国产大模型，摸着OpenAI过河

GPT-4与百度的竞争风波并未平息。“文心一言”对标ChatGPT、gpt4，成本是很高的，更要面对来自内外部的许多饱含争议的声音。文心一言作为一款语言大模型，现阶段正处于摸着OpenAI过河的时候，这篇文章主要介绍了百度的国产语言大模型产品，对比OpenAI所开发的GPT-4，并提出了自己在技术对就业的影响方面的理解。推荐对GPT-4、文心一言等感兴趣的童鞋阅读。

GPT-4惊艳亮相后，压力来到百度这边。上台后的李彦宏和百度CTO王海峰都略显紧张，这在多年百度相关活动中还是非常少见。李彦宏坦言，“文心一言对标ChatGPT、甚至是对标GPT-4，门槛是很高的。

我自己测试感觉还是有很多不完美的地方。”文心一言是一个大语言模型、生成式AI产品，发布会上演示了五个使用场景中的综合能力。其中，文学创作、商业文案创作、数理推算是大语言模型常见的能力，在此基础上，中文理解及多模态生成能力更能体现技术水平。

到今日晚间，「光锥智能」拿到文心一言的内测邀请码，在提出多个问题测试之后我们发现，文心一言与New Bing虽然有差距，但整体要比预期更好。比如在为商业访谈类栏目起名、对洛希极限的解释上都十分完整。但同时也存在一些不足，比如在计算“同时抽水和放水”的数学问题时，文心一言就出现了审题错误。

金玉在前，百度在文心一言发布会召开后，无论是产品口碑，还是股价表现，短期内一定会有压力。毕竟，世界上还只有一个OpenAI。

面对如此大的压力，李彦宏回应了为什么依然要在3月16日公开发布的原因：第一是市场需求，无论是百度的产品，还是客户，都有需求。第二是收集反馈，“一旦有了真实的人类反馈，文心一言的进步速度会非常快，我们都希望它快点成长”。

事实上，在ChatGPT惊艳亮相之前，GPT的1～3版本，都是在长期低调开源测试后，才达到了后面的结果。短期表现和长期价值还是有所不同，抛开情绪，我们更关心，文心一言和GPT-4在技术上有哪些相同和不同？模型真的是越大越好吗？利用大模型的产业化之路，应该怎么走？

01 “文心一言”对线“GPT-4”

文心一言在发布会上相对出彩的展示，莫过于多模态生成。在发布会上，李彦宏先是让文心一言为2023智能交通大会生成了一张海报，然后又让其撰写了一段关于智能交通的文字，并让其用四川话读出来，最后还让文心一言用这些素材生成了一段视频。

昨天，在GPT-4的发布会上，Open AI总裁和联合创始人Greg Brockman展示了GPT-4基于一张草图生成网站的过程，让许多人知道了大模型单模态与多模态的区别。GPT-4是一个典型的多模态预训练模型，它能够支持图像和文本的输入，然后以文本的方式输出。而文心一言展示的则是以文本的方式输入，以文本、语音、图像和视频的方式输出。

输入和输出其实具有本质上的区别。有AI开发从业者向光锥智能表示，多模态输出其实并不难，难的是输入。比如输出语音，不过是先输出文字然后再加一个TTS技术，已经很成熟了。

**而多模态输入，则需要大模型真正“长出眼睛”读懂图片意思，需要在预训练阶段就将图片和图片标注信息放入训练数据中。**比如这次GPT-4令人惊艳的强大，就表现在图片理解上。给到一个物理题的照片，GPT-4能够读懂题目然后解答。