Q ：腾讯在 AI 大模型方向的进展情况？混元大模型？

A ：腾讯的大模型情况与百度、  阿里不同 ，我们分到了每个 BG ，我们有 6 个 BG ( TEG 技 术中台、CSIG 面向 B 端、微信、游戏、  PCG 做内容、CDG 偏广告金融) ，其中六个 BG 都 有做 AI ，都非常重视不管从投入还是老板重视程度来看 ，我认为 AI 在技术侧是腾讯 number one 的地位。。TEG 类似中台 ，AI lab 在 TEG 下面。混元大模型由腾讯唯一 17 级科学家张 正友老师负责 ，也是 AI lab 的负责人。6 个 BG 都有人在参与混元 ，共同推进 ，算法上 TEG 偏 general ，其他 BG 偏行业。大模型腾讯在几年前也做过 ，混元也有上一代产品 ，偏检索式。马上五月要发的是偏深层次的 ，对标 ChatGPT。  目前混元还在测试研发中。

Q ：腾讯 AI 大模型在什么样的水平 ？

A ：腾讯 AI 大模型是万亿 (参数) 的 ，虽然还未发布 ，但我们自己认为比 ChatGPT 要强 ， 但比 GPT4 可能不足 ，GPT 是支持多模态 ，而我们暂时偏自然语言。

Q ：混元大模型的算法是腾讯原创？还是基于什么技术路线？

A ：算法上对标 GPT ，但也有不一样的地方 ，比如 Fine-tune、  Reward Model、  PPO ，但 其实这三步都是大家需要做的事情 ，主要是需要自己找一些新的数据 ，再做数据预处理。

Q ：在算力层面 ，腾讯云已用于 AI 训练的算力在什么水平？后续投入计划？

A ：我们投入了将近万张卡 ，我们在算力上还是有一定储备。我们也在内部评测华为昇腾芯 片 ，发现有些场景下性能还可以。

Q ：混元的训练数据以什么类型为主 ，数据来源 ？

A ：数据来源为公开中文数据集、  自己内部数据。数据需要做标注等预处理工作。

Q ：能否介绍一下您正在研发的产品具体情况？未来商业化场景？

A ：我们主要面向 B 端、G 端客户 ，后续会重点推行业的中小模型 ，主要有几种模式 ：1 )    对于超大客户 ，可能会选择从头训练一个大模型 ，但这种情况比较少 ，我们有能力去帮助客   户从 0 到 1 重新训练大模型。2 )基于客户的私有数据 ，对我们基础大模型做定制化 fine-tune。 3 ) 大多数客户还是会基于其行业属性 ，我们一起联合训练模型。

Q ：腾讯混元大模型在哪几个方面的性能强于 ChatGPT ？

A ：从参数上 ，我们 1 万亿 ，ChatGPT 是 1750 亿。

Q ：腾讯的 AI 服务器用哪家较多 ？

A ：浪潮。

Q ：腾讯在 AI 医疗方面有没有与企业合作做 AI 医药研发训练 ，或者 AI 在线诊断？AI 医疗 数据有专门数据处理公司吗 ？

A ：我跟的领域没有做这方面的事。我知道有一个单独的团队在做 DrugAI 的事情 ，但实际 做到什么程度我不清楚。也有团队在做医保卡相关的项目。数据处理公司也不太清楚。

