緊隨OpenAI、谷歌的步伐，國(guó)內(nèi)大模型軍備競(jìng)賽正打得火熱。繼百度、三六零之后，本周阿里、華為、京東等大模型陸續(xù)浮出水面。

大模型不再稀缺之后，AI競(jìng)賽的下一步將走向何處？民生證券分析師呂偉發(fā)表研報(bào)指出，盡管目前表面上大模型百花齊放，但是能夠擁有高質(zhì)量數(shù)據(jù)場(chǎng)景助力持續(xù)迭代，使得逐步性能逼近ChatGPT的大模型預(yù)計(jì)最終仍是“鳳毛麟角”。數(shù)據(jù)將成為差異化競(jìng)爭(zhēng)的關(guān)鍵，最終是得數(shù)據(jù)者得天下。

分析師認(rèn)為，未來(lái)的AI競(jìng)爭(zhēng)中，三類(lèi)企業(yè)將掌控主動(dòng)權(quán)：

(資料圖片僅供參考)

1.同時(shí)擁有搜索引擎、瀏覽器、辦公插件等高質(zhì)量數(shù)據(jù)的公司；

2.掌握音箱、攝像頭等物聯(lián)網(wǎng)終端數(shù)據(jù)的公司；

3.垂直行業(yè)有絕佳數(shù)據(jù)卡位優(yōu)勢(shì)的企業(yè)。

具體來(lái)看：

搜索引擎公司

搜索引擎公司天然具備數(shù)十年網(wǎng)絡(luò)爬蟲(chóng)積累的高質(zhì)量互聯(lián)網(wǎng)數(shù)據(jù)資源，而且憑借這一數(shù)據(jù)卡位戰(zhàn)略入口，其數(shù)據(jù)資源與質(zhì)量仍將不斷迭代提升：當(dāng)搜索引擎爬蟲(chóng)完成對(duì)某個(gè)網(wǎng)站或者某個(gè)主題下所有相關(guān)網(wǎng)站的抽取后，需要對(duì)其進(jìn)行處理和分析。這通常包括以下幾個(gè)方面：1）數(shù)據(jù)清洗與去重；2）數(shù)據(jù)挖掘與分析；3）建立索引以便后續(xù)查詢。

繼微軟公司已經(jīng)在其必應(yīng)（Bing）搜索引擎中部署ChatGPT系統(tǒng)背后的技術(shù)后，據(jù)《華爾街日?qǐng)?bào)》4月6日?qǐng)?bào)道，谷歌CEOSundarPichai透露，谷歌計(jì)劃在其搜索引擎中添加AI對(duì)話功能，目前該公司正在對(duì)幾種搜索引擎版本進(jìn)行測(cè)試。他表示，此舉是為了應(yīng)對(duì)ChatGPT等聊天機(jī)器人帶來(lái)的競(jìng)爭(zhēng)和商業(yè)壓力，但聊天機(jī)器人不會(huì)對(duì)谷歌的搜索業(yè)務(wù)構(gòu)成威脅，AI的進(jìn)步反而能進(jìn)一步增強(qiáng)谷歌的信息檢索能力。

從GPT-1的1.17億參數(shù)到GPT-2的15億參數(shù)，再到GPT-3劃時(shí)代的1750億參數(shù)，OpenAI依托篩選過(guò)的優(yōu)質(zhì)數(shù)據(jù)形成參數(shù)量的階梯式上升，最終帶來(lái)GPT-3乃至ChatGPT具備理解上下文、連貫性等諸多先進(jìn)特征。

在提出GPT-3的論文《LanguageModelsareFew-ShotLearners》中，OpenAI在收集近一萬(wàn)億文字（參數(shù)）的數(shù)據(jù)庫(kù)后，放棄直接使用海量數(shù)據(jù)訓(xùn)練模型，而是轉(zhuǎn)向通過(guò)三種模式篩選優(yōu)質(zhì)數(shù)據(jù)進(jìn)行訓(xùn)練，從而從萬(wàn)億參數(shù)歸納出眾人所熟知的1750億參數(shù)，其核心原因在于“未經(jīng)過(guò)濾或輕度過(guò)濾的爬蟲(chóng)數(shù)據(jù)往往比篩選后數(shù)據(jù)集質(zhì)量更低”。

物聯(lián)網(wǎng)終端

近期天貓精靈。通過(guò)音箱端接入阿里大模型，做出了一款阿里版ChatGPT個(gè)性化語(yǔ)音助手，標(biāo)志這一趨勢(shì)已經(jīng)開(kāi)啟。AIoT終端的“賣(mài)鏟人”以及視頻攝像頭數(shù)據(jù)入口企業(yè)都擁有巨大優(yōu)勢(shì)。

垂直行業(yè)有絕佳數(shù)據(jù)卡位優(yōu)勢(shì)的企業(yè)

彭博新聞社近期發(fā)布了專(zhuān)門(mén)為金融領(lǐng)域打造的大型語(yǔ)言模型(LLM)—BloombergGPT就是垂直數(shù)據(jù)優(yōu)勢(shì)“挑戰(zhàn)”巨頭通用大模型的案例。

在過(guò)去40年里，彭博收集了海量的金融市場(chǎng)數(shù)據(jù)，擁有廣泛的金融數(shù)據(jù)檔案，涵蓋一系列的主題。使用該公司數(shù)據(jù)終端的客戶遍布全球，包括交易員、投行、美聯(lián)儲(chǔ)、美國(guó)其他官方機(jī)構(gòu)以及全球各大央行等。這些特有數(shù)據(jù)，使得BloombergGPT比ChatGPT擁有更專(zhuān)業(yè)的訓(xùn)練語(yǔ)料。

據(jù)彭博社發(fā)布的報(bào)告中可以看出，研究人員利用彭博社現(xiàn)有的數(shù)據(jù)，對(duì)資源進(jìn)行創(chuàng)建、收集和整理，構(gòu)建了一個(gè)3630億個(gè)標(biāo)簽的數(shù)據(jù)集，并基于通用和金融業(yè)務(wù)的場(chǎng)景進(jìn)行混合模型訓(xùn)練，以支持金融行業(yè)內(nèi)各種各樣的自然語(yǔ)言處理(NLP)任務(wù)。

映射至國(guó)內(nèi)，掌握垂直優(yōu)質(zhì)數(shù)據(jù)的公司，將有機(jī)會(huì)開(kāi)發(fā)自己的BloombergGPT。

本文主要觀點(diǎn)來(lái)自民生證券呂偉（執(zhí)業(yè)：S0100521110003）發(fā)表的研報(bào)《當(dāng)大模型不再稀缺：得數(shù)據(jù)者得天下》，有刪節(jié)

風(fēng)險(xiǎn)提示及免責(zé)條款 市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。本文不構(gòu)成個(gè)人投資建議，也未考慮到個(gè)別用戶特殊的投資目標(biāo)、財(cái)務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見(jiàn)、觀點(diǎn)或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負(fù)。

關(guān)鍵詞：