數(shù)字經(jīng)濟時代的“智源密碼”

陳寧

高速公路上，無人駕駛駛?cè)氍F(xiàn)實，沒有司機的出租車正搭載乘客，以“頂格”時速駛向機場；

手術(shù)室里，腹腔鏡中纖毫畢現(xiàn)，醫(yī)生正用醫(yī)療機械臂為遠(yuǎn)在新疆的患者實施腫瘤切除手術(shù)；

制造車間內(nèi)，“鋼鐵巨象”翩然起舞，120余臺焊接、抓取、組裝和搬運機器人正圍繞16條智能生產(chǎn)線各顯神通；

……

這些，只是數(shù)字化時代的北京城市一隅。在數(shù)字經(jīng)濟蓬勃發(fā)展的今天，“智力”已如水、電、網(wǎng)一樣流向日常生活，一步步實現(xiàn)著人們對新質(zhì)生產(chǎn)力構(gòu)造的活躍社會的渴望。

數(shù)字賦能千行百業(yè)，離不開“產(chǎn)業(yè)大腦”的支持。這“大腦”，就是人工智能的底座——大模型。

海淀區(qū)成府路150號。一棟看似普通的紅磚建筑里，集結(jié)了幾乎北京最頂尖的人工智能領(lǐng)域人才。這里，就是北京智源人工智能研究院所在地。也正是這棟樓里，誕生了我國首個大模型——“悟道”，這家研究院由此沖破西方國家的壟斷，推動我國人工智能發(fā)展行至深處。

時不我待，構(gòu)筑人工智能生態(tài)“護(hù)城河”

2020年5月，美國著名人工智能公司Open AI發(fā)布一款名為“GPT-3”的語義大模型，一時掀起行業(yè)巨浪——通過海量數(shù)據(jù)學(xué)習(xí)，人工智能首次出現(xiàn)了類似人類的邏輯推理能力。

中國的科研工作者在為GPT-3沸騰的同時，也產(chǎn)生了極大的心理落差——彼時，我國人工智能領(lǐng)域在各個方面并不占優(yōu)。

《中國新一代人工智能發(fā)展報告2019》顯示，當(dāng)時，雖然我國人工智能領(lǐng)域論文數(shù)量全球居首，但引文影響力指標(biāo)卻相對落后；人才擁有量雖僅次于美國，但高水平人才卻不到美國的五分之一。即使是在全國人工智能高地的北京，大模型方向的研究也幾乎是空白。

更嚴(yán)峻的是，一旦被裹挾進(jìn)入西方構(gòu)建的人工智能生態(tài)圈，那么所有與之相關(guān)的產(chǎn)業(yè)鏈躍遷，都有可能被掣肘。如同手機上的應(yīng)用軟件，如果沒有強大的系統(tǒng)支撐，開發(fā)得再多、再好也用不了?！氨仨毦劢构リP(guān)自主可控的底座大模型，構(gòu)建起自己的人工智能生態(tài)‘護(hù)城河?！鼻迦A大學(xué)自然語言處理實驗室主任孫茂松說。

孫茂松和同事們四處尋求合作者，卻發(fā)現(xiàn)這項壁壘極高的研究，高校做不了，企業(yè)又不愿意做。雖是春暖花開的5月，他們卻猶如淋了一身冷水。

高校通常以“項目制”牽頭科研，大多以“年”為論證周期。但人工智能領(lǐng)域的科技創(chuàng)新瞬息萬變，必須全力追趕。顯然，這種科研機制與“大模型”的研發(fā)訓(xùn)練并不適配。

困擾企業(yè)的，則是投入產(chǎn)出比問題。大模型好似“空中樓閣”，需要算法、算力、數(shù)據(jù)的海量資金支持。況且，依據(jù)“摩爾定律”，投入的昂貴設(shè)備每18個月就會貶值一半，成果卻遙遙無期。這讓不少企業(yè)望而卻步。

躊躇之際，孫茂松、劉知遠(yuǎn)、黃民烈等幾位科學(xué)家不約而同地將目光投向了離清華只有幾百米遠(yuǎn)的一所新型研發(fā)機構(gòu)——北京智源人工智能研究院（以下簡稱“智源研究院”）。

這家新型研發(fā)機構(gòu)，新在哪里？

成立于2018年11月的智源研究院，肩負(fù)著人工智能前沿探索使命，從主體、人才使用到成果轉(zhuǎn)化，解決的是創(chuàng)新研發(fā)中生產(chǎn)要素錯配、失配、低配造成的堵點、痛點、難點。

