本文来自微信公众号“大数据分析和应用”，作者/于涧。
大模型是指参数量非常大的深度学习模型，通常用于处理大规模数据集，并能够学习到数据的复杂特征。
大模型的出现，极大地提升了人工智能的能力，并在语音识别、图像处理、自然语言处理等领域取得了显著成果。
在大模型的训练过程中，需要使用大量的数据和计算资源，并且需要花费很长时间来训练模型。因此，大模型通常需要使用高性能计算机和大规模计算集群来进行训练。同时，大模型也需要使用各种优化算法和技术来加速训练过程和提高模型的准确率。
大模型的应用非常广泛，例如在自然语言处理领域中，大模型可以用于机器翻译、文本生成、对话系统等任务；在图像处理领域中，大模型可以用于图像分类、目标检测、图像生成等任务；在语音识别领域中，大模型可以用于语音识别、语音合成、语音转换等任务。
如今全球算力市场正处于结构性调整重要阶段。
与2022年相比，2023年算力产业突出表现为智能计算需求暴增，带动AI服务器等产业快速增长。
这使得智能算力需求异军突起，计算技术体系全面升级。
智能计算成为计算技术创新发展主线条。
因此，以大模型和大数据为代表的智能计算需求驱动计算芯片、互联网络和内存技术、开发框架和软件栈加速突破创新。
据信通院数据统计，如今全球算力规模快速增长，智能算力占比突破60％。
2023年全球计算设备算力规模为1369EFlops，我国达450EFlops，全球占比三分之一，增速近50％。
五年来全球算力结构发生革命性变化，智能算力占比由10％左右增长至60％以上，年均增速超100％。
在算力的持续发展背景下，AI大模型能力也得到了持续跃升，构筑了智能化新底座。
如今大模型能力飞速提升从单模态感知到多模态认知，主要有以下三大方向：
方向一：
符合人类认知的生成能力。
GPT-4一次性读取300页文本内容实现图文理解与生成，知识库更新至23年4月，对齐人类意图。
方向二：
突破典型通用智能任务。
谷歌Gemini首次在MMLU（多任务理解）测评基准以90.0％准确率超越人类专家水平89.8％
方向三：
开放环境交互与主动学习。
RT-2具身智能让机器人接入大模型，零预训练完成复杂指令。
与此同时，大模型平台化趋势日益凸显，大模型应用开发平台降低用户开发门槛，提升落地流程自动化能力。
开源工具也在基于LLM构建端到端应用的开源框架工具。
中国信通院副院长王志勤总结道：
大模型应用生态正在形成从人机交互到智慧应用新生态。
大模型正在以愈发丰富的应用形态和更加易用的使用方式深入赋能生产生活，并正在塑造基于大模型的智慧底座新生态。
基于智算的广阔前景，全球行业巨头也在蜂拥智能计算赛道。
先进计算核心企业加快智能计算产品端到端体系化布局，抢占产业生态主导权。
AI芯片企业向上层云、算力服务及大模型拓展，云平台及AI企业向底层芯片渗透。
