0
作者 | 李梅
编辑 | 岑峰
在魔都的东南角临港新片区，商汤科技人工智能计算中心AIDC在2022年启动运营，楼宇俯瞰宛若芯片。自ChatGPT以来，国内各家对大模型的追逐马不停蹄，继百度「文心一言」、阿里「通义千言」之后，昨日下午，商汤终于在AIDC亮相了其自研千亿参数中文语言大模型——「商量 SenseChat」。
而商汤这次拿出的，不止一个类ChatGPT。在技术交流日现场，商汤科技CEO徐立展示了商汤「日日新 SenseNova」大模型研发体系，以及文生图、数字人视频生成、3D内容生成等一系列AIGC应用，演示期间惊叹和掌声此起彼伏。
商汤科技CEO徐立展示「日日新」大模型体系
回过头看商汤在过去几年大模型研发和算力基础设施上的积累，观赛者们惊觉：在这一波大模型的竞技场上，商汤原来早有准备，出场迅速，且武艺绝佳。
—— 01 ——
商汤，出场
「苟日新、日日新、又日新」，这句话出自《礼记·大学》中汤之《盘铭》，也是商汤「日日新SenseNova」大模型体系的取名由来，承载了今天我们对大模型快速迭代、走向通用人工智能（AGI）的期待。
目前，商汤已经打造了视觉、自然语言、AIGC多个方向的AI大模型，正在以多模态大模型结合决策智能大模型为起点朝AGI走去。
在商汤这次推出的大模型体系中，备受关注的当是语言大模型「商量」，它的口号是「商量商量，都能解决」。
「商量」一名，实际上点出了ChatGPT类模型的核心，即用户在多轮对话中，通过Prompt「魔法」调教，挖掘大模型解决问题的能力。
在现场，徐立向我们演示了如何与「商量」商量商量。在逻辑推演、语言理解的广度和深度，以及知识的自动及时更新等方面，「商量」的表现都令人印象深刻。
你可以和「商量」互动创作一个故事，过程中用合适的Prompt能引导它讲故事的走向：
对于数学推理题，「商量」也能回答得有理有据：
除了通用的对话能力，商汤还基于语言大模型打造了PDF文件阅读助手、AI代码助手、健康咨询助手等工具。
其中AI代码助手能提供代码补全、注释生成代码、测试代码生成、代码翻译、代码修正、代码重构、复杂度分析等功能。据内部测试，使用AI代码助手的编程效率可提高62%，未来程序员们可以减少枯燥的重复性工作、专注创造性编程了。
基于「日日新」大模型体系，商汤此次还发布了一系列的AIGC模型及应用，包括：
文生图创作平台「秒画 SenseMirage」、数字人视频生成平台「如影SenseAvatar」、3D内容生成平台「琼宇 SenseSpace」/「格物 SenseThings」等。 这些应用不仅名字取得典雅而不失贴切，而且其AI生成能力都十分惊艳。
使用「秒画」，基于单卡A100支持，2秒就能获得一张512K分辨率的图片，而且光影真实、细节丰富、风格多变：
一只戴着珍珠耳环的鹦鹉，维米尔风格，12K，高画质，高清，Octane Render
古代中国，唐朝，山峰，河流，夜晚，满月，萤火虫，石桥，超现实，cg渲染，高度细致，华丽，荣耀，史诗，电影感
令人惊叹的史诗中国古代主题，飞龙，巨大，恐高症，青白色薄荷，山脉，云朵，全景，极端全景，中国墨水风格。艺术风格，动态，电影，令人惊叹，逼真的明暗处理，生动，充满活力，8k，辛烷值渲染，不真实，高度细致，概念艺术
更令人称奇的是，只需要20张训练图片，人人都能在5分钟内定制属于自己的LoRA模型。比如当你使用想生成「80年代港风」女子人像，但结果并不理想时，就可以上传20张风格更为贴近的图片，经过几步点击后得到新的LoRA模型。这时再输入相同的Prompt，生成的图像风格相似度就会显著提升。
上行图片由自训练LoRA模型生成
在数字人视频生成平台上，只需要5分钟的真人视频，你就可以用「如影」制作自己的数字人分身，声音动作自然、口型准确，还能说多语语言。这在短视频、电商直播、教育等领域都大有用武之地。
借助「琼宇」和「格物」，用户则可以更高效、低成本地生成三维场景和精细化物件，元宇宙触手可及。
其中，「琼宇」专注于复刻和还原真实空间，其空间重建生成能力可达大城市级尺度，100平方公里的空间也不在话下。传统人工建模10000人/天的建模任务，通过琼宇只需要2天就能完成。
「格物」支持物体3D内容生成，使用它来复刻还原物体的光照、材质细节，效率相比传统建模能提升400%。
—— 02 ——
从视觉走向多模态
