證券時報“中國智造面對面”採訪團走進科大訊飛，圖為公司展廳
科大訊飛AI+教育行業產品
證券時報社常務副總編輯週一（左）對話科大訊飛AI工程院院長潘青華（右）
證券時報記者 葉玲珍
過去一年多，以ChatGPT為代表的生成式AI（人工智慧）技術狂飆突進，各路科技巨頭爭相入局，試圖在技術演進、應用落地風口搶佔更多話語權，“百模大戰”已然打響。本期“中國智造面對面”走進科大訊飛，證券時報社常務副總編輯週一對話科大訊飛AI工程院院長潘青華，解讀生成式AI技術發展現狀及挑戰，展望大模型規模化應用前景。
深耕人工智慧賽道二十餘載，科大訊飛積極擁抱“智慧湧現”的大模型時代，依託源頭技術創新和成建制的行業頂尖研發團隊，透過與等合作伙伴強強聯合，打造了基於自主可控技術底座的訊飛星火認知大模型。“星星之火，可以燎原”，歷經數次迭代升級，訊飛星火大模型迅速在教育、醫療、工業、金融、汽車、法律、科研等應用場景落地開花，正以更好的姿態賦能千行百業，解決社會剛需。
2024年上半年
對標GPT-4
證券時報記者：能否介紹一下科大訊飛星火認知大模型最新的研發進展？
潘青華：2022年12月，科大訊飛啟動“1+N認知智慧大模型技術及應用”專項攻關，並在2023年5月6日正式釋出訊飛星火認知大模型。
經過多次迭代升級，2023年10月24日，公司在全球開發者節上正式釋出星火大模型V3.0，對標ChatGPT（GPT-3.5），實現中文超越，英文相當。
目前，團隊還在馬不停蹄地攻關，公司將於1月30日釋出星火大模型V3.5版本，各方面能力相較過去都會有非常大的提升。
預計在2024年上半年，星火大模型還將迎來新的迭代版本，屆時可實現全面對標GPT-4。從現在的訓練情況來看，我們對2024年上半年對標GPT-4非常有信心。
證券時報記者：與國內外大模型相比，科大訊飛星火認知大模型有哪些特點和優勢？
潘青華：首先，星火大模型是在科大訊飛前期積累上自主研發的，從預訓練到微調，再到強化學習，每一步訓練都有技術上的創新。得益於過去十幾年在深度學習技術和等演算法上的積累和持續創新，星火大模型底層技術更為紮實。
其次，星火大模型在釋出之初便同時公佈了在教育、汽車等領域的落地產品應用，在過去的業務開展過程中，公司已經在教育、醫療、工業、智慧城市等領域開拓了豐富的認知智慧行業應用場景，在利用大模型解決實際問題方面形成了獨特優勢。
再次，訊飛星火大模型是國內首個完全基於國產算力平臺訓練的大模型。此前，公司兩次被美國製裁，我們堅定走軟硬一體國產化的必由之路。2023年10月24日，科大訊飛對外發布基於華為昇騰生態的自主可控算力平臺——“飛星一號”，透過與華為強強聯合，合力打造我國通用智慧新算力底座，並在此平臺上開展更大規模的大模型訓練。我們判斷，未來2~3年國產算力生態將持續繁榮，完全可以支撐通用人工智慧大模型的自主研發。
證券時報記者：科大訊飛在大模型方向的研發團隊規模如何？
潘青華：此前，公司在人工智慧方面已經構建了成建制的行業頂尖研發團隊，這也是星火認知大模型的底氣所在。
目前公司AI演算法相關研發人員主要集中在AI研究院、AI工程院以及資源資料團隊，合計超過1500人，其中直接參與大模型研發的人員有幾百人。如果疊加產品線上從事大模型應用開發、落地的相關團隊，以及外部合作伙伴和開發者，團隊規模會更大。
“技術+需求”雙輪驅動
證券時報記者：目前來看，訊飛星火認知大模型的迭代升級主要是技術驅動還是需求驅動？
潘青華：星火大模型的迭代其實是技術、需求兩條線並行驅動的。
目前來自於技術層面的驅動更為直接，所以我們也有比較明確的大模型升級時間節點；除此之外，需求端也是重要的驅動力。最初啟動大模型攻關的時候，公司就明確了“1+N”的路線，“1”為基礎模型，“N”指的便是行業應用，即讓大模型在教育、醫療、汽車、辦公、工業、智慧硬體等多個領域落地。
當然，大模型進入千行百業並不是一蹴而就的，需要在長時間的打磨中，以潛移默化的方式逐步變成常態。
不要高估技術短期的影響，也絕不能低估技術長期的影響。據我們判斷，相比於過去的人工智慧技術，大模型進入到實際應用的週期可能會大幅縮短。因為大模型的認知能力一旦有突破口，會很快形成“漣漪效應”，在應用中讓越來越多的使用者形成使用習慣。
證券時報記者：大模型會在哪些行業率先得到大規模應用？