“作為科技部和北京市政府支持下成立的民辦非營利性研究機構(gòu)，智源實行理事會領(lǐng)導(dǎo)下的院長負(fù)責(zé)制。這就決定了它可以不設(shè)考核和階段性目標(biāo)，鼓勵科學(xué)家自主決策，去破解那些顛覆性技術(shù)和前沿技術(shù)難題?！敝窃囱芯吭豪硎麻L黃鐵軍舉了一個生動的例子，“重大的國家級科研項目，用兩三年時間研究立項并不鮮見。但在智源，只要論證科學(xué)嚴(yán)謹(jǐn)，兩小時通過由業(yè)內(nèi)頂級專家組成的‘院務(wù)會、即刻撥付數(shù)百萬元研發(fā)資金，都是常態(tài)?！?/p>

制度集成、創(chuàng)新賦能，這是“時間不等人”的膽識?？茖W(xué)家們與智源研究院一拍即合。

以技術(shù)為信仰，勇闖大模型研發(fā)“無人區(qū)”

2020年11月，智源研究院以北京市籌集的1000P算力支持為起點，決心背水一戰(zhàn)。

沒有作業(yè)可以抄，沒有經(jīng)驗可以循，有的是以技術(shù)為信仰的一腔熱情和錨定國家重大戰(zhàn)略需求的不懈努力。智源研究院將參與者整合為3個小組，深入中文大模型研發(fā)“無人區(qū)”——一個個高風(fēng)險、非共識、顛覆性的研究領(lǐng)域。

以文源團(tuán)隊負(fù)責(zé)的超大規(guī)模預(yù)訓(xùn)練語言模型為例。他們遇到的第一個困難，就是怎么阻止大模型“詞不達(dá)意”和“答非所問”。原來，當(dāng)時全球通用大模型數(shù)據(jù)訓(xùn)練集里，中文語料僅占1.3%。團(tuán)隊搜索得來的50TB原始數(shù)據(jù)，主要源自電商、社交、搜索等渠道，存在大量的數(shù)據(jù)偏見。高質(zhì)量中文數(shù)據(jù)，一度成為稀缺品。

中文語義深奧又靈活多變，給大模型“投喂”的語料質(zhì)量，對運行效果影響極大。團(tuán)隊決心秉持細(xì)節(jié)上的“技術(shù)潔癖”，構(gòu)建高質(zhì)量數(shù)據(jù)集，讓大模型高效、經(jīng)濟地運行。團(tuán)隊負(fù)責(zé)人劉知遠(yuǎn)與黃民烈所帶的8名博士生，全被派去做數(shù)據(jù)標(biāo)注與“清洗”。

他們夜以繼日地比對、推敲著每行編碼，以確保數(shù)據(jù)的完整、全面、合法且唯一。其間，團(tuán)隊沒有發(fā)表過一篇學(xué)術(shù)論文。這樣做，無論是對教師還是對學(xué)生，都是極大的冒險?！叭绻粺o所獲，我們在學(xué)校的學(xué)術(shù)考核將被認(rèn)定為不合格?！秉S民烈說，“這是拿著大家的職業(yè)生涯去做賭注。幸運的是，我們的方向找對了！”

最終，團(tuán)隊將原始數(shù)據(jù)壓縮至2.6TB，中文大模型有了第一個高質(zhì)量數(shù)據(jù)集。

從高端芯片到深度學(xué)習(xí)框架，從算力、算法到數(shù)據(jù)……智源研究院集中優(yōu)勢資源，奮力攻關(guān)。2021年3月，“悟道1.0”問世。3個月后，“悟道2.0”亮相，參數(shù)規(guī)模是GPT-3的10倍。

“悟道”，驟然改變了世界人工智能領(lǐng)域一家獨大的發(fā)展格局。正是從這時起，智源研究院被全球人工智能領(lǐng)域三巨頭之一的微軟公司視為主要競爭對手。與此同時，國家加快布局人工智能產(chǎn)業(yè)，并將其寫入“十四五”規(guī)劃。

以人工智能為引擎，高質(zhì)量發(fā)展的底色更加鮮明。智源研究院的不懈探索，仿佛解開了中文大模型的研發(fā)密碼。隨即，猶如百舸爭流，科技企業(yè)紛紛跟進(jìn)，創(chuàng)新火花競相迸發(fā)。截至2024年3月，國內(nèi)大模型數(shù)量超243個。我國的大模型發(fā)展，已經(jīng)形成了一條壁壘極高的技術(shù)“護(hù)城河”，得以涵養(yǎng)整個產(chǎn)業(yè)生態(tài)。

