作者｜李梅

編輯｜陳彩嫻

盡管唱衰大模型的聲音不絕，但無(wú)可否認(rèn)，近年來(lái)人工智能領(lǐng)域的重大突破，都離不開(kāi)大模型的支撐。

以近日火熱的 AIGC 為例。語(yǔ)言大模型在理解文本語(yǔ)境與知識(shí)推理能力上的突飛猛進(jìn)，是人工智能跨越單一模態(tài)，讀懂人類(lèi)描述的語(yǔ)言、進(jìn)而生成各色精美圖像的基石之一。

大模型被詬病之處突出，算力成本與不確定性為最大要點(diǎn)，但與此同時(shí)，幾乎沒(méi)有人能否認(rèn)，在未來(lái)五年、甚至十年的智能研究中，大模型必將占有一席之地。美國(guó)人工智能學(xué)術(shù)界將其稱(chēng)為「基礎(chǔ)模型」（Foundation Model），在定位上視之為基礎(chǔ)研究，重視程度也可見(jiàn)一斑。

然而，由于訓(xùn)練難度與成本的高門(mén)檻，大模型在國(guó)內(nèi)的興起注定只掌握在少數(shù)人的手中。一項(xiàng)基礎(chǔ)研究的開(kāi)拓，必須團(tuán)結(jié)盡可能團(tuán)結(jié)的力量，才能推動(dòng)其進(jìn)步的速度與質(zhì)量。尤其在知識(shí)注入與多場(chǎng)景通用無(wú)阻的追求上，大模型的研究者多多益善。

因此，從去年開(kāi)始，「開(kāi)源」AI 大模型的呼聲也日漸高昂。唯有開(kāi)源，才能降低大模型的研究門(mén)檻；也唯有開(kāi)源，才能促進(jìn)與大模型相匹配的基礎(chǔ)設(shè)施（如架構(gòu)、算力、落地設(shè)備）建設(shè)。

「魔搭」（ModelScope）社區(qū)的成立，正是基于這樣急切的背景。

在今年的云棲大會(huì)上，阿里達(dá)摩院與 CCF 開(kāi)源發(fā)展委員會(huì)聯(lián)合正式推出國(guó)內(nèi)首個(gè) AI 模型開(kāi)源社區(qū)——魔搭 ModelScope，宣布將達(dá)摩院近五年苦心研究的 300 多個(gè)優(yōu)質(zhì)模型開(kāi)放給整個(gè)中國(guó)的 AI 研究者與團(tuán)隊(duì)，共同促進(jìn)中國(guó)的 AI 基礎(chǔ)研究。

這其中，300 多個(gè)模型就有十多個(gè)大模型。這一舉動(dòng)，被業(yè)界稱(chēng)為大模型的「家底秀」，而魔搭社區(qū)的使命是「開(kāi)源」，阿里真的是把家底給亮出來(lái)了！

圖注：周靖人在 ModelScope 魔搭發(fā)布會(huì)上

阿里巴巴集團(tuán)資深副總裁、阿里達(dá)摩院副院長(zhǎng)周靖人告訴 AI 科技評(píng)論：「我們的口號(hào)是 AI for Everyone。」

以大模型為例。他們認(rèn)為，大模型的研發(fā)不應(yīng)該是一場(chǎng)少數(shù)機(jī)構(gòu)的競(jìng)賽，而應(yīng)該通過(guò)大小模型的協(xié)同進(jìn)化走向更高級(jí)的應(yīng)用，尤其是適應(yīng)中國(guó)本土需求的應(yīng)用。

2020年GPT-3出現(xiàn)以來(lái)，國(guó)內(nèi)的研究者只能仰仗英語(yǔ)大模型，文化與語(yǔ)言的鴻溝成為模仿西方技術(shù)成果時(shí)的消極產(chǎn)物，中文大模型也呼之欲出。魔搭將現(xiàn)有為數(shù)不多的中文大模型開(kāi)放后，AI 領(lǐng)域的研究者基于中文大模型自由開(kāi)發(fā)滿(mǎn)足下游任務(wù)的小模型時(shí)，能更好解決東方的實(shí)際問(wèn)題。

魔搭社區(qū)的成立，是中國(guó)人工智能領(lǐng)域一個(gè)劃時(shí)代的故事開(kāi)篇。

—— 1 ——

 AI 突破的風(fēng)口，在應(yīng)用

兩年前，《數(shù)學(xué)之美》作者吳軍在接受 AI 科技評(píng)論的訪(fǎng)談時(shí)就曾說(shuō)過(guò)：深度學(xué)習(xí)大的理論突破已經(jīng)走到瓶頸期，AI 風(fēng)口的下一個(gè)十年在于應(yīng)用。

