鄔賀銓院士:中國大模型發(fā)展的優(yōu)勢、挑戰(zhàn)及創(chuàng)新路徑

隨著ChatGPT在全球掀起熱潮，一時之間其背后的AI大模型風起云涌。大家想知道，評價大模型水平高低的維度和標準有哪些？

ChatGPT上線讓我們看到了在AIGC上的中美差距，那么，當前中國大模型發(fā)展狀況如何？未來的中國大模型發(fā)展又面臨哪些機遇與挑戰(zhàn)？

【資料圖】

當前處在向通用人工智能發(fā)展的關(guān)鍵時期，面臨各家機構(gòu)獨立研究大模型的發(fā)展態(tài)勢，如何提高算力效率并有效避免低水平重復？

有業(yè)界人士擔憂AI將毀滅人類，這是否是杞人憂天？我們又該如何防患于未然，實現(xiàn)AI的結(jié)果可預期和行為可控？

帶著關(guān)于AIGC的各種問題，騰訊研究院獨家專訪了中國工程院院士、我國通信領(lǐng)域權(quán)威專家鄔賀銓。

【訪談者】

牛福蓮騰訊研究院高級研究員

鄔春玲騰訊研究院高級研究員

王 強騰訊研究院資深專家

（以下簡稱T）

中國現(xiàn)有算力總規(guī)模

相比美國：有差距但不大

T:有人說中國的大模型開發(fā)距離國外有1—2年的差距，您怎么看當前中國大模型的發(fā)展狀況？

鄔賀銓：中國在大模型開發(fā)方面起步比美國晚，在ChatGPT出來后，國內(nèi)不少單位紛紛表示在研發(fā)生成式大模型，與美國目前已知僅有微軟與谷歌等幾個企業(yè)在研究大模型相比，我國研制大模型的單位比美國多，但研究主體數(shù)量多并不意味中國在大模型上研發(fā)水平高。據(jù)稱國內(nèi)某一大模型的參數(shù)量高達1.75萬億，超過了GPT-4，但尚未看到其應用的報道。雖然已有中國公司聲稱可推出類似ChatGPT的聊天機器人，但就支持多語種能力方面目前不如ChatGPT，就中文對話能力方面就響應速度而言也還有差距。

我們現(xiàn)在只注意到ChatGPT，它以生成式任務為目標，主要是完成如聊天和寫作等語言生成，谷歌公司的BERT模型更注重判斷決策，強調(diào)如問答和語義關(guān)系抽取等語言理解相關(guān)的任務，BERT模型的技術(shù)也值得我們關(guān)注。評價大模型水平應該是多維度的，全面性、合理性、使用便捷性、響應速度、成本、能效等，籠統(tǒng)地說目前我國大模型開發(fā)與國外的差距為1—2年的依據(jù)還不清楚，現(xiàn)在下這一結(jié)論意義也不大。

中國企業(yè)在獲得中文語料和對中國文化的理解方面比外國企業(yè)有天然的優(yōu)勢，中國制造業(yè)門類最全，具有面向?qū)嶓w產(chǎn)業(yè)訓練產(chǎn)業(yè)AIGC的有利條件。在算力方面中國已具有較好的基礎。據(jù)OpenAI報告，訓練GPT3 模型所需的算力高達3.64EFlops/天，相當于3—4個鵬城云腦Ⅱ（鵬城云腦Ⅱ為1Eflops，即每秒百億億次浮點計算）。按2022年年底的數(shù)據(jù)，美國占全球算力36%，中國占31%，現(xiàn)有算力總規(guī)模與美國相比有差距但不大，而以GPU和NPU為主的智能算力規(guī)模中，中國明顯高于美國（按2021年年底數(shù)據(jù)，美國智算規(guī)模占全球智算總規(guī)模15%，中國占26%），我國不僅是大型互聯(lián)網(wǎng)企業(yè)具有相當規(guī)模的算力，國家實驗室和一些城市政府支持的實驗室也有大規(guī)模的算力資源，可以說在訓練大模型所需算力支持方面中國也能做到。據(jù)了解，鵬城實驗室正在設計鵬城云腦Ⅲ，算力達到16EFlops，比GPT-3所用算力高3倍，預計耗資60億元，將為人工智能訓練持續(xù)提供強有力的算力支持。

