ChatGPT的横空出世，引发了大模型时代的狂潮，据不完全统计，仅在中国正式发布的大模型已超过180个。

从今年3月到11月，仅仅用了3个季度的时间，GPT-4就快速迭代到GPT-4 Turbo，更长的上下文、更强的控制、知识升级、多模态、模型微调和更高的速率限制……能力提升的速度让整个业界为之震动。

其实如果国内大模型，仍旧保持传统的创新模式，要追上GPT的创新步伐是很难的。这个局面有点像传统软件时代，闭源软件巨头具有强大的先发优势，如果沿着这条既定的路线按部就班，只会反复不断的追赶，很难超越。

所以，大模型可以走出一条开源共创之路，吸引更多开发者，以生态化的方式迭代，这不失为一个跑出更快创新加速度的方式。

11月27日，浪潮信息发布“源2.0”基础大模型，并宣布全面开源。源2.0基础大模型包括1026亿、518亿、21亿等三种参数规模的模型，在编程、推理、逻辑等方面展示出了先进的能力。这会给行业带来哪些改变？

01

在三条主赛道找到突破方向

2023年可以看做是中国大模型的元年。一年以来，AI大模型如雨后春笋般层出不穷，浪潮信息的“源”大模型、文言一心、通义千问、讯飞星火、紫东太初等一批中国大模型正在快速发展，通过更为泛化的能力和无限的想象空间，赋予了行业智能化更为普世的价值，也给了开发者群体全新的期待。

“百模大战”，成为了大模型走上市场“风口”的最佳注解，但同时也带来了新的思考，大模型到底为什么而生？要解决什么问题？什么样的大模型能够最终走到最后？

吴韶华强调说，“源2.0千亿参数大模型的开源，是完全免费、完全可商用、不需要授权、最彻底的开源。我们鼓励大家去商用，去做各种各样的应用，不需要向我们申请授权，完全自由。”

对于1026亿、518亿、21亿三种不同参数规模的模型适用性，吴韶华则表示，“不同的用户可以自由选择适合他们的模型，而不一定必须是千亿参数规模。当然最强的能力，只有通过千亿参数模型才能体现出来，比如用这个模型去做高考水平的数学题，我们发现对于非常复杂的逻辑，依然能给出正确的求解。”

与此同时，浪潮信息还在开展千亿参数模型智能优化的工作，通过专门的性能优化团队，不断提升它在推理方面的性能，并持续让模型的资源开销和延迟都达到更好的效果。

当然，开源的价值，就在于生态，在于开发者的贡献，所以浪潮信息希望和各个领域的开发者，共同快速对模型能力进行持续的迭代。为此，浪潮信息发布了开发者共训计划，在计划当中，开发者提出自己的应用或场景的需求，由浪潮信息来准备训练数据并对源大模型进行增强训练，训练后的模型依然在社区开源。

每月六日，浪潮信息会收集前一月开发者提出的具体需求，开发者需要在github开源项目的issue“源大模型共训计划”问题下提出具体需求，只需说清楚具体的应用场景、对大模型的能力需求以及1～2条示例即可。然后，经过评审后列入当月模型训练计划，训练完成后的模型在当月月末就会更新到开源社区。开发者只需要提出需求，由浪潮信息来进行数据准备、模型训练并开源。

“提升了模型能力之后，源2.0依然是反馈给开发者，这是一个真正的普惠。浪潮信息会始终聚焦在基础模型层面，专心把基础模型做好，上层应用会留给元脑生态里面的各类合作伙伴，并通过伙伴去触达真正的行业应用，落地到具体行业应用。”吴韶华说。

03

未来大模型的演进路线

虽然，不同的大模型带来了不同的演进路线，但也会遵循一些共性的原则，比如对数据质量的要求。

事实上，过去一年中，一些小模型通过质量很高的数据源来学习，所表现出来的能力超过了参数量大十倍的模型，这说明衡量大模型的价值，数据质量将会是一个重要的因素。

除此之外，还有一个有趣的话题，就是基础大模型与行业大模型的辩证关系。

吴韶华提出，“各个行业是不是需要自己的行业大模型？可以通过GTP4来寻找答案，GTP4是一个能力强大的基础大模型，它没有行业属性，目标非常明确，就是通用智能。所以，基础大模型一定是最核心的部分，对于行业场景来说，基础大模型结合行业数据和行业知识库，进而在行业中实现更高效的落地。”

在此意义上，行业大模型可以看做是基础大模型在行业里的具体应用，而核心依然是基础大模型。

所以，当基础大模型的能力达不到GPT-4的水平，去谈商业模式都是为时尚早。这也是源2.0决定走向开源的背景，以更快的迭代能力追赶GPT-4，并由生态去向行业大模型延伸。这个思路，可以说是目前国内最有机会脱颖而出的路径。

同时也是浪潮信息推出开发者共训计划，坚定地推进开源策略，以商业模式的赋能合作伙伴，触达行业应用的本质所在。