全球速读:腾讯汤道生:产业场景是大模型最佳练兵场

2023-06-19 19:11:29 来源:雷峰网

6月19日,腾讯云在国家科技传播中心召开行业大模型及智能应用技术峰会,首次公布腾讯云行业大模型研发进展,依托腾讯云TI平台打造行业大模型精选商店,为客户提供MaaS(Model-as-a-Service)一站式服务,助力客户构建专属大模型及智能应用。

峰会上,腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生发表《模型扎根产业,共建智能生态》的主题演讲,分别从模型、数据、应用与算力四个角度分享了对大语言模型在产业落地的思考。


(资料图片仅供参考)

腾讯集团高级执行副总裁、云与智慧产业事业群CEO  汤道生

首先,就模型而言,比起通用大模型,企业更需要针对具体行业的大模型,并结合企业自身的数据进行训练和精调,以打造出更实用的智能服务。企业对提供的专业服务要求高且容错性低,因此使用的大模型必须具备可控、可追溯和可修正的特点,并经过反复充分的测试。

其次是数据的重要性。数据是大模型的原材料,针对具体场景,数据的覆盖和质量至关重要。在模型的开发过程中,需要关注敏感数据的保护和安全合规,并有效管理大量的数据和标签,不断进行测试和模型的迭代。腾讯云也推出基于TI平台的行业大模型精调解决方案,帮助模型开发者和算法工程师高效率、高品质、低成本地处理数据,创建和使用大模型。

在应用方面,腾讯自身也应用行业大模型,优化自身企业级用用,为用户提高工作效率。例如,通过基于行业模型的智能小助手,腾讯会议可以协助用户进行日程安排、会管、会控等操作,并自动生成智能总结摘要,提升会议的效率。腾讯企点智能客服和AI代码助手等应用也通过行业模型的训练和精调,提供更精准、详细的回答和高效的编程辅助。 

最后是算力的支持。算力是模型持续运转的基础,高性能、高弹性和高稳定的算力对于大模型的训练和使用至关重要。腾讯云也提供新一代高性能计算集群,为客户提供稳定计算、高速网络与专业运维。同时,推出面向AI运算的向量数据库,支撑对图像、音频和文本等非结构化数据的高效处理,数据接入AI的效率,也比传统方案提升10倍。

汤道生表示,大模型只是开端,AI与产业的融合,将绽放出更有创造力的未来。生态共建是AI发展的有效路径,腾讯将坚持生态开放,为企业提供高质量模型服务,同时支持客户多模型训练任务,加速大模型在产业场景的创新探索。

以下为演讲全文:

各位嘉宾、各位媒体朋友,大家好!

欢迎参加今天的技术峰会,非常高兴有机会和大家一起探讨产业智能化升级的机遇;也非常期待与客户共建,以企业场景与行业数据为基础的行业大模型。

过去半年,大家都为大语言模型的发展感到兴奋,不少人已经试遍各个通用大模型的聊天机器人,但大部分互联网用户可能还只是有所听闻。市面上的通用大模型在一些聊天问答上,确实有让人惊艳的表现。基于大量知识与公开信息的训练,通过推测下一个字的语言生成,它能回答不同领域的提问,生成人性化的回复,连贯地对话。

同时,许多企业管理者也在思考,如何把大模型技术应用到自己企业场景中。比如在客服与营销环节,为业务经营带来更多降本增效。但在具体的企业场景中,通用大模型可能还不能满足企业很多需求,比如,它不一定懂行业的专业术语,不了解企业内部的独特情况,回答会比较虚、比较笼统,偶尔还会一本正经地胡说八道,信息也不够及时。

大家既期待着,能力越来越强大的通用大模型,同时也在思考,如何在使用大模型时,保护企业数据的产权与隐私?如何降低大模型的使用成本?这些都是企业需要考虑的现实问题。

借今天这个机会,我想讲讲,我对大语言模型在产业落地的思考,分别从模型、数据、应用与算力四个角度来探讨。

首先是模型。虽然大家对通用大模型期待很高,但它不一定是满足行业场景需求的最优解。

目前,通用大模型一般都是基于广泛的公开文献与网络信息来训练的,网上的信息可能有错误、有谣言、有偏见,许多专业知识与行业数据积累不足,导致模型的行业针对性与精准度不够,数据“噪音”过大。但是,在很多产业场景中,用户对企业提供的专业服务要求高,容错性低。企业一旦提供了错误信息,可能引起巨大的法律责任或公关危机。因此,企业使用的大模型必须可控、可追溯、可修正,而且必须反复与充分测试才能上线。

我们认为,客户更需要有行业针对性的行业大模型,再加上企业自己的数据做训练或精调,才能打造出实用性高的智能服务。企业所需要的是在实际场景中真正解决了某个问题,而不是在100个场景中解决了70%-80%的问题。

另外,训练数据越多,模型越大,训练与推理的成本也越高。实际上,大部分的企业场景,可能也不需要万能的通用AI来满足需要。因此,如何在合理成本下,选择合适的模型,是企业客户所需要思考与决策的。