中國AIGC研發(fā)：需認清差距

重視挑戰(zhàn) 實在創(chuàng)新

T：除了我們在算力方面有較好的基礎之外，您認為在中國做大模型還面臨哪些挑戰(zhàn)？

鄔賀銓：僅有算力還是不夠的，在以下幾方面我們還面臨不少挑戰(zhàn)：

首先，大模型的基礎是深度學習框架，美國的Tensorflow和PyTorch已經(jīng)深耕深度學習框架生態(tài)多年，雖然國內(nèi)企業(yè)也自主開發(fā)了深度學習框架，但市場考驗還不夠，生態(tài)還有待打造。

其次，將AIGC擴展到產(chǎn)業(yè)應用可能需要不止一個大模型，如何將多個大模型高效地整合，有標準化和數(shù)據(jù)融合的挑戰(zhàn)。

第三，大模型需要海量數(shù)據(jù)訓練，中國有數(shù)千年的文明，但豐富的文化沉淀絕大多數(shù)并未數(shù)字化，中文在ChatGPT訓練所用到的語料中還不到0.1%。雖然我國互聯(lián)網(wǎng)企業(yè)擁有大量電商、社交、搜索等網(wǎng)絡數(shù)據(jù)，但各自的數(shù)據(jù)類型不夠全面，網(wǎng)上知識的可信性又缺乏嚴格保證，中文可供訓練的語料還需要做大量的挖掘工作。

第四，大模型訓練所依賴的GPU芯片以英偉達公司的A100芯片為代表，但該芯片已被美國限制向中國出口，國產(chǎn)GPU的性能還有待進一步考驗，目前在算力的利用效率上還有差距。

第五，在中國從事AI研究的技術(shù)人員不算少，但具有架構(gòu)設計能力和AIGC數(shù)據(jù)訓練提示師水平的人才仍然短缺。在ChatGPT出現(xiàn)之前，有人認為中國在AI方面的論文與專利數(shù)與美國不相上下，ChatGPT的上線使我們看到了在AIGC上中美的差距，現(xiàn)在是需要清楚認識和重視我們面對的挑戰(zhàn)，做實實在在的創(chuàng)新，將挑戰(zhàn)化為機遇，在新一輪的AI賽道上做出中國的貢獻。

建議開放國家算力平臺

支持各類大模型訓練

T:ChatGPT無疑是一個巨大的創(chuàng)新，中國未來應如何鼓勵類似這樣的創(chuàng)新，應該多做哪些方面的工作？

鄔賀銓：人工智能從判別式發(fā)展到生成式是里程碑標志的創(chuàng)新，開始進入到走向通用人工智能的賽道。從GPT-3到GPT-4已經(jīng)從文字輸入發(fā)展到部分圖形輸入，即增加了對圖形的理解能力，在此基礎上向?qū)崿F(xiàn)一個深度學習架構(gòu)和通用模型支持多模態(tài)數(shù)據(jù)輸入的時間不遠了，不過大模型的任務通用化和大模型按需調(diào)用的精細化還需要更大的投入與創(chuàng)新，對圖形和視頻做數(shù)據(jù)無標注和無監(jiān)督學習比語言和文字輸入情況要難得多。

現(xiàn)在處于向通用人工智能發(fā)展的關(guān)鍵時期，對我國來說這是跨越發(fā)展的難得機遇也是嚴峻的挑戰(zhàn)。算力、模型、數(shù)據(jù)是ChatGPT成功的必要條件也將是通用人工智能成功的在因素，除此之外，創(chuàng)新的生態(tài)、機制與人才更是關(guān)鍵。中國在算力總規(guī)模上可與美國相比，但跨數(shù)據(jù)中心的算力協(xié)同還面臨體制機制的挑戰(zhàn)，不少智算中心算力利用率和效率不高。不少單位各自獨立研究大模型，難免低水平重復，建議在國家科技與產(chǎn)業(yè)計劃的協(xié)調(diào)下合理分工形成合力。建議開放國家實驗室的算力平臺支持各類大模型訓練，例如鵬城云腦現(xiàn)在對外開放的算力達到總能力3/4，可支持規(guī)模與GPT-3相當?shù)膬汕|參數(shù)的開源中文預訓練語言大模型。同時建議組建算力聯(lián)盟，集中已有高檔GPU的算力資源，提供大模型數(shù)據(jù)訓練所需算力。現(xiàn)在以鵬城實驗室為主建設的“中國算力網(wǎng)（C2NET）”已接入二十余個大型智算、超算、數(shù)據(jù)中心，匯聚異構(gòu)算力達3EFlops，其中自主研發(fā)的AI算力超1.8EFlops。另外，聊天機器人的應用只是訓練與檢驗AIGC的一種直觀方式，但聊天不是剛需，需要基于大模型開發(fā)出各類面向行業(yè)應用的模型，盡快使大模型在產(chǎn)業(yè)上落地見效，在面向各行各業(yè)的應用中培養(yǎng)更多的人才。

