奔向大模型时代，第一期掘金城市沙龙「 AIGC 技术探索与应用创新」成功举办

（原标题：奔向大模型时代，第一期掘金城市沙龙「 AIGC 技术探索与应用创新」成功举办）

4 月 13 日，由稀土掘金技术社区和 Intel 联合主办的 2023 第一期掘金城市沙龙「 AIGC 技术探索与应用创新」在北京成功举办。本期沙龙聚焦时下最热的科技话题——AIGC，通过线上线下联动，从“技术”和“应用”双视角探索 AIGC 爆发式繁荣背后“算力、算法、数据”三大底层能力建设，畅想未来新的产业结构样态与应用创新形式的可能性，在行业内引发热烈反响。

本期沙龙分为大咖分享和圆桌 Panel 两大议程，沙龙现场英特尔 AI 软件工程师杨亦诚、字节跳动 NLP 算法工程师陈家泽、Google Cloud 机器学习专家王顺、清华大学 KEG 知识工程实验室研究助理郑勤锴、九合创投投资副总裁王逸飞、稀土掘金江昪一一带来精彩观点，同大家一道迎接“未来已来，将至未至”的 AIGC 时代。

AIGC 的底层逻辑：以大模型为“道”，衍生万物

左起：杨亦诚 王顺 郑勤锴 陈家泽

ChatGPT 爆火，引发中国互联网科技圈对多模态大模型的关注。在国内，大模型市场更是开始躁动起来了，文心一言、盘古、通义千问、日日新SenseNova......可以说，从算力到应用，人工智能领域在大模型赛道上已然按下快捷键。然而，大模型仍处于从实验室走向大规模商业化的早期阶段，存在核心技术不成熟，生态系统不健全，且成熟落地场景较少等问题。

英特尔 AI 软件工程师杨亦诚也表示，基于“大算力”和“强算法”两大显著特点，AIGC 类的大模型不仅从算力维度给产业带来新的技术挑战，更从商业模型上带来了突破和变革，可以预见模型服务化势必成为人工智能企业未来的核心商业模式。

尽管视觉相关的 AIGC 领域发展很猛，但是文本仍是 AIGC 中最重要的一环，是连接不同模态内容的重要媒介。字节跳动 NLP 算法工程师陈家泽表示，文本生成技术发展至今，从 Encoder Decoder 结构的第一次变革，之后各种文本生成的应用如同雨后春笋般被提出，到 GPT 结构的发展，整体文本生成范式发生演进，过程中带来更多的可能性，同时也面临非常多的挑战，比如数据隐私和安全的要求越来越高，模型需要具有高可靠性和透明度等等。

同时，随着高质量 AIGC 的大规模普及，千亿规模大模型的训练不再高不可攀。Google Cloud 机器学习专家王顺也介绍到，Google不断推出的 LaMDA、Imagen、PaLM、Parti 等生成任务大模型也打磨出了 PAX 这种轻松训练千亿规模参数的大模型框架，随着 Cloud TPU v4 对外部客户的 GA, 您也可以在 Google Cloud 上轻松训练一个属于自己的千亿参数大模型。

在代码生成的场景中，清华大学 KEG 知识工程实验室研究助理郑勤锴介绍，CodeGeeX正在成为 Github Copilot 的平替，未来绝大多数代码都将由AI驱动产生，每个开发者都需要寻找成为 AI2.0 程序员的路径。

AI 的 iPhone 时刻：内卷的大模型，拥抱变化的开发者

AIGC 大模型的参数天花板在哪里？人工智能是否会取代重复性劳动......面对这些问题，作为圆桌主持人，稀土掘金江昪与一众嘉宾专家从技术、商业模式、创新等视角，探讨人类之于 AI 以及 AIGC 自身下一步怎么走？

左起：江昪 王逸飞 郑勤锴 陈家泽 杨亦诚

随着自然语言处理与扩散模型的发展，未来的 AIGC 必然具有极高接近性与创造力。也因此，英伟达CEO黄仁勋四度使用“iPhone时刻”，来形容AI当下的发展。清华大学 KEG 知识工程实验室研究助理郑勤锴也表示，AI 带来了交互方式上的变革，极大地提高人们使用各种工具的效率。

2020 年，OpenAI 提出了大模型的缩放法则，也就是说增大参数规模可以极大提升模型性能，由此进入了炼大模型的“狂飙”时代。而相比于 GPT-3 模型 1750 亿参数量而言，关于 GPT-4 模型参数量在业界引发持续性猜想。可以确定的是，目前模型的参数量远未到达瓶颈。九合创投投资副总裁王逸飞认为，如果在硬件侧没有一个重大突破，可能未来 2、3 年内沿着 transformer 路径走的大模型会走到上限。AGI 是一个很长的探索路径，未来肯定会有新的算法出来，而目前的 GPT 只是走出最靠前的一步，它很有可能只是我们探索 AGI 的中间态。

字节跳动 NLP 算法工程师陈家泽也表示，未来可能有两条路：一是一部分的模型越来越大，同时也会越来越强；二是在一个差不多量级的模型下水平越来越高，比如可能 7B、 10B 的模型的能力通过一些训练方式、数据调优，具备更加充分的能力。

眼下，AIGC 领域热火朝天，国内越来越多的科技企业扎堆入场。王逸飞也表示，目前，AI 远未到达最后阶段，国内企业或团队需要面临最大的挑战是，如何在没有明确未来的事情的上敢于做投入，选择技术路线。

那么，AI 是否会取代重复劳动力的工作，对于包括开发者在内从业者来说也是一个难题。郑勤锴则认为，短期内程序员是不太会被替代的，但未来的趋势可能会分成会用 ChatGPT 和不会用 ChatGPT 这两类程序员，在此基础上，对于程序员提出更高的要求，就是 ChatGPT 生成的代码并不是完全可信的，这时候就要求程序员能判断 ChatGPT 生成代码的质量。

AI 的长期价值，对各行各业的颠覆性改变，一切才刚刚开始。从技术研发到商用阶段，再逐步走进现实生活场景中，往往需要一代又一代的开发者持续探索和完善，在每一次的技术交流中，凝聚共识，找到新的立身之本。今后，稀土掘金技术社区还会一如既往地为企业、技术人员创建一个观点碰撞的平台，实现双向赋能。