大模型热潮引爆后，短短几个月，国内就已有数十家公司先后宣布进入大模型领域，然而到了产业落地阶段，所有人都是“摸着石头过河”，缺乏既有的行业经验、标准和指引，业界关于大模型的疑惑也越来越多。

(资料图片仅供参考)

比如，此前有不少报道称，大模型是“豪华游戏”，训练一次千亿大模型动辄要几千万美元，可是市面上为什么还会出现许多大模型？市场真的需要那么多大模型？企业选择基础大模型需要注意哪些问题？

就相关问题，百度集团副总裁侯震宇和百度智能云副总裁朱勇近日接受媒体采访，进行了解答和探讨。

大模型门槛高不高，要看是哪一类玩家

朱勇告诉记者，大模型的“门槛”是一个相对概念，因为整个大模型领域有三大类“玩家”。

第一类负责从零开始建造“基础大模型”，这一类肯定属于“豪华游戏”，无论是对数据、算力还是人才的要求都非常高。

比如在算力方面，需要大量投入大量高性能GPU芯片。在数据方面，需要“相当于几百万个人一生的阅读量”的数据量以及高质量的标注数据。除此之外还需要大量精通算法、有丰富AI实践经验的人才。“就好比是厨师做菜，不同的厨师用同样的原材料做出来的菜，口味都不一样”朱勇说。

百度智能云事业群副总裁 朱勇

第二类“玩家”负责做“行业大模型”，门槛相比第一类大大降低，行业大模型主要是在“基础大模型”的基础之上，通过注入特定行业、领域或企业数据，进行针对性的定制化，让它能更好的服务好特定行业场景。

第三类“玩家”负责在这两类大模型之上开发应用，服务最终用户，门槛较低，也是机会最多的。

简而言之，建基础大模型门槛最高，建行业大模型次之，用大模型门槛不高。

大模型没有绝对好坏，适合的才是最好的

侯震宇认为，大模型不能在单一维度上评价好坏，正如我们很难说某一款畅销的手机就一定适合某些人在某些场景下。他说：“尽管在大模型刚刚推出时，很多人经常像考它一样去问一些非常有意思的问题。但事实上，在真正严肃的企业级环境里面，不太会有这样的场景，企业应该针对企业自己的场景去选择自己更适合的大模型。”

具体到实操层面，侯震宇建议企业重点关注三个方面：模型效果、大模型开发平台提供的工具链，以及迭代速度。

在模型效果上，企业应该去测试、评估大模型在实际场景中能发挥出的能力和价值；

在开发平台方面，企业要看提供模型服务的平台是否有完整的开发工具链，这将决定企业是否能很方便地去基于模型去开发上层应用，把大模型的能力“植入”到企业场景中来。

在迭代速度方面，只有选择一个在持续快速进步的大模型，才能更好地支撑企业应用和解决方案的快速迭代，满足当下及未来的需求。

百度集团副总裁 侯震宇

谈到国内大模型在国际上的技术水平时，侯震宇认为中国的大模型技术放在整个全球来看，还是比较领先的。他说：“中国的大模型一定能发展起来也一定会发展起来。”

B端市场不需要那么多基础大模型，找准角色很重要

当记者问到“大模型领域是否出现泡沫，B端市场真的需要那么多大模型吗？”侯震宇说，如果从终局来看，市场上的确不需要那么多的基础大模型，纯粹做基础大模型最后只有少数玩家能留下来，但目前大模型领域还属于起步阶段，任何一个新的技术阶段都难免有一定泡沫，应该予以理解，因为市场需求是真实的。

他表示，大公司会比创业公司更适合做基础大模型，因为基础大模型不仅需要足够多的算力、足够多和质量好的数据，以及大量算法和AI人才的长时间积累，还需要一个易用的平台来管理、调度好各种资源，大公司会有更好的环境和资源去训练大模型，并且支持后续的模型快速迭代。

朱勇补充，尽管市场未必需要那么多基础大模型，但是一定会有很多行业大模型和定制化需求，这些都可以在基础大模型之上，用企业自己的数据去做针对性的定制化开发，这样可以兼顾成本和企业需求。相比如何去建一个大模型，企业应该更多地去思考如何用上大模型，用好大模型。

“现在每一家公司都应该去考虑如何用大模型，就像当年智能手机出来以后，我们每一家公司都应该去拥抱移动时代带来的变化。但是行业里的每一家企业是否都需要自己去做一个大模型？我觉得不一定。”侯震宇说，大模型本身的特点就已经决定了，企业拿自己数据在一个基础大模型上做微调，一样可以获得非常好的AI效果。

他建议，大模型从业者应该量力而行，根据自己能力、场景在大模型的产业链中，找准最合适自己的角色，找到自己最短的落地路径。