大模型密集發(fā)布期，高質(zhì)量的數據資源才是推動(dòng)GPT進(jìn)化的重要高手。

4月10日，商湯發(fā)布日日新大模型，及其衍生產(chǎn)品：商量（自然語(yǔ)言）、秒畫(huà)（文生圖）、如影（數字人）、空間3D大模型（瓊宇、格物），大模型涵蓋文本和圖像生成，計劃23年開(kāi)啟萬(wàn)億參數大規模大模型訓練，也是多模態(tài)大模型。

【資料圖】

此外，在日日新大模型平臺下，還有一個(gè)"商量"語(yǔ)言發(fā)模型sensechat，可以用在法律、編程以及醫學(xué)診斷的專(zhuān)業(yè)場(chǎng)景之下。以編程為例，生成代碼的一次通過(guò)率達到40.2%，已經(jīng)超過(guò)了Github Copilot。

華爾街見(jiàn)聞·見(jiàn)智研究認為：對于大模型訓練來(lái)說(shuō)，能否未來(lái)得到優(yōu)質(zhì)的大模型，與投入的數據質(zhì)量非常關(guān)鍵，包括通用參數、文本語(yǔ)言、圖像、視頻音頻等等，投入數據的質(zhì)量高低，會(huì )直接影響模型最終生成的內容。

日日新大模型的亮點(diǎn)包括：

NLP大模型【商量】：擁有1800億參數，類(lèi)比ChatGPT。支持長(cháng)文本理解（支持上傳PDF，并可與PDF對話(huà)）、輔助編程、手寫(xiě)OCR等功能，并現場(chǎng)演示在線(xiàn)問(wèn)診等應用。

文生圖大模型【秒畫(huà)】：模型擁有超過(guò)10億參數，類(lèi)比midjourney?？奢o助提供提示詞，并生成符合描述的圖片，支持6k高清圖像，并可隨時(shí)調整畫(huà)風(fēng)。

數字人大模型【如影】：可根據5min視頻創(chuàng )作屬于自己的數字人，并進(jìn)行AI換裝、文案生成，可用于直播、視頻生成等場(chǎng)景。

空間3D大模型【瓊宇、格物】：瓊宇使得3D場(chǎng)景實(shí)時(shí)可交互/編輯，應用涉及數字孿生、建筑設計、影視創(chuàng )作、文旅和電商等。格物使得人/物/場(chǎng)便捷編輯創(chuàng )作，可用于家裝、商業(yè)廣告、文旅等場(chǎng)景。

評判大模型是否是一個(gè)好的大模型，最關(guān)鍵的還是源于投入模型的數據質(zhì)量，只有高質(zhì)量的數據才能夠讓大模型訓練出高質(zhì)量的內容。（大模型的計算量=參數量*處理的數據量）

模型迭代和數據篩選同等重要

三六零、谷歌、百度這類(lèi)以瀏覽器起家的公司，同樣具有海量數據優(yōu)勢。見(jiàn)智研究認為：能夠進(jìn)行持續迭代的大模型具備稀缺性。

像是對于搜索引擎這類(lèi)公司，天然積累了數十年的高質(zhì)量網(wǎng)絡(luò )數據資源，當搜索引擎完成對某些數據內容的提取之后，可以對其進(jìn)行分析和處理。包括數據清晰和去重，數據挖掘和分析，建立索引便于日后查詢(xún)。

此外，從GPT的發(fā)展路徑也能夠看出數據量的重要性。

從GPT1到GPT2參數投入從1.17億增長(cháng)至15億，到GPT3時(shí)參數達到1750億，OpenAI 是通過(guò)篩選優(yōu)質(zhì)數據形成參數量階梯式上升，最終使得大模型不斷迭代優(yōu)化，從而得到更好的大模型。

而未經(jīng)過(guò)濾或者輕度過(guò)濾的爬蟲(chóng)數據往往比篩選侯的數據集質(zhì)量更低，所以參數量的質(zhì)量是至關(guān)重要的，從而得到參數篩選的必要性。

除了文字大模型外，圖片大模型最近也有重大進(jìn)展。

日前Meta發(fā)布可分割圖像AI模型SAM及訓練資料集SA-1B。該模型能夠實(shí)現零樣本分割圖像中一切對象，機器視覺(jué)迎來(lái)GPT-3時(shí)刻。根據Meta官網(wǎng)消息 ，SAM目前的數據集包括在約1100萬(wàn)張許可和隱私保護圖像上收集超過(guò)11億個(gè)分割標簽。

隨著(zhù)數據采集需求快速增加，有望帶來(lái)下游視覺(jué)應用的大爆發(fā)，此前困擾CV行業(yè)的許多問(wèn)題將被直接解決。

見(jiàn)智研究認為：SAM可以成為AR/VR、內容創(chuàng )作、科學(xué)領(lǐng)域和更普遍的AI系統等領(lǐng)域的強大組件?？吹綀D像像素級別的理解和更高層次的視覺(jué)內容語(yǔ)義理解之間的緊密耦合，將解鎖更強大的人工智能系統。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：