无需完美，文心一言已然自证百度

作者：虎嗅APP发布时间：2023-03-16

ChatGPT以火箭般的速度爆红，吹皱了中国科技圈和创投界的一池春水，引得无数人蠢蠢欲动。互联网大佬自掏腰包、带资建组，科技大厂摩拳擦掌、争先恐后，创业公司也不遑多让，甚至与AI不搭边的个别企业也借势营销，并因此而收获一波股价的大涨。

时隔一个多月再回看，在这场喧嚣与骚动当中，蹭流量和追风口者居多，真正躬身入局和实干者少之又少。目前来看，在全球大厂中，百度是第一个站出来的。

过去几年，在国际科技博弈的宏观背景之下，科技的自立自强成为全民共识，因此当ChatGPT横扫中国舆论场时，国人无比期盼自己人能开发出同类产品，并与之掰掰手腕。而过去10年在AI领域投入超过1100亿元研发费用的百度，自然成为被关注的对象。

在外界关注中，文心一言新闻发布会如约而至。3月16日新闻发布会上，百度基于大语言模型的生成式AI 产品“文心一言”开启邀请测试。首批用户即可通过邀请测试码，在文心一言官网体验产品。百度后续将陆续开放给更多用户，企业客户可以通过API接口调用服务，申请接入并体验文心一言的能力。

人有我也有，人有我更优

此前，各类人工智能产品普遍都是“人工智障”。而ChatGPT却出乎意料的聪明，能成为人们学习、工作、生活当中的实用工具，甚至取代部分学习、工作、劳动（当然，伦理问题另说）。AI从“人工智障”到“说人话”“干人事”的进阶背后，正是得益于大语言模型所具备的通用性和泛化性。

但是，搞大语言模型不是请客吃饭，拼的是真刀真枪的强投入和硬实力，海量多维度的大数据、顶尖的算法、强劲的算力、出色的产品和丰富且深入的场景缺一不可。正因为如此，大语言模型的研发门槛极高。

百度持续十年研发投入超过1100亿元，长期的投入让它在芯片层（高端芯片昆仑芯）、框架层（飞桨）、模型层（文心预训练大模型）和应用层（产品在诸多场景应用）实现了全栈布局，且拥有关键自研技术。

基于这样的积累，百度在2019年便推出了知识增强的语义理解框架ERNIE（文心大模型）。经过多次迭代，文心大模型已具备较强的泛化能力和性能。根据IDC在2023年2月发布的《2022中国大模型发展白皮书》，在国内9家主流厂商的大语言模型当中，百度文心大模型位于第一梯队，产品能力、生态能力、应用能力全面领先。

而此次百度基于大语言模型推出的生成式AI产品文心一言，具备包括文学创作、商业文案创作、数理推算、中文理解、多模态生成在内的多项通用能力，不仅做到了整体上的“人有我有”，还在某些局部做到了“人有我优”。

01-能写能创作

对于ChatGPT，大多数普通用户的直观感受，除了它什么问题都接得住并反馈相对得体的回答之外，便是拥有出色的写作能力，包括模仿知名诗人的风格创作诗歌，为一篇新闻稿件取标题，或者根据关键词写文章等等。

作为中国市场第一个公开发布的基于大语言模型的生成式AI产品，文心一言在写作这样的通用能力上，并不落于下风。

基于20多年搜索业务的积累，百度已建立起世界上最大的知识图谱，包含50亿实体、5500亿级事实，每天调用量超过400亿次。知识图谱以结构化的形式描述真实世界中的实体、属性、关系等，是机器认知世界的重要基础。

由于训练数据包括万亿级网页数据，数十亿搜索数据和图片数据，百亿级语音日均调用数据，以及上述知识图谱，因此文心一言大模型在中文语言的处理上处于独一无二的位置，尤其是在自然语言问答和创意内容生成上有突出表现。因而，不管是文学创作，还是商业文本写作，都难不倒文心一言。

在发布会现场，百度播放了文心一言的人机互动视频（百度创始人李彦宏解释，由于互动过程略微耗时，因此百度提前将互动过程提前录制成视频）。根据现场视频，在文学创作场景中，文心一言对科幻小说《三体》的核心内容进行了总结，提出了五个续写的建议角度，体现出对话问答、总结分析、内容创作生成的综合能力。同时，它准确回答了《三体》作者、电视剧角色扮演者等事实性问题。此外，面对“于和伟和张鲁一有哪些共同点”“于和伟和张鲁一谁更高”这类问题，文心一言也基于推理能力得出了正确答案。