這兩年的發(fā)展路徑，越來(lái)越多的落地與應(yīng)用討論，也驗(yàn)證了吳軍的判斷。如今，我們對(duì) AI 的期待，已經(jīng)不再只停留在迸發(fā)于實(shí)驗(yàn)室的那些「AlphaGo 時(shí)刻」，而且「用起來(lái)」，在解決實(shí)際生活的問(wèn)題中創(chuàng)造價(jià)值。

那么，AI 如何最大程度地發(fā)揮價(jià)值？

縱觀(guān)構(gòu)成人工智能的三駕馬車(chē)：數(shù)據(jù)是護(hù)城河，隔行如隔山；算力仰仗少數(shù)巨頭的芯片能力，普通人玩不起；而在模型的競(jìng)技場(chǎng)，任何人都可以做點(diǎn)什么。

因此，未來(lái)五年，人工智能能大規(guī)模應(yīng)用的風(fēng)口，在于模型。

然而，以模型為中心的 AI 技術(shù)在落地產(chǎn)業(yè)的過(guò)程中，正受到兩方面的制約，一是在模型的創(chuàng)新側(cè)，二是在模型的應(yīng)用側(cè)。其中，模型的應(yīng)用又離不開(kāi)創(chuàng)新。

算法的創(chuàng)新如今進(jìn)入一種尷尬境地。持續(xù)創(chuàng)新力不足，技術(shù)突破鳳毛麟角，只局限于少數(shù)幾個(gè)領(lǐng)域，更多的應(yīng)用場(chǎng)景還等待技術(shù)去解鎖。

在以前，AI 公司針對(duì)具體的任務(wù)和應(yīng)用場(chǎng)景來(lái)定制并出售模型和解決方案，但這種商業(yè)模式正在失去其競(jìng)爭(zhēng)力。

達(dá)摩院基礎(chǔ)視覺(jué)團(tuán)隊(duì)負(fù)責(zé)人趙德麗對(duì)這一點(diǎn)深有感觸。他舉了一個(gè)例子：假如有 1000 個(gè)任務(wù)要實(shí)現(xiàn)，那就要研發(fā)出 1000 個(gè)不同的模型，其中的工作量非常之大。一旦研發(fā)團(tuán)隊(duì)有人離職，相對(duì)應(yīng)的模型就無(wú)法維護(hù)、迭代，不具備可擴(kuò)展性，最終蝕斷 AI 應(yīng)用的鏈條。

統(tǒng)一底層架構(gòu)的出現(xiàn)，為上述難題的解決提供了一種路徑。

2017 年，谷歌在《Attention Is All You Need》這篇經(jīng)典之作中提出 Transformer 模型，作為一個(gè)具備強(qiáng)大通用性的底層架構(gòu)，它后來(lái)衍生出了 BERT、GPT-3 等預(yù)訓(xùn)練語(yǔ)言模型，且參數(shù)量飛速增長(zhǎng)，將 AI 帶入了大模型時(shí)代，如今在語(yǔ)言、視覺(jué)、多模態(tài)等領(lǐng)域上都已證明了其無(wú)限潛力。

今年大火的擴(kuò)散模型（Diffusion Model）是一個(gè)新近的例證，得益于其開(kāi)源，目前國(guó)內(nèi)外社區(qū)涌現(xiàn)出的 AI 作畫(huà)應(yīng)用已經(jīng)令人目不暇接。

周靖人認(rèn)為，大模型之所以具備巨大的價(jià)值想象空間，是因?yàn)榇竽Ｐ捅举|(zhì)上是對(duì)人類(lèi)知識(shí)體系的積累、抽象與提煉，從而能夠接近人類(lèi)智能。

同時(shí)，大模型的底層性使其能夠承擔(dān)起一種「基礎(chǔ)設(shè)施」的功能，打好 AI 應(yīng)用的底座，這也是大模型的另一名號(hào)「基礎(chǔ)模型」（Foundation Models）所凸顯的意義。

如趙德麗所言，「在統(tǒng)一底層架構(gòu)的范式下，基礎(chǔ)研究的價(jià)值比以往時(shí)候更大。若能研發(fā)出一個(gè)真正有競(jìng)爭(zhēng)力的基礎(chǔ)模型，整個(gè) AI 生態(tài)都會(huì)受益?！挂舱蛉绱耍恢睆氖律赡Ｐ脱芯康内w德麗十分看好擴(kuò)散模型。

