编辑｜邓咏仪

ChatGPT打了一个共鸣的响指，大洋两岸的AI行业都为之震颤。
短短几个月，许多有名人士宣告投身大模型创业，即便有人离AI很远，对大模型一知半解，也乐意拿出令人惊叹的激情亲切和金钱，小步快跑挤进这条赛道。

“仿佛回到了10年前深度学习刚出来那会，”张家兴见告36氪，“全社会各行各业积极拥抱新的技能。
”

近期，36氪专访了这位科学家创业者，他坦言现在是自己职业生涯最愉快的阶段，“我完全经历过深度学习从学术界出身抵家当界落地的技能周期，现在我觉得在经历第二个技能周期。
”

张家兴是粤港澳大湾区数字经济研究院（IDEA研究院）认知打算与自然措辞研究中央讲席科学家与卖力人。
加入IDEA研究院前，他先后就职于百度、阿里巴巴、360等大厂，带领团队进行AI干系的项目研究和技能落地。

两年前，张家兴加入IDEA研究院，开始带领团队做大模型的深入研究，是海内最早一批专注于预演习大模型的团队之一。
他带领团队开源了第一个以中文为主的AI绘画模型“太乙”，还创建了名为“封神榜”的大模型开源操持，截止目前共开源超过100个模型。

作为行业专家，张家兴第一韶光关注到ChatGPT的发布。
他承认最初低估了GPT-3.5所带来的技能打破，直到团队上手体验，他的内心“受到很大的冲击”。

在他看来，颠覆性的变革在于，从过去强调模型构造创新，走向了强调演习方法创新。
OpenAI为国内外同行指出一条明路：把通用大模型当作产品，引入更前辈的演习方法，一遍遍打磨和调试。
因此，演习方法将是大模型生产商的核心竞争上风。

对张家兴来说，大模型创业最难的环节不是资金和算力，而是人才。
这不是纯挚靠钱能办理的要素。
在海内，AI学界和工业界存在一定程度的脱钩，学界出身的前沿成果每每很难快速运用到工业界。
“在青年研究者跟工程师之间，以前大家忽略了一层，是用工程能力做模型的人。
”

在未来，各行各业都须要大模型——这已是显著的发展趋势。
目前，很多公司还在调用通用大模型的API，但不是每家公司都有能力和资源去从零开始建大模型模型。
“只有当每个公司拥有自己的大模型时，模型-场景的闭环才有可能得以成立，商业化实践才有可能得到成功，我想在中国将这层能力补齐，并打出影响力。
”张家兴表示。

如今，张家兴的团队也在这条道路上进行实践——专注于生产垂直领域的大模型，并与各个行业的企业客户互助，帮助客户量身定制得当的模型，落地到详细运用处景中。

谈及AI发展的未来，张家兴是武断的乐不雅观派，他相信AI能帮助提高人类的数字生产力。
接下来的十年，是属于天生式AI和通用式AI的。
对普通人来说，学会利用AI工具，实在不是一件难事。

张家兴

以下是36氪和张家兴的对话，经36氪编辑整理：

OpenAI证明了大模型的代价

36氪：2014年，实在你在深度学习领域已经揭橥了相称前沿的研究成果，当时想象过会涌现ChatGPT这样的产品吗？

张家兴：2014年有一个技能叫LSTM（是非期影象网络），在学术界涌现了一些让人惊艳的成果。
当时我印象很深刻的例子是，它可以直接天生一个网页代码，格式完备精确，网页也能展示。
因此本日我们看到的天生式人工智能，其实在2014年已经看到了抽芽，但是在工业界迟迟无法落地。
一个很主要的缘故原由是，当年的模型规模太小，跟本日没法比。
本日技能ready了，有更多更好的数据和算力，曾经我们寄予厚望的天生式模型终于实现了。

36氪：两年前，你就已经开始在IDEA研究院对大模型做深入研究了，当时，你对大模型的判断是怎么样的，学界对大模型的研究大概是什么状态？

张家兴：我对AI发展一贯很乐不雅观。
两年前，随着GPT3的问世，我们已经认识到未来认知智能必须基于根本举动步伐——预演习模型，做任何自然措辞任务，都是要从预演习模型开始，不可能统统都是从零开始。

当时我组建认知打算与自然措辞研究中央，便是生产预演习模型。
跟现在不同的是，当时模型构造并没有像本日这样收敛到GPT这样的构造，当时还是百花齐放的状态。

36氪：那会你们做的预演习模型是什么样的？

张家兴：那个时候我们团队就在推出“封神榜”体系，“体系”这个词也意味着要做很多根本的演习模型，当时我们便是中文最大的开源体系。
我们希望下贱可以拿着我们的模型再进一步微调，实现他们详细场景中的运用。
这件事情做了两年，开源了靠近100个预演习模型，直到ChatGPT的涌现，冲破了传统模型的效果。