理想與使命合一，形成人才“強磁場”

“群星閃耀”，有人用這樣的詞，形容智源研究院的人才生態(tài)。

眾所周知，人工智能作為前沿科技，離不開人才驅(qū)動。近年來，智源研究院已經(jīng)遴選并支持以“智源研究員”和“智源青年科學(xué)家”為主體的94名智源學(xué)者，其中近一半為38歲以下的青年學(xué)者。他們的學(xué)術(shù)背景橫跨高校、科研單位及企業(yè)研究機構(gòu)，形成了代表我國人工智能領(lǐng)先科研水平的“北京隊”。

人們不免疑惑：作為一家民辦非營利研究機構(gòu)，智源研究院既沒有“帽子”，待遇也無法與頭部企業(yè)對標(biāo)，緣何吸引這樣一批頂級人才？

“在這里，既是在做自己想做的事，也是在做國家和社會需要的事。當(dāng)理想與使命合一，就會迸發(fā)最強驅(qū)動力?！敝窃囱芯吭焊痹洪L林詠華用親身經(jīng)歷給出了答案。

近兩年，國內(nèi)人工智能領(lǐng)域已進(jìn)入“百模大戰(zhàn)”階段。為避免無序競爭，智源研究院將目光轉(zhuǎn)向營造更健康的大模型生態(tài)圈。

2023年，林詠華決心以“科學(xué)度量大模型評測基準(zhǔn)”為研究方向，申報科技部重點課題。作為人工智能領(lǐng)域的開創(chuàng)者之一，林詠華覺得一切本該水到渠成。當(dāng)她興沖沖地去領(lǐng)申報材料時，卻被告知不符合初選資格——沒有正高級職稱。

只能盡快申請職稱。但了解政策后，林詠華又遇波折——由于研究的領(lǐng)域太過前沿，自己根本沒有符合的職稱序列可以申報，更找不到合適的專家來評審。

了解情況后，黃鐵軍找到她：“只要有好的想法，智源會創(chuàng)造一切條件幫助科研人員實現(xiàn)?！辈粏柍錾?、不看論文，只看是否取得標(biāo)桿性成就、有沒有成為標(biāo)桿的潛力——從誕生之日起，智源研究院的選人、用人機制，就一直向?qū)W術(shù)實力和科研潛力傾斜。

2023年3月，黃鐵軍找到北京市人力資源和社會保障局尋求幫助?！奥毞Q評聘工作的改革方向，必須與國家發(fā)展戰(zhàn)略同心同向?！笔腥松缇执饛?fù)。

僅僅一個月后，《北京市高層次、急需緊缺、特殊特藝人才高級職稱考核認(rèn)定辦法》出臺。通過“一事一議”“一人一策”“隨時隨刻”評審、“3+1”實名舉薦，很快，林詠華獲得了正高級職稱。她也成為受益于此辦法的第一人。

同年，林詠華承接的國家科技部重點課題正式立項。這個課題，也讓智源研究院完成了從“運動員”到“裁判員”的角色轉(zhuǎn)變。

“這在別處是難以想象的。它給我們的動力，不是優(yōu)渥的待遇能給予的?！绷衷伻A如是說。

林詠華的經(jīng)歷，只是智源研究院眾多科研人員的一個縮影?！爸窃词且怨怖鏋閷?dǎo)向的研究機構(gòu)，注定無法提供最具競爭力的薪酬”，智源研究院院長王仲遠(yuǎn)說，“但這也是一種篩選同行者的良性機制。”3個月前，他剛從業(yè)界一家頭部公司離職，降薪90%來到這里。

從“實驗室”走向“應(yīng)用場”，賦能千行百業(yè)

作為開源系統(tǒng)，“悟道”大模型已被下載2000余萬次。每次下載，都有可能是對某條生產(chǎn)線、某個企業(yè)甚至某個產(chǎn)業(yè)的一次數(shù)字賦能?！斑@也是智源的一個重要使命，讓科技創(chuàng)新成果不斷從‘實驗室走向‘應(yīng)用場。”黃鐵軍說。

功成不必在我。不僅是開源大模型，在科研過程中生發(fā)成熟項目，智源研究院在助推成果轉(zhuǎn)化時，同樣不遺余力。

算法工程師趙撼宇，一畢業(yè)就來到了智源研究院。他的一項專利技術(shù)，在“悟道”與OPPO手機小布語音助手的合作項目中，發(fā)揮了關(guān)鍵作用?！霸诔晒涞氐哪强蹋腋械阶约旱膬r值得到了認(rèn)可。”趙撼宇說。

