他顿了顿,看向在座的董事们:
“我知道,在座有些同事最初对盘古的定位有疑虑。
为什么不做一个像gpt那样的通用对话大模型?
为什么不追求千亿参数?
今天,我想用事实回答这个问题。”
屏幕切换,是一张对比图。
盘古vs。通用大模型:定位差异
目标用户:行业专家vs。普通消费者
核心能力:预测、分析、决策vs。生成、对话、创作
评估指标:业务指标提升率vs。对话流畅度
商业化路径:解决方案销售vs。会员订阅
“盘古从诞生第一天起,定位就是‘aiforindustries’,为产业服务,解决实际问题。”
辛玉良的声音很坚定,“我们不做聊天机器人,我们做的是能让煤矿工人穿西装打领带上班的工具,是能提前三天预测台风路径的系统,是能发现新药物分子的实验室助手。”
他切到下一张ppt,是盘古的“5+n+x”三层架构图。
“这是我们设计的架构:
l0是五大基础模型(nlp、cv、多模态、预测、科学计算);
l1是n个行业大模型;
l2是x个场景化应用。”
辛玉良详细解释:
“这个架构的优势在于:
第一,基础能力可复用,研发效率高;
第二,行业模型可定制,贴合业务深;
第三,场景应用可快速生成,响应市场快。”
陈默坐在下面,认真听着。
这套架构,是他去年和辛玉良、汪剑锋反复讨论后确定的。
现在看来,方向走对了。
“我来举几个具体例子。”辛玉良切换画面。