WAIC2024 | “百模大战”盛况依旧 大模型如何赋能千行百业？

7月4日，备受瞩目的2024世界人工智能大会暨人工智能全球治理高级别会议在上海揭开帷幕。

本届大会围绕“以共商促共享 以善治促善智”主题，打造“会议论坛、展览展示、评奖赛事、智能体验”四大内容，集中体现中国在人工智能领域的国家战略、科技前沿的探索、产业升级的示范以及参与国际交流和全球治理的中贡献。

作为历届世界人工智能大会中最吸睛的部分，今年的大会展览展示板块再度升级，无论是展览规模、参展企业数量、亮点展品数量还是首发新品数量，均达到了历史最高水平。其中，大模型作为人工智能领域的明星技术，是全球科技巨头与初创企业的竞相追逐的对象。记者从现场看到，本届世界人工智能大会依旧延续了“百模大战”的盛况，从文生文到文生图模型，再到文生视频模型、端侧模型、开源模型，海内外企业纷纷躬身入局，行业头部与新锐企业齐聚一堂，携旗下大模型产品集中亮相，展现着大模型赋能千行百业的最新实践成果。

在蚂蚁集团展区，一台拥有机械手臂的“AI咖啡机器人”成为了本届大会上的热门打卡项目之一。只需打开支付宝唤醒支付宝智能助理并说出“帮我点一杯咖啡”，机器人就可以替你操作下单并递上一杯热气腾腾的咖啡。展台相关工作人员介绍，此次对外展示的支付宝智能助理是国内首款办事型的AI生活管家，基于蚂蚁集团自研的百灵大模型进行研发，致力于成为人人可用的AI生活管家。据悉，支撑支付宝三大AI管家的关键技术——“智能认知决策技术与平台”由蚂蚁集团和浙江大学历时7年联合攻关，大幅提升了人工智能服务严谨产业的专业能力、准确性和自我学习能力，让AI和大模型做决策更聪明、更可靠。目前，该平台已支持出行、健康、政务、金融等领域的超8000项数字生活服务，不仅“有脑有嘴能对话”，更是“有手有脚能办事”。

商汤科技则在本届大会上发布了大模型“日日新5.5”版本，展现其强大的混合模态能力。其中，首个面向C端用户的可控人物视频生成大模型——Vimi可实现通过动作视频、动画、声音、文字等多种驱动元素来驱动人物类图片，从而生成和目标动作一致的人物类视频。据介绍，Vimi将完全面向C端用户开放使用，用户只需上传不同角度的高清人物图片，即可自动生成数字分身和不同风格的写真视频。与常规图片表情控制类技术只能控制头部表情动作不同，Vimi人物视频大模型不但可以控制人物表情，还可以控制肢体动作，并生成合理的头发、服饰、背景，并支持光影变化。

作为新锐通用大模型代表，阶跃星辰带来的“Step系列通用大模型”摘得 WAIC 2024 SAIL之星的称号。在发布Step-2万亿参数语言大模型正式版、Step-1.5V 多模态大模型以及Step-1X 图像生成大模型等三款 Step 系列通用大模型新品以外，阶跃星辰还宣布推出“繁星计划”开放平台，投入优质资源扶持多模态领域优秀的初创企业与独立开发者团队，共同加速 AI 大模型技术在各类场景的应用落地。

在教育领域，同样有一批企业将大模型视为垂直领域的重要技术底座，并将技术在实际应用场景中全面落地。在今年5月通过了大模型备案的猿力科技在本次世界人工智能大会上展示了其自研大模型与支撑的教育产品“全家桶”，吸引了不少观众驻足围观。除了搭配全场景「以练促学」精准学系统，从智能推题、AI批改、错题整理、错题讲解、举一反三到薄弱点专练，形成完整的个性化学习生态闭环的小猿学练机外，展台上海豚AI学所展示的“苏格拉底启发式AI答疑”也是一大亮点。在练习环节，该模型并不直接生成答案，而是通过多轮问答引导孩子主动思考、掌握原理、自主解题。

随着大模型技术的发展和应用，语料质量参差不齐、高质量语料短缺等问题也日益凸显。本届世界人工智能大会期间，上海合合信息科技股份有限公司带了为大模型打造的“加速器”解决方案，旨在通过文档解析引擎助力大模型突破在书籍、论文、研报等文档中的版面解析障碍，助力大模型跑得更快。

“语料的质量会显著影响大模型的性能。”展台负责人表示，目前大批高价值语料数据依然“沉睡”在报告、论文、报纸等文档里，而无线表、跨页表格、复杂公式等元素的处理仍是大模型语料处理中的“拦路虎”。针对这一痛点，合合信息在大模型训练的上游阶段开发的了这款“加速器”可实现最快1.5秒解析百页长文档中的文本、表格、图像等非结构化数据，从源头为模型训练与应用输送纯净的“燃料”。

不难看出，在大模型领域存在典型的“飞轮效应”。因此，在大模型发展的“下半场”，夯实算法、算力等底层技术，持续探索垂直应用场景，为各行业、企业应用大模型提供可资借鉴的实践案例，加快营造通用人工智能创新生态或将成为未来的重点方向。（张晓箴）