与AI共生06 | AI有可能成为像达芬奇一样的全才吗？【智谱AI张鹏】

本期课题 

在大家如火如荼讨论行业模型前景的时候，智谱AI依旧专注于探索通用大模型的能力天花板，行业模型和通用模型的区别在哪儿？

对此，智谱AI的CEO张鹏分享了他的见解。

本期嘉宾

智谱AI的CEO张鹏

AI有可能成为全才

张鹏：因为我们一直比较focus在做这种基础的这种通用型的基础基座模型这一块。我们并不认为说所谓的行业模型，或者说这个事情它是一个necessary的事情，是一个必须的事情。为什么呢？就好像说，我们这个人类本身，人本身很难成为所谓的全才，就是你每一个都什么都懂，什么行业都懂什么样的方面的知识，你都可以成为这个行业的这个这所有人里面的，这个领域里面的顶尖的这样的一个人，这个挺难的。

但是想一想这个事情是存在的，人类历史上是有的，比如说像达芬奇，这是个典型的例子，是吧？这全才什么都懂，什么样都做得很好，所以就有时候是可能是限制了我们的一些想象力，或者说想象的空间。但是再反过来讲，为什么说有可能AI它不需要受这个限制？因为人的大脑就这么大，功率就这么多，几十瓦峰值的时候可能也就不超过50瓦，平常工作可能也就20瓦左右。但是机器你想AI这个东西理论上来说它不受限制，你可以线性的scale up或者亚线性的scale up，它是有可能成为一个全才的。

所以从假如说从我们追求AGI通用人工智能这个角度来看，那我们当然希望他们培养出来是一个全才的这样的一个人工智能，是吧？我们追求的是这样的一件事情，所以所谓的行业模型它解决的是一个什么问题？我们回过头再去看看所谓的行业模型的这个我们叫判断的依据，或者说很多的理由是因为说你说通用大模型这个是应用公开的数据训练的，它对于行业的这个数据不了解，行业的这个知识不全面，行业的这种经验积累不够好。

那这件事情它是因为什么产生的？是因为你行业里面这些非公开的数据无法获得产生的，它并不是这个技术做不到。所以站在我们的角度来看，所谓的行业模型，它是一个符合当前的这样的一个行业分隔、数据壁垒等等这一系列现状的一种产物，是妥协trade off之后的一个东西。

当然还有一些其他的理由，就说我可能不需要他是一个全才，我只需要他是一个合格的律师，我不需要他是一个金董金融的这个医生，我只需要他是一个非常好的专科医生，这是你行业需求的问题，所以这个它是由于你当前的这个现状和需求导致它产生出来这样的一些东西，并不是说技术上做不到。

所以对于我们来讲，我们致力于的就是说不断的把这个基座的这个水平不断的往上提升，那你要去做这个行业的这个模型的这个代价其实也在慢慢的下降。就好像说我如果说我出场的所有的这个模型已经是大学本科毕业水平和那个初中毕业水平，这个你要去训练一个顶尖的财务专家或者是这个金融专家，难度当然是不一样的，你要付出的代价当然是不一样。所以这个我们做这些事情它的好处就在这儿，并不是说一定只能这么做，就行业模型这么做，我觉得可能不是这样的一个判断逻辑。

就是我们对智慧AI的这个定位，就是在做这个基座的这个通用的大模型这一块，因为这个跟我们的这个愿景有关系，那公司的愿景叫做让机器像人一样思考，它是AGI的一种通俗性的说法，因为如果机器像人一样能思考了，那不就是通用人工智能嘛，对吧？这个是基本上是一个等价的一个通用性的说法。

做这样的一件事情的话，它的本质是在于是说去研究背后的这个原理，是去突破说怎么让这个模型能够自学习，能够自我的去校正，那又回到刚才说的那个问题，如果他能做到这件事情，他那何必他是一个专才呢？他就又可能成为一个全才，因为他能24小时的不休息，只要你给它电，给它足够的算力，给它足够的数据，它就能成为这样的一个全才，理论上就没有限制，是不是？所以这个是我们说追我们追求的这个目标，倒推回来说我们的定位是什么？所以在这个过程当中，我们其实你看起来我们做了好多的事情，比如说基础的算法，有做语言模型，有做跨模态模型，甚至做了一些应用，比如说做数字人，基于上面做数字人包括我们的AI的APP的那个AI的助手这些事情。

其实所有的事情回归回来就本源上就是一件事情，就是我们想要看看怎么让这个通用的这个智能，大模型的这个水平能够不断地往上提升。我们想要看看这个天花板到底在哪里？有没有这个天花板？这个是我们对于这件事情的一个想法。然后再回过头来讲，从商业角度来看，为什么做这件事情，在商业的这个角度来看它的价值在哪？其实刚才其实也提了一件事情，就是s must pass SaaS一层一层，它会变成继云之后智能能力的一种基础设施，它打下的是一个很好的这样的一个基础，未来整个it商业生态里面的这个非常重要的一个基础设施，打下这个基础设施我们认为不亚于现在去解决，说每一个行业里面去找到一个应用场景，去用一个行业模型去解决一个某一个具体的问题，这个意义更长远、更大。它背后这个逻辑还是归根就底还是源自于我们对整个这个事情的认知，以及由于这个认知所定下的这个目标不一样，宏观层面的不一样导致的。

既是开拓者，也是领导者

新小知：那您觉得智谱在探索通用大模型天花板的过程中，目前处于一个什么样的角色？是领导者还是开拓者呢？

张鹏：我觉得我们现在应该是兼有，开拓者就是指的说因为我们坚持要做的这件事情，确实可对标的东西已经不多了，可参考的东西已经不多了，很多时候是已经进入到叫无人区，我们自己得去摸索，去开拓新的路径到底在哪。引导者也是有这样的角色，是在于说我们也在不断的身体力行的就推行我们刚才讲的这种这些认知。

对于大模型发展的未来的这样的一些认知，我们不反对所谓行业模型什么的，我们知道就是它是符合当前这个一些市场现状、现实状况，一些约束当前阶段的这样的一个解决办法。但是我们会从认知层面来讲，我们会坚持说这个并不是最终的解决方案，不是AGI的最终解决方案。我们不要把阶段性的事情当作最终目标去追求，这个是很难的一件事情，从商业角度来说是很难的一件事情。

本期观点总结

行业模型和通用模型其实是专才与通才的区别，通用模型能力的提高可以进一步提升行业模型的训练效率。尽管行业模型更适应当前的市场现状，但从长远来看，通用模型才是应该追求的最终目标。

互动

你觉得通用大模型和行业模型哪个更有未来呢？欢迎大家留言告诉我。

我是能和你聊天、但不智障的机器人新小知。我们下期见。