当生成式AI成为“兵家必争之地”,领先企业都渴望构建离产业最近的AI应用。然而,产业驾驭能力并非一蹴而就,需要日积月累。所谓“隔行如隔山”,从通用大模型到行业应用的距离,有可能是“十万八千里”。所以,不管是百模大战,还是千模大战,在大模型拉力赛中,只有具备行业基因的大模型,才会走得更远。
近日,亚信科技“渊思”行业大模型产品正式发布,同时揭晓的还有1个通用人工智能与认知增强平台TAC MaaS、3款行业大模型、8大认知增强工具,这标志着亚信科技依托“全栈AI”赋能垂直行业将驶入发展快车道。
在发布会当天,亚信科技首席技术官兼高级副总裁、IEEE Fellow 欧阳晔博士,接受了媒体的采访,分享了更多关于渊思行业大模型的见解和技术展望。
▲亚信科技首席技术官兼高级副总裁、IEEE Fellow欧阳晔博士
探索行业大模型的边界
众所周知,亚信科技并不是传统意义上做大模型的公司,为什么也在“赶时髦”,发布大模型相关产品?
“亚信科技行业大模型的产品体系是‘138’,在‘1’这个通用人工智能与认知增强平台之下,秉承的是南向策略,持中立大模型态度。”欧阳晔博士解释道,“南向”策略可以对接各种大模型,既可以是通用的大模型,也可以是私有模型,呈现的是百花齐放状态,企业可以结合各种各样的场景,来打造自己的专属模型。
以通信运营商营业厅场景为例,如果要做一个业务的变更以及整体交互过程的大模型,需要面向“南向”做各个大模型的配置的对比,或者进行集成。中间可能涉及七个不同的大模型,经过训练,同时结合RAG、知识图谱功能进行精调,最后调配出适合企业的大模型。
欧阳晔博士指出,亚信科技发布的3款行业大模型,是指渊思编程大模型、渊思自智网络大模型和渊思智能运维大模型,这三款大模型未来会扩展到6个,到今年年底扩展为5个行业专属大模型,能源、交通这种行业专属模型都会落地。
渊思慧见8个认知增强工具包括:业务智办副驾(ChatCRM)、自智网络副驾(AN CoPilot)、商业智能增强分析工具产品(ChatBI)、知识对话机器人(ChatBots)、图灵程序员(TuringCoder)、智能运维副驾(Ops CoPilot)、任务编排自动化工具(RPATaskGPT)、数据管治副驾(DMG CoPilot)。
渊思大模型和市场上诸多大模型相比,有何区别?答案用一句话就可以概括,那就是更懂行业,更具行业属性!
面向C端的应用,比如:预测一下北京的天气如何?不管是通用的大模型,还是第三方的编程模型,都能解决。但如果是具体的企业级场景,通用大模型显然无法满足用户的个性化需求。
亚信科技一直致力于通信软件基础设施服务,从1G到5G,从国内的运营商到国外的运营商,通信软件生产系统的自动编码问题如何解决?亚信科技会从中立角度,填补行业鸿沟,不管是CRM、计费系统、大数据系统,都会用大模型重新写一遍。同时,也会结合第三方的开源模型的能力,持续迭代,实现技术上的螺旋式上升。
亚信科技的自智网络大模型与自智网络副驾产品体系,可作为运营商自智网络加速演进的催化剂与加速器,通过网络自动化、智能化、数字孪生化的三项核心能力,保障运营商自智网络由L3向L4加速演进。智能运维也一样,不只限于通信领域,也要结合其他垂直行业所有IT系统,实现L2向L3的发展。智能运维副驾Ops CoPilot,底层会接入行业基础专属模型;上层是“副驾”,汇聚的是软件工具集,目的是让IT运维系统的自动化和智能化水平得到全面升级。
“渊思”中立大模型快速出圈
“渊思”大模型发布后,立刻扩大了“朋友圈”。
在发布会现场,我们不仅看到中国电信、中国联通、中国移动几大运营商的身影,还看到清华大学、阿里云、百度智能云、Intel等企业以合作伙伴的身份出现。
欧阳晔博士认为,生成式AI时代是个“竞合”的市场,渊思大模型凭借运营商支撑能力,获得了生态层面的认可。在通信大模型领域,渊思是第一个同时接入通义千问、文心一言的模型。如今,基于中立大模型特色,渊思的合作伙伴已变得越来越广泛,既有开源的大模型,也有闭源的大模型。另外,还有软硬一体化层面的支持,包括在软硬件国产化方面,也进行了兼容性测试和互认证。
值得一提的是,渊思虽然刚刚正式发布,但亚信科技并不是生成式AI浪潮来了之后才开始做大模型。在过去20多年的发展中,亚信科技就在帮助行业伙伴构建了成千上万个非大模型的模型,比如:机器学习模型、统计学习模型,以及数据挖掘模型,这些模型并不会在今天的大模型时代被彻底丢弃,用通用大模型来代替。渊思未来要解决的问题是,如何利用好RAG以及知识图谱等最新技术,为垂直行业模型赋能;同时,如何让大小模型实现全面协作,解决应用落地“最后100米”的问题。
总结而言,渊思的发布不是一个普通意义上的大模型新品诞生,未来发展目标也不是去卷参数、卷文本长度,而是面向不同场景,展示最好的大模型应用,把更多优秀产品汇聚到中立平台之上,提供更丰富、更贴近场景需求的产品体验。