AI大模型群雄并起时，为何润和软件选择错位竞争？
AI大模型群雄并起时，为何润和软件选择错位竞争？
华夏时报（www.chinatimes.net.cn）记者 陶炜 张智 南京报道
正当国产科技企业争相涌入AI大模型赛道时，也有上市公司错开了竞争最激烈的赛道，跑去做对接大模型的AI中枢平台。
“大模型的产业链上还有大量可以切入的环节。除了基础算力芯片硬件架构设计和模型本身架构的研发训练对齐（这些一般大模型厂商会自研）之外，还可以关注高质量训练数据的生产（采集整合预处理），数据按需打标内容安全审核，全方位的基准能力评估，输出内容安全审核，插件及能力外延研发，广告代理投放接入，具象化硬件产品研发等等。每个环节都有可能涌现出相当规模的明星公司与大模型研发公司形成协作配合，共同形成生态。”AI算法专家黄颂对《华夏时报》记者说。
错位竞争
AI大模型，指的是拥有数百万以上参数规模的深度神经网络模型。这类模型在经过专门的训练后，即可对海量数据进行复杂处理和任务处理。由海外科技公司OpenAI开发的ChatGPT之所以拥有强大的对话交互能力，背靠的正是名为“GPT”的AI预训练模型。
国产科技企业涌入AI大模型赛道的热情近来愈发高涨。
4月7日，阿里巴巴正式发布超大规模语言模型“通义千问”，并定向邀请用户测试体验；4月9日，360宣布，将基于360GPT大模型开发人工智能产品矩阵“360智脑”，未来将其率先落地在“360搜索”场景，后续面向电商、营销、办公等场景深度落地；4月10日，商汤科技公布“日日新SenseNova”大模型体系雏形，并现场演示了该模型体系下“商量SenseChat”语言工具的超长文本阅读理解、健康咨询等创新能力；同日，游戏起家的昆仑万维也对外预告，不日将发布和奇点智源合作自研的大模型成果——“天工”3.5，并宣称这是“中国第一个真正实现智能涌现的国产大语言模型”。此外，京东、科大讯飞、腾讯、字节跳动打造的大模型产品也有望在未来一个月集中亮相。
不过，当大模型赛道群雄并起之时，也有上市公司错开了竞争最激烈的大模型赛道，跑去做对接大模型的AI中枢平台。
4月26日下午，润和软件在“2022年度业绩网上说明会”上宣称，其推出的新一代AI中枢平台以及四款行业应用计划在2023年第二季度实现商用。
据润和软件相关人士介绍，公司研发了以GPT作为基础架构的NLP大模型技术和Diffusion架构技术的多模态大模型技术为核心算法能力的新一代AI中枢平台。该中枢平台具有高度的灵活性和扩展性，可以对接盘古、文心一言、LLaMa、OPT、GPT等各类大模型，同时该平台配合可插拔的具有行业特性的小模型，在动态领域模型切换功能的支持下，可以快速形成智能化商业解决方案。
“四个应用计划聚焦于不同的行业，润和智数平台主要针对电力、医疗等行业，润和智测平台则是智能金融测试平台，润和智研平台属于针对DevOps领域的智能研发平台，为程序设计、代码生成提供服务，润和智造平台是则是面向工业制造。”相关人士告诉《华夏时报》记者。
实际上，润和的大模型中枢平台不只是服务于客户，也用在了自己身上。“随着公司基于大模型的中枢平台的逐步推广落地，有助于提升研发效率，提高能效，减少人员投入，增加人均附加值。”公司在“2022年度业绩网上说明会”上如是表态。
产业链上有多个环节待补强
记者在采访中了解到，大模型的发展不只需要算法、算力，整个产业链上还有多个环节需要补强。
以AI中枢平台为例，在专家看来就确实存在用户的需求。全联并购公会信用管理委员会专家安光勇指出：“对于用户而言，前往各家科技企业使用大模型的确是一个选择，但是这也意味着用户需要面对多个平台、多个接口、多个数据格式等问题，不仅耗费时间，而且可能会出现兼容性问题。而中枢的作用就在于将各类大模型整合起来，提供一站式的服务，用户只需要使用一个平台就能够访问各类大模型，从而节省时间和成本，提高效率。此外，中枢还可以提供更加全面和深入的分析，支持动态领域模型切换等功能，使得商业解决方案更加智能化、精准化。”
“各家科技企业虽然推出或者正在研发各类大模型，但未来可能不会是大一统的局面。不同的大模型采用的训练数据、样本标注、模型架构、训练方式、评估基准、对齐工程等都不太一样，也必然会造成不同模型在所擅长的问题，输出结果质量、能力谱等方面参差不齐。如果只用一种大模型，在某些具体方面，可能会存在不可避免的缺陷。而中枢的存在正是为了解决此类问题，通过统一的架构包装，整合、切换或者增强各类大模型或者小模型的能力，从而面向终端用户提供更好的体验，减少用户切换或者二次开发的成本。因此，存在一定的需求市场空间。但这一层可薄可厚，这要视具体使用场景和各类模型未来的能力而定。如果太薄，这一层可能没有太大的竞争壁垒，价值有限。”黄颂对本报记者说。
专家们认为，除了AI中枢平台与人们时常讨论的算法、算力以外，大模型的整条产业链上还有多个环节需要配套。“除了研发大模型的环节，产业链上还有很多关键环节需要开发配套，例如数据采集、清洗和标注、模型优化和调整、模型评估和监控、模型集成和部署等。这些环节的开发需要大量的技术和资金支持。此外，大模型的使用也需要丰富的数据资源和业务场景，因此在这些领域的投资也非常重要。另外，随着AI技术的不断发展，安全和隐私问题也越来越受到关注，因此安全和隐私保护技术的研究和应用也是产业链上的重要环节。”安光勇说。