超大规模神经网络的能力「涌现」，是一种发现而非发明。ChatGPT演示了AI大模型的能力，建立了人们对大模型实现通用人工智能（AGI）潜力的共识，也掀起了AIGC淘金热。
对商汤而言，ChatGPT则印证了：过去几年，商汤做对了。
在国内群雄逐鹿AI大模型的当下，商汤在其中究竟扮演了怎样的角色？雷峰网(公众号：雷峰网)的观点是，各家有各家的位置。商汤的位置已经清晰：
一是「日日新SenseNova」大模型体系以CV、NLP、AIGC等为核心，目标打造多模态大模型、最终通向AGI；
二是拥有业内稀缺的大模型专业基础设施SenseCore AI大装置；
三是以「大模型+大装置」的路线在业务和行业落地。
自2018年起，商汤便在往通用模型的方向走，在2019年预见性地储备了1000张GPU。10亿参数的图像大模型就是2019年发布，在之后的招股书中，商汤更是把AI大模型的布局写了进去。到2022年，商汤训练出了320亿参数的通用视觉大模型，是迄今全球最大的通用视觉模型，在目标检测、图像分布、多物体识别等任务上取得了非常好的性能。
2021年，商汤也启动了语言大模型的训练，并在NLP顶级赛事中拿下过多个第一。最近则调动资源火速训练出了1800亿参数的中文语言大模型「商量SenseChat」，已经开始和客户对接测试。
多模态方面，商汤在今年三月开源了30亿参数的「书生2.5」大模型，具备很强的图文跨模态开放任务处理能力，而且是目前全球开源模型中ImageNet准确度最高、规模最大、物体检测标杆数据集COCO中唯一超过65.0 mAP的模型。
这种依托领先的视觉技术优势，逐步向多模态拓展的技术路线，既是视觉AI领跑者商汤的必然选择，也在技术层面有着逻辑合理性。
视觉是人类获取周遭世界信息的最主要渠道，五感中大约有80%的信息都是以肉眼获取的。另外，视觉信息也在互联网数据分布中占很高的比例，据统计，若爬取整个互联网的文本数据，经过数据清洗后得到的只有不到10个T，而已有的图像公开数据集中最大的包含50亿张图像，大小约240T，所谓「一图胜千言」，AI要处理的视觉信息远比文本信息要多得多。所以，在视觉与语言信息具有互通性的前提下，以视觉为起点去扩展大模型的其他能力如语言、代码、数学等，符合人类理解世界的方式。
还有很重要的一点是，以ChatGPT为代表的语言大模型其核心并不在于「语言」，而在于作为一种新方法的「大模型」。在这一波语言大模型浪潮中，为什么原本做NLP的一批公司并未如预想的那样崛起，反而有的还「倒」在了大模型的脚下？就是因为通用大模型基于深度学习和超大规模神经网络（Transformer为代表），把这些公司原本在传统NLP技术上的竞争优势给无情抹平了。
所以，基于对大模型、大装置领域的长期积累，以及基础设施投入，让商汤在短时间内交出了千亿级别的语言大模型，并确立了完整的商汤日日新大模型体系。
在商汤看来，多模态大模型是通往AGI的光明之路。如果以人的受教育程度来衡量大模型的智能水平，GPT-4目前已能媲美90%以上的大学生。让大模型能够「考上大学」、「通修全科」，这也是商汤的AGI愿景。
—— 03 ——
算力的长跑
大模型非一日之功，大算力更非一天能建成。大模型浪潮掀起，但入局者大多面临着算力之困：许多下场的企业并没有足够的算力储备；英伟达A100和A800仍是训练大模型的最优选，国产芯片目前还仅能去做小模型和中模型的训练和推理，在大模型上性价比没那么高。
真正能够马上提供足够算力支持的没有几家，商汤就是其中一个。支持商汤大模型训练的SenseCore AI大装置目前拥有2.7万块GPU，是亚洲最大的智算中心之一。其输出的算力十分惊人：
峰值算力高达5000Petaflops；可以并行训练20个以上的ChatGPT类模型；1750亿参数的GPT-3在AIDC一天就能完成1次训练。
商汤临港智算中心AIDC商汤之所以能在这一波迅速入局，一个重要原因是商汤很早意识到算力的重要性并有长期布局。
商汤科技CEO徐立提出，AGI时代的大模型新公式是：大模型参数量×处理的数据量=计算量。其中，大模型参数量的指数级增长对算力的需求无需多言，商汤对大算力的预见性还在于多模态数据方面，这种预见很自然地发生在商汤的视觉模型研发经验中。
一个对比是，由于视觉数据的数量、质量和信息容量上都比语言数据要大得多，视觉模型对算力的消耗相当于语言模型的10倍。商汤在2019年训练出的10亿参数视觉模型，实际上就要求有支撑100亿语言模型训练的算力，这促使商汤很早就开始了算力长跑。
