如何让 Llama2、通义千问开源大语言模型快速跑在函数计算上?
前言
随着ChatGPT 以及 Stable Diffusion,Midjourney 这些新生代 AIGC 应用的兴起，围绕AIGC应用的相关开发变得越来越广泛，有呈井喷之势，从长远看这波应用的爆发不仅仅是停留在形式之上，更是在各个领域产生实际的生产力价值，比如办公领域有copilot system 365,钉钉智能； 代码编程领域有 github copilot ,cursor ide; 文娱领域的妙鸭相机；可以肯定的是未来 AIGC 的应用数量会更多，类型也会更加丰富，企业的内部软件或者SOP都会尽可能的跟AI进行融合，这必然催生出海量的AIGC应用开发需求，这也代表着巨大的市场机会。
开发 AIGC 应用的挑战
AIGC 的应用前景如此诱人，可能决定企业未来的发展走向。然而对很多中小企业及开发者而言，上手进行aigc应用的开发依然有着非常高昂的成本：
- 基础模型服务的获取：chatgpt提供了非常完善的api 开发体系，然而并不开放给国内客户使用，开源的模型进行服务的部署非常困难
- 高昂的费用， GPU 短缺导致 GPU 的费用急剧飙升，本地购买高规格显卡需要一次性花费不少的成本，并且并不能提供在线服务。
- 端到端的对接：单纯模型服务的api无法变成直接的生产力，需要完成【企业数据&企业SOP】-> LLM 服务 -> 各种端侧的完整链路
函数计算围绕创建和使用AIGC，从基础设施到应用生态，开发端到使用端提供的完整的配套
主要包含三个部分：
- 一 、模型服务底座，函数计算可以部署来自魔搭，huggingface等开元社区的ai模型，我们针对 LLM， Bert等智能知识库/助手 场景做了专门的定制，接入OpenAI兼容的api规范，提供一键部署的模版和可视化的web访问界面，帮助开发者或者企业快速上手 llama2,chatglm2,通义千问等模型的部署
- 二、业务连接层 ，串联业务需求以及的模型服务，安全服务，数据库服务等基础资源，这部分有在AIGC应用部分有很多相同的逻辑，比如账号体系，数据集管理，提示词模版，工具管理，模型服务管理等，从各业务侧视角看，不一样的部分只是 提示词，知识库以及工具集，底层的模型服务，安全服务，数据库服务则是共享的，这层可以简化业务里面构建不同智能场景的流程，快速，低成本的可以构建不同业务的AIGC应用
- 三、客户端侧，客户端是AI应用的使用部分，也是最接近业务的部分，这部分更多的考虑是如何将AI服务融入已有的使用端，比如钉钉，企业微信等办公IM系统，以及web浏览器插件等，通过 函数计算+eventbridge可以快速帮助ai服务接入到这些客户端
本篇教程先来分享一下第一个部分，如何通过函数计算快速部署 AIGC相关模型服务包括LLM模型 和Embedding(Bert) 模型
LLM模型及Embedding服务部署教程前期准备
使用该项目，您需要有开通以下服务：
| 服务 | 备注 |
| 函数计算 FC | 对 AIGC 进行 CPU/GPU 推理计算 |
| 文件存储 NAS | 存储大语言模型以及Embedding服务所需要的模型, 新用户请先领取免费试用资源包 |
应用详情
使用阿里云函数计算部署开源大模型应用，提供兼容openai规范的接口和ChatGPT-Next-Web客户端.
操作文档
llm应用模版
登录到阿里云函数计算控制台->应用->创建应用-> 人工智能 选择AI大语言模型API服务应用模板点击"立即创建"
应用模版设置
设置好知道点击"创建并部署默认环境"
等待部署
该过程您会自动完成
服务访问
服务部署成功之后会返回两个链接
1、llm-server 为大语言模型的api服务界面，基于swagger，
2、llm-client则是访问客户端,访问客户端需要您输入前面填写的客户端私有密码，填写好之后就可以测试使用了
embedding模版
登录到阿里云函数计算控制台->应用->创建应用-> 人工智能 选择“开源Bert模型服务”应用模板点击"立即创建"
应用模版设置
选择好地域创建即可
等待部署
该过程您会自动完成
服务访问
测试embedding接口
总结
部署好LLM服务意味着您已经开启了AIGC应用的开发旅程，接下来我会继续跟大家分享更多关于AIGC相关的内容，包括如何构建知识库问答应用，如何调用工具完善大语言模型的能力，如何接入自己的IM系统和构建web的集成插件。
本文为阿里云原创内容，未经允许不得转载