2023年初，ChatGPT 的出現，引發了國內外各類AIGC技術應用的爆發，讓人們看到了新世界的曙光，也感受到了迫在眉睫的劇變。無論是前沿科技產業還是整個經濟社會格局，都將因此產生巨大的變化，眾多企業將迎來價值重估，無數行業將面臨重做。
作為15年來陪伴數以十萬計創業者共同成長的產業加速平臺，創業黑馬發起了AIGC主題系列直播活動，邀請多位業內知名企業家、投資人、專家學者和創業實踐者，從軟硬件平臺視角、投資人視角、行業應用視角等維度看AIGC，共話大模型時代新機會，展現產業新力量。
【資料圖】
本期的分享嘉賓是達觀數據首席戰略官CSO劉江賢。達觀數據積極研發國產版GPT“曹植”大語言模型LLM系統，作為垂直、專用、自主可控的國產版ChatGPT模型，該系統結合先進的自然語言處理（NLP)、智能文檔處理（IDP）、光學字符識別（OCR）、機器人流程自動化（RPA）、知識圖譜等技術，為大型企業和政府機構提供文檔智能審閱、文檔智能寫作、知識搜索與問答、辦公流程自動化等智能文本機器人產品。榮膺中國人工智能領域最高獎“吳文俊人工智能獎”、工信部第三批國家級專精特新“小巨人”企業、中國人工智能科技創新Top50等眾多資質。
在5月18日的《黑馬說》直播中，嘉賓圍繞《ChatGPT大語言模型的創新與應用》主題進行了深度論述，就ChatGPT的特點、技術升級及AI國產自動化等問題進行探討。
以下為本次直播實錄整理：
我在五四青年節剛剛加盟達觀數據，擔任達觀數據首席戰略官，也曾在中央電視臺做過主持人是金話筒的獲得者。2011年在上海交通大學EMBA就讀之后，現在擔任上海交通大學安泰EMBA校友會的副會長兼執行秘書長。
達觀數據是智能文本處理的科創企業，它在這方面發展勢頭很猛，在智能文本處理服務商當中國內排名第一，獲得了中國信通院智能文檔處理的產品權威認證。2021年，達觀數據獲得國家級專精特新“小巨人”稱號，在軟件成熟度的最高等級的認證當中，達觀數據也是榜上有名。
這和ChatGPT有什么關系？前兩天碰到我的一個同學，是做hr的，他剛回絕了一家要做語言大模型的企業，其曾在全球500強企業就職，他認為ChatGPT創業不是拍腦門召集幾個有類似經歷的人就能干得了的，關鍵在于場景和業務。
它需要大規模的算力投入，這個是有一定難度的。而達觀在這個領域已經創業8年，做到行業首位，市占率在文本智能處理領域占到第一，實現了全行業自動化文本處理應用場景，服務網絡遍布全國，在全國已經建了4個子公司，達觀已經積累了非常多的成熟應用場景。
ChatGPT所以在此基礎上創辦自己的“曹植”大模型。達觀產品的技術目前已應用于眾多行業，也有很多服務合作伙伴。
回到智能文本與ChatGPT的關系，以及GDP探索大模型的應用和創新。
人類文明的記載是從有文字開始的，最早出現在國內的漢字是在甲骨文上，甲骨文上的字是誰造的？是黃帝時期造字的左史官倉頡。
我們原來的字刻在哪？刻在石頭上，有巖畫，有石片，逐漸演變成今天的文字。甲骨文一開始是做占卜的，世界上文字的起源據考古記載，從楔形文字、圣書文、瑪雅文，而留存在世上的文字，唯一一脈相傳至今的就是甲骨文。
文字出現之后，人類文明演進的速度突然涌現出來。文字的出現是人類文明的起點，有了文字，才有本草綱目、天工開物、九章算術等等科學知識。
達觀數據的“達觀”兩個字，可以在甲骨文中找到。甲骨文“達”字很像一個人站在山上，“觀”是兩個眼睛向外看，“達觀”意在站得高看得遠。公司的文化也是務實求真、通達樂觀，站在高處回望歷史，穿透未來。
如今我們所有工作都圍繞文字展開，比如說寫材料、翻譯內容、撰寫方案，如果用自動化來處理文字，不就省時省力了嗎？
講到自然語言處理NLP，為什么文字的自動化處理這么難？我們日常用的漢字大概有3500個，但中文解析非常復雜。因為漢字包含基礎常識，閱讀起來很多不是明面意思所能表達的。需要更多技術的積累，才能突破文字處理的技術。有一些專業的知識，比如狗眼看人低、狐朋狗友，僅僅之時詮釋“狗”這個字，要讓計算機識別的話，都要經過長期的訓練。因此大模型需要大量的語料、知識，要想計算機了解冰山背后的知識，需要跨越認知屏障。
達觀總結出ChatGPT的特點是一獨三巨。是指“全球獨樹一幟的技術路線”、“巨大的參數規模”、“巨大的算力消耗”、“巨大的訓練數據量”。所以 OpenAI在2016年，歷經7年，耗資了近20億美元，經過若干次失敗才推出劃時代意義的人工智能系統。
如何理解ChatGPT，先從GPT三個字母來理解。“G”是Generative，就是出發點和核心能力，即自己生成、自己創造；“P”是Pretrained，通過大量文檔預先學習的能力，現在有預訓練工程師，比AI訓練師提高了一個等級；“T”是Transformer，是對文字、知識有效的提煉算法。
