为什么需要大模型

GPT-4横空出世，一夜之间，人们发现简单的问题都有大模型解答了，小作文也不用写了，简单的数据也不用分析了，图也有人画了。PRD、PDF、EXEL、WORD统统有人负责了。

失业的乌云笼罩在所有职业头顶。过去一二十年，绝地天通的壁垒，突然变成鹦鹉学舌的玩具。

坚壁深壑已经没了，高跷和救生圈就是人们自救的第一根稻草。

我两手空空，能玩得动吗

这时有一位白衣书生从天而降。他说，我有资源，但是不多，刚刚好足够观摩大模型这座神像。

我们已经将大模型的智慧提取到了小型模型上，就像护身符也分得一部分灵力。

来吧，工作的奴隶。8G内存、10%A100 就能获得一次大模型问答的快乐。

我有资源，有什么有手就行的内容

劳心者治人，首先看看在哪一层。

所有的大模型生态，都以基座模型为核心。有了根基，再开支散叶，调整出各类领域模型。

有如众星捧月，围绕各类模型的，有agent、标注、评测、部署、训练各类应用。

空说无益，让星图一网打尽。

链条的最外围，那连接万千黎民的一级级应用，就是你我争先要去建造的天梯。

如果我问，神器是如何练成

太上老君的炼丹炉，也要有三昧真火。

Scaling烧的，就是各类数据。

再加上模型内观模型，模型指导模型，能力的提升便生生不息。

当然，如何生产模型，如何在巨大的规模上高效训练模型，那就又回到上文的星图之中。

万千璀璨星空，衬出一轮月。

最后，希望各位中秋快乐，实现技术飞天登月的梦想。