基于統(tǒng)一的底層架構(gòu)所開(kāi)發(fā)的模型將變得可維護(hù)、可迭代、可擴(kuò)展，這樣一來(lái)，系統(tǒng)級(jí)的 AI 應(yīng)用才有被創(chuàng)造出來(lái)的可能，AI 的價(jià)值才能被真正兌現(xiàn)。

但目前我們國(guó)內(nèi)的事實(shí)是，在「煉」大模型上，暴力堆參有余而架構(gòu)創(chuàng)新不足，無(wú)論是 Transformer 還是 Diffusion Models，這類(lèi)基礎(chǔ)性突破大都生發(fā)于國(guó)外，國(guó)內(nèi)則更多處于追趕的狀態(tài)。在「用」大模型上，大模型的潛力也未見(jiàn)爆發(fā)，大規(guī)模的落地應(yīng)用還未出現(xiàn)。

要改變這種現(xiàn)狀，大模型的基礎(chǔ)設(shè)施與生態(tài)建設(shè)尤為重要。在這一點(diǎn)上，國(guó)外的進(jìn)展的確有所領(lǐng)先，例如今年 3 月谷歌發(fā)布了用于訓(xùn)練大模型的底層架構(gòu) Pathways 系統(tǒng)，被谷歌 AI 掌門(mén)人 Jeff Dean 寄予了「下一代 AI 架構(gòu)」的厚望，次月推出的 5400 億參數(shù)的超大規(guī)模語(yǔ)言模型 PaLM 便是在該架構(gòu)下訓(xùn)練出來(lái)的，其超強(qiáng)的推理能力令人驚嘆。

不單單是大模型，眼前中國(guó) AI 的整體研發(fā)與應(yīng)用的未來(lái)都指向了一條路：開(kāi)源開(kāi)放，以模型為中心提供服務(wù)。

—— 2 ——

魔搭：模型即服務(wù)

魔搭社區(qū)的立項(xiàng)，正是為了解決當(dāng)前中國(guó)人工智能研究山頭林立、各自為戰(zhàn)的局面。

達(dá)摩院語(yǔ)音實(shí)驗(yàn)室負(fù)責(zé)人鄢志杰認(rèn)為，盡管人工智能技術(shù)在近年來(lái)的落地中暴露出一些問(wèn)題，但不代表 AI 的應(yīng)用走到窮巷：

「現(xiàn)在 AI 領(lǐng)域的概況，不是泡沫破滅，也不是平臺(tái)期，而是亂花漸欲迷人眼。我們需要穿越霧里看花，找到再一次啟動(dòng)AI創(chuàng)新與應(yīng)用兩個(gè)引擎的鑰匙?！?/p>

這把鑰匙，就是開(kāi)源。開(kāi)源的本質(zhì)是交流，歷年來(lái)技術(shù)的突破都證明了這一途徑對(duì)更大圖景的促進(jìn)。打通接口，拉平認(rèn)知，是對(duì)整個(gè)中國(guó) AI 發(fā)展有積極作用的重要路徑。

達(dá)摩院很早開(kāi)始思考這個(gè)問(wèn)題：

周靖人告訴AI科技評(píng)論，2021 年 3 月達(dá)摩院發(fā)布國(guó)內(nèi)首個(gè)千億參數(shù)多模態(tài)大模型 M6。那時(shí)他作為項(xiàng)目主導(dǎo)人，從立項(xiàng)開(kāi)始就思考如何更好地釋放像 M6 這樣的大模型的基礎(chǔ)能力。

他思考的結(jié)果是：必須要有一個(gè)平臺(tái)作為依托。在內(nèi)部討論中，這個(gè)想法一出來(lái)，就得到了達(dá)摩院各個(gè)實(shí)驗(yàn)室?guī)ь^人的贊同。因?yàn)閺募夹g(shù)發(fā)展的角度看，這是勢(shì)在必行的選擇，很快達(dá)成共識(shí)。

于是，從去年開(kāi)始，在達(dá)摩院內(nèi)部一次又一次的會(huì)議上，周靖人不斷地與大家討論如何把「模型即服務(wù)」（Model as a Service，MaaS ）的理念在一個(gè)社區(qū)上實(shí)現(xiàn)，魔搭也在幾次頭腦風(fēng)暴中慢慢成型，并快速成長(zhǎng)：

