大模型公司智谱AI,一举宣布了年内融资额:25亿元人民币。
如此数额,什么概念?刷新了国内大模型创业公司的累计融资额,估值超过百亿。
这家成立4年的公司,已经成为国产大模型最具吸金力、最具价值认可的公司。
在百模大战来到见真章的“生成式AI第二阶段”,领头羊智谱的融资进展,是否也是行业马太效应显现的证明?
被看好的公司会获得更多的资源,没有证明自我价值的公司则面临洗牌和无缘下一阶段竞速。
从创业公司的维度来说,这更像是大模型创业的上半场尾声,格局分水岭已现,生态座次开始分明。
①人工智能/大模型学习路线
②AI产品经理入门指南
③大模型方向必读书籍PDF版
④超详细海量大模型实战项目
⑤LLM大模型系统学习教程
⑥640套-AI大模型报告合集
⑦从0-1入门大模型教程视频
⑧AGI大模型技术公开课名额
为什么是智谱?
在弄清国产大模型融资强者为什么是智谱之前,我们先溯本求源,知其来处。
在此之前,它大概属于圈内知名,圈外无名的状态。
智谱AI,成立于2019年6月,由清华大学计算机系知识工程实验室(KEG)的技术成功转化而来。
核心团队成员几乎都是清华血脉,其中,CEO张鹏毕业于清华大学计算机系,是清华大学2018创新领军工程博士。
在KEG实验室时,团队主要进行研究如何把机器学习、数据挖掘、知识图谱等应用到工程实践中,并且从2017年开始训练AI模型。
到了智谱成立一周年那天,恰巧OpenAI发布了GPT-3。
从那时候起,智谱公司上下开始全情投入大语言预训练模型的研发。在大模型的道路上,OpenAI选择了GPT,谷歌选择了BERT,而智谱选择了GLM(General Language Model)。
种瓜得瓜,后来几乎所有的故事都围绕智谱独特的GLM预训练架构展开:
2022年,智谱和清华合作研发了双语千亿大模型GLM-130B,把它作为基座,开始打造大模型平台及产品矩阵。
2023年,智谱动作非常频繁,从推出对话模型ChatGLM同时开源单卡版模型ChatGLM-6B起,相继视觉模型Visual-6B、代码模型代码模型CodeGeeX2、数学模型MathGLM、多模态模型CogVLM-17B、Agent模型AgentLM系列,并且统统开源。
今年8月31日,智谱基于中英双语对话模型ChatGLM2的生成式AI助手“智谱清言”,成为了首批11家通过备案飞入寻常百姓家的大模型产品。
可以说,这几年来,智谱在大模型领域主要做的事情很明晰,就是一手夯实地基(基座模型),然后在地基上搭建各种模态和功用的建筑。
值得一提的是,智谱从雏形时期就能用B端服务能力养活自己,这是这家公司面对“大模型花钱如流水”的公认现实不仅不畏手畏脚,还频繁研发推出新模型新产品的底气。
当然这不是唯一原因。
除了服务能力和与之伴随的营收能力,智谱还拥有过硬的人才队伍和技术实力。
上面已经提到,智谱脱胎于清华,而清华系已经成为这个领域一种颇具威望的标签。
究其原因是清华计算机系投身大模型研究较早,有着长期经验,培育了许多人才——现在市场上叫得上名字的玩家,以智谱为代表,以及如月之暗面、深言科技、一流科技、百川智能、面壁智能、衔远科技、生数科技等,都是清华血脉。
他们所发表论文的被引用数、所发布模型的可验能力,都是对这个“公认标签”有力证明。
而且据公开资料,智谱是唯一全内资国产自研的大模型企业。
这样的公司底色,让智谱在“模型安全、数据安全、内容安全”不绝于耳的讨论和争议声中,有着自己的准备和策略。
据悉,为配合国产GPU发展,智谱现在在落地GLM通用语言模型国产芯片适配计划。
具体来说,就是和国产算力芯片厂商一起合作做模型算法适配,在算法端推理端适配国产芯片,目前可适配的国产芯片已有近10种。
融了这么多钱,接下来做什么?
