面向应用而生 腾讯自研混元大模型首次亮相

9月7日，在2023腾讯全球数字生态大会上，腾讯混元大模型正式对外亮相。全链路自主研发的腾讯混元大模型源自实践、面向应用而生，未来也将把大模型技术用到实践中去，为千行百业持续创造价值。

全链路自研 把关键技术掌握在自己手里

当前，大模型在中国呈现百花齐放、迅猛发展的态势，腾讯、华为、阿里、百度等科技企业纷纷入局，投入资源、潜心研究。竞争与追赶间，中国以大模型为代表的人工智能技术得以不断锤炼。

ChatGPT的问世让我们一下子看到了在人工智能领域中国与世界顶尖水平的差距。其实不止在芯片这样的硬件领域，中国在像大模型这样的软件领域依然存在被“卡脖子“的风险。

在短短一年的时间里，中国的科技企业和研究机构奋起直追、缩小差距。尽管差距仍在，但可以毫不夸张地说，中国大模型的技术取得了长足的进步，中国人工智能技术水平已经处于世界第一方阵。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示：“以大模型生成技术为核心，人工智能正在成为下一轮数字化发展的关键动力，也为解决产业痛点带来了全新的思路。大模型需要基于产业场景，与企业数据融合，才能释放出最大的价值。”

随着腾讯混元大模型的亮相，中国数字科技领军企业都已经公布了大模型研发的进展。超百个国产大模型呈现百舸争流的景象，侧面折射出中国科技企业重视科技创新。而大模型不仅要追求数量，更要通过研发把关键技术牢牢掌握在自己手里。

根据腾讯在全球数字生态大会上披露的信息，腾讯混元大模型是一款由腾讯全链路自主研发的通用大语言模型，其模型参数达到了千亿级别，在中文创作、复杂语境下的逻辑推理和可靠的任务执行等方面均有良好表现。

在混元大模型的首次亮相中，自主研发是其中的一大关键词。

腾讯集团副总裁蒋杰介绍，腾讯混元大模型是从零开始训练，公司掌握了从模型算法、机器学习框架、人工智能基础设施的全链路自研技术。

把关键技术掌握在自己手里，就需要用长期主义把大模型研发看成是一场“马拉松”。

以腾讯为例，从2021年开始，先后推出了多个千万和亿级参数模型，在实际应用中不断优化大模型底层算法开发，提升工程能力。2018年起，腾讯累计投入了超过2300亿元的研发经费。

复旦大学中国研究院副研究员刘典表示，人工智能的发展不是一蹴而就的，我们需要继续加强对人工智能的投入，坚持自主研发、自立自强的核心思想，做好在人工智能领域“打持久战”的准备。

全面拥抱大模型下半场看应用落地

有人将人工智能技术比作类似发现电的工业革命一样的机遇。对于工业革命来讲，早一个月把“电灯泡”拿出来在长的时间跨度上来看是不那么重要的，重要的是把底层的算法、算力和数据扎实做好。

大模型绝不只是聊天机器人，大模型竞争赛跑的后半程更关键的是要看应用场景的落地。

应用一直是腾讯的强项。凭借公司内部丰富多元的应用场景，腾讯混元大模型通过实践充分磨练、多次迭代。

在腾讯全球数字生态大会，蒋杰现场展示了接入腾讯混元大模型后，腾讯会议、腾讯文档、腾讯广告等产品和业务的应用能力和创新探索。

我们可以畅想不久之后就可以实现的工作场景：

——在多人线上数小时的会议后，人工智能技术将仅仅通过简单的自然语言指令，就能快速准确地提炼各方观点，智能生成会议纪要；

——文档可以一键生成标准格式文本，精通数百种Excel公式，自动基于表格内容生成图表；

——我们将看到越来越多由大模型技术生成的广告创意，不仅有行业甚至有地域的特色，千人千面，文字、图片、视频实现自然融合……

大模型技术的落地应用已经转换成了实实在在的生产力。在腾讯内部，腾讯混元大模型已经深度支持了50多个业务。

“腾讯将全面拥抱大模型。”蒋杰说。

不断应用创新 用大模型技术服务千行百业

虽然中国大模型及其行业规模已经足够有优势，但是大模型当前的应用主要还集中在容错率高、任务简单的休闲场景，在更具价值的严肃场景、工作场景和专业场景，大模型的应用尚待解锁。

一方面，我们要走出当前大模型单纯拼参数的误区；另一方面，我们需要鼓励企业进行应用创新，把技术落在实处，发挥出大模型的实用性。

清华大学人工智能研究院视觉智能研究中心主任、教授邓志东表示，大模型的价值在于应用。只有在多样化的实际应用场景中赋能智能经济与智能社会的发展，才能找到产业价值，同时也才能成就大模型自身。

共享大模型能力、为更多行业带来智能化机遇，成为许多中国科技企业的选择。在内部多个业务接入内测和应用检验后，腾讯宣布将通过腾讯云对外开放混元大模型能力，以自研技术服务好千行百业。

腾讯混元大模型将作为腾讯云MaaS（Model-as-a-Service,模型即服务）服务的底座，企业用户不仅可以直接调用混元，也可以将混元大模型作为基底模型，为不同产业场景构建专属应用。

对于中国大模型的未来发展，业内专家建议继续鼓励企业积极进行应用创新。刘典说，中国一方面要继续优化自己的大模型质量，另一方面也要基于现有的产品，利用我国特有的超大规模市场和丰富应用场景，深耕应用层面，切实地为千行百业赋能。