腾讯大模型最新路线图，主打一个“实用”

让大模型更接地气，腾讯交出一份阶段性答卷。

大模型狂奔一年多后，正迈向产业落地的深水区。如何用好这一革命性的新技术，已成为整个社会的一道必答题。

去年，国内大模型百花齐放，外界关注的焦点也集中在模型能力上。而今年，几乎所有大模型从业者都已意识到，大模型的发展不仅要仰望星空，更要脚踏实地。

然而，大模型的产业落地才刚刚开始，仍面临着一系列挑战，包括场景选择、结果准确性、数据保密、落地成本、内容安全等。能否解决好这些问题，将直接决定大模型落地的速度和深度。

因此，在过去半年，各个大模型厂商的工作重点趋于一致，除了不断提升基础模型能力，还集中精力提升大模型的落地能力。而在众多大模型厂商中，腾讯属于跑得较快的代表。

去年9月，腾讯在发布混元大模型时就强调“产业实用”，截至目前，混元已经在腾讯内部600多个业务和场景中落地测试，同时，腾讯推出的行业大模型也已在金融、医疗、教育、汽车、能源等20多个行业落地。

由于积累了丰富的实践经验，腾讯能够更准确地识别大模型落地的痛点。从ToB业务的角度来看，理解并解决这些痛点，将为腾讯带来新的机遇。

5月17日，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示，“大模型的打造只是起点，把技术落地到产业场景，创造价值才是目标。腾讯将通过打造高性能的模型、高效率的工具平台、高敏捷的场景应用、高可用的算力基础设施，以及强安全的模型环境，构建离产业最近的AI。”

腾讯集团高级执行副总裁、云与智慧产业事业群CEO 汤道生

混元部分能力追平GPT-4

对大模型来说，由于Scaling law的存在，所以模型能力还尚未看到天花板。正因如此，讨论大模型落地前提，是要保证基础模型能力的领先性。

今年年初，腾讯混元完成了架构升级，从原先的Dense架构升级为MoE（Mixture of Experts）架构，并将模型扩展至万亿级参数规模。

一位大模型技术人士告诉21世纪经济报道记者，MoE架构是一种神经网络架构，它是通过多个专家（Experts）模型来处理输入数据的不同任务。相比Dense架构，MoE架构有两个优势：一是模型参数量更大，可吞吐更多tokens；二是实际激活量较小，可显著降低训练推理成本。

而通过模型架构的升级，腾讯混元整体性能相比上一代Dense模型提升了50%，并且在多轮对话、逻辑推理和数字推理领域的表现也变得更加出色。

5月17日，腾讯集团副总裁蒋杰在腾讯云生成式AI产业应用峰会上表示，腾讯混元大模型经过持续迭代，目前整体性能居国内第一梯队，部分中文能力追平GPT-4。

另外，随着产业信息的载体多元化，模型的需求不仅仅是处理单纯的文字，还需要处理图片、视频等多种信息。这也导致大模型的能力竞争，正在从单一的文生文，拓展到文生图、文生视频、图生图、图生视频等多模态能力。

在多模态方面，腾讯混元大模型目前也已取得不少成果。比如在生图领域，腾讯混元文生图基础架构已全面升级至Sora同款的 DiT 架构，具备了多轮绘图能力；在生视频领域，腾讯混元支持文生视频、图生视频、图文生视频、视频生视频等多种视频生成能力，视频生成长度可达16秒。

提供全链路AI开发工具支持

在对外输出混元大模型的能力时，腾讯提供了多种途径。

首先在腾讯云上，腾讯混元大模型提供了万亿参数hunyuan-pro、千亿参数hunyuan-standard以及百亿参数的hunyuan-lite等多种尺寸的模型服务，企业客户及开发者可以根据自身需求直接通过API调用。

腾讯混元模型服务通过腾讯云对外开放

其中，hunyuan-standard最新上线了支持256k超长上下文窗口的长文模型，具备单次处理超过38万字符的超长文本能力，在长文档的阅读理解和大规模数据分析方面展现出强大性能，能够为金融、医疗、教育、出行等行业的专业人士提供强有力的工作支持，显著提高工作效率。

汤道生表示，许多行业应用厂商在不同行业深耕多年，服务于业务的核心场景。他们在集成了混元大模型、TI-One等工具后，可以为客户带来产业升级的新动能，并打开新的创收机会。

5月17日，腾讯云也正式推出生成式AI生态计划。基于该生态计划，腾讯云将开放全量生成式AI产品，并为行业应用厂商提供PaaS、aPaaS、iPaaS等平台及原子能力，还计划培育千家生成式AI产品的专业服务伙伴。

5分钟开发一款大模型应用

除此之外，为了进一步降低用户使用门槛，5月17日，腾讯还推出三款PaaS产品——“大模型知识引擎”、“大模型图像创作引擎”和“大模型视频创作引擎”。

三大AI引擎工具降低模型应用门槛

腾讯云副总裁、腾讯云智能负责人吴运声向记者表示，要让企业用上大模型以及用好大模型，需要解决三大挑战，分别是降低使用门槛、提高平台适配性和保障安全合规。

其中最关键的就是降低使用门槛。只有进一步降低工具使用门槛，减少对技术人才及专业技术能力依赖，让一线生产、经营人员也能“零门槛”用上大模型，才能加速生产经验与模型技术的融合。

我们这次发布的三款PaaS工具，可以实现数据工程、模型精调、应用开发的流程简化，进而助力企业更高效、简单地将大模型能力应用于生产、销售和服务等场景。

具体而言，大模型知识引擎是聚焦企业知识服务场景，以RAG（检索增强生成）技术架构为基础，整合了OCR文档解析、向量检索、大语言模型、多模态大模型等技术，让企业用自然语言，5分钟就可以开发出一款知识服务应用。

而图像、视频创作引擎，将通过大模型全面提高素材生成效率。比如“图像创作引擎”可为企业客户提供AI写真、线稿生图、图像风格化等能力；“视频创作引擎”可提供视频转译、视频风格化、画布拓展等多种功能。

吴运声向记者表示，过去一年，大模型在落地过程中遇到的一个重要挑战，就是需求和能力匹配的问题。“很多客户对于大模型有很高的预期，业务的很多需求想通过大模型一下子全部解决，这个在现阶段较难实现，还是需要在场景快速验证、分阶段推进”。

面对这一现状，腾讯的思路也十分明确。通过在模型之上构建多层次的能力，包括提供模块化、低门槛的AI工具等，去匹配不同客户的不同需求，进而让更多用户真正用上大模型，实现数据—模型—应用的飞轮效应，让大模型变得可优化，更实用，进而最大程度地放大模型技术生产力。

​

如何学习AI大模型？

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。