同許多手機廠商一樣，OPPO小布以往依據(jù)的是互聯(lián)網(wǎng)數(shù)據(jù)，有數(shù)以億計的問題難以回答，非常影響用戶體驗。但如果自建語料庫，周期長、人工數(shù)據(jù)標(biāo)注成本高，企業(yè)難以承受。他們找到智源研究院學(xué)術(shù)副院長唐杰尋求幫助，唐杰將“悟道”大模型中趙撼宇負(fù)責(zé)研發(fā)的“生成式回答系統(tǒng)”推薦給了企業(yè)。

2023年年底，OPPO小布接入“悟道”，一紙專利，使手機語音助手的單條回答建設(shè)成本降低了99%，徹底解決了一個行業(yè)的共通性問題。

“科研工作者雖然有極強的創(chuàng)新能力，但成熟項目的轉(zhuǎn)化落地并不盡如人意?！敝窃纯蒲羞\營部經(jīng)理趙小帆說，“企業(yè)如何選址、怎樣融資和申請政府引導(dǎo)基金、去哪里組建工程技術(shù)團(tuán)隊等問題，智源都會手把手地幫助他們落地?！?/p>

曾任賽迪集團(tuán)總裁的孫會峰，在我國加入世貿(mào)組織談判過程中，隨團(tuán)調(diào)研了大量中國企業(yè)。他發(fā)現(xiàn)，大部分企業(yè)70%的時間都花在了了解產(chǎn)業(yè)鏈、合作伙伴、競爭對手和各地產(chǎn)業(yè)政策上，在企業(yè)研發(fā)上投入的精力顯得力不從心。

當(dāng)接觸到“悟道”大模型時，孫會峰豁然開朗：“借助智源的產(chǎn)業(yè)知識計算引擎，能俯瞰整個生態(tài)，為企業(yè)打開‘上帝視角，觀察趨勢?！北е@樣的想法，他決心自己創(chuàng)業(yè)。

來到智源研究院，孫會峰感覺收獲更多。2021年，借助智源研究院天使輪投資1000萬元，孫會峰成立了北京上奇數(shù)字科技有限公司（以下簡稱“上奇數(shù)科”）。幾個月后，智源研究院又幫他暢通了國家專利局的專利綠色通道，以往1年半時間才能獲得的專利授權(quán)，現(xiàn)在4個月就拿到了，這讓上奇數(shù)科得以在激烈的人工智能“卡位賽中”占得先機。

不僅如此。當(dāng)孫會峰為如何優(yōu)化產(chǎn)業(yè)鏈精度而苦惱時，智源研究院又為他推薦了算法工程師史業(yè)民?！耙淮握{(diào)教，產(chǎn)業(yè)圖譜的精度便從70%上升至98%?！睂O會峰說?，F(xiàn)在，上奇數(shù)科的產(chǎn)業(yè)知識圖譜“上奇產(chǎn)業(yè)通”兩秒就能實時生成包括100余條產(chǎn)業(yè)鏈、5000萬家企業(yè)在內(nèi)的40余類產(chǎn)業(yè)數(shù)據(jù)集。

好風(fēng)憑借力。

成立僅3年，上奇數(shù)科迅速成長為國家級專精特新企業(yè)，估值達(dá)10億元。

注重“從0到1”的原始創(chuàng)新，也注重“從1到N”的產(chǎn)業(yè)轉(zhuǎn)化，通過產(chǎn)學(xué)研用緊密合作，智源研究院至今已孵化了“月之暗面”“深言科技”等近百家企業(yè)，其中10余家已成為“獨角獸”。

有這樣一組數(shù)據(jù)，令人振奮：作為數(shù)字經(jīng)濟發(fā)展的重要驅(qū)動引擎，2023年，北京人工智能產(chǎn)業(yè)的核心產(chǎn)值突破2500億元，輻射產(chǎn)值規(guī)模已超萬億元！

又是一個草長鶯飛的季節(jié)。前不久閉幕的中關(guān)村論壇上，智源研究院等16家機構(gòu)發(fā)起并成立了中關(guān)村人工智能聯(lián)盟。一群銘記國家使命的科學(xué)工作者，錨定國家重大戰(zhàn)略需求和北京數(shù)字經(jīng)濟標(biāo)桿城市建設(shè)，正在向科學(xué)技術(shù)的更深處進(jìn)軍……