如何看待国产大模型的现状？_中国大模型太多太乱-CSDN博客

本文链接：https://blog.csdn.net/m0_65555479/article/details/144358953

相比国外大模型产品的认知度，国产大模型好像一直处在一片混沌中，相关的新闻也总是在“遥遥领先”和“洗洗睡吧”之间反复横跳。今天就借着题主的问题，聊聊我眼中的国产大模型，帮你看清那些“遥遥领先”者的真面目，以及现在市场上到底有哪些靠谱的产品。

没错，在243个国产大模型中，我还真找到了一两个能用的。

“百家争鸣”还是“人云亦云”？

据不完全统计，截止2024年1月，国内已有AI大模型243家

知名度较高且通过备案（面向大众开放）的大模型厂商主要有13家，

包括位于北京的百度（文心一言）、抖音（云雀）、百川智能（百川大模型）、智谱（智谱清言）、月之暗面（Kimi）以及中科院（紫东太初）；位于上海的商汤（日日新大模型）、上海人工智能实验室（书生大模型）和MiniMax（ABAB大模型）；位于广东的华为（盘古大模型），腾讯（混元大模型）；以及安徽的科大讯飞（星火大模型），杭州的阿里（通义千问）。

这种热闹的氛围让我想起了团购网站刚刚开始流行的时候，互联网赢家通吃的现实催促着所有人全力冲刺。百团大战只是开始，战场上的硝烟还远未到散去的时候。远观总是差点意思，让我们把镜头拉近一些，看看这些战士的脸都是什么模样？

过拟合

国内很多公司开发的大模型都在拿GPT3.5或者4对标，宣称在某些方面“不落下风”，有的号称在参数更少的情况下性能相当，有的甚至宣称“全面领先”。这些模型是如何实现这些所谓的领先呢？

简而言之，这多半是过拟合现象导致的。所谓过拟合，是机器学习和统计建模中的一个常见问题，即在测试中表现出色，而在实际应用中却不尽如人意。

具体而言，除了那些宣传“与GPT-4并驾齐驱”的公司可能只是夸大其词外，其他国内大模型至少提供了一些实质性的证据。这些证据通常集中在当前中文大语言模型的三大主流测试集上，即C-Eval、MMLU和AGIEval，在这些测试集上它们均取得了优异的成绩。

这三个测试集分别代表了针对中文语言能力的综合评估、大规模多任务语言理解以及AI的类人能力测试。然而，这些实际上都是“开卷考试”。如果一个模型的开发者将这些测试集的表现作为主要目标，经过足够时间的训练，自然能在这些测试上取得好成绩。但与此同时，对于这些测试集之外的问题，其回答质量往往就不那么令人满意。

模型开发者自然希望全面评估模型性能，不希望出现“高分低能”的情况，但他们常常面临来自上级的指标压力，不得不针对测试成绩进行优化。这正是这些模型难以真正与GPT3.5或GPT4抗衡的原因。

过拟合问题在企业追求超越竞争对手的过程中尤为常见。例如，在自动驾驶技术尚未成熟时，某些公司就宣称能在复杂路况下实现完全自动驾驶，并通过录制特定路段的实测视频来展示其技术。

这种突然的技术飞跃是如何实现的呢？实际上，这往往是通过对特定路段进行反复训练，利用高精度地图详细标注各种环境因素，从而实现对该特定路段的完美驾驶。但这样的系统在陌生环境下的表现往往就不尽如人意。

国内大模型研究的先行者之一，智源研究院总工程师林咏华指出，目前确实缺乏公认的测评集，但现有的C-Eval、MMLU等测试集已经出现了被过度训练的现象。

因此，在评估大模型能力时，我们不应过分关注这些测试集的得分。实际上，过度拟合在生活中的例子比比皆是，如大学排名的刷分、自媒体的刷流量等。真正优秀的模型应当是在公开市场竞争中，人们愿意为其支付额外费用的模型。其他任何补充说明都是多余的。

如果你想了解如何打造这样的模型，知乎知学堂的AI解决方案课将是你的不二选择。

作为AI行业十年从业者，我深知技术和商业化的结合有多么重要。这门课程不仅让我掌握了大模型的核心技术，还通过真实的商业案例，让我看到了这些技术在实际应用中的巨大潜力。课程由业内大咖崔超亲自授课，内容深入浅出，即使没有编程基础，也能轻松理解复杂的算法原理和应用场景。最让我感到兴奋的是，课程还提供了大模型在金融、医疗等行业中的落地案例分析，让我在理论之外，更深入地理解了大模型的商业化路径。