36氪：技能层面，ChatGPT详细最让你感到惊异或震荡的是什么？

张家兴：令我很惊异的还是在基于一定知识之下，它可以进行繁芜的推理，得出精确的结论。

此前我们有两大很难办理的问题。
一个是知识的构造化，为此耗费了巨大人力，也难以保障准确率，掩护本钱也很高。
现在只要对包含知识的文本做预演习，就能让大模型真的去理解、记住这些知识。

另一个是推理，之前我们认为推理须要通过符号系统再加上构造化的知识才能实现，而本日我们看到，ChatGPT可以完备通过自然措辞的演习，并未显示涌现符号和知识就具备这个能力，颠覆了我们对这个问题的认知。

36氪：详细来说，OpenAI推动的最主要的技能变革是什么？

张家兴：终于从过于强调模型构造创新走向了强调演习方法创新。
演习方法变得更主要起来了。

ChatGPT4模型跟两年前的GPT3模型构造是千篇一律的，但是为什么效果就提升了这么大？由于这里面引入了很多更前辈的演习方法，比如说指定微调，让机器更懂得人类的指令；比如人类反馈学习，能够调度模型的偏好，全都是演习方法上的创新。

我们团队目前也将这些创新性演习方法运用于模型演习过程，实际运用证明，这些方法确实能够显著提升模型的表现。
因此，我们深刻认识到，演习方法的创新在实现更强大的AI系统中起到了关键性浸染。
纵然把模型构造开源了，但演习方法是你藏起来的核心竞争力，这也使得在这个时期做通用模型演习这件事情有商业代价。

同时，OpenAI也让大家认识到，不要追求用一次性的演习就能得到一个效果很好的模型。
模型效果提升是靠一遍又一遍的打磨，不断的迭代升级。

36氪：这是不是意味着把模型当成产品？

张家兴：对，当我的模型进行一次演习迭代，我会看到模型的优点跟缺陷，针对缺陷，我找补救的方法，再连续进行演习，当所有的毛病都补齐，优点都加强之后，模型就变成本日大家看到的样子。
我们团队当下在做的姜子牙大模型就在持续地作为产品打磨，接下来也会一直地进行版本升级。

36氪：OpenAI刚起步时，由于技能路线比较小众，创始人Sam Altman回顾说他们遭受到很多白眼。
你刚开始做IDEA的时候，当时国行家业氛围是怎么样的？

张家兴：当时，这个领域（预演习大模型）没有那么受重视，由于大祖传统的思路都是AI的代价一定要跟某个行业结合，一定要有直接在详细场景中的家当落地。
我们只生产预演习模型，可能别人不理解，以为通用的东西又有什么用呢？

但是ChatGPT的涌现，让大家知道一个做通用模型的公司，在全体家当生态中具有非常主要的代价。
AI家当须要有高下游这样的生态体系，而不是每一家都自己去垂直造烟筒——从预演习模型抵家当落地，恨不得把一全体系统都做出来。

OpenAI证明了大模型的代价，我们做这个事情的代价也终于得到证明。

36氪：现阶段去追赶OpenAI，做出一个跟ChatGPT差不多的东西，还有没故意义？

张家兴：还是故意义的。
OpenAI这样供应一个超级大模型，一个通用API，指望大家来调用，这不是家当落地的唯一办法。
很多商业公司有需求针对自己场景的定制化模型，但又没办法从头去做这件事情，代价太大，就须要生产通用大模型的公司来帮助他们。

36氪：这也便是你们团队要做的事情？

张家兴：我们具备了生产通用大模型的能力，还能给用户供应一些工具，帮助用户基于我们的模型连续生产他们垂直运用处景里的模型，再通过这种办法就能够让用户的模型跟场景形成迭代。
我认为这是这是接下来大模型能够商业化成功的关键。

让模型落地到场景中，是商业化的关键

36氪：相信你最近的事情状态特殊劳碌，能跟我们说说你的一天怎么过的吗？

张家兴：我的一天，一方面是跟团队研究磋商最前沿的技能问题，另一方面现在会见大量的客户，紧张也听听大家想拿大模型做什么，这样好让我们的通用模型去供应大家所须要的能力。

比如，我们接下来会开源各个不同侧重能力的模型，也是由于创造每个客户对付大模型的需求不同。
通过这些开源模型，我们希望能推动中国AGI的运用层迸发。

36氪：两年间，“封神榜”开源体系已经推出了近百个开源模型。
你的团队最近刚刚开源了130亿参数的通用模型“姜子牙”，这个大模型详细是怎么样的？

张家兴：“姜子牙”是我们针对通用大模型推出的新开源系列，而第一个开源的“姜子牙”通用大模型v1也是我们封神榜开源系列的第99个开源模型。

在最新的SuperCLUE测评榜单中，我们的姜子牙v-1的测评结果也是开源模型里的第一。
接下来，我们还会侧重各种能力开源不同的模型，比如多模态模型就会在本周推出。

36氪：目前企业对付大模型的需求，都有哪些？

张家兴：我打仗的这些企业险些横跨了所有领域。
比较范例的是这几件事情：第一是天生文章和代码。
第二是对文本做完备开放式、预先不设定详细任务、精准的理解。
第三便是推理类的，比如说我要做一道题，能不能提示这个问题怎么办理。

