AI大模型風生水起，但是不是所有企業都適合自建大模型？

原文來源：品玩

圖片來源：由無界 AI生成

青春昂揚，創新不止。 大模型技術的練兵場上，正如火如荼地進行著「千里馬」選拔賽。

自9月7日正式啟動以來，歷經兩個月的時間，第二屆百度搜索創新大賽吸引了來自各大高校的數千名參賽者，大家初展拳腳，爭相競技展示，越來越多的團隊正通過亮眼的成績在初賽中脫穎而出，如約進入決賽開發階段。

“這不只是一個比賽，更像是一個實踐課，讓我們在真實的環境中測試我們的想法和產品，從中獲得反饋並學習如何改進，為我們未來從事AI行業積累了寶貴的經驗，也讓我們相信自己也有能力投身於AI技術的革新之中，可以在AI革命中扮演著重要的角色。 “參賽者們由衷感歎。

廣發英雄帖，吸引優秀人才，讓參賽者們認識自己、瞭解行業、激發內在潛能，就是百度搜索創新大賽的初衷。 而他們也不負眾望，用實際行動詮釋著未來，詮釋著希望，一切都大有可為。

60天的精彩博弈，衝刺之戰打響

如同蒸汽時代的蒸汽機、電氣時代的發電機、信息時代的計算機和互聯網，AI也正成為推動人類進入智慧時代的決定性力量。 而在AI發展新浪潮下，大語言模型這一新興賽道則正創造出更多的可能性和創新性作品，為經濟社會發展不斷注入新動能。

面對AI新浪潮，越來越多的行業、企業、高校投入其中，但如何在茫茫人海中尋得優秀人才，以夯實行業發展底座，仍是較為迫切之事。 畢竟，「千里馬常有，而伯樂不常有」，而百度創新搜索大賽要做的就是AI界的「伯樂」。。

9月7日，第二屆百度創新搜索大賽正式啟動。 此次大賽以「新奇點 新搜索」為主題，設置五大賽道，廣泛涵蓋語義檢索、多模態、軟硬結合優化等豐富的技術方向，廣發英雄帖，招攬AI優秀人才，號召參賽者“洞察使用者在搜索場景的需求，並通過構建AI應用解決生態”。

自啟動至今，來自行業、企業、高校等領域的參賽者們歷經60天的精彩博弈，已完美度過百度搜索創新大賽初賽階段，衝刺之爭已然開啟。 而從賽事作品情況來看，已有較多的優秀作品脫穎而出，遠超base分，尤其是大賽榜一分數相當突出。

激烈的競爭環境，你追我趕的競賽氛圍，參賽者們熱情滿滿，鬥志昂揚。 各大參賽群裡每天都在深入討論著遇到的問題以及取得的戰績，查漏補缺，以求最大限度地展現自身的能力。

其中，值得關注的是，從目前排行榜的數據能夠看到，高校團隊數量遠遠高於企業和個人開發者。 這也從另一個側面反映了，高校當前對於AI領域的深入重視。 而通過比賽結果也可以發現，來自高校的學生各方面能力都較為強勁，不單是在理論知識的深度方面，還在於對技術的實操能力方面。

能力的展示，需要的則是舞臺，百度搜索創新大賽就是這樣的存在。 挖掘和培育搜索AI人才，促進業內交流、產教融合，推動產品、演算法和技術應用創新。 對參賽者們來說，百度搜索創新大賽的舉辦，不僅進一步促進了他們在理論和實操這塊的深入結合，同時也在助力他們進一步加深對人工智慧、檢索技術的瞭解。

畢竟，想要在大賽中脫穎而出，也是需要一番苦心鑽研的。 據某參賽者介紹，他們團隊在此次百度搜索創新大賽中，基於日常搜索梗圖的需求，進行了使用者調研和市場分析，結合AI多模態處理能力的發展趨勢，提出了以對話形式模糊搜索梗圖的解決方案，並繪製了網站原型。 基於此創新結果，他們在激烈的初賽中脫穎而出。

“這個成果對我們來說，既是驚喜也是鼓勵。 “該參賽者表示，”雖然我們的專案尚有完善空間，但這次的成功讓我們意識到，作為學生，我們也有能力投身於AI技術的革新之中。 在這次比賽中湧現出眾多像我們一樣的高校團隊，顯示出百度對大學生探索和創新精神的高度認可和鼓勵，也昭示了高校學生在AI革命中扮演著越來越重要的角色。 ”

置身其中的感受，有挑戰，但更是機遇

結合理論實踐，從技術和應用層面出發，來自各個領域的參賽者們在激烈的競爭中早已為自身樹立起更遠大的目標，構建起更為明確的發展規劃。

一步一腳印，這是他們在親身經歷百度搜索創新大賽后的結果。 “從參賽體驗上來說，這場大賽考驗了我們全方位的產品設計能力：我們不僅需要理解AI技術邊界，還需要深入調研使用者需求、用創新的解決方案加以滿足，並確保這些解決方案能順利運行、在推廣后能吸引一定數量的線上使用者，從而驗證產品的實用性和市場接受度。 “另外一位參賽者坦言，”這不只是一個比賽，更像是一個實踐課，讓我們在真實的環境中測試我們的想法和產品，從中獲得反饋並學習如何改進，為我們未來從事AI行業積累了寶貴的經驗。 ”

