獵豹移動傅盛：數據纔是大模型競爭的真正壁壘

21世紀經濟報道記者白楊 北京報道

在AI大模型的激烈競爭中，算力資源和算法優化一直是各大企業追逐的焦點。然而，隨着技術逐漸成熟，行業的焦點正在發生微妙的轉變——從單純的模型訓練和算力投入，轉向瞭如何處理和利用海量、高質量的數據。

事實上，數據已經成爲了大模型能否成功落地的決定性因素。11月27日，獵豹移動董事長兼CEO傅盛在接受21世紀經濟報道記者採訪時明確指出：“算法和算力並不是大模型的核心競爭力，真正的壁壘是數據。”

傅盛提到，大多數大模型公司在算法上並沒有顯著的差異化。儘管芯片和算法依然關鍵，但它們的差距並不像數據那麼深刻。“如果數據沒有足夠的質量和數量，任何算法和算力的優勢都無法發揮作用。”

大模型的訓練依賴大量標註過的數據，這一過程直接決定了模型的實際效果。傅盛比喻說，模型就像一個正在成長的孩子，只有得到正確的信息，他才能正確學習。

數據面臨質量和數量雙重挑戰

然而，在數據的獲取和利用方面，大模型的發展正面臨諸多挑戰。

首先是能用於大模型訓練的真實數據正在枯竭。DeepMind在一篇論文中深入探討了Scaling問題，並得出結論：爲充分訓練一個模型，其token數量需要達到該模型參數量的20倍。

目前，已知閉源模型中訓練token數最多的是GPT4，約爲20T；開源模型中訓練token數最多的是LLaMA3，約爲15T。照此計算，如果一個5000億參數的Dense模型要達到相同的訓練效果，則需要訓練約token數爲107T，而這已遠超當前業界擁有的數據量。

因此，使用合成數據已經成爲大模型的一個共識。有預測數據顯示，到2026年，自然數據將被大模型全部用完，而2030年，人工智能使用的合成數據將超過真實數據。

但傅盛認爲，直接使用合成數據訓練大模型存在巨大風險。由於合成數據本身不可避免地帶有系統性偏差，若直接將其用於訓練，模型可能會錯誤地將這些偏差視爲常規，長期下來，模型的認知可能會出現致命缺陷。

所以合成數據也需要進行一些處理，如人工調優或者是用其他數據進行增強，來提升合成數據質量。

而針對真實數據，最顯著的問題是利用率不高。許多企業有足夠的數據，但是訓練出的大模型效果總是不理想，原因也在於他們的數據質量不夠高。

挖掘數據服務商機

基於此，獵豹移動也看到一個商機，其控股公司獵戶星空推出了全新的數據服務產品——AI數據寶AirDS（AI-Ready Data Service）。

AI數據寶AirDS提供的服務涵蓋數據收集、清洗、標註、提示詞工程以及評估等環節。傅盛表示，因爲獵豹移動自己也在訓練大模型，所以相對於傳統的數據標註公司，獵豹移動對大模型有更深刻的理解，也更能滿足企業對數據的需求。

需要指出的是，目前的數據服務依然離不開人工。在大模型時代，數據篩選、清理等環節，可以藉助一些工具提高效率，但要想獲得高質量數據，人工精細標註仍是不可或缺的。

傅盛表示，在大模型時代，獵豹移動的核心業務模式並非通過模型接口來賺錢，而是通過幫助客戶實現AI應用的落地來創造價值。

該業務模式的核心是圍繞大模型的應用場景進行深度挖掘。以AI數據寶（AirDS）爲例，獵豹移動通過數據服務產品，幫助企業客戶實現從數據清洗到標註、再到應用優化的全流程服務，這不僅大幅提升了企業的AI應用效果，也爲獵豹移動創造了巨大的商業化空間。

目前，AI數據寶的成功案例已經覆蓋了多個行業，包括移動通信、互聯網娛樂、新能源汽車等。

對於大模型未來的發展，傅盛認爲，儘管技術瓶頸已使得模型的迭代速度放緩，但應用場景的深度和廣度卻在不斷擴展。特別是在搜索、企業服務等垂直行業，隨着數據質量和應用能力的提升，AI有望爲行業帶來革命性的變革。

“明年將是應用大繁榮的一年，”傅盛預測，“大模型的能力已經相對穩定，下一步的競爭將更多依賴於如何在特定場景中應用大模型。只要場景足夠清晰，它的爆發力將非常強。”