騰訊混元“亮劍”，大模型戰事膠著

（騰訊集團高級執行副總裁、騰訊云與智慧產業事業群CEO湯道生）

記者 盧曉 北京報道

大模型這把火還在持續燃燒。

【資料圖】

近日，不止百川智能、螞蟻相繼對外發布了自己的大模型，騰訊自主研發的通用大語言模型混元（下稱“混元大模型”）也在9月7日亮相，并通過騰訊云對外開放。騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生當日表示，騰訊將邁入“全面擁抱大模型”時代。

歷經大半年，國產大模型早已從原來的卷技術轉向卷應用。早前第一批大模型應用在8月末通過備案并對外上線，也已經意味著大模型所代表的B端市場競爭將更加激烈。

混元終亮相

騰訊方面公布的數據顯示，混元大模型擁有超千億參數規模，預訓練語料超2萬億tokens，具有強大的中文理解與創作能力、邏輯推理能力，以及可靠的任務執行能力。

據記者了解，針對大模型容易“胡言亂語”的問題，騰訊優化了預訓練算法及策略，讓混元大模型的幻覺相比主流開源大模型降低了30%至50%。此外，騰訊還自研了機器學習框架Angel，使訓練速度相比業界主流框架提升1 倍，推理速度比業界主流框架提升1.3倍。

不過騰訊集團副總裁蔣杰表示：“我們研發大模型的目標不是在評測上獲得高分，而是將技術應用到實際場景中”。他當天介紹稱，騰訊混元大模型從第一個token開始從零訓練，掌握了從模型算法到機器學習框架，再到AI基礎設施的全鏈路自研技術。他在采訪中還透露，混元大模型已經向相關部門備案且已獲批。

同其他大廠研發的大模型一樣，混元大模型也已經同騰訊的內部業務對接。

《》記者從騰訊方面了解到，目前混元大模型已經接入騰訊云、騰訊廣告、騰訊游戲、騰訊金融科技、騰訊會議等50多個業務并取得初步效果。據悉，混元大模型的微信小程序騰訊混元助手也已開啟內測，目前處于排隊申請試用中。

混元大模型更大的目標是“改造”千行百業。

今年6月，騰訊云首次對外公布了自己的MaaS服務解決方案：它打造了一個行業模型商店，覆蓋金融、文旅、政務、傳媒、教育等10個行業，在這些能力模型基礎上，客戶加入自己獨有的場景數據，就可以快速生成自己的“專屬模型”。

記者還從騰訊方面了解到，混元大模型將作為騰訊云MaaS服務的底座，客戶不僅可以直接通過API調用混元，也可以將混元作為基底模型，為不同產業場景構建專屬應用。湯道生當天也表示：“以大模型生成技術為核心，人工智能正在成為下一輪數字化發展的關鍵動力，也為解決產業痛點帶來了全新的思路。大模型需要基于產業場景，與企業數據融合，才能釋放出最大的價值。”

B端競爭激烈

騰訊看到了大模型背后的產業市場。

湯道生當天在發言中稱，騰訊已經和1萬1千家生態伙伴展開緊密合作，推出了覆蓋100多個產業場景的行業解決方案。此外，去年生態伙伴收入占到騰訊云整體收入的三分之一，收入增速是騰訊云增速的4倍。記者還從騰訊方面了解到，目前騰訊云已經助力百川智能、智譜科技、MiniMax等企業打造大模型。

而在今年Q2財報中，包括騰訊云的“金融科技及企業服務”依然是騰訊最大的收入來源，約486億元的收入同比增長15%，占到騰訊Q2總營收的32%，這也是這一業務連續第九個季度營收占比超過三成。騰訊相關高層在8月16日晚間的業績說明會上還表示，今年下半年騰訊還將在云業務方面做出更多努力，騰訊最新發布的MaaS有望為云業務帶來新的增長點。

但隨著國內大模型產業進入“百模大戰”，騰訊也面臨著激烈競爭。

以與騰訊并稱BAT的另外兩家為例，在通用大模型方面，百度和阿里在今年3月和4月間相繼發布了文心一言和通義千問。在MaaS領域，它們的思路看起來也與騰訊一樣。百度CTO王海峰今年5月在中關村論壇期間表示，未來MaaS將成為云計算的主流商業模式，大模型將與實體經濟深度融合。阿里云CTO周靖人在今年5月的中關村會議上也提出，Model as a service概念正在被廣泛接受，模型會作為業務和開發系統開發的重要生產元素。

而對于國內大模型市場化的一個關鍵節點是，8月15日，《生成式人工智能服務管理暫行辦法》正式實施。自8月30日晚間起，以百度為代表的多家國內大模型相繼宣布獲批上線，對公眾開放，這意味著大模型市場的競爭更加激烈。

對于大模型市場眼下的競爭局面，盤古智庫高級研究員江瀚對《》記者表示，多家大模型通過備案代表了市場在合規的同時也保留了充分的競爭，市場的多元化屬性依然非常明顯，這是符合當前市場發展初級階段的一個狀況。他認為，國內的大模型的商業化空間還是很大。

深度科技研究院院長張孝榮則認為，騰訊的混元大模型有一定后發優勢，在算力上有騰訊云提供保障，在數據上騰訊在內容產業有廣泛布局，可以用來訓練的語料規模足夠大，在場景上騰訊可以針對旗下社交、新聞、視頻、游戲等諸多互聯網場景進行應用訓練，“有可能探索出新的道路。”不過他同時也對記者表示，由于大模型產業處于發展早期，依然是投入大產出少，需要大量燒錢，進一步完善技術創新，進而提升AI成熟度。