9月9日，中国人民大学国家发展与战略研究院、中国人民大学经济学院、中诚信国际信用评级有限责任公司联合举办了第73期CMF宏观经济热点问题研讨会，其主题为“大模型：原理、进展及其影响”。

随着大模型进入“百模大战”，下一步的发展趋势如何？复旦大学人工智能创新与产业研究院院长、阿里巴巴原副总裁漆远表示，大模型有可能改变人工智能落地应用的模式。此前基于场景定制的人工智能模型需要大量数据，并研发特制模型，因此成本极高，易把人工智能的应用和落地推广变成外包模式，极大限制人工智能真正推广、落地的能力。

而大模型带来的革新在于，使用较少训练数据便可使其发挥较大效果，也能够较快地将一个大模型迁移到新场景中——这便是大模型的涌现和泛化能力。漆远解释道，拥有泛化能力后，人工智能可以从外包模式中解脱出来，走向定制化、产品化的模式。也因此，生成式AI进入了“百花齐放”的阶段。

而在随之而来的“百模大赛”中，创业公司也面临找不到自己的产业价值、应用价值的问题。

对于各模型、算法的高速迭代，漆远认为，有一个可能的方向是结合算法和工程，找到真正场景需求的产品。目前很多通用人工智能具备一些初步能力，但如何将其变成一个能用的产品？漆远认为，答案还需要在人工智能的高速迭代中继续找寻，解法之一是向特定领域深耕。

“其实国内的市场发展也非常快，预计2022~2025年人工智能的年化增长可能在40%，非常惊人。在今天普遍经济受到挑战的情况下，其实像金融、医疗、教育、游戏设计等等行业，在人工智能领域，还有很多应用落地和发展的可能性。”此外，漆远也指出，随着技术的迭代，可以使得大模型在某些特定领域里，以较小的模型参数取得很好的效果。

而将大模型作为行业生产力还有哪些挑战？漆远指出，首先大模型还不能完全达到可信可靠，仍存在幻觉效应，“用大白话来讲，就是一本正经地胡说八道。”

此外，漆远认为，大模型发展需要考虑后续的数据来源，根据MIT（麻省理工大学）的一项预测，未来数年内，互联网中的公开数据将被耗尽，“那么以后的数据从哪里来？虽然训练大模型需要的数据可能不大，但变成生产力工具大规模使用时，维持大模型的推理能力也需要大量算力。”

最后，漆远指出，大模型的能力可以结合底层科学，走向更多、更广泛的应用，如制药、智慧医疗、健康管理、碳中和等等。“其实大模型发展刚刚开始，真正需要的是产业高效的服务平台、资金融合的生态。另外，在做科创的时候，要有长期孵化的心态，很多时候它是有可能成功的，而不是一定能成功，如果一定能成功，做的就不是创新。”他总结道，“所以我们就要想哪些是能做事的团队，探索哪些方向，然后把技术和工程产品聚合在一起，真正地走向未来人工智能的技术突破、产品突破，助力产业的发展。”

采写：南都记者胡耕硕