本文来自微信公众号“人民中科研究院”，作者/任轲正。
ChatGPT在全球掀起热潮以来，国内已有多家公司发布或将发布自己的大模型，据统计，国内目前已有超30个大模型亮相。既有阿里巴巴、百度、京东、华为等互联网或科技大厂，也有以商汤为代表的AI公司，以及备受瞩目的初创企业，比如王慧文的光年之外，王小川的百川智能等。
所以有人说，“最近大模型的涌现，比大模型能力的「涌现」都要快。”
1
什么是大模型的涌现能力
复杂系统学科里已经对涌现现象做过很久的相关研究。当一个复杂系统由很多微小个体构成，这些微小个体凑到一起，相互作用，当数量足够多时，在宏观层面上展现出微观个体无法解释的特殊现象，就可以称之为“涌现现象”。
在日常生活中也有一些涌现现象，比如雪花的形成、堵车、动物迁徙、涡流形成等。这里以雪花为例来解释：雪花的构成是水分子，水分子很小，但是大量的水分子如果在外界温度条件变化的前提下相互作用，在宏观层面就会形成一个很规律、很对称、很美丽的雪花。
涌现放在大模型的语境里，指的是模型在突破某个规模时，出现了意想不到的能力。
复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏在接受媒体采访时表示，ChatGPT的革命性体现在大模型的“涌现能力”上。据悉，在训练计算量大概在10的22次方之后，模型能力会完成从量变到质变的飞跃，呈现出惊人的爆发式增长。
当模型规模较小时，模型的性能和参数大致符合比例定律，即模型的性能提升和参数增长基本呈线性关系。然而，当GPT-3/ChatGPT这种千亿级别的大规模模型被提出后，人们发现其可以打破比例定律，实现模型能力质的飞跃。这些能力也被称为大模型的“涌现能力”。
大语言模型参数增长示意图
涌现能力的背后，则进一步隐含着三个非常重要的技术：情景学习、思维链和指令学习，这也是ChatGPT得以在人工智能领域叱咤风云的关键原因。
情景学习深刻改变了传统机器学习的范式，只需要通过一系列精心设计的提示语句（Prompt），对任务进行详细描述，然后再辅以一些情景例子，就能够让模型参考着既定例子完成特定任务。
思维链则使得模型具有了推理的能力，让本来模型不会解的一个个复杂问题，分解成很多简单问题，然后通过逐一解决简单问题，最终使得复杂问题同样迎刃而解。
指令学习则使模型能够理解并执行各种自然语言指令，将任务指令化以便机器理解。人类只需要在少量的任务上进行指令化，在经历大概40多个任务指令化之后，对模型进行适度微调，就很容易泛化到上百、上千种任务，即使它从来没有见过。
2
大模型进化加速，高质量数据成差异化竞争关键
大模型竞相绽放还反映了一个信息：至少从表面上看，大模型不再稀缺。数据、算法、算力是AI能力三要素。AI大模型包含“预训练”和“大模型”两层含义，大数据是其“隐式知识库”。数据是AI大模型输入的源头和输出的结果，贯穿人工智能的整个生命周期，而算力则是训练模型的关键基础设施之一，为其快速发展提供坚实支撑。
“有大模型”不难，难的是“有一个能持续迭代，性能不断提升的优质大模型”。一些观点也提到，决定大模型发展的关键要素是高质量数据，尤其是在大模型“百花齐放”的背景下，数据是“胜负手”。
就国内数据市场而言，据国家发改委官方批露，我国政府数据资源占全国数据资源的比重超过3/4，但开放规模不足美国的10%，个人和企业可以利用的规模更是不及美国的7%。因此，加强公共数据的开放开发，是当前急需落实的核心问题，而国家数据局的组建有望从数据源头加快重要政务部门、重点关键行业的数据分类、确权进程。
此外AIGC算法日新月异，更加证明数据要素在当今的重要性。有分析指出，Meta发布基础模型SAM并开源。SAM已在1100万张图片和11亿个掩码的数据集上进行了训练，具有超强的自动识别、切割功能。SAM使用的1100万张图片训练集仅是一个开始，未来随着用户数量增加，SAM的图片训练量和分割掩码体量会呈指数级增长，因此数据要素的价值应得到持续关注。
3
我国数据要素市场体系已初步形成
近期，国内多地政府频出数据政策，加速数字化建设。同时，多地数据交易所动作频频。
4月4日，广州数据交易所通过建设算力发布共享平台，推动算力一体化协同，赋能数字经济发展，积极融入国家东数西算工程全国一体化算力布局。广州数据交易所即将推出的算力发布共享平台，是国内首个“1+1”场景式算力资源类平台。
4月3日，《2023年河南省大数据产业发展工作方案》印发，其中提到，今年争创5个以上国家级大数据产业发展试点示范项目，支持郑州数据交易中心创建国家级数据交易场所。
早前，贵州省大数据发展管理局发布《关于印发面向全国的算力保障基地建设规划的通知》。其中提到，大数据交易市场规模从目前的3亿元要提高至2025年的100亿元，增幅达到32倍。
目前，我国数据要素市场体系已经初步形成。国家工业信息安全发展研究中心发布的《2022年数据交易平台发展白皮书》显示，截至2022年8月，全国已成立44家数据交易机构，平台的注册资本多数介于5000万元至1亿元之间。
综合来看，在政策的大力推动和各方面参与者的不懈努力下，我国数据要素市场体系已经初步形成。另一方面，我国的数据要素市场正处于蓬勃发展过程中，同时也面临数据确权、数据分类分级、数据流通交易过程的安全保障、数据流通交易机制等挑战。随着我国数据要素产业法律法规、行业标准持续完善，数据交易所数量的持续扩容，数据要素产业发展有望加速。
责编：岳青植
监制：李红梅
文章参考：
1.《专访复旦大学MOSS系统负责人邱锡鹏：ChatGPT的革命性体现在大模型的“涌现能力”》21世纪经济报道
2.《大语言模型密集涌现，专家认为：人工智能永远不会跟人的智能画等号》科技日报
3.《国产大模型扎堆发布业内：数据将成为差异化竞争关键》第一财经
4.《ChatGPT浪潮下，看中国大语言模型产业发展》艾瑞咨询
5.《ChatGPT类大语言模型为什么会带来“神奇”的涌现能力？》CSDN
