問世不到半年的ChatGPT，在掀起全球資本狂潮的同時已經引發全球領域的AI爭奪戰，作為OpenAI十年投入百億美元的研究成果，ChatGPT讓國內AI產業看到了新的機遇，集體下場迎接融資熱潮。
【資料圖】
然而，在國內AI公司爭相布局大模型賽道的同時，GPT技術的垂直領域應用卻鮮少有投資者關注。針對垂直領域大模型技術落地應用，北極星電力網邀請到了工業AI領域的北京智芯微電子科技有限公司，讓我們跟隨智芯公司的視角探尋ChatGPT的技術本質及其在電力等垂直領域的落地路線。
01
國內AI行業困局—缺乏前瞻技術布局，難以擺脫“跟隨者”角色定位
從紙面實力上來看，中國AI企業實力十足，截止至2021年3月，中國人工智能企業數量位居全球第二，融資規模全球最大，專利申請量世界第一。然而，國內企業似乎并不熱衷于開拓新的領域，從2006年深度學習問世以來，似乎在每一個AI技術的關鍵節點，中國都落后于國際，國內企業更多的是在技術經過市場驗證之后進行跟進。
從最早的ImageNet, 到后來的AlphaGO, Transformer, BERT, AlphaFold 以及最近的 ChatGPT和SAM。中國所扮演的更多是“跟隨者”的角色，基于AlphaGO研發象棋版AlphaGO、基于BERT發布“Chinese-BERT”、基于AlphaFold研發“uni-fold”、基于GPT技術研發“文心一言”、“通義千問”等，缺乏新領域的“開拓者”精神。
在ChatGPT發布后，國內十余家龍頭企業爭相推出對標產品，智芯公司認為，這充分證實了我國AI行業不是沒有開辟新賽道的能力，對基礎技術的長期鉆研、對前瞻技術的戰略性布局是國內AI產業的首要短板。
智芯公司深耕工業AI領域十余年，先后突破了芯片存算一體架構、動態可重構硬件加速單元、輕量化工具鏈、工業級高可靠防護體系等基礎關鍵技術，成功研制了“獵鷹”系列邊端側人工智能芯片，部分關鍵指標達到國際領先水平；前瞻技術方面，與清華、北大、鵬城實驗室、之江實驗室及各行業應用企業聯合構建了“產-學-研-用”一體的人工智能生態體系，服務工業人工智能的研究與落地。其中，與北大共建了“北大-北京智芯視覺智能校企聯合實驗室”，進行工業數字視網膜技術、視覺安全體系等研究；與阿里共建了“智芯-阿里RISC-V聯合實驗室”，進行RISC-V開源指令架構、多芯粒互聯等研究，著力解決大算力芯片短板問題，為實現AI產業全鏈條自主可控和可持續發展提供堅實底座。
02
ChatGPT的強工程化本質—強大但不萬能，垂直領域應用疲軟
ChatGPT不是搜索引擎，也不是數據庫，實際上是基于概率統計的“單字接龍”，給模型輸入任意長度的上文，模型會根據上文去生成下一個單字。在技術方面，ChatGPT并沒有創新，能夠取得如此驚人效果主要是因為工程化做到了極致。
與傳統語言處理模型相比，ChatGPT的優點很明顯，超大規模的模型參數量及海量的訓練數據，使得ChatGPT擁有極強的表現力，可以處理更復雜的自然語言任務，生成自然流暢的對話與文本。如果GPT技術能夠真正地克服現有缺陷并成型，那么其潛在用戶極易對其形成巨大依賴，大量重復性通用工作將徹底被基于GPT技術的人工智能所替代。
智芯公司認為，現階段的ChatGPT更多的是一個技術上的半成品，是數學公式在大數據量的驅動下得到的工程化結果，并沒有脫離開現有的理論基礎及方法，更適用于通識類問題或簡單請求，在更側重于客觀準確描述及專業性決策的垂直領域中落地時具有局限性。
智芯公司把ChatGPT云端大模型比作為“大腦”，要想實現一項完整的機能，離不開“眼”、“鼻”、“耳”和“四肢”的感知和反饋，而邊端側AI芯片就是人工智能云邊端應用體系中的感知觸手。智芯公司秉持“自主研發+開放合作”的發展理念，牢牢把握行業應用的“牛鼻子”牽引作用，以邊端側AI芯片為先手棋，打造了覆蓋云-邊-端不同算力等級需求和多樣化應用場景的“獵鷹”芯片體系。“獵鷹”芯片具備低功耗、可重構、高可靠、高安全等特性，作為設備智能化升級的核心芯片已在電力運檢、智慧城市、移動/電信運營商等多個領域實現規模應用，經受住了極高/低溫、高濕等惡劣環境的嚴峻考驗，相關應用模式已拓展至智慧交通、智慧社區、智能制造等領域。
03
國產ChatGPT如何破局—本地生態先閉環，加快垂直領域大模型落地
當代人工智能的技術發展依賴于芯片提供的強大算力、神經網絡算法結構以及數字化轉型浪潮下的海量數據，是一套軟硬件緊耦合的體系。而受限于研發成本、技術積累等因素，國內AI企業主要集中在軟件研發上，底層算力布局缺位、基礎研究與應用研究失衡、軟硬件結合的生態缺失等問題在短期內難以解決，是我們長期面臨的現實情況。
智芯公司指出，各垂直領域率先建立局部生態閉環、以垂直應用拉動全域生態是國內企業可以嘗試的一條出路。具體可按“1+1+N+M”模式，分4個步驟實現大模型在垂直領域的輕量化落地和規模化工程應用。
1.選用1個成熟商用大模型為基礎版本，進行私有化部署；
2.根據垂直行業特性對商用大模型進行微調，生成1個行業基礎大模型；
3.針對行業內不同細分專業領域，分別進行微調，得到N個業務大模型；
4.對業務大模型進行輕量化處理和云邊端協同部署，實現M個具體業務應用的智能化升級。
智芯公司已完成了超100000T算力規模的云邊端硬件環境搭建，并針對電力應用實現了不同級別大、中、小模型的云側和邊側的私有化部署，可在服務器、存儲、大模型集中算力、協同通信帶寬、小型化/離線部署算力等方面為垂直領域人工智能模型私有化部署提供整體參考方案。
04
從“跟隨者”到“開拓者”的轉變—數據、算法、算力齊發力
事實證明ChatGPT技術并不復雜，實現也絕非難事，中國AI產業更需要像智芯公司這樣的企業，起得早、走得穩、靜得住，深入理解工業應用需求和環境的特殊性，對產品做極致打磨的同時引領技術創新發展路線。全產業鏈上下游企業應通力合作，實打實地從底層技術出發，算法、數據、算力三方面齊頭并進，盡快實現從"跟隨者”到“開拓者”的轉變。
算法方面，需進一步加強大模型技術與產業應用的結合，在目前國內算力受限的情況下探尋落地模式，各垂直領域構建算力消耗相對較小的專用模型；數據層面，建立通用和專用人工智能超大規模數據庫平臺，用于大模型訓練和生成；算力方面，通過財政補貼、揭榜掛帥、產業基金等方式，支持集成電路企業進行源技術創新和工程化實踐，探索通過chiplet技術實現先進工藝制程替代的可行性和落地路線，盡快縮短算力差距。
“算法”、“數據”、“算力”齊發力，產、學、研、用高效協同，加速垂直領域生態閉環和全域生態合作，我國AI產業必將破局。
責任編輯：Rex_15
營業執照公示信息