腾讯“混元”AI大模型首次亮相一举斩获跨模态检索榜单大满贯！

1

AI大模型技术背景

人工智能（Artificial Intelligence，简称AI）大模型的技术背景发展历程可以追溯到上世纪50年代，到今天大致分为四个阶段。

---早期符号主义（Symbolic AI）：20世纪50年代至70年代初，AI研究主要关注于通过逻辑和符号推理来模拟人类智能。这一时期的代表性成果包括逻辑推理和专家系统。

---连接主义（Connectionism）：20世纪80年代至90年代，研究人员开始将注意力转向基于神经网络的模型。这些模型通过模拟神经元之间的连接和信号传递来实现学习和推理。著名的连接主义模型包括感知器和反向传播神经网络。

---统计学习（Statistical Learning）：20世纪90年代末至21世纪初，随着计算能力的提升和大量数据的积累，统计学习方法逐渐兴起。这种方法基于统计模型和机器学习算法，通过从数据中学习模式和规律来实现AI任务。支持向量机（Support Vector Machines）和随机森林（Random Forests）是当时常用的算法。

---深度学习（Deep Learning）：2010年代至今，深度学习在AI领域取得了重大突破。深度学习使用深层神经网络模型，通过多层次的非线性变换和大规模数据训练，实现了对复杂数据模式的学习和表征。卷积神经网络在图像识别中取得了巨大成功，而循环神经网络则在自然语言处理中得到了广泛应用。其中，Transformer模型的提出为自然语言处理任务引入了注意力机制，并为后来的大模型奠定了基础。

---AI大模型的崛起：近年来，AI大模型，特别是以GPT（Generative Pre-trained Transformer）系列为代表的预训练语言模型，成为了AI领域的热点。这些模型使用深度神经网络，在大规模语料库上进行预训练，然后在具体任务上进行微调。这种模型在自然语言处理、语音识别、图像处理等领域展现了强大的性能。GPT-3模型在2020年引起了广泛关注，并被认为是迄今为止最大的AI语言模型。此后，GPT-4和GPT-5等更大规模的模型也相继问世。

AI大模型的发展经历了从符号主义到连接主义、统计学习，再到深度学习的演化过程。通过不断提升模型规模、数据和计算能力的增强，AI大模型取得了在各种任务中超越人类的惊人表现，成为当前人工智能研究的重要方向之一。

国内基本情况

2

总体上来看，目前国内有几十家企业及科研院所涉足人工智能大模型训练，主要分为大型科技公司、科研院校和初创科技团队三类。从大模型的布局体系来看，百度、阿里、华为等大型科技公司从算力层、平台层、模型层、应用层进行了四位一体的全面布局，科研院校及初创科技公司主要以研发大模型算法及细分领域应用为主。从大模型参数量看，大型科技公司的参数量远大于科研院所，但基本都处于千亿及以上规模；从大模型应用方向看，大部分企业前期以内部应用为主，后续主要向B端企业拓展服务，预计少数企业将在C端市场形成规模。总体来说，业界普遍认为国内大模型与GPT-3的水平相当，与GPT-4仍有较大差距。

图源：中移智库

具体来看，目前国内的几种大模型产品主要包括百度、阿里、腾讯、阿里、华为、字节等公司发布的产品。