今年4月底立項(xiàng)，達(dá)摩院各個(gè)工程團(tuán)隊(duì)派出人手支援、貢獻(xiàn)優(yōu)質(zhì)模型；5月30日發(fā)布內(nèi)部PoC 版本；8月底外部就已經(jīng)可以訪(fǎng)問(wèn)。

在9月的開(kāi)發(fā)者評(píng)測(cè)局上，達(dá)摩院的算法專(zhuān)家、架構(gòu)師和產(chǎn)品經(jīng)理等都親自上陣，解答開(kāi)發(fā)者的問(wèn)題。評(píng)測(cè)的反饋非常積極，甚至有點(diǎn)超乎大家的預(yù)料。

實(shí)際上一開(kāi)始，各個(gè)實(shí)驗(yàn)室內(nèi)部也存在一些疑慮，比如「國(guó)外已經(jīng)有 HuggingFace 了，那我們的魔搭該怎么定位」、「我上傳了模型之后，真的會(huì)有人來(lái)用嗎」等等。但當(dāng)算法人員讀到開(kāi)發(fā)者們寫(xiě)下的長(zhǎng)文評(píng)測(cè)時(shí)，所有人都倍受鼓舞，他們現(xiàn)在所想的，是要做出更先進(jìn)的模型，并將其貢獻(xiàn)出來(lái)，被更多人看見(jiàn)。

魔搭的定位，不是一個(gè)「玩具」，而是實(shí)實(shí)在在的生產(chǎn)力，因?yàn)樗嬲轿粷B透了 MaaS 理念的本質(zhì)。

以往模型的開(kāi)源開(kāi)放并不徹底，大部分提供 AI 模型服務(wù)的公司通常是以 API 的形式對(duì)外提供模型服務(wù)，模型本身并不能下載，大部分還要收費(fèi)。而且 API 接口的輸出結(jié)果較為固定，代碼還往往無(wú)法真正用在實(shí)際業(yè)務(wù)中，更是難以滿(mǎn)足模型的定制化需求，所以 AI 在各行業(yè)的應(yīng)用廣度與深度都會(huì)受到限制。

而已有的開(kāi)源社區(qū)的模型覆蓋面也比較有限，且沒(méi)有形成一整套、一站式的模型服務(wù)體系，開(kāi)發(fā)者在各個(gè)社區(qū)之間東一榔頭西一棒槌，十分影響效率。

而達(dá)摩院這一次，一點(diǎn)也不來(lái)「虛」的。

如果說(shuō)以往的模型服務(wù)是一只傻瓜相機(jī)，只能按一下快門(mén)、獲取千篇一律配置下的照片。那么如今達(dá)摩院提供的則是一臺(tái)單反相機(jī)，你盡可以調(diào)整相機(jī)的各種參數(shù)，拍攝出萬(wàn)千世界，把自己煉成大攝影家。

具體而言，魔搭社區(qū)如何真正把 MaaS 的理念實(shí)踐起來(lái)，要從模型的整個(gè)開(kāi)發(fā)周期講起。

首先要有能用的模型，足夠的模型豐富度是建立 MaaS 生態(tài)的一個(gè)首要門(mén)檻。在魔搭社區(qū)上，有一個(gè)方便模型共享、存儲(chǔ)和使用的模型庫(kù)（Model Hub），其中達(dá)摩院已經(jīng)率先貢獻(xiàn)了自家 300 多個(gè)壓箱底的模型，涵蓋了自然語(yǔ)言處理、視覺(jué)、語(yǔ)音、多模態(tài)等 150 多個(gè) SOTA 模型，「通義」系列的預(yù)訓(xùn)練多模態(tài)大模型也在其中。

圖注：魔搭模型庫(kù)

這些模型是經(jīng)過(guò)各個(gè)算法實(shí)驗(yàn)室精挑細(xì)選的。鄢志杰告訴我們，達(dá)摩院選擇開(kāi)源的模型既「叫好」又「叫座」。

「叫好」是從學(xué)術(shù)角度而言。算法團(tuán)隊(duì)開(kāi)發(fā)出新模型后，不再只是「王婆賣(mài)瓜」式地在論文中展示簡(jiǎn)單的數(shù)據(jù)，而是把模型在平臺(tái)上真正開(kāi)源，甚至訓(xùn)練方式也都傾囊相授，供大家使用和評(píng)判。

