2023國內大模型發展情況盤點（二）--中美大模型情況發展比較

（本文作者王鵬為北京市社會科學院研究員，數據資產化研究院執行院長）

截止2023年5月，中國已成功發布超過79個擁有10億以上參數的基礎大語言模型，相同等級模型下，美國發布數量達到100個。全球范圍內累計推出的10億以上參數大語言模型總數為202個，其中中美兩國所發布的模型總數占比近90%。相關數據體現國內于大型語言模型開發領域已躋身領先行列，本文將通過中美大型語言模型發展比較深入了解發展現狀。

一、融資水平

根據PitchBook以及Crunchbase的數據，2023年上半年全球AI領域共實現融資1387起，總額達255億美元。同時，美國維持在AI投資上的增長勢頭，2022年投資額達243.5億美元，年復合增長率為422.5%。在硅谷地區，2023年上半年共完成42起AI領域容詞，涉資約140億美元，占全球總額的55%，顯示了其在AI領域融資中的主導地位。與之相應的，據國內商業信息服務平臺企名片數據顯示，2023年上半年國內人工智能領域共發生161起投融資事件，其中包括人工智能核心技術44起，人工智能基礎支撐43起，人工智能應用場景40起，人工智能通用場景34起。相較去年投融資水平，同期下降153起，同比下降49%。此外，據欽媒體數據，2023年上半年，國內披露獲得投資的大模型公司僅20家，融資額普遍為千萬至數億元之間。

二、基礎大模型發展水平

2023年11月21日，《財富》雜志首都揭曉“人工智能創新者50強”名單，其中絕大多數為美國企業，包括Open AI、Meta、Google以及Microsoft等行業巨頭，并涉及一批入Midjourney、Adept以及ARC等新型企業。相比較下，百度為唯一一家上榜的中國公司，憑借在處理多項中文特定任務中優于Open AI聊天機器人以及與ChatGPT在復雜度與功能上相媲美的“文心一言4.0”模型贏得認可。從《財富》榜單上班企業數量上看，中美于人工智能創新力方面仍存顯著差距。恰如戴瓊海教授所言，中國具備最大的人工智能應用市場，但在基礎科技與人才培養方面仍然落后于世界領先水平。而中國大模型在基礎發展水平上落后于國際領先水平，其根本原因在于構成大模型的四大要素，分別為數據、模型、算力和場景。

（一）數據總量缺乏以及數據質量精細化程度較低

大模型訓練數據源于公開文檔、資料以及數據。第一，從數據數量上看，公開英文數據占主導優勢，中文數據開放程度相對較低；第二，從數據質量上看，由于國內于數據產業投入以及精細化程度有限，導致了可用訓練數據的進一步減少。

（二）算力資源的缺乏

百川智能創始人王小川在2023騰訊ConTech大會上介紹調研信息，Open AI嘗試將1000萬塊GPU相連以訓練單個大規模模型。而英偉達年產量約為100萬塊GPU，訓練GPT4需要2.5萬塊GPU，國內對標GPT3.5需要4000塊GPU用于訓練。資源層面上，國內大模型發展嚴重受限于算力劣勢。

（三）場景滲透率有限

2023年9月，鈦媒體國際智庫發布的《2023AI大模型應用中美比較研究》報告綜合了大模型行業滲透度、行業接受層度以及行業應用成熟度等維度，對部分AI應用主流行業進行現狀分析。在辦公、金融以及醫療領域均一定程度上落后于美國。但在文娛、教育、交通以及能源領域有望實現彎道超車。

雖然國內大模型發展受限于數據、算力以及場景滲透率的落后，但在具體技術層面仍有可喜之處，目前國內于自然語言處理領域學術成果斐然。2023年8月，集微咨詢（JW Insights）推出的《ChatGPT掀起AIGC新一輪熱潮的背后：從學術角度分析自然語言處理技術》報告對自然語言處理領域的學術論文進行全方位解析。從論文的整體區域分布看，中美實現學術領域斷層領先，相關論文數量超過1.8萬篇。從發表論文機構看，中國科學院以1971篇論文的數量排名全球第一。此外，中國自然科學基金會資助的論文量最高，為8335篇。但同時需要指出的是，在具體論文影響力、撰寫質量、先進性綜合分析中，前50名入選論文中國內論文僅占6篇。

三、應用層發展水平

總體而言，我國大模型發展于場景應用水平仍然處于跟隨狀態。辦公領域，微軟作為智能辦公引領者，于2023年3月16日正式發布Microsoft 365 Copilot，并集成于包括Word、Excel以及Powerpoint等應用程序中。用戶僅需通過向其發號指令，便可自動生成文字、表格、演示文稿等內容。國內企業中金山辦公同樣將公司產品逐步添加AI功能，例如智能美化、智能校對等，此外介入了多個大模型供應商以滿足用戶AI創作需求；金融領域，根據咨詢公司 Evident 的最新數據，目前美國銀行的招聘中，約 40%的空缺職位是與人工智能相關的職位，例如數據工程師和量化分析師，以及合規、道德治理等職位。美國于開發應用方面起步較早并且掌握核心技術。國內AI+金融同樣進入應用階段，同時我國于該領域開發投資積極性較高，疊加近期數據政策支持，有望于金融領域實現應用發展水平的追趕。相較基礎大模型發展，國內大模型于應用層發展具備一定優勢。“理想上慢一步，落地上快三步”是王小川針對當前中國大模型機會的詮釋。我國在應用層方面具備市場和用戶基礎、多樣化應用場景以及政府支持和推動的優勢。

（一）龐大的市場和用戶基礎

中國擁有巨大的人口基數，這為大模型的應用提供了豐富的數據。例如，上海人工智能實驗室開發的書生浦語大模型，涵蓋了數十億參數，能夠有效結合算法、數據和算力。這種大模型是在中國豐富的數據環境中訓練和優化的，反映了本土環境和語境的特點。

（二）多樣化的應用場景

中國的經濟和社會多樣性為大模型提供了廣泛的應用場景。例如，在智慧城市領域，基于多模態大模型和跨模態通用人工智能平臺，研發了建筑工程全閉環智能應用系統，旨在顯著提升建筑行業的智能化水平。此外，智慧醫療領域也見證了大模型的成功應用，例如云知聲與北京友誼醫院聯合開發的門診病歷生成系統，顯著提升了醫生的工作效率。

（三）政府支持和推動

中國政府一直在積極推動人工智能產業的發展，為大模型的應用提供了有力的政策支持。例如，北京市科委和中關村管委會積極推動大模型技術產業的發展，征集人工智能行業大模型應用案例與行業應用場景需求，加快推動相關技術及產品的落地和應用。中國政府發布了《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》，旨在加速人工智能的高水平應用，推動經濟的高質量發展。盡管中國在大語言模型發展上于某些方面仍然面臨挑戰，但其在大模型技術的應用和市場發展方面表現出了顯著的活力。中國政府在推動人工智能技術，特別是大型語言模型的發展上，顯示出明確的方向和決心。結合龐大的市場和用戶基礎、多樣化的應用場景，以及政府的積極支持，中國在大模型技術的發展和應用上具有獨特的優勢。這不僅促進了技術創新，還為各行各業的數字化轉型提供了強有力的支撐。未來，隨著技術的進一步成熟和應用的深入，預計中國將在人工智能領域實現更多突破，為經濟社會的高質量發展注入新動力。

本文僅代表作者觀點。