36氪：大模型比较空想的商业模式，该当是怎么样的？

张家兴：根据以往履历，很多商业成功须要一个商业实体（如公司、团队和机构等），在技能产品的根本上建立运用处景，形成迭代的闭环。
在这一闭环的生态里，更好的产品技能会吸引更多的用户和数据，产品和技能得以迭代更新、变得更好。

但在AI家当，目前很多公司还在调用通用大模型的API，无法建立闭环，大模型的商业化进程缓步不前。
只有当每个公司拥有自己的大模型时，模型-场景的闭环才有可能得以成立，商业化实践才有可能得到成功。

我们团队的目标便是，用通用大模型去帮助每个企业乃至每个个人，让他们能够拥有并不断优化自己的大模型，和运用处景形成闭环，在商业化道路上走得更好。

36氪：商业化这个事情，会如何改变全体AI家当？

张家兴：未来的AI家当一定是巨大生态体系，既有处于下贱的各个企业在各自场景中引用大模型技能，又有处于上游的模型生产商为全体生态供应预演习模型。
云厂家和解决方案公司也在全体生态系统中扮演主要的角色。

36氪：你之前在大厂也有过多年的技能转化业务落地的履历，现在在 IDEA研究院进行科研转化的实践。
从科研到转化落地中，你有哪些想分享的体会？

张家兴：如果作为科学家，更多的精力会放在前沿技能的思考和解决问题的创新上，会比较少去关注详细这个技能如何能给市场和社会带来代价，以及能带来多大的代价。

而作为科学家创业者，则更须要去关注市场的需求。
从技能的前沿创新研究到末了的落地市场商业化，有很多鸿沟须要超过，包括理解市场，理解客户，理解实现落地的每一步。
我相信每一位科学家都有一个自己的梦想，而如何将这个梦想实现出来，是创业家须要去完成，也是现在特殊让我愉快的一个角色。

36氪：做大模型的几个核心要素：算力、人才、数据等等，从难到易，你会怎么排序？

张家兴：我认为最困难的是人才，目前在海内做大模型的团队还是稀缺资源。
算力实际上只要有成本的认可、有钱，就会有。
数据虽然须要永劫光积累，但它是线性增长，有多少投入就有多少数据。
人才不是纯挚用钱可以办理的，并且还须要很永劫光的积累。
我们团队也是基于通过生产近百个大模型，才逐渐磨合出来的。

36氪：当下，AI人才的竞争是否已经到了一个白热化的程度？

张家兴：可能会有这样的趋势。
但从另一个方面来说，大模型团队的培植不仅仅是把人聚在一起，还须要一个好的办法把大家组织好做好模型。

AI离成为普通人的工具就差一步

36氪：现阶段的AI研究进度会使你感到害怕吗？

张家兴：我对AI对社会的影响一贯比较乐不雅观。
AI发展减少一些事情机会的同时也创造出更多事情机会，乃至它创造的事情机会恰好适宜于那些可能丢了事情的人。

以我们算法工程师为例，曾经我们每个人都是垂直造烟筒，什么都做。
现在AI家当有高下游的健全的生态体系，那么算法工程师一定会分层，有些在做上游的预演习模型，有些拿着预演习模型，基于上游供应的工具，在做下贱的更广泛的落地。
下贱对算法工程师的需求量会更大，以是说AI创造了更多的就业机会。

从宏不雅观来说，AI为社会创造更多数字生产力。
现在天下的人口可能走向稳定，乃至人口会减少，但是美好生活须要有更多生产力，我们就靠通用人工智能增加更多数字生产力。

36氪：今年三月你公开表示，将来10年是属于天生式AI和通用式AI。
对我们普通人来说，将来10年该当做好什么准备？

张家兴：对付普通人来说，便是要学会怎么利用AI的工具，这是对每个人都有用的。
其余一点，作为详细在每个场景中的人要努力去想，在我的场景中，我该如何积极拥抱AI的技能，然后对我的场景进行AI升级。

36氪：一个不懂AI的人，是否有可能被淘汰？

张家兴：未来只要会用AI工具的人，就不会被淘汰，利用AI工具实在并不是一件难的事情。
以是我希望大家都要积极拥抱AI，把它作为提升自己生产力的工具。

36氪：你以为现在我们已经进入AGI时期了吗？学术界可能还有一些辩论。

张家兴：我认为这个叫做AGI时期1.0。
实在是如何理解“通用”这个词，现在终于有一个模型可以具备所有的能力，这已经是一种通用。

36氪：你认为，下一次AGI的打破会是什么？

张家兴：AGI当下表现出来的是特色，是用自然措辞来交互，但还欠缺的能力是自然措辞学习。
如果未来AGI模型都跟人一样，通过自然措辞就能教会它各种知识技能，那么它就会真的变成普通人的AI工具。
在更远的未来，或许AGI可以像人一样融入社会，跟人类一起互换、学习、发展。

欢迎互换