不过，高算力并不是简单地堆砌大量GPU卡就能实现，而是需要一个有强大系统设计的超大规模训练集群，因为大模型的计算量是GPU数量、并行效率、运行时间三者的乘积。这当中，并行效率和运行时间是两个技术关键，商汤大装置在这两个方面已经造就了工程奇迹。
一是并行效率非常高。从1千卡级到3、4千卡级，再到1万张卡级大规模集群的部署，训练集群的规模会有可预见的增长，但大模型训练的并行效率才决定了实际算力。如果系统效率低下，1万张卡相比1千张卡的训练效率只能提高2倍，经济上很不划算。现在商汤大装置在千卡级已经达到90%以上的线性度，能够以最大4千卡的规模集群进行单任务训练。
事实上，商汤很早就奠定了强大的系统和架构能力。19年商汤曾创造一个记录，实现了全球最快的AlexNet训练速度，当时已具备并行计算上千块GPU的能力，这是很罕见的。
二是系统稳定性极强，目前可以做到7天以上不间断的稳定训练。商汤科技联合创始人、大装置事业群副总裁陈宇恒介绍，每天每1千张GPU中，约有1张卡会出现故障，那么有1万张卡的时候，每天的故障率会更多，估计下来，平均无故障时间可能就只有一两个小时，这样的系统是没法使用的。
商汤从硬件的可靠性到软件的容错度都实现了良好的设计，7天，实际上是非常了不起的，即使是背靠微软Azure的OpenAI也望尘莫及，据官方公布，OpenAI训练模型时两三天就可能断一次点。
—— 04 ——
「大模型+大装置」双轮落地
商汤一次性推出大模型体系和多个生成式AI应用，向业界表明，商汤大模型的技术与落地是在同时进行的。
从数十亿参数级的大模型开始，在每一次的迭代中，商汤都将大模型用在实际的产品和行业中，构建用户反馈的闭环。通过飞轮效应，一方面把模型越做越大，另一方面把模型越做越有用，而非一步登天地做出一个万亿级模型、却无法在真实场景中落地。
这种更为平滑的路线，适合商汤自身，也向行业释放了大模型的生产力。
如今，商汤的产品体系和技术体系，都可以依托大模型去做支撑。「日日新」大模型体系已经深度结合在商汤的智能汽车、智慧生活、智慧商业、智慧城市四大业务板块中。
比如在自动驾驶方面，商汤已通过视觉大模型解决了迈向L3、 L4商用级过程之中的至少两个痛点。一是把视觉大模型用作一个过滤器和半自动标注的机器人，去进行数据的筛选和预标注，能提高4倍的效率。二是视觉大模型能避免数据遗忘，有非常强的泛化能力，因此能解决传统小模型无能为力的Corner Case（边缘场景）问题。
另外在生物医药领域，商汤去年与生物企业合作，通过AI大装置为蛋白质结构大模型提供推理算力，把推理时间缩短了60倍，只需要数分钟就能得到蛋白质结构预测结果。
同时，商汤还通过大装置AI云将大模型的能力输出到了各个行业和场景中。
关于大模型的行业落地，最近很热的一个概念是「模型即服务」（Model as a Service，MaaS ）。在商汤看来，MaaS只是AI大模型商业化、产品化的其中一个模式，人工智能即服务（AI as a service，AIaaS）是一个包含更广的概念。2022年，商汤AIDC开启商业化，将AI能力移植上云，在包括MaaS在内的各个层面都提供了不同服务和商业模式的方向：
•在计算基础设施服务层(IaaS)，提供AI专用的算力存储网络服务，输出大算力。
•在平台层（PaaS）：既提供多种MaaS服务，包括自动化数据标注平台「商汤明眸SenseAnnotation」、自定义大模型训练、模型增量训练、模型推理部署、开发效率提升等，同时也开放API接口，支持自由调用「日日新」大模型的各项AI技术能力。
这一套服务在商业化上是很成功的。数据显示，目前大装置已经服务8家客户训练大模型，总共提供了7000多张GPU卡，支持了超过10个大模型训练项目。在收入方面，大装置的对外服务收入占到了整个智慧商业板块收入的20%，AlaaS收入约2.93亿元。
如今的商汤已经进入无人之境。在算力基础设施层面，如何将上万块的计算卡与低延迟、高稳定、高吞吐的方式去互联，完成超大规模训练任务，是商汤接下来要应对的挑战。在大模型技术层面，未来怎样通过端云的配合完成大模型的应用闭环，也是一个长期命题。AGI的征途还很远，商汤会继续做时间的朋友。
（公众号：雷峰网）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
