4月10日下午，在商汤科技的技术交流日活动上，商汤揭开了一批自研AI应用产品的神秘面纱。其中，商汤“日日新SenseNova”大模型体系备受市场关注。

随着ChatGPT热潮在全球范围内一浪高过一浪，国内互联网科技大厂也纷纷官宣自己的大模型产品。本次商汤科技发布了功能全面的生成式AI大模型产品，充分展示出公司的雄心。而伴随GPT的广为人知，通用人工智能时代正在徐徐到来。

商汤版ChatGPT亮相

4月10日下午，在商汤科技的技术交流日活动上，商汤科技董事长兼首席执行官徐立宣布推出商汤自研的大模型“日日新SenseNova”，并基于这一模型推出了一系列生成式AI应用，从文本聊天到AI绘画，功能可谓相当全面。

被视为对标ChatGPT的产品，商汤最新自研的中文语言大模型应用平台“商量SenseChat”备受关注。据介绍，这款模型是一款千亿级参数的自然语言处理模型，参数规模达到1800亿，若仅按此参数规模来看，SenseChat的参数量已超越GPT-3.5参数量。

据介绍，“商量SenseChat”最大的特点在于训练过程中，充分考虑中文语境，因此能够更好地理解和处理中文文本。多位券商分析师以及市场人士向记者反馈，商汤此次推出的大模型“超出市场预期”。

不同于许多厂商发布的产品偏概念，此次商汤发布的大模型产品均给出了相应的商业应用场景。比如“商量SenseChat”展现了出色的多轮对话和超长文本的理解能力。语言大模型支持包括编程助手、健康咨询助手、PDF文件阅读助手等在内的创新应用。

作为一家从底层技术起家的AI平台公司，商汤科技此次发布“商量SenseChat”可谓是“秀肌肉”。为完成这类大模型训练，商汤搭建了豪华的训练平台。据悉，商汤历时五年，建设了AI大装置，大装置上总共有27000块的GPU芯片卡，可以输出5000P的总算力，是亚洲目前最大的智能计算平台之一。

“GPT4发布之后，业内预言未来AI行业会出现马太效应，强者恒强。”一位从事人工智能研发的资深工程师告诉记者，算力指标之于数字时代，将类似于钢产量之于工业时代。

在本次活动上，商汤科技负责人提出了新的“二八定律”，并预言“低代码”人工智能时代即将到来。他表示，未来80%的基础代码将由人工智能自动生成，仅有20%需要人工手动调试。

“未来将是属于prompt的时代，传统代码语言都会被淘汰。”一位资深程序员非常认同商汤对于“低代码”时代的预言，他对记者表示，随着人工智能在基础领域的性能越来越强，未来程序员的核心工作将是通过prompt调试人工智能，而非手动撰写基础代码。

商汤方面表示，“日日新SenseNova”将为政企客户提供了多种灵活的API接口和服务，供合作伙伴在后续接入。

通用人工智能时代或正在到来

随着商汤发布自研大模型，通用人工智能成为业内关注的焦点。

商汤科技联合创始人、首席科学家王晓刚表示:“通用人工智能催生了新的研究范式，即基于一个强大的多模态基模型，通过强化学习和人类反馈不断解锁基模型新的能力，从而更高效地解决海量的开放式任务。通用人工智能将实现从‘数据飞轮’到‘智慧飞轮’的演进，最终迈向人机共智。”

记者注意到，通用人工智能也是商汤科技2022年年报中的关键词。商汤科技在年报中写道:2022年，通用人工智能领域在大算力与大模型的驱动下取得了显著进展。商汤始终以前瞻性的眼光，专注于超大模型的研发，并积极投资建设人工智能高性能计算基础设施。

一般而言，业内普遍预测人工智能发展分为三个阶段，即弱人工智能、通用人工智能(AGI，Artificial General Intelligence)和超人工智能(ASI，Artificial Super Intelligence)。此前震动围棋界的AlphaGO尚属于弱人工智能，其最显著的特征便是这些系统在特定领域表现出色，但无法跨领域进行推理和学习。通用人工智能则是指能够像人类一样理解、学习和适应各种任务和环境的人工智能系统。这意味着，通用人工智能可以在广泛的任务中表现出色，并具备类似于人类的思维能力。

随着科技的不断进步，人工智能已经在诸多领域取得了突破性成果。然而，相较于目前的弱人工智能，通用人工智能无疑是一个更具挑战性的目标。“推理其实是判断人工智能水平的一个关键指标。”前述资深工程师告诉记者，在大数据的训练下，传统模型很多的决策更类似于“相似概率”。

ChatGPT的出现，让关于人类身处弱人工智能时代的定论被动摇。尤其是在模型训练中，随着参数增加，模型出现了智能的“涌现”和泛化现象，让人们开始意识到，通用人工智能时代或许已经缓缓降临。此前被誉为GPT之父的山姆·阿尔特曼曾坦言，自己也不清楚为何在某个节点，GPT会突然出现类似推理的能力。

当然，眼下通用人工智能的发展仍处于初级阶段，许多研究者和机构正在努力解决其面临的关键挑战，如算法创新、知识表示和抽象思维等。一些顶尖科研机构如OpenAI、DeepMind和微软等，已投入大量资源研究通用人工智能技术。这些研究为实现通用人工智能提供了重要基础，也推动了人工智能领域的创新。

“以数据来说，目前的AI系统大多依赖于大量标注数据进行学习，这在很大程度上限制了其泛化能力。”对于通用人工智能面临的挑战，前述工程师告诉记者，要实现通用人工智能，就要发展新的学习方法，使AI能够像人类一样从少量数据中学习和推理。

此外，目前业内普遍认为，当前的AI系统很难理解和处理抽象概念，这在很大程度上阻碍了其在复杂任务中的表现。因此，未来的通用人工智能系统需要具备更强大的知识表示和抽象思维能力。