中文大模型发展到哪一个阶段了？

中文大模型发展到哪一个阶段了？

近日，中文大模型综合性测评基准SuperCLUE，发布了上半年大模型中文综合评测报告。“百模大战”中，OpenAI的GPT-4o是表现最优秀的大模型，但国内大模型已将差缩小至4.8%。国内大模型崛起迅速，阿里巴巴的Qwen2-72B-Instruct表现优异，超越国内外许多闭源模型。在理科、文科、Hard任务中，GPT-4o综合结果最佳，Claude-3.5在Hard任务表现优异，Qwen2-72B-Instruct在文科任务表现突出。

一

截至5月16日，国内共有约305个大模型左右，涵盖面向用户、学术研究等用途。用户想在如此多的模型之中，找到一个适合自己的场景的模型却并不容易。同时，大模型开发方在评测大模型时，往往存在测评方式与用户体验目标不一致，测评体系、方法更新不及时的情况。

通过基准测评，能够帮助用户选择特定应用场景下的最优模型。同时，测评帮助模型开发方了解模型的性能，比如准确性、效率、稳定性等，从而判断模型是否达到预期标准。而统一的测评标准，不仅使结果更加公正、可靠，还能让结果具有可比性，使用户更容易比较和选择。更重要的是，有助于行业内测评标准化，推动技术健康发展。

二

当前，国内大模型处于“百模大战”的爆发期阶段。模型大都具备数学计算、逻辑推理、文本生成、语言理解、智能体调用、角色扮演、生成与创作、安全等能力。各大模型开发方，或纷纷开放免费使用，开发APP、PC、网页等供用户在不同场景下使用，或仅需低成本，即可获取海量Token，基于API封装第三方应用。

但算力资源的稀缺性和成本上升成为大模型发展的关键瓶颈。例如，GPT-4的训练需要一万块英伟达A100 GPU运行11个月，成本高达1亿美元。主要用于训练大模型的芯片，包括基于英伟达GPU的算力，国产AI芯片，超算。前者一卡难求，国产AI芯片面临生态、应用不足等问题，超算更是企业难以申请得到的稀缺资源。

对于企业来说，大模型训练出来后是需要盈利的，但目前市面上部分大模型基于开源模型训练，性能相差无几，用于训练的数据集也差不多，很难通过差异化来实现盈利。对于部分通用大模型来说，需要一定规模的收入才能覆盖数据中心的成本。

算力稀缺、成本上升、盈利困难，将把匆忙跨上这条赛道的科技企业拉下马。“百模大战”行至最后，将只剩下几家企业笑到最后，提供通用能力。其他公司或许该找准细分赛道切入，从通用大模型转向特定领域、特定行业的细分模型。

三

近日，百度公司的自动驾驶营运汽车“萝卜快跑”在武汉市区实现贯通运营，掀起了大规模讨论，支持者反对者各执一词，褒贬不一。其实，不只是自动驾驶，未来生活将更多涉及人与AI的协作。个人应培养与AI系统合作的能力，提升技术素养，学会如何利用AI工具提高自己的工作效率和生活品质。我们只有适应并利用这些变化带来的机遇，才能在AI浪潮中找到自己的位置。

如果你也喜欢，关注我吧！
本文首发微信公众号：全副武装的大师兄