而在商业文案创作场景中，文心一言顺利完成了给公司起名、写Slogan、写新闻稿的创作任务。

02-能逻辑推理

逻辑思维能力是一个人最重要的能力之一。而在人工智能流域，逻辑推理能力属于认知智能层面，相较于计算智能和感知智能，认知智能更为复杂，因此也成为人工智能研究的重点领域。

虽然OpenAI自己承认，新发布的GPT-4仍然会产生幻觉、生成错误答案，并出现推理错误，但它还是展现出出色的逻辑推理能力。比如当用户提问“格鲁吉亚和西亚的平均每日肉类消费量总和是多少？”，并要求GPT-4在回答前提供循序渐进的推理过程时，GPT-4便提供了解题的步骤，并且最终准确地给出答案。

而受益于百度知识图谱，文心大模型也成为了全球首个知识增强千亿大模型。研究表明，数据规模越大，尤其是当参数达到千亿级，大模型就可能发生“智能涌现”，涌现出知识和逻辑推理能力。这也使得文心一言拥有了数理逻辑推算能力，在学习一些标准的解题思路后，能把问题拆分成多个子问题，一步步推理来解答，从而给出正确的答案、避免一些错误。

现场视频中，面对“鸡兔同笼”这类锻炼人类逻辑思维的经典题，文心一言不仅能理解题意，而且还给出了正确的解题思路，进而像学生做题一样，按正确的步骤，一步步算出正确答案。

03-能拟人化

在人类社会，人际交流是通过声音、文字、图像等感知交互方式的融合实现与完成，比父子对话，双方不仅仅是听对方的声音、识别其中的文字，还会看对方的表情，甚至肢体动作。

人工智能则是计算机通过对文本、图片、视频和音频等不同储存信息载体的认知和理解，结合环境因素来模拟人与人之间的交互方式。想让人工智能更理解人类世界，最优办法就是让AI成功理解多模态信息，并对此类信息形成分析、推理的逻辑和生成新信息的能力。

OpenAI在北京时间3月15日凌晨举办的发布会中有这样一个场景：OpenAI联合创始人兼总裁Greg Brockman在草稿本上用纸笔画出一张非常粗糙的草图，拍照并上传，GPT-4仅用时10秒左右，就直接生成了网站代码。在发布会的演示中，GPT-4不仅是能分析汇总图文图标，甚至还能读懂梗图，指出梗在哪里、解释为啥好笑。但令人遗憾的是，GPT-4标榜的图片输入生成文本并未向公众开放，生成图片及视频能力也仅仅停留在展示页面。

而文心大模型历经多次迭代，在更早之前也已经从单一的自然语言理解延伸到多模态，包括视觉、文档、文图、语音等多模态多功能，拥有出色的“拟人化”功能，并且在多项权威测评中都取得出色的成绩。比如跨模态文档智能大模型ERNIE-Layout，基于布局知识增强技术，融合文本、图像、布局等信息进行联合建模，在文档抽取、布局理解等5类11项任务刷新业界SOTA（在该项研究任务中,目前最好/最先进的模型）；而作为业界首个融合场景图知识的多模态预训练模型，ERNIE-VIL在视觉常识推理、跨模态图像检索、跨模态文本检索等典型多模态任务中刷新了世界纪录。

演示视频也展示了文心一言生成文本、图片、音频和视频的能力，其中在将文字转音频环节，它讲的是四川话。李彦宏表示，文心一言还能讲广东话、闽南话等。生成图片、音频能力，文心一言开箱即可使用。而视频生成成本较高，现阶段文心一言目前尚未对所有用户开放，不过未来会逐步接入。随着百度多模态大模型的迭代升级，文心一言的多模态生成能力无疑也将持续提升。

04-更懂中文

如果说到“人有我优”，文心一言最显著的亮点和差异化优势，无疑还是它更懂中文。

中文是世界上最难学习的语言之一，不仅汉字、词汇的数量远多于其他语言，而且每个字、词的意思也极为繁多。正如那个关于“意思”的段子，同样的词汇，在每一句话中，背后所蕴藏的含义都不一样。

过去20多年，百度凭借着毫不逊色的技术实力和更懂中文的优势，长期占据着中文搜索引擎市场绝对霸主的王座。而作为扎根于中国市场的大语言模型推出的生成式AI产品，文心一言自然具备了中文领域最先进的自然语言处理能力。这种能力表现为对中文语言的理解，以及对中国文化的理解。

