自ChatGPT爆火之后，国内便掀起了一股AI浪潮之风。大厂卷模型，小厂卷应用，那么普通人如何应对AI浪潮？本文对此进行探讨，一起来看看吧。

自今年3月ChatGPT爆火之后，国内起了一股“备战”大模型之风，各大厂纷纷重金押注：all in AI多年的百度推出“文心一言”誓与ChatGPT一战，华为“盘古”席卷行业，阿里“通义千问”落地办公领域……大模型的火热程度，似乎为唱衰许久“大厂流量见顶”的阴霾照进了一丝光明。

不久前的8月31日，在AppStore免费榜上，向公众开放之后的“文心一言”一举冲上了榜首，百度官方显示，文心一言上线首日用户突破100万大关。

在这之前，文心一言在内的多款大模型产品均需要进行内测申请。今年3月16日，文心一言正式开启内测，首批用户可以通过邀请码登录并在文心一言官网体验产品。7月初百度上线了文心一言苹果版App，但那是用户仍然需要获得内测资格才能体验到相应功能。

这一次，百度AI大模型一举登顶的同时，似乎也揭开了国产大模型的“百模大战”。因为，另外几家如百川大模型、智谱清言、商量SenseChat也在同日开放了使用。

国产大模型进入井喷时代！

一、大模型之争，一场没有硝烟的战争

大模型，即大语言模型，是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。

简单来说，大模型能够模拟人类学习语言的过程，以类似人类的方式理解和生成文本，是通向人工智能的重要途径。

我们日常生活中经常使用的Siri和天猫精灵，其实就是基于大模型下的基础应用，只不过因为这一时期的AI“不够智能”而被人们戏称为“人工智障”，但是，谁也没有想到短短几年时间，AI就从“听懂指令”进化到“执行指令”，甚至能够基于指令自我学习，创作文案、脚本、绘图。

从大模型的研发视角看，大模型主要分为三类：一类是大厂自研。比如百度的文心一言，阿里的通义千问，华为的盘古，腾讯的混元，京东的言犀，字节的火山方舟，蚂蚁集团的贞仪，小米的MiLM-6B等等。一类是独立创业团队。比如搜狗创始人王小川，在五道口的搜狐大厦二层对外官宣“百川智能”。还有一类是学院派。比如今年初复旦大学计算机学院团队发布的MOSS大模型，清华的ChatGLM，还有中科院自动化所的紫东·太初。

在资本市场，国内外大模型厂商也备受资本青睐。

在ChatGPT爆火之后，短短半年之内，由前OpenAI领导人创立的人工智能企业Anthropic就连获三轮大额融资，总额超8.5亿美元。

而中国公开发布的AI大模型数量早已上百个，单独统计带有 AIGC 标签的公司，2023 年上半年融资交易 58.9 亿元，事件数量 42 起，远超往年。

嗅觉灵敏的中国大厂们更是拿出了孤注一掷的勇气！

打响第一枪的是百度“文心一言”——这是百度在2021年12月推出的百度·文心（ERNIE 3.0 Titan）迭代而来的细分模型，百度创始人李彦宏称将用其重构百度所有的应用。6年前，百度开启“all in AI”战略转型人工智能，现在看来是一个十分具有前瞻性的战略。

随后，4月11日，阿里云推出通义千问大语言模型，迎战文心一言。阿里董事会主席兼CEO张勇宣布，阿里所有产品将接入大模型全面升级。

如果你经常使用钉钉文档，你就会发现，左上角悄悄上了AI文档功能，AI已经不知不觉进入你的办公场域，可以轻松帮打工人“搬砖”——做ppt、表格、设计海报、撰写文案。

4月24日，科大讯飞星火认知大模型官网正式上线。作为AI语音龙头，讯飞星火认知大模型围绕“知识问答、代码编程、数理推算、创意联想、语言翻译”等场景布局，并尝试与教育垂直场景的深度融合。

字节系的火山引擎6月28日发布大模型服务平台“火山方舟”，面向企业提供模型精调、评测、推理等全方位的平台服务，集成多个大模型，供客户直接对比。

7月13日，京东发布灵犀大模型：灵犀大模型融合70%的通用数据与30%的数智供应链原生数据，深入零售、物流、金融、健康、政务等知识密集型、任务型产业场景，解决真实产业问题。

7月18日，华为联合山东能源集团举行发布会，宣布华为盘古大模型在矿山领域实现首次商用。帮助各行各业，例如金融、政务、矿山、气象等行业，利用盘古大模型在产品研发、生产供应链、市场营销以及数字运作领域赋能。

腾讯的混元大模型，于8月3号宣布进入内测阶段，主要应用于腾讯广告、3D虚拟场景自动生成、对话式智能助手等。9 月 7 日，腾讯宣布混元大模型今日起对外开放，用户可通过腾讯云进行体验，支持直接调用 API 接口，或者将混元作为基底模型，在公有云上进行精调。

自此，从BAT到华为小米，国内外巨头悉数下场。

二、大模型有什么用？影响我挣3000块的月薪吗？

整体来看，云厂商使用大模型主要有2个层面的应用考虑：

一是提高生产力：包括普适性 AI 应用，即使用大模型完成小模型的快速定制，另外就是快速地将大模型使用到现有产品中去，包括智能问答、服装设计等场景，在不断的使用大模型探索应用的边界。

