大模型之争,到了不只是拼技术的时刻。
最新的行业风向是:谁能大范围应用落地?谁能笑到最后?谁能真正产生价值?
对大模型行业玩家的评判标准也不再只看技术。战略布局、落地进展、未来判断……成为了更被重视的维度。
无论“杨植麟们”还是大厂高管,公开探讨大模型的频率越来越高,包括一直低调的腾讯。
前脚,腾讯云与智慧产业事业群CEO汤道生万字采访释出,回应“关于腾讯大模型的一切”;后脚,在万众瞩目的WAIC上,腾讯云副总裁、腾讯云智能、腾讯优图实验室负责人吴运声带来大模型产品最新进展。
两波强势输出下,腾讯大模型战略缓缓露出全貌:
围绕着企业训练大模型和应用大模型的需求,提供AI infra、自主可控的大模型以及贴近场景的智能应用。在这一过程中,腾讯不断提升模型性能的同时,也在不断降低模型使用的门槛,通过封装好的PaaS产品来让企业构建面向具体场景的应用,包括智能客服和营销工具等。
混元单日调用tokens数已达千亿级
简单梳理腾讯云业务,其AI布局大致可以分为基础设施、模型层、工具平台层和应用层这四大方面。
在底层能力上,腾讯云构建了HCC高性能算力集群、AIGC云存储和星脉高性能网络,这是训练大模型的基础。
基础之上,去年9月,腾讯混元大模型横空出世,目前已扩展至万亿参数规模,由7万亿tokens的预训练语料训练而来,能力已覆盖了文本、多模态理解及生成等。
文本生成上,混元率先在国内采用MoE架构,最新升级后的模型性能较上一代提升50%,部分中文能力已追平GPT-4!它的超长文能力也已在腾讯元宝中上线,一次性能够处理长达1000万字的文档,并支持多种格式的文件解析,如PDF、PPTX。它还能基于文档内容生成柱状图、折线图和饼状图等。
就在最近,腾讯元宝还上新了AI深度搜索模式,支持从深度和广度上提供更结构化、更丰富的回答。
图像生成上,混元推出首个中文原生的DiT架构(Diffusion With Transformer)文生图模型,并直接将训练代码、推理代码、模型权重等完整模型全部开源!它创新性结合了双语CLIP和多语言T5编码器来提升理解能力,这是Stable Diffusion 3所不具备的,并应用多模态大语言模型来改进图像描述。
通过混元DiT 的加速库,生图时间还能缩短75%,大幅提升推理效率。发布一个多月,腾讯混元 DiT 目前在 github 上 star 数已有 2.6k,是目前最受欢迎的国产开源文生图模型。
视频生成方面,支持文生视频、图生视频、图文生视频、视频生视频等能力。另外,在3D生成等领域,腾讯混元已布局文/图生3D,单图仅需30秒即可生成3D模型。
值得一提的是,腾讯还在持续开源大模型成果。
如上提到的全链路自研DiT文生图模型(15B)以及小显存版本均宣布对外开源。其中小显存版仅需6GB内存即可运行,个人电脑上就能运行,并与LoRA、ControlNet等插件,都已适配至Diffusers库;对开发者非常友好。
由此,腾讯构建了扎实的技术底座和模型能力,并持续跟进趋势做快速迭代。以此为基础,腾讯云进一步搭建了上层工具和应用。
实际上,围绕核心场景,构建产业应用,才是腾讯大模型战略的核心。
汤道生在与腾讯新闻《潜望》的采访中透露,对于AI,他比较看重怎么让大家在产业场景把AI用起来、需要提供什么工具和能力。目前他感觉,大模型很大程度回到关注RAG(检索增强生成)模式,降低出现幻觉的概率,同时也比较重视怎么把握“智能体”的方向。
对应到腾讯云的实际业务,这些思考已经开始逐渐显现。
简化开发流程,低门槛加速大模型场景落地
大家都知道产业落地是关键,但问题是:怎么做?