截至目前，文心一言已刷新93个中文NLP（自然语言处理）任务基准，并多次登顶SuperGLUE全球榜（由谷歌DeepMind、Facebook研究院、纽约大学、华盛顿大学等多个权威机构联合发布的复杂语言理解任务评测），已在机器阅读理解、文本分类、语义相似度计算等60多项任务中实际应用。

在现场展示中，文心一言正确解释了成语“洛阳纸贵”的含义、“洛阳纸贵”对应的经济学理论，还用“洛阳纸贵”四个字创作了一首藏头诗，全面展现了其对中文的理解、运用能力。

当然，由于“母语”和“语言环境”是中文，文心一言对英文的处理能力，不如中文好。李彦宏也承认了这一点，不过现场并没有进行演示。

李彦宏认为，从文心一言的表现看，某种程度上它具有了对人类意图的理解能力，回答的准确性、逻辑性、流畅性都逐渐接近人类水平。当然，他也承认，整体而言，这类大语言模型还远未到发展完善的阶段，有赖于通过真实的用户反馈而逐步迭代。

不过，从基础通用的写作、创作能力，到进阶的逻辑推理推算能力，从单一的自然语言处理到多模态多功能，在整体上，文心一言并没有明显短板。而这，已经不容易了。

为己，更利他

毫无疑问，不管是大语言模型、生成式AI，还是由此而开发出的ChatGPT、文心一言，在技术上都足够酷，但相比于技术本身，技术的应用和影响才是更多人关心的话题。

作为百度积累多年潜心打造的重大产品，文心一言首先将从整体上重塑百度的业务，为其带来全新的想象空间。

先说搜索。随着大语言模型的问世和优化，搜索引擎将从“模糊搜索”升级为“精准推送”，创造全新的使用体验，带来显著的效率提升。用微软CEO Satya Nadella的话说，“搜索引擎迎来了新的时代”。李彦宏也直言，“这将重塑信息的生成和呈现方式，有机会形成新的流量入口，帮助我们吸引更多的用户，并获得市场份额。”而伴随着搜索的升级，百度整个内容生态也将发生质变。

其次，文心一言也将与百度更多业务整合，从而激活整体业务的发展，重塑百度的想象空间。

百度方面曾表示，作为基于百度智能云技术打造出来的大模型，文心一言将根本性地改变云市场的游戏规则——以前企业选择云厂商更多是看算力、存储等基础云服务，而以后企业对云的需求会更加聚焦智能服务，将更多关注框架、模型，以及模型-框架-芯片-应用这四层架构之间的协同。因此，借助文心一言的能力，云服务将从数字时代跃迁到智能时代，而智能化对各行各业效率的提升也将显著显现。

此外，百度还将文心一言搭载到Apollo智舱系列产品，提升智能汽车的人车交互体验，与小度进行集成、让小度更加聪明和善解人意。

过去，人工智能面临大规模落地应用的挑战，究其原因就在于开发门槛高、应用场景复杂多样、对场景标注数据依赖等问题突出。而如今，大语言模型凭借其优越的泛化性、通用性、迁移性，为人工智能大规模落地带来新的希望。IDC预测，未来，大模型将带动新的产业和服务应用范式，在深度学习平台的支撑下将成为产业智能化基座。

对于文心一言，百度不仅仅将其定位为自身的模型内部产品，而是将其视为人工智能基座型的赋能平台，希望通过新技术帮助千行百业实现智能化变革、效率提升，获得更强的竞争优势。用李彦宏在发布会现场的话说，“文心一言让每一家公司可以离客户更近。”

与行业头部企业联合研发融合行业数据、知识以及专家经验的行业大模型，是百度推进大模型深入产业落地的主要方式。目前，百度文心大模型已经在电力、金融、媒体等领域，发布了10多个行业大模型。作为AI底座，这些行业大模型在各行业帮助合作伙伴在产品创新、生产流程变革、降本增效等维度实现突破，产生价值。

例如，百度与TCL合作的CV大模型，面向多个产线多个环节的工业质检提供AI基座能力，在TCL几个产线检测mAP指标平均提升10%+，训练样本减少到原有训练样本30%~40%，产线指标即可达到原有产线效果，新产线冷启动效率可提升3倍，产线上线开发周期降低30%。