发展大模型要摒弃短视冒进,这是由大模型的技术特性、产业发展规律以及当前行业现状等多方面因素决定的。以下是具体分析:大模型的竞争本质需要长期技术积累:大模型竞争是硬科技的角力,技术指标和模型性能是核心竞争力。与互联网时代“流量为王”“快鱼吃慢鱼”的竞争逻辑不同,大模型领域不能单纯依靠用户数量和流量。例如DeepSeek-R1发布之初使用率飙增,是因为算法架构的创新与训练数据的深度优化,而非依赖用户规模。如果企业短视冒进,只追求短期的流量和使用率,忽视技术沉淀,即便一时获得用户,也会因性能不过硬在技术竞争中掉队。大模型的发展需要战略耐心和生态协作:大模型的价值依托于技术沉淀的厚度以及生态协作的深度。阿里云、腾讯云等云服务商,诸多搜索平台、智能终端以及行业应用等都接入DeepSeek,形成庞大生态网络,这得益于DeepSeek开放API接口与训练框架,不搞流量分成或数据垄断。大模型的发展不是一蹴而就的,需要企业秉持战略耐心,专注于技术深耕与生态共建,才能在长期竞争中立足。短视冒进会导致资源浪费和应用效果欠佳:一些企业在不具备强大研发和投资能力的情况下,盲目跟风开发大模型,导致低质量产品众多,没多久便被用户弃用,造成资源浪费。同时,不少大模型采用同样的数据集、训练方法等,输出雷同的问题答案,应用效果欠佳。此外,还有一些大模型因涉嫌“微调国外底座模型”而备受舆论争议,缺乏原始创新。短视冒进不符合产业落地的要求:百度集团执行副总裁沈抖表示,大模型的产业落地既不能冒进,也不能坐等“爆款”,而应该把生成式AI应用到研、产、供、销、服的各个环节里面去,实现降本增效。如果企业短视冒进,只想着做爆款,盲目追求大参数,而不考虑实际应用场景和产业需求,将无法实现大模型的真正价值。
|
|