「叫座」關(guān)注的則是應(yīng)用角度。為了最大程度地釋放模型的生產(chǎn)力，達(dá)摩院將支撐模型 API 背后的模型打開(kāi)，一覽無(wú)遺的呈現(xiàn)給所有開(kāi)發(fā)者，還支持開(kāi)發(fā)者對(duì)預(yù)訓(xùn)練模型進(jìn)行調(diào)優(yōu)，從而獲得在其垂直領(lǐng)域里精度更高的模型。

達(dá)摩院的開(kāi)放與包容，讓更多溪流匯入了 MaaS 這片藍(lán)海。瀾舟科技、深勢(shì)科技、智譜 AI 等作為魔搭社區(qū)的首批合作者，都在魔搭上貢獻(xiàn)出了自家最先進(jìn)的模型。

有了大量模型，接下來(lái)的問(wèn)題便是如何把模型用起來(lái)，而且要低門(mén)檻地用起來(lái)。

從代碼下載到安裝部署再到效果驗(yàn)證，魔搭提供了模型探索、環(huán)境安裝、推理驗(yàn)證、訓(xùn)練調(diào)優(yōu)等一站式服務(wù)和全鏈路能力，無(wú)論是 AI 小白，還是普通開(kāi)發(fā)者，或者是更高級(jí)的開(kāi)發(fā)者，都能在平臺(tái)上獲得極佳體驗(yàn)。

對(duì)于完全不懂 AI 的愛(ài)好者，模型的使用是零門(mén)檻的，通過(guò)每個(gè)模型在魔搭上的在線(xiàn)體驗(yàn)頁(yè)面，只需幾次點(diǎn)擊，就能 0 代碼體驗(yàn)各種模型效果。傳統(tǒng)意義上的開(kāi)發(fā)者要實(shí)現(xiàn)模型的推理，也僅需 1 行代碼。

進(jìn)階的開(kāi)發(fā)者則可在 10 行代碼內(nèi)實(shí)現(xiàn)模型調(diào)優(yōu)，快速定制微調(diào)，獲取針對(duì)性的行業(yè)模型。例如，社區(qū)提供一個(gè)文本續(xù)寫(xiě)的通用模型，如果開(kāi)發(fā)者想要實(shí)現(xiàn)的不是普通的文本續(xù)寫(xiě)，而是古詩(shī)續(xù)寫(xiě)，那么就可以使用開(kāi)源的古詩(shī)詞數(shù)據(jù)集對(duì)原始模型進(jìn)行微調(diào)，訓(xùn)練一個(gè)新的續(xù)寫(xiě)古詩(shī)的模型出來(lái)。（公眾號(hào)：雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))）

圖注：古詩(shī)生成微調(diào)模型

—— 3 ——

達(dá)摩院的「退一步」

魔搭是達(dá)摩院點(diǎn)燃的一次星星之火。通過(guò)開(kāi)源所打造一個(gè)完善的模型應(yīng)用生態(tài)，將促進(jìn)整個(gè) AI 領(lǐng)域的發(fā)展。

魔搭帶來(lái)的最直接影響，是在模型的生產(chǎn)側(cè)將開(kāi)發(fā)者從重復(fù)性勞動(dòng)中解放出來(lái)，激發(fā)更大的想象空間。無(wú)論是達(dá)摩院自身還是更多開(kāi)發(fā)者，都不必再重復(fù)造輪子和無(wú)意義內(nèi)卷，而可以把更多的精力投入到原創(chuàng)性研究中，提出更具革新意義的模型。

這種變化在達(dá)摩院內(nèi)部已經(jīng)是有目共睹。魔搭社區(qū)架構(gòu)師陳穎達(dá)向 AI 科技評(píng)論介紹：以前算法人員做出模型后，由于模型的使用和調(diào)優(yōu)門(mén)檻過(guò)高，經(jīng)常還要花時(shí)間幫助業(yè)務(wù)人員配置模型，從而擠占了做原創(chuàng)研發(fā)的時(shí)間和精力；而現(xiàn)在，算法人員可以通過(guò)魔搭將模型應(yīng)用與定制能力釋放給業(yè)務(wù)線(xiàn)，更專(zhuān)注于研發(fā)工作。

從圍繞具體的業(yè)務(wù)問(wèn)題到更多聚焦在基礎(chǔ)技術(shù)能力的建造上，這種算法研發(fā)范式的轉(zhuǎn)移甚至帶來(lái)了達(dá)摩院內(nèi)部組織架構(gòu)的微妙變化。