从“能用”到“好用”

2023年9月，国产大模型终于甩掉“内测”的帽子，能够无障碍触及普通用户。

百度着力推广文心一言应用，鉴于百度在移动端的重头应用数量有限，将资源集中打造文心一言成为国内版的ChatGPT似乎是一条明智之路。相比之下，阿里巴巴采取了截然不同的策略，将大型模型作为中台支持，将通义千问整合进天猫、淘宝、钉钉、高德地图、天猫精灵等多个产品中，以发挥集团协同作战的优势。而用户基数庞大的腾讯则保持了一贯的低调风格，在微信平台上静悄悄地推出了“腾讯混元助手”小程序。

然而，不管各家的推广策略如何，国产大模型在吸引用户方面尚未达到预期效果。在苹果中国区应用商店的前100名排行榜上，尚未见到任何国产大模型产品的身影，而ChatGPT在苹果美国区商店的排名一直稳居前十。这一现象的根本原因在于技术水平上的差距。一旦对比过ChatGPT、Claude和国产大模型的使用体验，便能明显感受到国产模型在理解力、逻辑推理等方面的不足。

当用户对模型生成的一段看似流畅的文本不再感到新奇时，要想留住用户，大模型必须变得更加精准、实用、少犯错误。这一阶段的挑战比之前更为艰巨，只有当国产大模型跨越“能用”的门槛，达到“好用”的水平，其商业化潜力才真正值得探讨。

幸运的是，产品的成败并不局限于公司具备的大模型研发能力，产品设计、运营能力等因素也将成为重点。在当下的市场上，我们已经可以看到这样的产品开始涌现了。我试用了其中大部分，针对目前最常用的通用类、写作问答类以及设计类的产品，挑选了一些适合的推荐给大家。

通用类: 智谱AI

一家源自清华大学计算机系技术成果的公司。这家公司最优秀的地方是开源了两个重要的产品ChatGLM和CodeGeeX。其中ChatGLM-6B是其开源的单卡版本，含有62亿参数，可以在消费级显卡上运行，而CodeGeeX则是一个代码生成预训练模型，支持20多种编程语言，具备代码生成、续写、翻译、注释、bug修复等能力，且目前已经有针对各种IDE的插件，实测体感真的不输Copilot。

阅读理解类：kimichat

KimiChat 是由月之暗面科技有限公司（Moonshot AI）开发的人工智能助手，也属于清华系。这款产品最大的特点是允许用户上传TXT、PDF、Word文档、PPT幻灯片和Excel电子表格等格式的文件，或者是网址，它可以阅读这些文件或网址的内容并根据内容回答用户的问题。实测体感比较像ChatPDF和微软Copilot的集合体，但是它搜索中文内容的能力比Copilot要好，能提供最新的信息和数据来源。

网文阅读提炼

KimiChat应该是一个特化了长文本阅读能力的大模型，在实际体验中，我的感受是比Claude2 100K和GPT3.5要好用一些的，一次最多可以无损处理13-15万字（公开的是200K模型，最近又开放了2000K模型的内测），中文输出比Claude2略强。这就意味着已经达到了国际前列的水平。

设计类：Whee

Whee 是由美图公司开发的一款AI视觉创作工具，是国内最好的Midjourney平替。

支持文生图（Text-to-Image），图生图（Image-to-Image），AI修图功能，风格模型训练等功能，相比Midjourney，Whee对中文的理解更好，出图速度更快，极大的方便了国内的用户。

“你们赢了，但我却没有输”

随着大型模型的不断涌现，新技术所带来的神秘面纱逐渐揭开，ChatGPT也不再显得那么高不可攀。加之开源模型生态的蓬勃发展，爱好者仅需投入时间学习网络上的教程，便能模仿搭建出属于自己的“小模型”。大模型不是操作系统，也不会被垄断。未来的焦点不再是哪个大模型更强，而是谁更会用大模型，能把它跟自己的业务和场景结合得更好，训练得更有用。

与此同时，智能体开始成为焦点。字节跳动推出的豆包就是这样一个款产品。用户可以非常方便地定制自己的AI智能体，包括聊天机器人、写作助手以及英语学习助手等。