音箱的市場(chǎng)將被激活和重塑。以天貓精靈為例，其家庭用戶超過4000萬，月交互次數(shù)超過80億，這還是在原來AI對(duì)話能力下的情況。通過大模型的底座訓(xùn)練，再結(jié)合聲音這種富有情緒的信息媒介，天貓精靈有可能升級(jí)成真正的家庭伴侶，成為包含知識(shí)、情感、個(gè)性、記憶的全新家庭交互系統(tǒng)，展現(xiàn)超乎期待的能力。更重要的是，我們正在一個(gè)轉(zhuǎn)折點(diǎn)上，AI不僅是產(chǎn)品，更有可能變成一種服務(wù)「AI as Service」，這將成為科技大廠競(jìng)爭(zhēng)的核心戰(zhàn)場(chǎng)。

如何對(duì)外輸出AI能力，怎樣以最低的成本來提供最好的體驗(yàn)，將成為大廠競(jìng)爭(zhēng)的關(guān)鍵。擅長(zhǎng)「為他人做嫁衣」的阿里，已經(jīng)通過算力基礎(chǔ)設(shè)施為客戶減少研發(fā)成本。從之前情況來看，目前國(guó)內(nèi)只有阿里一家具備支撐超萬億參數(shù)大模型研發(fā)的「云 + AI」全棧技術(shù)實(shí)力。同時(shí)，因?yàn)檫^去支持超大模型研發(fā)的經(jīng)驗(yàn)，阿里練出了AI訓(xùn)練提效11倍、推理提效6倍的獨(dú)家本領(lǐng)。這種「低碳訓(xùn)練」技術(shù)，后續(xù)無疑也將為阿里云的客戶提供具有高性價(jià)比的AI算力。在提供產(chǎn)品體驗(yàn)上，阿里的策略不是與生態(tài)鏈伙伴搶終端客戶，而是先做大生態(tài)。魔搭社區(qū)就是一個(gè)典型例子，讓沒有自研能力的 AI 開發(fā)者或中小企業(yè)在魔搭平臺(tái)上就能體驗(yàn)五花八門的 AI 模型，構(gòu)建自己所需的AI能力。

換言之，在 AI 深入行業(yè)的藍(lán)圖上，阿里的策略貌似也是為 B 端客戶提供技術(shù)服務(wù)，通過 B 端去觸動(dòng) C 端，形成一張網(wǎng)。在魔搭社區(qū)，廣大開發(fā)者或者中小企業(yè)主可以下載使用免費(fèi)開源的模型，可以對(duì)模型進(jìn)行二次優(yōu)化，無需布卡就能快速生成基于 AI 模型的服務(wù)應(yīng)用，使 AI 真正成為一種觸手可及的生產(chǎn)要素。截至現(xiàn)在，已經(jīng)有瀾舟科技、深勢(shì)科技、智譜AI、啟智社區(qū)、嗶哩嗶哩、IDEA研究院等等十多家知名機(jī)構(gòu)貢獻(xiàn)模型，魔搭社區(qū)模型量已超過600個(gè)，較 2022 年 11 月上線之初翻了一番。除去用大模型服務(wù)自己的淘寶、天貓、天貓精靈、釘釘?shù)鹊葮I(yè)務(wù)，阿里安心做一個(gè) AI 時(shí)代的模型基礎(chǔ)設(shè)施服務(wù)商，也不失為一個(gè)明智的選擇。

根據(jù)阿里 2022 財(cái)年全年財(cái)報(bào)，過去一年，阿里在技術(shù)相關(guān)成本費(fèi)用上的投入超過 1200 億元，全球設(shè)立 7 個(gè)研究中心，開源技術(shù)項(xiàng)目超 3000 個(gè)、開源活躍度國(guó)內(nèi)企業(yè)排名第一，其中相當(dāng)比例的投入進(jìn)入人工智能領(lǐng)域。對(duì)于需要極高投入的 AI 研發(fā)來說，可以看出，阿里也具備了在這場(chǎng)長(zhǎng)跑中堅(jiān)持到底的決心。在最近一片喧囂沸騰中，真正的主角可能還尚未亮劍，大戲才剛剛開始。