二是提高影响力：包括可以依赖大模型宣传一波自己的框架（百度的 PaddlePaddle、华为的 MindSpore）；借助大模型刷榜，挑战人类智能极限（中文的 CLUE，英文的 GLUE 等）；开发出各种好玩但不一定赚钱的应用（AI 写诗、AI 作画，展会特别好用），也许某一天就可以变现了。

具体来看，包括：

自然语言处理（NLP）：在自然语言处理领域，大模型被广泛用于语言模型、机器翻译、问答系统等任务。通过使用大规模的语料库进行训练，大模型可以更好地理解语言的含义和语境，并生成更准确的文本。

学语言或者干翻译的要注意了！

计算机视觉（CV）：在计算机视觉领域，大模型用于目标检测、图像分类、图像生成等任务。通过在大规模图像数据集上进行训练，大模型可以提取更深入和高级的特征，从而提高图像识别和理解的准确性。

主要应用在数字营销，AI可以更加节省人力去做图像的识别和标签化管理，鉴黄师可能要失业！

金融风险管理：在金融领域，大模型被应用于风险预测、市场预测和欺诈检测等方面。通过处理大量的市场数据和交易记录，大模型可以分析市场趋势和风险，并提供有力的决策支持。

缅北诈骗分子的嚣张气焰要被扼杀！

医疗诊断：在医疗领域，大模型被应用于疾病诊断、影像解读以及药物研发等方面。通过处理大量的患者数据和医学图像，大模型可以辅助医生进行准确的诊断和治疗。

全体地球人的福音！

交通与城市规划：在交通和城市规划领域，大模型可以帮助优化交通网络、提高交通流量和安全性等方面。通过使用大规模的交通数据和城市数据，大模型可以模拟和预测城市交通的运行情况，并提供优化交通规划的决策支持。

或许，堵车难题将被解决？

于普通人而言，如果你发现自己日常工作的大部分都可以被AI代替，可就要多个心眼了。

每个人都应该提升自己对于AI领域的认知，要上手和AI打交道，学会使用AI、驾驭AI就像我们现在会使用电脑、手机一样。

我们应当主动在自己的工作中引入AI工具。毕竟，在AI的碾压下，没有一个工作是绝对安全的。与其被动地被优化，建议大家不如先走一步，先主动地、彻底地，把AI能力融入自我工作流程，用AI革命自己的工作。

三、巨头游戏，除了大模型，还在卷什么？

“不管什么赛道，只要大厂一做，你就知道要开始卷了”——这句行业内的戏言如今正在大模型身上应验。

在2023百度云智大会上，百度创始人、董事长兼首席执行官李彦宏也提到：卷大模型没有意义，卷应用机会更大。

在中国，通用模型层的百模大战还远没有分出胜负，从效果上谁也没有做出决定性的优势，但随之而来的是对应用形式的大量创新探索。

AI在应用层的想象空间似乎更大。就像当初计算机发明的时候，没人能看到现在互联网的应用形态。AI的最大价值，诞生新巨头的地方，是它产生的未来的东西，是我们没看到的和看不清的。

AI应用领域，从技术难度由易到难，可以分为“帮助决策，辅助创作和代替执行”三个层面。

1）帮助决策是AI在数据和信息基础上形成知识，进而帮助人类进行决策，完成精度要求不高的特定任务。主要应用于生活和办公以及专业服务方面。比如：智能助手：日常生活、办公管理等；专业服务：广告、教育、金融、医疗、物流、安防、电力等；

2）辅助创作是AI在知识的基础上形成逻辑推理能力，辅助内容创作，实现创意目标。主要应用于资讯、文字、图像、影视、游戏等；

3）代替执行是AI在逻辑推理基础上形成高精度的执行能力，主要应用于智能机器领域，代替人类执行高精度要求的解决方案。比如智能汽车、智能机器人、智能工厂等。

目前来看，生成式AI可运用于B端及C端场景，典型应用场景如B端的办公、营销、金融等，C端的教育、 社交、电商。

应用落地速度来看：B端快于C端。由于AI To B应用主要面向企业内部等特定少数用户群体， 注重为特定领域的生产降本增效，具备较强的工具属性，因此更容易落地使用。

而AI To C应用 落地速度较To B产品慢，主要系其以尽可能多的用户使用为目的，对产品的标准化程度要求更高，也需与特定场景结合，如教育产品要明确面向教师还是学生，电商产品面向买家还是卖家 等；且教育、社交的产品也具备一定媒体属性，需要接受有关部门的监管。

从数据质量看：B端高于C端。由于AI To B应用主要面向企业客户，对输出内容的专业性、准 确性有更高要求，容错率低，因此也要求底层模型用于训练的数据，也要具备较高质量；而AI To C主要面向大众用户，带有一定的社交娱乐属性，因此对输出内容的专业性和要求较弱。

写在最后：和AI一起进化

这是一个硅基智能全面碾压我们智商的时代。ChatGPT 带来的 AI 变革将深刻改变社会的发展方向，现在是混沌的乱斗局面，大家都卯着劲想做出点什么。但模型又不是普通人能做的，所以出现了更多以场景应用为主的产品，也给创业者和开发者们提供了许多 AI 应用的思路。

另外本土化是另一个重要的课题，国内大厂在进度上明显落后，但应用层已经先行并且有了很多好用的产品，这将来也会是竞争最激烈同时机会最多的地方。对于普通人而言，整个行业还在不断发展变化，未来有的是机会。