Q ：整个训练过程都是有监督条件下的大模型训练吗 ？

A ：前面模型可以做自监督 ，后面的要在模型上做数据标注。算法原理是先有一个一般意义 上的模型 ，再在模型上做数据标注、排序等。

Q ：在混元大模型上做行业小模型 ，小模型属于推理部分吗 ？

A ：大多数客户只要推理 ，但费用和投入肯定不一样。

Q ：在推理过程中 ，数据传输和算力只有大模型需要还是推理端也需要 ？

A ：取决于客户部署在哪里。如果部署在公司云上 ，需要采购公司算力。如果有自己的私有 云 ，就有自己的算力。针对数据隐私公司会加密。

Q ：如果应用端是 b 端企业 ，跑行业数据会落在边缘侧和训练侧不联系吗 ？

A ：更多调研关注：财富club

Q ：以混元大模型为基础开发的行业小模型在算法上要与大模型适配 ？

A ：

Q ：结构一样可以迁移吗 ？

A ：

Q ：英文、  中文语料在 AI 大模型上的差异？有可能通过翻译扩充中文语料吗？

A ：

Q ：知识性语料翻译损耗低？文学类相对高？

A ：

Q ：中国处于数据安全不太可能完全接纳 ChatGPT ？微软在 bin 和 office 上的 Chatgpt 能否通过技术优化跨过监管要求 ？

A ：

Q ：训练大模型时间？大概多久超越 GPT4 ？

A ：之前有过底座模型 ，现在是基于底座模型研发 ，不是从零开始。时间将近 5 月份 ，近小 半年时间。

Q ：百度、华为、  阿里、小米等技术层面对比 ？

A ：大家方法肯定类似 ，只是每家数据有差异。像百度做搜索引擎的肯定有先发优势 ，后续 还要看把技术优势商业化能力。

Q ：腾讯模型后续进入方向 ？

A ：1 ) 微信肯定是最好的场景 ，因为它本身偏对话具有小程序 ，后续加上服务肯定有更好 的体验。  2 ) 游戏上肯定设计偏创意设计 ，效率上肯定有提升。  3 ) 广告业务也会有很好的 工具赋能。4 ) 短视频肯定也会有很大提升。  5 ) TOB 上肯定会往各行业推大模型 ，因为 AI 本身是降本增效的工具。

Q ：浪潮服务器采购量 ？

A ：服务器采购量不知道。但申请资源里浪潮偏多。

Q ：大模型商业化会率先 To C 还是 To C ？

A ：同时进行 ，因为每个 BG 均有参与 ，同时基于其底座能力。

Q ：目前是否有对外合作 ？

A ：目前 SaaS 加速器、微信等业务均有大量合作伙伴。原业务基于 AI 的部分合作业务均可 以使用大模型进行替换。

Q ：大模型合作中的数据保护形式 ？

A ：客户行业数据主要用于训练部分对模型进行定制。  目前数据均采用联邦学习计算方式进 行加密 ，不会导致原始数据泄露。联邦学习原理可以实现只共享数据权重 ，数据和权重之间 是单项传递 ，无法倒推。

联邦学习分横向联邦、纵向联邦。联邦学习根据不同用户的权重 ，将训练出来的模型加权平 均 ，再分布给用户进行下一轮训练。

Q ：云端精调收费方式 ？

A ：采纳腾讯 IaaS 算力进行训练 ，腾讯也有自己的特殊数据帮助客户训练。

Q ：精调与预训练两个过程对芯片要求是否有区别 ？

A ：预训练主要是通过反向传播对全量网络进行更新。但精调不需要更新全部网络 ，不需要 更新后面几层 ，故算力和数据要求较小。

Q ：有一定算力基础的厂商是否可以自己进行精调 ？

A ：腾讯万亿量级底座效果会较好 ，但目前斯坦福也已经推出了小参数但效果不错的模型。 伴随算法不断迭代 ，未来算力不会是瓶颈 ，数据才更为重要。

Q ：若使用昇腾芯片 ，会通过使用华为云还是采购芯片第三方代工方式 ？

A ：从技术来说是都可行的 ，但是从成本上来说 ，华为云成本会比采购更低。但腾讯肯定不 会使用华为云 ，会使用自建云。对客户来说 ，还需要考虑的方面是数据安全性。但将数据交 给国内大厂都是较为安全的。

$腾讯控股(00700)$ $大华股份(SZ002236)$ $科大讯飞(SZ002230)$ 

本文作者可以追加内容哦 !