潘青華：根據目前訊飛星火認知大模型的落地應用情況來看，在程式碼領域程式設計師對大模型的接受能力是最強的，還有教育、醫療、金融等領域也會有較快應用。另外，還有一個重要的方向是人機互動，包括智慧汽車、智慧家居、智慧硬體終端等，目前已經有搭載大模型的全新互動產品在不斷湧現。
證券時報記者：您如何看待大模型對各行各業的賦能作用？會帶來替代效應嗎？
潘青華：對於大模型的應用前景，業內還是比較樂觀的。我們認為，大模型對於很多崗位的工作人員，特別是腦力勞動者，比如程式設計師、文字工作者、工程師、醫生、教師等職業，都能輔助他們更好、更高效地完成工作。
大模型帶來的提效並不意味著對原有工種的替代，它更多的是一種生產工具，在某種程度上改變工作模式，提升崗位生產效率。
規模化商用指日可待
證券時報記者：大模型進化到目前的水平，哪些方面讓您覺得驚豔？哪些方面表現平平？
潘青華：應該說大模型進化到現在，雖然表現得不夠完美，但已經足夠讓人驚奇。
我們注意到，大模型在幾個方面的能力尤為突出：首先是對複雜、深層次語義的理解能力，這種理解並不是靠死記硬背，而是結合上下文，真正理解了背後的意思；其次是跨領域的學習能力，大模型能夠快速呼叫外部外掛及相關工具，在較短時間內成為一個“全科人才”；再次是大模型已經具備了思維鏈，能夠像人類解題一樣，對複雜任務分步驟推導求解。
當然，大模型也有表現不盡如人意的地方，比如文字生成能力雖然在某些場合已經夠用，但還不夠好用，不夠個性化。
我們認為，大模型最大的短板，在於目前還無法精準地成為每個人的個性化助手，因為從現在的情況來看，為每個人定製大模型的成本是很高的；另外，與人腦相比，大模型並不是在所有的場景都表現得一樣聰明，一致性和穩定性還有待提升。
證券時報記者：目前各家的大模型尚處於探索性應用階段，您認為大模型距離規模化、商業化應用大概還需要多長時間？
潘青華：我們覺得，在未來一年多的時間內，就能看到大模型大規模應用的進展。當然，不同的應用場景落地的速度會有差別，直接面向C端使用者的應用應該是最快的。
從現階段來說，成本是最大的制約因素。如果按照現有算力水平，想要大模型隨時隨地被呼叫，成本是無力承受的。
未來，大模型的普及一方面取決於演算法的進步，另一方面取決於硬體的進步，即如何在單位晶片功耗相同的情況下，實現更強的計算能力。
需要說明的是，最終大模型的形態可能也會有一些變化，或許不是一個大模型部署在一個大的節點上，而是分散成一些小的輕量化節點，就能夠很好地完成任務。
證券時報記者：在您看來，應如何打通大模型在行業落地的“最後一公里”？
潘青華：我們知道，行業模型的底座其實是基礎大模型，伴隨著底座模型的迭代，行業模型的落地會加速推進。
另一方面，行業模型是一個複雜的智慧系統，有賴於專家知識、行業資訊、行業資料等，還需要更多理解大模型演算法的人做精、做透相關應用，才能推動大模型技術最終在行業順利落地。
共建大模型繁榮生態
證券時報記者：當前，市場呈現出“百模大戰”的白熱化競爭態勢，您認為哪些因素會成為決定勝負的關鍵？
潘青華：我們認為，要想在“百模大戰”中勝出，做出效果最好的模型，不僅僅靠堆算力，也要靠原理層面的演算法創新。基於現有演算法框架，仍然看誰模型更大，能帶來能力提升，但無限堆算力可能不是最優路徑，預計很快就會進入演算法層面的創新比拼階段。
我們判斷，最終能夠走出來的通用大模型可能只有幾家。未來國內可能就是幾個底座，大家各自選擇合適的底座去做自己上層的應用。
證券時報記者：大模型在快速發展過程中，也引發了各界對於資料保護、合規風險及隱私洩露等問題的擔憂。您如何看待大模型的安全問題？應該從哪些方面規避風險？
潘青華：我們認為，從演算法原理來看，大模型距離形成自主意識還為時尚早。而從大模型本身的安全性來看，如何防止生產有害的、錯誤的資訊，這是必須引起重視的，可以從資料來源頭、訓練方法、演算法等技術層面建立配套的鑑偽等機制。與此同時，還需要從政策法規層面進行引導，在不影響技術迭代的前提下，避免技術濫用。
證券時報記者：您對人工智慧行業發展有哪些建議？
潘青華：首先還是需要鼓勵實事求是的精神，對人工智慧技術不要過度包裝、“神話”，讓市場客觀理性認識技術。另外，希望更多的人能夠參與到人工智慧生態，以更積極的心態擁抱技術，促進生態繁榮，推動社會進步。
黃劍波、葉玲珍/攝 彭春霞/製圖
