实力强的大模型都有哪些超能力？

实力强的大模型都有哪些超能力？
前几日，人工智能研究公司OpenAI CEO山姆·奥特曼（Sam Altman）在谈及人工智能这项技术的潜力以及人们对它的担忧时，曾表示“AI发展速度快得吓人，就像停不下来的龙卷风。”可见，人工智能正在以它超前的速度改变世界。
在经历了年初人工智能之大模型风口的狂热之后，截止2023年10月，我国拥有10亿参数规模以上大模型的厂商及高校院所达到了254家，这其中既有通用大模型（AGI），也有垂直大模型。换句话说，就是每隔几天，国内就会官宣一个新的大模型。
但越来越多的从业者会发现，大模型的智能化与商业化落地其实并没有那么快速。
随着大模型技术的演变和业务的落地推进，会像大浪淘沙般将一些参与主体过滤出去，最终，只有手握硬核技术实力和资源的企业才能活下去。
那么，现阶段国内如此多的大模型，都有哪些类型？哪家实力最强呢？

通用大模型与垂直大模型，哪个有前景

据称，国内大模型已近80个，这其中包括通用大模型和垂直大模型（也叫专用大模型）。它们二者相比，孰高孰低呢？其实二者如果从应用角度出发考虑的话，都具有各自的特点。
通用大模型（AGI）是指适用于多个领域或行业的大模型，例如自然语言处理领域的预训练模型、图像识别领域的预训练模型等等。
这种大模型具有更广泛的的应用范围，可以在多个领域内发挥作用。我们常常听到的人工智能公司OpenAI开发的ChatGPT、阿里的通义千问、百度的文心一言等都是通用大模型的代表。
在这里插入图片描述
而垂直大模型则是针对某个特定的领域或行业研发的大模型，例如医疗领域的大模型、金融领域的大模型、物流领域的大模型等。
就比如物流场景涉及单证（物流活动中进行物流承运而出具的合法效力文件，比如物流承运合同单证等）多、格式不统一等问题，物流大模型可以对其进行快速、准确的标准化识别，提供结构化数据并做好纠错、补全等操作，保障后续运单分单、履约配送等环节的质量和效率。
这种大模型在特定领域内具有更高的专业性和针对性，能够更好地解决该领域内的特定问题，因此垂直大模型也叫专用大模型。
可以说每个跟每个之间非常难以比较，所以也很难说哪个最有前途。

实力强的大模型拥有哪些超能力

虽然无法使用一个定律来比较出通用大模型与垂直大模型的优劣，但实力强的大模型拥有的“超能力”总是具有共性的，也具有更广阔的发展潜力。

//1.超大算力

相较于一般AI应用，大模型应用的训练及推理需要更强的算力支持，可以说算力决定了一个通用大模型的底线。
国内提供云服务的阿里云、腾讯云自身就拥有超大算力，这是他们研发的大模型所具有的最大竞争力。
在这里插入图片描述

//2.数据量大

训练大模型需要更大的数据量，更好的数据质量，更多样性的数据源。因此在大家算力都够、大模型架构差不多的情况下，谁若再加上数据量多、数据质量高的优势，便会相应地提升大模型的质量，大模型落地应用的效果也就会越好。

//3.是开源大模型

还有一个考虑的因素是是否是开源大模型。开源由于源代码公开，可以根据用户的需求随时修改和定制开发，且一般是免费的（免费使用降低了大模型的使用门槛，例如国外的ChatGPT和国内的文心一言的爆火恰就是因为它使用便捷，人人只需注册即可体验），可以让更多的开发人员和用户参与，提高大模型的质量和稳定性。开源的大模型代表有阿里的通义千问。
而闭源大模型则由开发公司维护，虽然可以控制大模型的质量和稳定性，但如果不能不断地提升自己的模型能力，不能保持长期不可动摇的领先性能，有可能会被开源取代。所以属于闭源的大模型ChatGPT、文心一言等需要保持强劲的性能。