大模型将成为AI开发新范式

在大模型的早期阶段，厂商宣传中常提到千亿级、万亿级参数为特大模型、超大模型。而在产业实际落地阶段，不再追求模型参数的数量。IDC认为，大模型是对原有算法模型的技术升级，基于海量数据开发预训练模型，到最终用户环境中使用少量数据即可获得比之前的算法模型更好的结果，其要点在于：

1 预训练型学习了多少数据

2 迁移学习的效果如何

3 部署的整体成本如何

大模型浪潮最早起源于预训练模型，Google发布的Bert模型即是自然语言处理领域最为典型的预训练模型。OpenAI则提出的GPT模型，尤其是2020年发布的GPT-3模型参数量即达到1750亿，在全球掀起大模型的浪潮。可以说，在AI模型开发领域，经历了预训练模型-大规模预训练模型-超大规模预训练模型的演进。

在国内，IDC观察到目前大力投入大模型的研发和落地的厂商以大型云服务商为主。例如，百度智能云“文心大模型”，包括了NLP大模型、CV大模型以及跨模态大模型，其特色在于注重跨模态技术研发，融入海量知识进行知识增强，应用场景广泛且落地实践丰富。阿里达摩院则推出“通义大模型”系列，以M6大模型为底座，发布Alice一系列模型合集，该大模型系列既在阿里内部核心业务场景落地，也在外部医疗、能源、金融行业积累了多个实践案例。华为则从框架层、算力层以及软件层面全面发力大模型，既有内部自主研发的盘古大模型，也开放华为昇思MindSpore框架支持业界进行大模型的训练，华为在大模型领域强调强泛化能力、模型精度的提升以及研发成本的降低。此外，京东云、浪潮以及主流的人工智能研究院也在积极投入大模型的研发，典型的大模型有智源研究院悟道2.0模型、浪潮“源1.0”大模型等。