“新”在“新智”知識生產力

2020年5月，OpenAI發布了1750億參數量的GPT-3大語言模型，標志著全球AI 2.0時代的到來。與AI 1.0的“舊智”時代相比，AI 2.0時代涌現出的“新智”完全以實現通用智能為目標。與“大企業搶占頭部高頻場景市場、創業企業深入腰部細分場景領域”的分散式格局不同，如今，具有世界領先能力的大模型科研團隊的出現，讓整個產業似乎步入了“強者恒強”的局面。而結果不僅僅是產業鏈“鏈主”格局發生改變，甚至形成了（所擁有的）大模型的領先程度決定（國家間）科技創新力競爭優勢的關系。

具體來說，這樣的變化在三個層面都引發了相應的變革（見圖1-2）。

圖1-2　AI 1.0時代與AI 2.0時代的對比

模型層：從解決單一場景、單一問題的專有模型，升級為能夠解決通用問題并具有大規模參數和復雜計算結構的機器學習模型，即從10億以下的參數量猛增到千億、萬億以上的參數量。近年來，大語言模型也在進一步朝多模態大模型發展。

業務應用層：AI 1.0時代，模型為應用解決單點問題，由應用承載大量業務邏輯；而AI 2.0時代，應用開始“模型化”，“基礎模型+輕量級前端交互頁面”成為一種創新模式。例如ChatGPT就沒有復雜的應用開發，模擬即服務、模型即應用，大量應用邏輯都已經融入模型訓練中，通過提示詞訓練行業大模型應用，簡稱“提示工程”。由此出現輔助辦公、輔助編程、虛擬人社交、輔助營銷、輔助媒體寫作等垂直領域模型。

基礎設施層：AI 1.0時代以中央處理器（Central Processing Unit，CPU）為主，以圖形處理單元（Graphics Processing Unit，GPU）為輔的云計算服務基礎設施在存儲、網絡、（并行）計算能力方面都沒有針對AI訓練和推理進行提速改良。而伴隨大參數量模型的研發需求激增，高性能數據中心應運而生。AI計算中心成為更高效、更快速、更便捷地訓練大模型必不可少的“新基建”，這體現了計算基礎設施每10～15年升級一代的周期性規律。