大模型LLM與ChatGPT的關系是怎樣的？GDP是眾多LLM大語言模型當中的一種，是目前被證明處理文字最成功的一種模型；ChatGPT是面向對話場景定向優化后的GPT子版本，未來針對其他應用場景還會出現更多的X-GPT系統，甚至更多其他的LLM語言模型。
目前絕大多數大規模語言模型都使用了Transformer的基礎組件結構，但是在實現方式和結構組件上有所區別，總體可以劃分為三條技術發展路徑。技術路線一的優點是訓練代價小，效果不錯，曾經一度領先；技術路線二的缺點是算力數據等成本極高，需要大量的數據，也只有open AI堅持下來，做了一件難而正確的事；技術路線三是混合模式，理論上融合了前兩者，實際效果還待未來發展。
跑出來以后可以用它寫情書、寫科研報告、寫年終總結報告。它有先后的邏輯，能把一篇文章中的標題提煉出來。這就是“涌現”能力，像人類有了文字之后，文明突飛猛進一樣。“涌現”能力，是在參數規模超過某個閾值后，可觀測到系統處理結果會出現一個巨大的飛躍，也叫機器的頓悟。目前導致該現象的原因尚不明確，有人猜測是很多復雜任務需要多個連接思維的這種貫通才能夠達到準確效果。
來看一下智能系統的三要素，即算力、數據、算法。首先算力方面有很大挑戰，GPT出現后，國內算力市場供不應求，現有的算力資源不夠分配了，大家都在做自己的大語言模型；另外整個市場需要人才，未來幾年之內這三方面的人才緊缺是顯而易見的。
我們在AIGC的國產自主化道路是非常強的，但同時道阻且長。目前達觀研發的大模型叫做曹植大語言模型，強調、垂直、專用國產GPT模型。為什么取名曹植？因為這個人才高八斗，七步成詩。
達觀的曹植大模型的技術路線圖強調“垂直”、“專用”、“國產”。“垂直”是針對金融、工業、財稅、政務、能源等垂直行業的應用場景；“專用”是系統可以為每個用戶量身定制、私有化部署，確保數據安全私密；“國產”是堅持原創自主，訓練數據和算法模型自主可控。
曹植大模型更強調垂直領域專業知識的這種積淀，要用大模型不斷填充專業領域的知識，要把人類的常識輸入進去，要把邏輯推理能力把它訓練出來，要讓它熟練運用知識。目前達觀專注于運用AI技術實現文本自動化的處理，包括圖像、文本、語音。
例如起標題，根據文章里多個字詞，尋找最佳的概率匹配；還有申報材料的自動生成，還可以幫助完成總結報告。我們有一個產品達觀助手，已經鑲嵌在WPS office成為自動插件，進行寫作、糾錯、潤色、排版等功能，是免費使用的。
大語言模型開通了人工智能之路，從傳統的專用AI系統到通用人工智能AGI系統。加入進來的大企業越來越多，讓AI系統像人類一樣靈活應對各種應用場景和多樣化的工作環境，實現各行各業的通用智能化。這確實為我們打開了一扇大門。印刷術的出現改變了文字，推動社會經濟、推動人類文明方面的巨大改變。未來達觀數據也將通過智能文本實現技術的突飛猛進，要進行一場辦公室革命。
ChatGPT給我們最大的啟示是要學會提問題，必須率先跟上時代的步伐，才能強健，才能搶占商機。
我們判斷計算機的文字處理將超過大部分人類，這不是危言聳聽。我們希望人類在機器高度智能化發展的時候，找到人類存在的價值。當然了，機器替代人類，這是危言聳聽。人類總是機器和技術的主導者和掌握者。我們也會腳踏實地、仰望星空，探索更高的科技來為人類服務。
創業黑馬：能否分享一下對“東數西算”的感想？
劉江賢：西算是國家戰略布局，有一個最明確的一個想法，就是算力部署。把算力資源引到西部來，能不能把優質的算法企業也落到西部，服務于當地的數字化轉型。比如說智能化工廠建設、智能智慧辦公、智慧城市，讓西部老百姓享受到數字化福利。
我們這次從蘭州到天水，是國家算力信息化的一個重要樞紐地帶，國家做了大量的投入和部署，包括三大運營商也在這兒做了算力資源的部署和分配，但是西部想把算法留下來，把更多數字化轉型的福利留在西部，也是需要很大做很多工作的。這是最大的感受。
創業黑馬：伴隨算力算法的進步，大模型會不會對新聞傳播行業帶來很大沖擊？
劉江賢：對行業的沖擊顯而易見，行業必須要轉型。所處的職業會受到沖擊，但是個人的技能短時間不會被取代，要找到新的出口釋放自己的能量。大模型技術對出版界帶來革命不是不可能，前提是我們怎樣以數字化方式，拆解結構化的知識，運用結構化的思維，運用大模型技術來給我們變革效益。要積極擁抱新時代、擁抱新技術。
創業黑馬：最近有一些AIGC詐騙的新聞，您怎么看待未來監管和安全問題？
劉江賢：我們在技術實際應用過程中，AI要發展、在推進的過程中，立法就一定要同步進行，這個不是阻礙技術發展，而是讓技術規范發展。智慧系統的發展要依賴三點：第一是算力；第二是算法，我們達觀就在對算法不斷進行探索；第三個是數據，目前高質量的數據特別少；最后是數據共享，在有限的范圍之內實現數據共享，數據市場要與時俱進！
責任編輯：Rex_26
營業執照公示信息