AIGC我们如何行动？

1、什么是AGI？

看清楚不是GAI也不是AIGC。

AGI是Artificial General Intelligence的缩写，中文应该是“通用人工智能”，是指一种能够像人类一样思考、学习和执行多种任务的人工智能系统。我觉得这个词就是为了有别于“特定领域人工智能”而创造出来的。

因此，AGI可以视为一种更高级别的人工智能，是当前人工智能技术发展的一个重要方向和目标。但由于其在技术和理论方面的挑战，它仍然是一个较为遥远的目标。Chatgpt也还不能被称为AGI，至少它还不会画画。

 

2、思考每个岗位和AGI的关系？

3、技术人应该如何行动？

4、国内的大模型厂商有哪些？

 

5、大模型的生产链条是什么样的？

大模型的训练是 数据、算力、算法的协同最佳实践。全世界在抢英伟达的卡，但即使有了卡，背后需要解决很多复杂的工程问题，如集群训练的专用高效网络，对性能的要求，计算资源、传输资源的平衡，和模型的配合等，并不是有钱就能堆出来的。

所以大模型基座注定是少数巨头的竞争，门槛成本高，更多人的机会在领域模型。

 

6、大模型的应用方式？

7、数字技术人才的井型模型 ？

人才能力模型：是为了考察人才的胜任力的？

胜任力模型:T型人才能力模型， π 型（融会贯通的复合型人才）,井型人才能力模型。

 

讲了下新时代人才要求的变化，从 T 型（专精）到 π 型（融会贯通的复合型人才）再到井型（π 型的基础上再加上数字化时代的软性技能和数字技能），总之就是越来越卷了😂

8、大模型时代研发范式变化？

ChatGPT 的核心及局限性

• 数据标注很重要，OpenAI 最优秀的人才投在了数据标注这块，国内找三四线城市人标注，OpenAI 找高级知识分子标注数据。
• OpenAI 20 多个部门，每个部门把一个点做精。如何构建内部高质量的数据集？
• OpenAI 为什么要闭源 => 可能有很多 trick，花大量的时间来发掘，但不具备核心技术壁垒，要藏起来。
• 输出不可控问题，内容安全问题，目前都还是没有比较完美的解决方案（也造成了国内不好做 toC 场景）

 

中国大模型的问题

• 从商业本质来说，大模型要有应用出口，建立生态，并且带来商业利润。大模型本身投入非常高。GPT3 训练一次 1800W 美金，ChatGLM 部署在 4090 上只能支持 10 个并发。
• 万卡公司屈指可数，一共 20W 张 A100，跟 OpenAI 差不多，短期内难解决。万卡工程化人才少，并卡后准确性大幅下降
• 中文数据质量差
• Open AI 选择先从 toC 引爆热度，根据用户反馈不断调优，扩大领先优势。国内第一家开放给大众使用的大模型，也可能具有飞轮效应

 

LLM 在工作和产品中的应用

不同体量的企业对 LLM 的应用方式不同。小企业一般会 找跟现金流挂钩的落地场景。部分公司为了节省成本，批量注册账号白嫖 API（免费额度）。

落地 LLM 过程中踩的坑

• 人才很缺
• 被下架（政策原因）：国内做 toB，出海做 toC，政策不明朗。国内政策风险无法预测。
• 用开源社区模型的路受阻，宣称的逼近还是有很大距离。远远达不到效果。应该两条路并行，先用最好的东西看看能不能做到天花板，再用私有化的路。

 

快速抓住机会，ChatDoc 国人开发，快速上线，如今月流水 30W

 

9、如何做好技术演讲？

• 单点切入，循序渐进，不追求大而全
• 不要只摆大图，搞成汇报。也不要太干，全是技术细节，搞成技术教学
• 主题内核很重要，不要为了一叠醋包一盘饺子
• 优质的案例现场演示能极大增强听众的印象和认可度