回顧雲知聲大模型打造之路：這一場有“預謀”追逐

　　在ChatGPT走紅之後，人們驚歎於其表現，但對於人工智慧行業而言，這標誌著技術正規化的轉變和通向AGI的大門可能正在開啟。對於入行多年的AI老兵雲知聲來說，他們發現自己置身於當下最火熱的領域，投身於新一輪變革浪潮的熱情依然澎湃。下面就來回顧下雲知聲在AI領域以及大模型探索的三次升級之路。

　　雲知聲的第一次升級之路：築基

　　雲知聲創立的2012年，趕上了深度學習的嶄露頭角，在那一年9月的ImageNet視覺識別挑戰賽上，AlexNet異軍突起，碾壓了所有對手。它的創造者之一Hinton教授，2006年在Science發起“深度學習”革命後，在重大技術評測上獲得突破性進展，展示了深度學習的威力。雲知聲團隊雖然在那一年6月剛成立，也迅速入局深度學習，成為國內最早將該技術應用到產業服務的團隊之一。

　　雲知聲的第二次升級之路：完善

　　在2016年，雲知聲開展了第二次技術升級。那一年阿爾法狗擊敗人類圍棋李世石時，雲知聲早將深度學習在物聯市場應用起來了。雲知聲表示“我們的關注點是深度學習要有一個強大的算力支撐。實際上，我們關注到阿爾法狗的研發團隊Deepmind，正是藉助谷歌超強的併發計算能力，同時排程上千個GPU來完成的，這代表了未來深度增強學習的大規模計算趨勢。”

　　於是，在阿爾法狗擊敗李世石的當月，雲知聲就有專家趕到了矽谷，與矽谷專家探討如何面向深度學習構建大規模超算平臺。最終，他們花了將近一年時間，將Atlas大規模機器學習超算平臺構建了起來，並逐步佈局知識圖譜和多模態等全棧AI技術，從一家語音識別公司向更深層延伸，開始從“聲（感知）”到“知（認知）”的技術體系升級。

　　雲知聲第三次升級之路：蝶變

　　現在，雲知聲將面臨第三次“躍遷”。

　　在ChatGPT推出後，雲知聲已開始訓練模型，但數智前線獲悉，在雲知聲看來，本輪技術升級並非只是簡單的“大力出奇跡”，而是開啟了新的“資料動力學正規化”，需要從資料規模、質量和模型調教下手，才能真正解決問題，“大力”只是“必要不充分條件”。按照公司的規劃，技術升級將分兩步推進：先在六七百億引數提升優質資料規模，再擴大到千億級引數提升大模型效果。

　　按照計劃，雲知聲將在今年第二季度開啟針對性最佳化，並與第一批客戶銜接，在實戰場景中解決問題。在落地行業上，物聯和醫療是兩個優先的行業，此前雲知聲在這兩個領域投入和積累最多。但兩個行業的側重點並不一樣：

　　物聯行業本質上是提升互動能力，當大模型技術升級以後，人機對話就不會“聊死了”，不過，這些是通用場景，擴充應用場景“廣度”。

　　在醫療行業，問題的側重點則是精準度和可控性。這需要結合知識圖譜和行業問題進行強化學習。“很多大模型的可解釋性、可控性，要透過後端這個手段來解決掉，否則無法有效應用到嚴肅場景中”。

　　大模型也將給之前的應用帶來改變。雲知聲2016年進入醫療行業，主要利用人工智慧技術，解決病歷的語音錄入、缺陷檢查、醫保控費等問題。“如果有了比較好的生成式AI能力，我們可以根據已收集的資料，協助醫生生成高質量的病歷和診療方案。”

　　AI企業的發展正如“逆水行舟，不進則退”。在過去十年裡，AI浪潮起起伏伏，不少人工智慧企業頭頂光環，生存卻舉步維艱，甚至還有玩家悄無聲息倒在了這波AI熱潮的前夜。技術落地和產品化是他們遭遇的共性問題。雲知聲正運用已有經驗與優勢，在實現自身第三次進化的同時，助力人工智慧走入更大規模、更多場景，走向AGI的起點！