奔向大模型時代，第一期掘金城市沙龍「 AIGC 技術探索與應用創新」成功舉辦

4 月 13 日，由稀土掘金技術社區和 Intel 聯合主辦的 2023 第一期掘金城市沙龍「 AIGC 技術探索與應用創新」在北京成功舉辦。本期沙龍聚焦時下最熱的科技話題——AIGC，通過線上線下聯動，從“技術”和“應用”雙視角探索 AIGC 爆發式繁榮背後“算力、算法、數據”三大底層能力建設，暢想未來新的産業結構樣态與應用創新形式的可能性，在行業内引發熱烈反響。

  本期沙龍分為大咖分享和圓桌 Panel 兩大議程，沙龍現場英特爾 AI 軟件工程師楊亦誠、字節跳動 NLP 算法工程師陳家澤、Google Cloud 機器學習專家王順、清華大學 KEG 知識工程實驗室研究助理鄭勤锴、九合創投投資副總裁王逸飛、稀土掘金江昪一一帶來精彩觀點，同大家一道迎接“未來已來，将至未至”的 AIGC 時代。

  AIGC 的底層邏輯：以大模型為“道”，衍生萬物

  左起：楊亦誠 王順 鄭勤锴 陳家澤

  ChatGPT 爆火，引發中國互聯網科技圈對多模态大模型的關注。在國内，大模型市場更是開始躁動起來了，文心一言、盤古、通義千問、日日新SenseNova......可以說，從算力到應用，人工智能領域在大模型賽道上已然按下快捷鍵。然而，大模型仍處于從實驗室走向大規模商業化的早期階段，存在核心技術不成熟，生态系統不健全，且成熟落地場景較少等問題。

  英特爾 AI 軟件工程師楊亦誠也表示，基于“大算力”和“強算法”兩大顯著特點，AIGC 類的大模型不僅從算力維度給産業帶來新的技術挑戰，更從商業模型上帶來了突破和變革，可以預見模型服務化勢必成為人工智能企業未來的核心商業模式。

  盡管視覺相關的 AIGC 領域發展很猛，但是文本仍是 AIGC 中最重要的一環，是連接不同模态内容的重要媒介。字節跳動 NLP 算法工程師陳家澤表示，文本生成技術發展至今，從 Encoder Decoder 結構的第一次變革，之後各種文本生成的應用如同雨後春筍般被提出，到 GPT 結構的發展，整體文本生成範式發生演進，過程中帶來更多的可能性，同時也面臨非常多的挑戰，比如數據隐私和安全的要求越來越高，模型需要具有高可靠性和透明度等等。

  同時，随着高質量 AIGC 的大規模普及，千億規模大模型的訓練不再高不可攀。Google Cloud 機器學習專家王順也介紹到，Google不斷推出的 LaMDA、Imagen、PaLM、Parti 等生成任務大模型也打磨出了 PAX 這種輕松訓練千億規模參數的大模型框架，随着 Cloud TPU v4 對外部客戶的 GA, 您也可以在 Google Cloud 上輕松訓練一個屬于自己的千億參數大模型。

  在代碼生成的場景中，清華大學 KEG 知識工程實驗室研究助理鄭勤锴介紹，CodeGeeX正在成為 Github Copilot 的平替，未來絕大多數代碼都将由AI驅動産生，每個開發者都需要尋找成為 AI2.0 程序員的路徑。

  AI 的 iPhone 時刻：内卷的大模型，擁抱變化的開發者

  AIGC 大模型的參數天花闆在哪裡?人工智能是否會取代重複性勞動......面對這些問題，作為圓桌主持人，稀土掘金江昪與一衆嘉賓專家從技術、商業模式、創新等視角，探讨人類之于 AI 以及 AIGC 自身下一步怎麼走?

  左起：江昪 王逸飛 鄭勤锴 陳家澤 楊亦誠

  随着自然語言處理與擴散模型的發展，未來的 AIGC 必然具有極高接近性與創造力。也因此，英偉達CEO黃仁勳四度使用“iPhone時刻”，來形容AI當下的發展。清華大學 KEG 知識工程實驗室研究助理鄭勤锴也表示，AI 帶來了交互方式上的變革，極大地提高人們使用各種工具的效率。

  2020 年，OpenAI 提出了大模型的縮放法則，也就是說增大參數規模可以極大提升模型性能，由此進入了煉大模型的“狂飙”時代。而相比于 GPT-3 模型 1750 億參數量而言，關于 GPT-4 模型參數量在業界引發持續性猜想。可以确定的是，目前模型的參數量遠未到達瓶頸。九合創投投資副總裁王逸飛認為，如果在硬件側沒有一個重大突破，可能未來 2、3 年内沿着 transformer 路徑走的大模型會走到上限。AGI 是一個很長的探索路徑，未來肯定會有新的算法出來，而目前的 GPT 隻是走出最靠前的一步，它很有可能隻是我們探索 AGI 的中間态。

  字節跳動 NLP 算法工程師陳家澤也表示，未來可能有兩條路：一是一部分的模型越來越大，同時也會越來越強;二是在一個差不多量級的模型下水平越來越高，比如可能 7B、 10B 的模型的能力通過一些訓練方式、數據調優，具備更加充分的能力。

  眼下，AIGC 領域熱火朝天，國内越來越多的科技企業紮堆入場。王逸飛也表示，目前，AI 遠未到達最後階段，國内企業或團隊需要面臨的挑戰是，如何在沒有明确未來的事情的上敢于做投入，選擇技術路線。

  那麼，AI 是否會取代重複勞動力的工作，對于包括開發者在内從業者來說也是一個難題。鄭勤锴則認為，短期内程序員是不太會被替代的，但未來的趨勢可能會分成會用 ChatGPT 和不會用 ChatGPT 這兩類程序員，在此基礎上，對于程序員提出更高的要求，就是 ChatGPT 生成的代碼并不是完全可信的，這時候就要求程序員能判斷 ChatGPT 生成代碼的質量。

  AI 的長期價值，對各行各業的颠覆性改變，一切才剛剛開始。從技術研發到商用階段，再逐步走進現實生活場景中，往往需要一代又一代的開發者持續探索和完善，在每一次的技術交流中，凝聚共識，找到新的立身之本。今後，稀土掘金技術社區還會一如既往地為企業、技術人員創建一個觀點碰撞的平台，實現雙向賦能。