来源 | 产业科技

大洋彼岸的AIGC热浪袭来，国内资本和AI玩家燥热一片。

相比多年以前的Alpha Go大战世界围棋冠军，AI在消费互联网席卷渗透，ChatGPT的出圈更能代表AI迈向纵深发展，标志着人工智能大模型和超级应用起航的新节点。

由于中国在互联网数据上具备优势，AI场景开发及应用并不落后于欧美。与以往的copy模式不同，国内互联网巨头在面临AIGC浪潮时，凭借多年的人才和技术储备，已经从跟随的角色变为主动创新，甚至在中文语境中超越国际选手。

因此，一幅围绕AIGC和AI大模型的内卷镜像也在国内呈现。各家互联网公司掌门人亲自挂帅，你方唱罢我登场，都不愿舍弃在OpenAI掀起的大模型风口中分一杯羹。

云的时代，向来以快制胜，快不仅仅代表对新应用和新功能更加敏捷机动，更彰显企业对市场趋势的前瞻性布局。大模型时代更甚，先知先觉者更快一步，后来者便是跟随。

一如百度和阿里。

3月16日，百度发布文心一言，打响中文大模型第一枪；二十余天后，阿里董事局主席张勇才在阿里云峰会上正式发布通义千问。百度文心大模型早在2019年就已推出，而阿里通义大模型是阿里达摩院于2022年9月发布。

不只是产品层面的落后，在AI战略层面，阿里同样学步百度。通义千问发布后，阿里首提“云智一体”理念，并将其作为阿里云集团下一个战略方向。其实，“云智一体”并非新概念。

三年前，百度智能云在战略发布中提出了“云智一体”理念，通过云计算和人工智能融合创新，把算力、框架、模型，场景应用打造成标准化产品，进而降低企业获取和使用人工智能的门槛。

阿里乃至更多云计算企业，此时将目光投向“云智一体”，做百度的追随者，恰恰证明AI应用能力是云计算产业基础设施成熟后的核心能力。这种能力更在于“智”的水平，即在智能基础设施之上的通用型AI产品能力。

AIGC开局即卷，抄作业的依然会有。但AI赛道和云智一体本是一场科技马拉松，比拼的是投入和耐力，只有软硬底子皆强，才能真正成为产业所需的AI内核。

若将AIGC的主体分类，可大致分为ChatGPT和其他，其中ChatGPT背后站着芯片巨头英伟达和国际大厂微软，与其他AIGC玩家没有可比性。但以大厂视角来看，确有先后优劣之分。

国内，百度在ChatGPT之后，率先推出了自己的AIGC产品文心一言。在市场看来，文心一言问世的意义要比和ChatGPT作比较大得多，虽然尚存差距和不足，但它打开了与百度智能云联动的想象空间，并向外界展示中国科技和世界同步的能力。

一个细节是，李彦宏在文心一言发布会上至少说了三遍“文心一言还不完美”。在他看来，创业公司完全不用担心市场是不是足够大，只有出来之后才有机会更快地去迭代，去提升。

对于如何定位文心一言，李彦宏称文心一言是全世界唯一一个由大厂推出的生成式AI应用。的确，彼时微软只是调用ChatGPT接口，国际大厂谷歌、Facebook也没推出成型的类ChatGPT产品，而亚马逊近期才发布自己的大语言模型。

国内的玩家更不用说，自百度之后纷纷学步，先是阿里悄悄启动企业用户定向内测，后是360、商汤科技、腾讯、京东、华为、科大讯飞磨刀霍霍。

既是大厂自己推出的AIGC，与ChatGPT有何不同呢？从基因来看，大厂基于自身对业务的理解和技术模型沉淀，在AIGC价值创新层面，更注重场景穿透和服务能力，也就是各位掌门人口中的“产业能力”。

更细微的视角是，文心一言由中文大模型生成，具备独特的中文语义理解能力。根据使用者反馈，文心一言独特的中文语义理解，相比ChatGPT等国际产品，更适配中国用户。如在语义问题表达，分析和答案归集层面，匹配度更高。

同处中文大模型赛道，阿里的通义千问与百度的文心一言谁更强，也成为市场关注的焦点。首先在功能层面，文心一言有文学创作、商业文案创作、数理推算、中文理解、多模态生成能力等，而通义千问的功能有创作、回答问题、撰写代码、表达观点等。

横向比较，文心一言的功能更加丰富。尽管通义千问还搭配效率类、生活类、娱乐类的定制模块，但相比之下，文心一言的场景扩展能力更突出。

文心一言还与百度智能云联动，所推出的企业服务板块涵盖企业办公场景、金融服务场景、政务服务场景、商旅服务场景及电商直播场景等。场景内测显示，文心一言企业服务功能能有效提升产业端服务效率，强化服务体验。

其次，评判大模型的优劣根本落脚点在于服务匹配的精准度和逻辑分析的严谨性。以此来看，文心一言也强于通义千问。

据媒体公开测评，被问及“小明的父母生了五个孩子，前四个孩子分别叫大牛、二牛、三牛和四牛，第五个孩子叫什么名字？”文心一言回答第五个孩子叫小明，而通义千问则回答第五个孩子叫小牛。

在创作能力上，让文心一言和通义千问为红楼梦前八十回续写结局，文心一言给出了一个想象的可能结局，把贾宝玉和林黛玉爱情故事变成了一个充满希望和勇气的故事。而通义千问直接表示无法续写结局。

更惊讶的是，问及通义千问何时诞生时，通义千问竟然给出了 “2023年9月2日正式诞生”的答案。这些问题并非时事热点，剔除了训练参数滞后的限制，但通义千问的表现让人失望。

差异的根源在模型参数和复杂度上。对于大模型而言，模型参数规模越大，模型结构设计越复杂，所承载的逻辑分析预测能力越强，给出的答案自然更精准。据了解，在GPT-3阶段，OpenAI为了使模型性能更接近人类，就使用了45TB的数据和近1万亿个单词对其进行训练，大约是1351万本牛津词典。

百度文心一言大模型起步较早，2019年已经推出文心大模型ERNIE1.0版本，2021年基于文心大模型发布全球首个百亿参数的对话大模型PLATO-XL。如今，百度推出更新的ERNIE3.0 Zeus，已经拥有千亿级参数。

数据显示，文心一言的训练数据包括万亿级网页数据、数十亿搜索数据和图片数据、百亿级的语音日均调用数据、超5000亿事实的知识图谱。万亿级数据加上海量用户频繁调用使用，文心一言的学习能力进一步强化，模型泛化和迁移能力决定了其在中文语言处理上更具优势。

数据背后，终极考验AI大模型的底层能力是算法和算力。如果说数据和参数是大模型搭建的基础，那么算法和算力决定了大模型性能有多强，能走多远，这也会继续拉大领跑者与学步者的差距，让GPT玩家们卷到天际。

这一切都是被逼的。

AI大模型需要在海量数据的基础上，通过AI深度学习算法，训练出深度神经网络模型。从模型训练到模型优化再到应用扩展，都需要强大的算法和算力支撑。

ChatGPT触动AIGC产业爆发，是AI领域数据、算法、算力多年沉淀精进的结果。AIGC之所以能够站上潮头，算法的突破是第一步。