在人工智能發(fā)展浪潮中，大模型的開源與閉源之爭一直是業(yè)內(nèi)的熱點話題。隨著技術(shù)的不斷進步和應(yīng)用場景的日益豐富，如何降低大模型的使用門檻，讓更多人能夠便捷地應(yīng)用于實際業(yè)務(wù)場景，成為了推動行業(yè)發(fā)展的關(guān)鍵所在。而開源大模型，無疑是這一進程中具有里程碑意義的重要一步。

近日，2024開放原子開發(fā)者大會暨首屆開源技術(shù)學(xué)術(shù)大會——開源大模型落地實踐分論壇上，武漢人工智能研究院院長、中國科學(xué)院自動化研究所副總工程師王金橋，武漢大學(xué)教授葉茫，騰訊機器學(xué)習(xí)平臺專家、混元大模型預(yù)訓(xùn)練負責(zé)人孫興武，北京智源人工智能研究院數(shù)據(jù)研究組負責(zé)人劉廣，小米AI技術(shù)專家張俊博，阿里云智能集團技術(shù)專家馬騰，中國科學(xué)院自動化研究所副研究員、武漢人工智能研究院算法架構(gòu)師易東，Monkey大模型一作、華中科技大學(xué)碩士生楊彪等多位深耕開源大模型的技術(shù)專家，深入探討了開源大模型的前沿技術(shù)進展、應(yīng)用創(chuàng)新及行業(yè)落地實踐。本論壇由開放原子開源基金會、中國通信學(xué)會主辦，CSDN、武漢人工智能研究院協(xié)辦。

王金橋在致辭中強調(diào)了開源對大模型生態(tài)發(fā)展的推動作用，以及它在降低技術(shù)門檻、促進技術(shù)創(chuàng)新方面的價值。他提到，盡管開源大型模型已取得顯著成就，但還需面對數(shù)據(jù)質(zhì)量、隱私保護、模型解釋性以及安全可靠性等挑戰(zhàn)。他期望通過不懈努力，進一步促進開源社區(qū)的繁榮發(fā)展，推動技術(shù)共享的進程。

在主題內(nèi)容分享環(huán)節(jié)，葉茫分享了團隊在多模態(tài)大模型微調(diào)、持續(xù)學(xué)習(xí)和輕量化等方面的研究，特別是跨模態(tài)目標(biāo)檢索系統(tǒng)的開發(fā)，以及無人機場景下的工業(yè)檢索和夜間場景下可見光與紅外圖像的跨模態(tài)匹配等工作。

孫興武介紹了騰訊混元大模型在技術(shù)和應(yīng)用上的最新成果，包括自研星脈高性能計算網(wǎng)絡(luò)及其Angel訓(xùn)練框架，以及廣告推薦、代碼生成、AI客服等多個業(yè)務(wù)場景的應(yīng)用案例。

劉廣聚焦于高質(zhì)量數(shù)據(jù)集的構(gòu)建及其對模型性能的重要性，介紹了BGE向量模型及Aquila語言模型，并強調(diào)了中文互聯(lián)網(wǎng)最大規(guī)模的數(shù)據(jù)集CCL3.0的價值。他指出，通過定義高質(zhì)量數(shù)據(jù)的標(biāo)準(zhǔn)并結(jié)合小模型驗證效果的方法，可以有效提高模型的表現(xiàn)力。

張俊博介紹了XIAOMI DASHENG聲音預(yù)訓(xùn)練模型。該模型具有優(yōu)秀的場景區(qū)分能力和環(huán)境音識別能力，只需簡單幾行代碼就能達到SOTA級別的性能，不僅適用于音頻表征任務(wù)，還可以作為多模態(tài)大模型的一部分，提供穩(wěn)定的音頻編碼服務(wù)。

馬騰分享的Mooncake項目，是一個用于優(yōu)化大模型推理服務(wù)的開源項目。采用P/D分離架構(gòu)和KVCache緩存池提升吞吐量，減少算力開銷，支持多種通訊協(xié)議和存儲方式，適配多種推理框架，增強了分布式部署能力。

易東講解了“紫東太初”多模態(tài)大模型的研發(fā)歷程和發(fā)展方向，展示了在醫(yī)療、教育、政務(wù)等多個領(lǐng)域的應(yīng)用實例，并公布了FAST SAM、FLAP等多個開源項目，這些項目進一步豐富了多模態(tài)大模型的應(yīng)用生態(tài)。

最后，楊彪介紹了Monkey多模態(tài)大模型及其在文檔智能中的應(yīng)用，通過切塊處理提高圖片分辨率和更詳細的標(biāo)注數(shù)據(jù)進行微調(diào)，提出了TEXTMonkey，針對文檔領(lǐng)域進行優(yōu)化，實現(xiàn)了更高的精度和更好的可解釋性。

如今，各行各業(yè)都已進入智能化升級關(guān)鍵階段，開源大模型的創(chuàng)新已無處不在。通過服裝模特AI生成技術(shù)，企業(yè)可以降低拍攝海報的人力成本；通過跨領(lǐng)域合作，實現(xiàn)了文本指令區(qū)域編輯和動圖生成，為智能電視提供了更豐富的用戶體驗；通過多模態(tài)情感語義理解基礎(chǔ)模型，不僅有助于提升情感意圖識別的準(zhǔn)確性，還為精神疾病診斷提供了新的思路，類似的案例不勝枚舉。

總體而言，在開源生態(tài)中，大模型在眾多應(yīng)用場景中均展現(xiàn)出良好的性能表現(xiàn)。眾多企業(yè)不僅在大模型的微調(diào)、持續(xù)學(xué)習(xí)和輕量化等領(lǐng)域進行了深入研究，而且正積極推動這些技術(shù)在具體業(yè)務(wù)場景中的廣泛應(yīng)用和落地實施。