现在是个公司都在讨论做大模型。
按定义上说，大模型是需要大量训练数据和计算资源，依赖动辄上亿乃至数十亿的模型参数和大量层数来实现高性能的模型。
但万万没想到，加了这么多定语，硬是没给厂商们的想象力定住，这两年，不对，这几个月光国内就出了几十个所谓的大模型，互联网世界沉浸在一片丰收的喜悦中。
你别管怎么模的，你就说型不型吧。
别管能活几个，就说这个大模型适不适合中国国情吧。
我思考了很久，我觉得这个味儿好熟悉，后来我发现同样的故事上一次叫元宇宙，上上次还是区块链。
这时我就开始怀念大家做 O2O 时候的样子。
虽然最后也就那样，但那个时候人与人之间真的好纯粹，钱是真的烧，打法也是真的烧。
要押金的那批除外。
2
问题来了，虽然都在吹牛，但大家为啥争大模型这个风口？
是因为看到了一个机会。
这东西很有可能成为你未来使用的最基础工具，就像你现在用 word 工作，用搜索引擎获得信息一样，它会成为你生活方式的一种。
争的是风口吗，那是未来生活定义权的入口。
那这东西的难点在哪儿？
甭管你是什么大模型，核心都绕不开两个问题。
其一，训练模型的高质高量的数据从哪里来；
第二，你训练出的大模型在哪里能用的上，应用场景是什么。
前者是个技术难题。
数据不但要高质高量，还要合理合法，而且面对这个量级的数据，不仅要有复杂度上天的 ETL（我以前工作最讨厌的事情就是洗数据整数仓），还需要配备大量的算力，最后还要考虑如何再将大模型部署到线上保证性能。
后者是个变现难题。
大模型好不容易训练成功了，找不到应用的场景，那这更白玩了。
你有屠龙技，但大家不需要屠龙，那最后就只有一条龙服务了。
这两个问题太沉重了，根本不是朝生夕死的厂商们该考虑的问题。
是，我搞出技术红利了，就等着量变引起质变了，只要几年，我就改变世界了。
没错，谢谢你，大家会把好消息烧给你的。
行业小玩家根本烧不起，家人只需要看到烧钱后的债务情况，只要几分钟，就能改变婚姻状态。
所以现在这么多厂商都在搞大模型，争先入局烧钱，真正能坚持到最后的，还是少数。
评价大模型能不能走得远，把 AI 红利兑现了，其实就三条标准——有没有看得见摸得着的真实应用案例，有没有能够规模化推广应用的产品，有没有统计数据能够证明的应用成效。
不然都是吹的。
也就是说，面对国企、央企等 G 端用户，大模型围绕着需求进行针对性的私有化部署；
面对 B 端用户，能将 AI 能力结合到企业生产各环节中，实在地帮助提升效率；
面对 C 端，能够利用已经成型的市场渠道和消费者对品牌的认知，提高消费者的使用频次，进行流量转化。
跨过这三关，路才能走稳。
当然，在走稳以后，我还想再补充上一条隐形门槛。
人类能够诞生文明，形成国家，都依赖于语言，语言才是诞生智能的前提。
厂商一定要对语言模型有扎实的研究，大模型才具备较强的泛化能力，将来大模型才能方便不同国家不同民族、不同专业人士应用于各自的领域。
有了这个能力，故事才能讲得真正性感。
3
昨天，科大讯飞举办了一场成果发布会，介绍了讯飞星火认知大模型。
主打的，就是开放，大规模开放，所有用户都可以使用。
发布会现场上，星火认知大模型不讲虚话，直接实测了文本生成、语言理解、知识问答等七大维度能力，还顺便做了数学题，给大家漏了一小手。
这七大维度和 481 项细分任务类型，将构成科学的大模型评测体系。
大模型行不行，咱评测后看。
会场上别的能力不赘述了，我觉得与大部分上班族真正利益相关的，还要数星火大模型的一键成稿能力。
当你在办公室里开完两个小时会议后，不需要再加班花两个小时重听一遍整理文稿了，打开讯飞听见输入音频后，大模型会帮你分析文字内容，一键输出摘要，代办事项，工作计划等内容，直接文字形式给你安排得明明白白；
如果你赶时间，给它一分钟，面对老板，它能智能生成新闻稿件这类通稿；