大模型行業(yè)應用需

既懂行業(yè)技術(shù)又懂AI訓練

的綜合人才

T:目前我們已經(jīng)看到了 ChatGPT 在某些領(lǐng)域的應用，比如聊天機器人、文本生成和語音識別等。未來在實體行業(yè)和領(lǐng)域，是否會有一些應用機會？大模型在實體行業(yè)應用還面臨什么樣的障礙？

鄔賀銓：在現(xiàn)有ChatGPT類聊天機器人基礎上經(jīng)補充相關(guān)行業(yè)和企業(yè)知識的訓練，可以在企業(yè)承擔智能客服工作，代替工人面向客戶提供售前與售后服務。在需要軟件編程的設計與制造環(huán)節(jié)，ChatGPT可代替程序員完成編程任務和檢驗軟件的Bug?？梢猿袚O計與生產(chǎn)過程所需文件資料的收集、翻譯和整理工作。經(jīng)過專業(yè)的訓練，AIGC類大模型可以用于設計EDA軟件，例如IC設計用的工具軟件。在動漫和游戲企業(yè)，基于AIGC類大模型訓練的機器人可以按照提示編寫劇本、創(chuàng)作游戲腳本并進行編程，完成3D動漫的渲染。

但ChatGPT不是通用模型，很難直接在實體產(chǎn)業(yè)的生產(chǎn)制造過程上應用，但可以基于訓練ChatGPT的原理，利用行業(yè)與企業(yè)的知識圖譜進行深度訓練，有可能開發(fā)出企業(yè)專用的大模型，完成這一工作的挑戰(zhàn)是需要既熟悉企業(yè)上傳流程和關(guān)鍵環(huán)節(jié)技術(shù)又掌握人工智能大數(shù)據(jù)訓練技術(shù)的人才。

從關(guān)注結(jié)果到關(guān)注過程

融合技術(shù)與法制

主導AIGC推理過程

T:ChatGPT也會出現(xiàn)各種各樣的錯誤，也會帶來一些倫理、安全和隱私等方面的問題，未來在應用大模型的時候，如何才能營造一種既包容又兼顧安全和發(fā)展的環(huán)境？

鄔賀銓：生成式AI的出現(xiàn)將社會對人工智能的關(guān)注推到一個前所未有的高度，在引發(fā)科技界和產(chǎn)業(yè)界對AI的研究熱潮同時，不少專家擔心人工智能將毀滅人類，呼吁停止GPT-5的研究。一些專家的擔憂并非杞人憂天，因為目前ChatGPT機器人的思考過程不透明，人類創(chuàng)造出ChatGPT，但目前人類對它的推理過程并不完全掌握，推理結(jié)果知其然不知所以然，可解釋性不足，不確定、不可知就會出現(xiàn)不可控，存在機器人變態(tài)和倫理失范及行為失控的風險。

解決辦法不是停止對人工智能的研究，而是對AIGC的研究從關(guān)注結(jié)果到關(guān)注過程，設計和主導其推理過程，做到結(jié)果可預期和行為可控。未來對大模型的推廣應用需要經(jīng)有資質(zhì)的機構(gòu)做安全可信的評價，經(jīng)檢驗該大模型的推理過程是可追溯的。同時需要建立相應的AI治理法規(guī)，防止對AIGC訓練的誤導，追究AIGC訓練主體的責任，嚴懲教唆作惡犯罪行為。通過技術(shù)與法制相輔，使得人工智能成為人類真正忠誠的助手。

責任編輯：李楠

關(guān)鍵詞：