上述的成绩单和独特性,或许成为了智谱一路备受看好、脱颖而出的关键原因。
但因为备受看好,积累了足够资本的智谱也表明了构建更长远竞争力的决心。
在10个月内狂揽25亿人民币融资后,智谱AI官方表态:
上述融资将用于基座大模型的进一步研发,更好地支撑行业生态,与合作伙伴一同高速发展。
核心归结起来就两大方面:
-
一是做大做强做坚实大模型底座。
-
二是拓展生态和朋友圈。
既要有深度,也要有广度。
首先,做大做强大模型底座,“进一步研发”基座大模型。
目前智谱视为底座的大模型,是发布于2021年的双语双向稠密模型GLM-130B,拥有1300亿参数。
当时受技术、数据、算力等诸多限制,训练这个参数量的大模型足够令人头秃,但成果很显著,GLM-130B的部分表现优于GPT-3以及PaLM。
不过时至今日,数据、模态增长带来的需求,昔年1300亿参数的庞然大物好像有些不够看了。
量子位得到的最新消息是,这周五(10月27日),智谱将有新动作——发布新一代基座大模型。
其次,拓展生态和朋友圈。
落实到具体行动上,应该绕不开智谱一以贯之的准则:持续开源。
这家公司一直是大模型领域最开放的玩家之一,早在前ChatGPT时代,它就和百度(ERNIE2.0)、阿里(AliceMind)、智源(清源CPM)、澜舟(孟子大模型)等一起,走透明、开放的态度。
现在翻看智谱早期的GLM报告,里面就有“我们邀请大家加入它的开放社区,推动大规模预训练模型的发展”的字样。现在,这家公司仍在用开源的方式,和开发者、行业用户交个朋友。
这个习惯延续到现在。
结合目前的数据,可以更清楚地看待智谱对开源的坚持,收获了什么阶段性结果:
开发者社区,ChatGLM-6B上线四周后抱抱脸趋势榜第一,累计超1000万下载,GitHub揽星5w+。
另一边,智谱公司官网上罗列着共建生态的合作伙伴,“69个国家,1000+个研究机构”。此外,量子位得到求证,其客户数量超过1000家,共建开源生态的在200-300家之间。
大模型生态一旦建立,就能更好地整合大模型基础层、中间层和应用层的资资源,进行优化配置,达到健康交互、协同进化的效果。
在这之中,基座大模型凭借基础性、通用性,位列大模型生态的核心地位。想明白这一点,就不难理解智谱致力于拓展生态和朋友圈的优势和必要性了。
大模型创业,步入分水岭时刻
去年十一月底,OpenAI给世界送来了ChatGPT。紧接着,大模型技术趋势以前所未有的速度掀起一波又一波的高潮。
直观数据是惊人的,呈现速度也是惊人的。
上亿的用户活跃度、十数亿的收入、百亿的估值……大模型不讲武德地强势席卷世界,所有人都在观望、探索,思考这个人工智能技术能够探索多广阔的边界,其支撑的产品又能如何发挥技术之力?
于是,国外有OpenAI、Anthropic这样的先驱者,国内也有了智谱AI、MiniMax这类百亿独角兽。
珠玉在前,技术和工程方面的部分问题无法快进和跳过,再明星的阵容、再天文数字的融资,只要走大模型的路,就必须亲自经历。
挑战十分严峻,但挑战者前赴后继,乐在其中。
△图源红杉
今时今日,几乎一年过去,我们见证了大模型技术的发展,也见证了创新和竞争如何塑造着这个领域。
更可以清晰看到的是,巨头完成初步卡位,创业公司开始洗牌,第一阶段格局初现。
没错,一家公司做不完大模型能力内的所有事,但通用大模型的门票就这么有限,没有能力拿到的玩家,开始分流:要么走向专用,做行业模型;要么放弃模型层创业,开始站在别家模型的肩膀上,走向中间层、应用层……
大模型创业,正在进入分水岭时刻。
从今往后,关于大模型创业的融资进展,很可能比起现在会越来越聚集。动辄数亿数十亿的资金将继续聚集到“已经不差钱”公司。
行业的马太效应正在加剧。资本总量有限,越有价值的公司会被更加好看,最好最多的资源被送到最有潜力的那匹马手中。
资本市场上,贵的公司唯一的缺点就是贵,便宜的公司唯一的优点就是便宜。
大模型创业的上半场,即将结束。
人工智能大模型越来越火了,离全民大模型的时代不远了,大模型应用场景非常多,不管是做主业还是副业或者别的都行,技多不压身,我这里有一份全套的大模型学习资料,希望给那些想学习大模型的小伙伴们一点帮助!
如何系统的去学习大模型LLM ?
作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的 AI大模型资料
包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以V扫描下方二维码免费领取🆓
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1:AI大模型时代的基础理解
- 目标:了解AI大模型的基本概念、发展历程和核心原理。
- 内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
- 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
- 内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3:AI大模型应用架构实践
- 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
- 内容:
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4:AI大模型私有化部署
- 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
- 内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划:
- 阶段1:1-2个月,建立AI大模型的基础知识体系。
- 阶段2:2-3个月,专注于API应用开发能力的提升。
- 阶段3:3-4个月,深入实践AI大模型的应用架构和私有化部署。
- 阶段4:4-5个月,专注于高级模型的应用和部署。
这份完整版的大模型 LLM 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