當然，從大賽中獲取的經驗只是一部分，在夜以繼日地分析和研究中，參賽者們也真切意識到當前生成式AI、大模型應用等層面的現狀與問題。

“結合我們的參賽作品，可以看到生成式技術能夠在多輪對話中幫助使用者從模糊的印象逐步明確得出搜索目標，不再需要多次猜測搜索關鍵詞，也能準確找到想搜索的結果，甚至搜尋引擎能夠基於提問和問答上下文提供創造性的內容。 這使『搜索』不再是單一的信息檢索和匹配，而是變成了發現新資訊、新知識，甚至新創意的探索之旅。 “上述參賽者表示，”但不可否認的是，生成模型技術本身還處於發展的早期階段，因此當前的演算法也都是基於特定場景和任務所設計的。 比如，目前來看，生成式模型的潛力在於具有高度的適應性和創意表達能力，能夠通過微調在多個垂直領域提供專業化、流暢的問答體驗和創作輔助。 但在技術層面上，獲取和處理訓練模型所需的大量數據依舊較為困難，並且模型生成的內容可能會涉及版權、隱私，還有傳達誤導信息的風險。 ”

基於這一現實情況，該參賽者表示，「如何連結模型的生成內容和專家矯正的、大眾認可的資訊，在優化搜索體驗的同時保證搜尋結果依舊具有準確性和可靠性，我認為是目前在搜索領域應用生成式技術的主要挑戰，也是一種新的機遇。 我們仍需繼續加油。 ”

事實上，隨著技術的發展，一些企業已經在通過自身優勢去推動解決當前生成式AI應用所遇到的一系列問題。 比如上述參賽者所提及的問題，NVIDIA英偉達便已有所動作。 2007年 NVIDIA英偉達 推出了CUDA通用並行計算程式設計架構， 現已成為具備圖形、HPC、AI、數據科學等廣泛計算加速庫的CUDA平台生態。 GPU具有比CPU更高的計算能力和更高的記憶體頻寬，使用CUDA可以充分利用這些特性，從而加速計算任務。

立足市場的堅持，AI大生態已逐步構築

創新總是伴隨著問題而產生，技術在進步，科技企業也在持續發力探索。

在LLM（大語言模型）興起之前，NVIDIA英偉達的CUDA平臺已經可以很好的在GPU上優化搜索體驗的同時保證搜尋結果且依舊具有準確性和可靠性當大模型的表現一直受制於GPU的運算能力，硬體提供者和消費者都迫切希望提高推理速度、 降低大模型運行成本時，NVIDIA英偉達又再度邁出關鍵一步，於今年10月19日重磅推出令人矚目的大模型推理優化程式TensorRT-LLM。

TensorRT-LLM是一個專門用於編譯和優化大語言模型推理的綜合程式庫，不僅整合了所有這些優化功能，同時還提供了一個直觀的 Python API 來定義和構建新模型。 TensorRT-LLM 開源程式庫可加快 NVIDIA GPU 上最新大語言模型的推理性能，是 NVIDIA NeMo 中優化大語言模型推理的骨幹力量。 NeMo Framework 是一個用於構建和定製生成式 AI 應用並將其部署到生產中的端到端框架，為生成式 AI 的部署提供了完整的容器，如 TensorRT-LLM 和 NVIDIA Triton 等。

目前，TensorRT-LLM開源程式庫已作為 NVIDIA NeMo Framework的一部分，在 /NVIDIA/TensorRT-LLM GitHub 資源庫中免費提供。 TensorRT-LLM 現在也可作為測試版本用於原生 Windows 系統。 應用開發者和 AI 愛好者現可在本地運行由 NVIDIA RTX 和 NVIDIA GeForce RTX GPU 驅動的個人電腦和工作站上加速大語言模型。

能夠看到，NVIDIA英偉達一直與市場保持著緊密的聯繫，始終關注著市場的一切需求與變化，並根據市場需求進行產品和戰略調整。 不論是CUDA，還是TensorRT-LLM，都是其中較為突出的典型。

全面發揮自身技術優勢，不斷推動AI加速計算創新和行業發展，助力開發者解決各式演算法挑戰，便是NVIDIA英偉達一直以來所致力探索的核心。 近年來，NVIDIA英偉達已與國內外多家領先的大模型企業與團隊開展密切合作，以加速和優化大語言模型推理。

放眼未來，隨著更多對AI充滿熱情的企業、團隊加入這場科技探索，不斷將知識和創新思維注入技術發展之中，挖掘並滿足更多尚未被現有技術解決的公眾需求，我們勢必將迎來更智慧、更便捷的AI未來。