趙德麗告訴我們，他的視覺(jué)團(tuán)隊(duì)以前都是從業(yè)務(wù)層面來(lái)命名，如「虛擬試衣」團(tuán)隊(duì)，而現(xiàn)在則是以技術(shù)方向來(lái)命名，比如「表征學(xué)習(xí)」、「視頻生成」等團(tuán)隊(duì)，每個(gè)團(tuán)隊(duì)內(nèi)部在基礎(chǔ)模型的研發(fā)上也配備了比以往更多的人員力量。

同時(shí)，在基礎(chǔ)模型的研發(fā)變得越發(fā)重要的背景下，魔搭的另一個(gè)重要價(jià)值在于釋放大模型的無(wú)限想象力。

基礎(chǔ)大模型帶來(lái)的無(wú)限想象力是另一個(gè)例證。最近流行的擴(kuò)散模型開(kāi)源以后，AI 作畫(huà)的應(yīng)用正在國(guó)內(nèi)外社區(qū)如雨后春筍般紛紛冒頭。達(dá)摩院趙德麗團(tuán)隊(duì)研發(fā)的文生圖大模型目前也已經(jīng)在魔搭開(kāi)放，他已經(jīng)預(yù)見(jiàn)到，未來(lái)隨著模型應(yīng)用生態(tài)的逐漸完善，文生圖大模型將催生出各種富有想象力的應(yīng)用和落地。

推動(dòng)這些創(chuàng)新更進(jìn)一步的背后，其實(shí)是達(dá)摩院的「退一步」。

過(guò)去五年，達(dá)摩院 AI 自己探索了從算法到工程、再到產(chǎn)品、最后在阿里云上做技術(shù)輸出這一整個(gè)研發(fā)模式，煉成一位「巨人」。而在下一個(gè)五年，達(dá)摩院將獻(xiàn)出自己「巨人的肩膀」。

魔搭打開(kāi)了一扇門(mén)，誰(shuí)也無(wú)法預(yù)判進(jìn)來(lái)的會(huì)是什么，但毋庸置疑的是，未來(lái)將是群星閃耀。哪怕相比之下，達(dá)摩院可能不一定是最「閃亮」的那一顆星。

達(dá)摩院語(yǔ)音實(shí)驗(yàn)室負(fù)責(zé)人鄢志杰向 AI 科技評(píng)論講述了舉了一個(gè)生動(dòng)的例子。

菜鳥(niǎo)曾向達(dá)摩院的語(yǔ)音團(tuán)隊(duì)提出一個(gè)模型需求，他們想將電話(huà)機(jī)器人用于物流系統(tǒng)，如在給客戶(hù)送貨前，先使用電話(huà)機(jī)器人打電話(huà)詢(xún)問(wèn)客戶(hù)，以便快遞員高效送貨。

但是，在達(dá)摩院的通用語(yǔ)音識(shí)別系統(tǒng)有時(shí)候顯得不夠「聰明」，因?yàn)檫_(dá)摩院的模型并不具備物流領(lǐng)域的專(zhuān)業(yè)知識(shí)，自然難以聽(tīng)懂一些行業(yè)「黑話(huà)」。

后來(lái)，菜鳥(niǎo)使用達(dá)摩院在魔搭上開(kāi)源的語(yǔ)音識(shí)別模型，并基于物流領(lǐng)域數(shù)據(jù)集進(jìn)行了針對(duì)性的模型微調(diào)，僅投入了零點(diǎn)幾個(gè)的算法人員，便訓(xùn)練出了一個(gè)效果超越達(dá)摩院的模型。

「這一點(diǎn)都不丟臉，這是件好事，所有人都可以訓(xùn)練出在其垂直領(lǐng)域里比達(dá)摩院更好的模型，我覺(jué)得這很光榮?！观持窘苄Φ馈?/p>

將來(lái)，達(dá)摩院在魔搭上的模型貢獻(xiàn)率會(huì)從 99% 降到 1%，從「頂梁柱」角色到「磚瓦」中的一塊。最終，達(dá)摩院將隱去自身，又或者，將有千千萬(wàn)萬(wàn)個(gè)「達(dá)摩院」出現(xiàn)。

這是達(dá)摩院的「退一步」，也許是中國(guó) AI 的「進(jìn)一步」，它最終帶來(lái)的是對(duì) AI 原創(chuàng)研究的巨大推動(dòng)。魔搭 是達(dá)摩院一次從 0 到 1 的舉動(dòng)，正如去中心化的開(kāi)發(fā)環(huán)境曾為世界帶來(lái) Linux，下一個(gè)偉大的 AI 作品或許也將從魔搭誕生。

訪(fǎng)問(wèn)魔搭社區(qū)：modelscope.cn

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。