今天,我们也正式公布腾讯云MaaS服务解决方案,基于TI平台打造行业精选模型商店,覆盖金融、文旅、政务、传媒、教育等10大行业,提供超过50个解决方案。在这些能力模型基础上,客户只需要加入自己独有的场景数据,就可以快速生成自己的“专属模型”。

比如,我们和国内的头部在线旅游公司,基于“文旅大模型”,打造了机器人客服,可以自动判断用户意图,并自动调用相应的API,高质量完成用户咨询及服务。 

如果一个用户问,“节假日有哪些比较经济的旅游景点推荐?”基于通用大模型的客服机器人,只能给出一些简单的景点介绍和路线规划。但是,当我们用大量有针对性的行业数据来做模型精调之后,客服机器人的回答就变得更加细致,能够规划出每天的交通、景点安排,给出经济实惠的定制化推荐方案。

接下来谈谈数据。数据是大模型的原材料,针对具体场景,相关数据的覆盖与质量都至关重要,标注数据的管理也是模型迭代中的重要工作。

模型最终要在真实场景落地,要达到理想的服务效果,往往需要把企业自身的数据也用起来。在模型研发过程中,既要关注敏感数据的保护与安全合规,也需要管理好大量的数据与标签,不断测试与迭代模型。

因此,我们也推出基于腾讯云TI平台的行业大模型精调解决方案。帮助模型开发者与算法工程师,一站式解决数据的处理问题,高效率、高品质、低成本地创建和使用大模型。我们也可以通过TI平台以及模型的私有化部署、权限管控和数据加密等方式,让企业用户在打造模型与使用模型时都更放心。

最近,我们携手中央电视台打造“央视人工智能开放平台”。其间也面临数据量庞大、形态复杂的问题,导致传统的数据标签体系都无法达标。我们重新构建了一套传媒专属的数据标签体系,同时也研发了创新的“标签权重引擎”,让数据标签颗粒度更细,并按照核心度排序。在这样的数据标签体系支撑下,视频编辑用自然语言就能实现跨模态检索。比如,输入“居民消费力”,系统可自动提供商场、超市相关素材,再搭配智能剪辑,就能快速生成视频。

接着讲讲应用。腾讯自身的企业级应用,已经率先应用了行业大模型,针对不同应用场景提供更智能的服务,为用户提高工作效率。

例如,腾讯会议即将推出覆盖会议全流程场景的智能小助手。通过简单自然的会议指令,协助用户进行日程安排、会管、会控等一系列操作。会后可以自动生成智能总结摘要,还能基于智能录制的能力,帮助用户高效回顾,提升用户开会和信息流转效率。

新一代的腾讯企点智能客服,基于行业模型,结合客户业务需求进行训练与精调,客服机器人可以提供更精准、更详细的回答,甚至调用业务系统来提供实时数据。对比上一代智能客服的机械回答,用户体验有很大的提升。

在企点分析平台上,销售人员只要问一句“哪个产品卖的最好”,就可以实现准确的商业分析,不需要花费大量的时间,学习复杂的软件、制作看板。

借助腾讯云新一代AI代码助手,程序员也可以快速、高品质地完成代码的补充、纠错和解释,覆盖编码、评审、测试等不同场景。

最后讲讲算力。算力是模型持续运转的基础,高性能、高弹性和高稳定的算力需要借助专业的云服务。

在大模型的训练和使用过程中,需要大量异构算力的支持,对网络速度与稳定性要求也很高,加上GPU服务器比一般服务器稳定性更低一些,服务器的运维、问题的排查更频繁,整体运维的难度与工作量会高很多。

例如,在训练集群中,一旦网络有波动,训练的速度就会受到很大的影响;只要一台服务器过热宕机,整个集群都可能要停下来,然后训练任务要重启,这些事件会使得训练时间大大增加,投入在大模型的成本也会飙升。因此,腾讯云所提供的稳定计算、高速网络与专业运维,可以为算法工程师大大减轻设备运维的压力,让他们把精力放在模型的构建与算法的优化上。

腾讯云也打造了面向模型训练的新一代HCC(High-Performance Computing Cluster)高性能计算集群,搭载最新次代GPU,结合多层加速的高性能存储系统,加上高带宽、低延迟的网络传输,整体性能比过去提升了3倍,获得了很多客户的高度认可,几家AI独角兽都与我们展开了合作。

在计算集群的“硬实力”之外,今天,我们也会推出更适合AI运算的“软能力”——向量数据库,它能更高效地处理图像、音频和文本等非结构化数据,支持单索引10亿级规模,比单机插件式检索规模提升10倍,数据接入AI的效率,也比传统方案提升10倍。

回顾过去,人工智能的发展是结合开放数据的积累、算法的创新与算力的突破共同推动的;也是全球科技企业、高校与研究机构共同努力,通过代码的开源与研究成果的分享,开放共建的成果。

腾讯云也将在大模型的产业应用上,坚持生态开放,支持多模型的选择,提供训练与推理的算力,满足不同行业、不同场景的多样化需求。

今天,我们再一次站在数字科技革命的奇点上,大模型只是开端,AI与产业的融合,将绽放出更有创造力的未来。在这个过程中,腾讯愿意贡献自己的能力,与行业伙伴携手,用智能照亮行业,让AI普惠生活。

雷峰网

标签:

最新内容