周鸿祎称大模型不是万能不要觉得有了GPT就能裁员了(2)

小大

用微信扫描二维码
分享至好友和朋友圈

关键词：

2023-06-29 09:38:31 界面新闻

但是，当我们带着通用大模型真正走进政府、城市、行业、企业时就会发现，公有大模型无法直接使用。因为公有大模型存在以下四点不足：

第一，公有大模型虽然是通才，但它缺乏行业深度。我们之前认为GPT什么都会，但如果你是一个行业专家，你会发现GPT在安全、金融这些垂直领域，知识深度是不够的。很多公司自己训大模型都发现了这个特点，想让它能力很均衡，就会牺牲深度。所以未来垂直大模型是重要的发展方向，通用模型和各领域专有的知识数据结合，让大模型从“万事通”变成政府通、行业通和企业通，这才是真正的价值。最新资料表明，GPT4也是由8个垂直模型组成的，从侧面印证了这个观点。

第二，公有大模型容易造成企业内部数据泄露。一方面，公有大模型不是本地部署，它与外部进行信息交流时必然存在数据泄露的风险；另一方面，公有大模型也无法实现组织内部权限的分级管理。因此，政府、企业使用公有大模型必然存在安全风险。

第三，对企业来讲，公有大模型无法保障内容真正可信。这主要包含两个问题：一个是企业在日常生产经营过程中，知识库是实时产生的，并且不断变化。它不像公有大模型的通用知识，是一成不变的“百科全书”。因此，企业使用公有大模型无法满足时效性的需求。另一个是大模型自身的“幻觉”问题，也就是我们常说的一本正经地“胡说八道”。公有大模型经常出现张冠李戴的问题，需要通过企业的内部搜索、内部知识库进行矫正。这些都需要专有大模型才能实现。

第四，也是很多企业级用户关注的，公有大模型无法实现成本可控。举个例子，很多企业其实只需要大模型写代码的能力，这时候公有大模型写诗、写论文的能力就是多余的。也就是说，很多企业只需要百亿级垂直大模型就满足需求，如果使用千亿级大模型就是成本的浪费。这个成本不只是大模型的采购成本，还包括训练成本、部署成本、微调成本。在控制成本方面，垂直大模型将会有很大优势。因此，在一个用公开数据训练的“通识”大模型基础上，训练专有大模型，就能做到“事半功倍”，为企业降本增效。

关闭

周鸿祎称大模型不是万能 不要觉得有了GPT就能裁员了(2)

相关新闻

今日热点

频道热点

周鸿祎称大模型不是万能不要觉得有了GPT就能裁员了(2)