吴运声表示,腾讯云认为大模型的广泛应用落地,不是某一家或某几家企业凭借自身技术实现的,更可行的路线是降低技术开发门槛,让产业中更多企业能够参与到AI应用落地进程中。
因此,腾讯云构建了大模型知识引擎、图像创作引擎、视频创作引擎三大PaaS工具,将大模型技术封装,让各行各业的用户能直接上手使用。
其中,知识引擎就是刚刚汤道生提到的RAG模式。它基于LLM+RAG模式,是一个创新的知识应用构建平台,满足了当前产业应用对大模型的迫切需求。
这一平台的亮点在于,仅需5分钟,用户便能通过低代码或无代码的方式,快速构建知识服务应用,如客服、知识问答等,极大地降低了开发门槛,让人人都能玩转大模型应用。
知识引擎整合了腾讯的混元大模型以及特定行业的大模型能力,结合先进的文档技术,为用户提供了企业知识服务应用模板。此外,它还提供了文档解析、向量检索、多轮改写等原子能力,助力企业用户构建高效的AI问答系统。
而它的背后,是腾讯一系列自研技术的支撑!包括自研的TRAG技术架构和首个基于语义判断的知识切分模型。这些技术从底层解决了诸多行业应用难题,如确保信息块的语义完整性,这是业内长期面临的挑战。
腾讯云采用了一种创新的“暴力解法”,提出了业内首个基于语义判断的知识切分模型。这一模型能够对每个文本进行语义级别的切分,并在多个段落中进行更准确的拆分,确保每个切片在长度可控的同时,语义完整,避免了信息的缺失和断章取义。
此外,知识引擎将检索的最大长度提升至4k字符,远超业内平均水平(通常为512字)。通过混合检索、text2sql表格检索等策略,进一步提高了复杂知识的检索精度,能够处理上万行的超大表格进行精确筛选。
知识引擎的应用场景广泛,包括智能客服、智能营销、知识管理、数据分析、办公协同、数智人等,这些都是业界公认的大模型最先落地的领域。
例如,腾讯企点客服在知识引擎的支持下全面升级,不仅支持大模型多轮对话,还能为人工客服推荐答案,智能生成工单和会话小结。此外,它还能整合到腾讯企点营销SCRM中,有效提升客户转化率。在人才培训领域,知识引擎结合腾讯乐享知识学习平台,将员工的知识智慧汇聚成企业知识库,促进了内部知识分享和传播。
最新发布中,知识引擎还进一步升级了多模态检索能力和企业类型知识覆盖面,进一步提升了知识引擎的专业能力。
图像创作引擎,则可提供图像风格化、AI写真训练与生成、商品背景生成、线稿生成等能力。
基于混元文生图大模型,图像创作引擎能提供更符合国内要求的图像。它具备更高质量的中文理解能力,可生成更优质的图像,绘画能力更符合东方审美。
视频创作引擎基于支持视频转译、视频风格化、图像跳舞、视频插帧、艺术字视频、运动笔刷、画布拓展等应用,主要面向视频创作者,可以应用在短视频平台、广告营销、游戏等领域。
它最新推出了复杂舞蹈编排算法,基于3D建模和背部生成技术,可以实现仅基于一张图像,就生成可转身的舞蹈编排。要知道,市面上大多生成技术,都只能固定视角,更别说转身了。
另外,对于想要自己训练大模型的行业客户,腾讯还推出了TI平台等工具。它面向专业AI工程师,可提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程开发支持。
TI平台内包含丰富的算法组件,支持多种算法框架,满足多种应用场景需求。
最新升级中,TI平台发布全新数据处理链、大模型精调工具链;并且和知识引擎联调,实现了边迭代边评测机制,企业能及时了解并优化大模型业务效果。
如阅文集团、瑞金医院等,都利用TI平台训练出了自己的大模型。
据阅文集团总裁黄琰介绍,阅文旗下网文行业大模型“阅文妙笔”可辅助网文多模态创作、支持用户和角色对话、还能进行多语种翻译。
医学领域,瑞金医院-上海市数字医学创新中心首席技术官黄飞跃介绍,去年发布的瑞金医学大模型,基于数亿医学数据训练而来。已推出体检报告生成和电子病历生成系统,并在瑞金院内应用。以体检报告生成为例,平均每5秒即可自动生成一份总检报告,为医生节约50%+的撰写时间。
总结来看,腾讯云的大模型产品矩阵,尽可能兼顾到了市面上所有突出需求。比如构建专有大模型、零门槛上手、快速开发等。
这也传递了腾讯对技术趋势的理解:大模型必须用起来才有价值。技术的打造只是起点,把技术落地到产业场景、创造价值才是目标。
而在腾讯自身内部,这些价值已经初步显现。
聚焦模型场景落地,腾讯决定打一场持久战
模型落地,实用为先。
腾讯混元大模型是鲜少一亮相,就宣布落地应用的模型。
去年9月,混元已接入腾讯会议、微信搜一搜、腾讯文档等,而且已经能看到可观增长。
比如AI代码助手,在腾讯集团内部已经实现了50%以上的开发岗员工覆盖。腾讯会议AI助手在上线4个月里,日调用量增长20倍。
目前腾讯内部已有600+业务和场景接入混元大模型,覆盖金融科技、营销、广告、会议、文档等典型场景。
同时,腾讯也推出了AI智能体创作与开发平台腾讯元器,以丰富混元应用生态。
企业和开发者可以基于腾讯元器,使用腾讯官方的插件和知识库直接创建智能体。开发完成后,将智能体一键分发到QQ、微信客服、腾讯云等渠道上。
这与汤道生在采访中的观点遥相呼应,不是只有做大模型的玩家才是做AI。腾讯的机制下,各自团队都在关注AI跟自己业务有什么关系,有多点布局。
回看腾讯亮出的整体战略,其核心策略其实是“产业实用”。
在这个大命题下,大模型作为其中一个重要板块,为产品和业务提供先进技术能力。
如今,腾讯大模型的底层技术和产品矩阵都更加完善,它们本身和盘托出,就是对腾讯大模型策略最好的解释。
至于为啥腾讯云值得期待?
吴运声坦白讲很难用一两个词就清晰表达腾讯云的差异化优势。
在产研结合、人员配置、激励机制、考核指标等方方面面,腾讯云都面向实用落地而做构建,这不仅代表技术路线差异,甚至也传递企业文化、组织建设差异。
而这或许恰好透露了腾讯在大模型/AI应用落地上的决心。
由内而外,腾讯决定打一场持久战。