新质生产力的培育与壮大，离不开“人工智能+”与“数据要素×”的深度融合与高效运作。这两项行动的深度推进，将为我国带来产业转型的历史性机遇，有望打造出一批具有全球影响力的数字产业集群，推动现代化产业体系实现质的跃升，助力我国经济社会全面迈入智能化、数字化的新时代。

　　而人工智能+的高速发展又不得不提到大模型，赛迪顾问人工智能与大数据研究中心常务副总经理邹德宝近日在公开演讲中全面回顾了大模型的发展历史、时代特征、产业竞争格局，并对未来发展趋势进行预测，呼吁产业同仁共同迎接智能时代的“产业之翼”。

　　邹德宝首先回顾了大模型时代的发展历程。他指出，从2017年Transformer的提出，奠定了现在主流大模型的基础架构。自那时起，大模型参数量不断攀升，从最初的3亿规模一路飙升至万亿级别。如今，大模型正推动着人工智能从单模态向多模态过渡，无论是国外的OpenAI还是国内众多企业，都在这一领域深耕细作，推出了各具特色的通用或行业大模型。

　　大模型时代五大关键特征解析

　　谈及大模型时代的特征，邹德宝总结了五大关键点。首先是模型架构的转变，如今的大模型已不再单纯追求参数规模的增加，而是更加注重效率的提升。他引用了两组数据来佐证这一观点：一是基于Transformer架构的大模型在进行推理时的功率相当于人脑的100倍；二是ChatGPT响应一次问题需要消耗大量电能。因此，提高大模型效率、降低能耗成为当务之急。

　　在训练数据方面，大模型已经从追求扩大单一的数据量转变为构建优质的数据集。他强调，数据处理的规模、质量和多样性是衡量大模型核心能力的关键。以往的数据处理更多依赖人工标注，但这种方式存在诸多障碍和效率低下的问题。未来，大模型预训练需要同时具备规模、质量和多样性的数据集，以提升其在上下文理解和自主决策等方面的表现。

　　计算环境的变迁也是大模型时代的一个重要特征。随着端侧应用场景的爆发式增长，如AIPC、AI手机等个人设备的普及，大模型的计算环境正从云端逐步向端边融合、云端一体渗透和突破。这将为大模型在更多场景下的应用提供可能。

　　智能体AI Agent作为大模型时代的另一个显著特征，正经历着从精准回答、实时反馈到自主决策的演变。未来的智能体将能够在没有或仅有少量数据的情况下形成自主决策、规划和执行任务的能力，在感知、认知决策、学习和执行方面展现出卓越性能。

　　最后，他谈到了大模型时代的竞争格局。通过核心技术能力、市场竞争力、市场占比、产品创新能力和市场发展潜力以及生态开放能力五个维度的评估，他筛选出了20家领军企业。这些企业在大模型产品表现能力上脱颖而出，涵盖了云厂商、互联网企业、人工智能厂商等多个领域。

       五大发展趋势

　　展望未来，邹德宝提出了大模型时代的五大发展趋势。首先是大模型将推动人工智能开发从“作坊式”向“工厂式”升级，降低开发门槛并提高开发效率。其次，数字中点将在大模型的加持下提前到来，有望推动数字化转型的进程。第三是大模型将释放开发者的生产力形成新的二八定律，即80%的代码生成将由大模型完成而开发者只需进行20%的调优工作。第四是“数据智能”将成为促进大模型爆发式增长的基石解决现存存量数据枯竭的问题。最后是模型即服务（MaaS）将成为通往通用人工智能（AGI）的关键途径构建通用大模型、领域大模型、行业大模型以及企业和个人小模型一体化的业态。

　　在演讲的结尾部分，这位邹德宝呼吁产业界同仁共同构建变革的产业天梯迎接智能时代的产业之翼。他的演讲充满激情与期待为听众展现了一个充满无限可能的智能未来。

　　大模型时代已经到来，它正在以前所未有的速度改变着我们的生活和工作方式。从云端到端侧，从数据处理到智能决策，大模型正逐步渗透到各个领域和场景中。在这个时代里，我们需要不断探索和创新，以应对日益复杂多变的挑战和需求。同时我们也需要关注大模型发展过程中的能效问题，推动绿色、可持续的智能化发展。

　　此外，大模型时代的竞争格局也日益激烈，领军企业已经浮出水面，但后来者仍有机会迎头赶上。在这个过程中，合作与共赢将成为主题，只有共同推动大模型技术的发展和应用，才能让整个社会更加美好和进步。

　　写在最后

　　随着大模型技术的深入发展和应用，我们生活的方方面面都将得到极大的改善和提升。在医疗领域，大模型可以协助医生进行更准确的诊断和治疗方案制定；在教育领域，大模型可以根据学生的学习情况和进度提供个性化的辅导和学习资源；在交通领域，大模型可以优化交通流量管理，提高道路使用效率，减少拥堵和交通事故。

　　同时，我们也需要关注大模型技术发展中的伦理和隐私问题。在收集和使用大量数据进行训练的过程中，必须确保用户数据的安全性和隐私保护。此外，我们还需要建立相应的法律法规和标准规范来约束和引导大模型技术的健康发展。