百度经验2024年10月12日发布:智能涌现⑮｜AI大模型中国爆发元年：跌跌撞撞蹒跚前行

然而，中文数据语料库的缺乏，让不少从业者忧心。华傲数据董事长贾西贝认为，“数据是AI大模型的胜负手”。好比说，大模型是一个对数据有着巨大食量的小孩，若是有一天这个小孩没有可食用的数据了，那么他的智力就停滞了。同时，若是发展AI却不重视数据，那么今后中国在全球AI大模型竞争中，将会诞生一批营养不良的“早产儿”和“野蛮人”。

网络上那么多数据，为何中文数据还是陷入数据荒境地？从源头来看，一方面公域数据被政府“养在深闺”，没得到充分利用开发，另一方面私域数据则被各大互联网平台视为“新石油”，为了推出自家大模型而各建各的孤岛。

从生态层面来看，国家战略上正在积极推进数据交易所的建设。然而，目前数交所面临的问题则是，场内交易始终不如场外交易量大。一则是场内交易的标准还在逐步完善，例如数据资产入表虽然已被提升日程，但还未开始大规模推行；二则是不少传统行业还没意识到数据的重要性，以及数据交易可撬动更深层次、更大范围的价值。

如今数字经济和数据要素已经密不可分了。例如，一辆有自动驾驶模式的车在出口过程中可能就涉及数据出境问题；以及大模型里携带了千亿级、万亿级的参数，若是作为软件进行出口，则不可避免要思考数据审查问题。再过五年，凡是软件出口、金融服务贸易出口、汽车出口、生物医药等等，都将涉及数据跨境问题。“若是没有建立自身的数据合规体系，中国外贸料在未来寸步难行。”已成为不少专家的共识。

模型与应用存在隔阂

今年BAT等互联网大厂有关大模型的发布会，没少开。每个发布会上，大厂高管的例行公事就是，先把自己的参数和GPT做个对比，然后再洋洋洒洒带货一堆可提升效率的工具。

但是这一波波带货，却没能打入做AI应用创新的老板心里。若说大厂在数据上玩命造孤岛，那么大模型则是强化孤岛的铜墙铁壁。

有不少AI初创公司创始人私下告诉南方财经全媒体记者，在真金白银的付费意愿面前，他们更愿意将票投给OPENAI的ChatGPT。“无论是在技术，还是商业化成熟度上，OPENAI都做得更好”。一位创始人如此说道。

那么国内大模型对比OPENAI还有哪些地方需要提升？

首先是“套壳”疑虑。有不少业界人士对南方财经全媒体记者分析，有不少国内大模型都是建立在Transformer的开源基础上，也就是说，国内大模型的底座都是英文数据集训练而生，这才有了“套壳”的质疑。

但这也从侧面反映出，在模型底座架构的搭建上，国内缺乏大量专业技术人才。“目前国内大部分模型都是建立在开源基础上的‘微调’”。一位不愿具名的大模型初创公司从业者说道。

然而，国内大模型公司大多不愿意承认这一点。他们会以“本土化”来进行包装，并进一步放大自身的渠道优势。或者说，大模型对他们而言的商业价值，就是作为存储数据“仓库”的云的一种升级。

也正因躺着做渠道久了，“大厂病”随之而生。大部分厂商的销售技能还停留在卖“云服务”，而没有深入赛道了解，各行各业的痛点和需求。这导致的问题就是，大厂设计出来的一堆大模型应用工具，并不被下游应用层公司所认可。反倒是，在赛道内深耕多年的老兵，更加懂得行业内的需求。这类老板所创业的Agents公司，往往能够通过微调ChatGPT等国外大模型，泛化出更适合国内垂直行业小模型。