大模型与 AIGC 技术的飞速发展无疑为社会带来了巨大变革。它们在提高生产效率、丰富生活体验、推动科技创新等方面的贡献有目共睹，让工作更高效、生活更便捷，为创作者提供灵感，加速各行业『数字化』转型。然而，这一发展也引发诸多争议。一方面，大模型训练需要海量数据和强大计算资源，存在资源分配不均问题，可能加剧技术鸿沟，富者越富、穷者越穷，大型科技公司凭借优势不断优化模型，而资源匮乏的机构难以望其项背。另一方面，AIGC 生成内容的版权©️界定模糊不清，如 AI 绘画作品、生成的文章等，原创性难以判断，容易引发版权©️纠纷。此外，这些技术在部分领域的应用还可能导致大量人员失业，例如翻译、基础文案写作等岗位，虽然创造了新就业机会，但新岗位对技能要求更高，短期内失业人员难以快速转型，社会就业结构调整面临压力。大模型与 AIGC 技术是一把双刃剑，如何在享受其带来便利的同时应对这些挑战，成为全社会亟待思考与解决的问题。
下面分享一份由厦门大学大数据教学团队制作：《厦大团队：大模型概念、技术与应用实践（140页PPT读懂大模型）》本报告围绕大模型展开，先介绍人工智能发展简史，引入大模型相关内容。阐述大模型概念、发展历程、与人工智能关系，列举诸多产品。剖析其原理、特点、分类，介绍广泛应用领域及对工作生活的影响，还涉及本地部署和基于大模型的智能体。同时讲解 AIGC 与大模型关联，展示各类 AIGC 应用实践。整体旨在全面呈现大模型知识，探讨其价值与发展前景。
# 01 报告摘要大模型的概念与特点
- 概念
- 大模型是基于深度学习技术，具有海量参数、强大学习和泛化能力，能处理多种数据的人工智能模型，“大” 体现在参数、训练数据量和计算资源需求上。例如 GPT-3 参数规模达 1750 亿，GPT-4 超 1.8 万亿 。
- 特点
- 具有巨大规模，包含数十亿参数，模型大且表达、学习能力强；有涌现能力，训练数据达一定规模会展现复杂特性和智能；具备多任务学习能力，可同时处理多种任务，在不同 NLP 任务训练中理解和应用语言规则 。
- 分类
- 按处理数据类型分为语言、视觉、多模态大模型；按应用领域分为通用、行业、垂直大模型，如 GPT 系列是语言大模型，VIT 系列用于计算机视觉，DingoDB 多模向量数据库属于多模态大模型 。
大模型的应用领域
- 自然语言处理
- 用于文本生成、翻译、问答、情感分析等。像 ChatGPT 可生成自然流畅语言，回答问题并提供知识信息，还能进行文本创作 。
- 计算机视觉
- 实现图像分类、检测、生成、识别等任务。例如在医学影像分析中辅助医生诊断疾病，在安防领域进行人脸识别 。
- 其他领域
- 在自动驾驶中用于感知和决策，提高安全性和效率；在医疗健康领域辅助疾病诊断和预测；在金融风控中评估信用和检测欺诈，维护金融系统稳定 。
AIGC 与大模型的关系及应用实践
- 关系
- 大模型为 AIGC 提供数据和计算支持，AIGC 推动大模型发展应用。如大模型的训练数据使 AIGC 能生成高质量内容，AIGC 的需求促使大模型不断优化 。
- 应用场景
- AIGC 在电商、办公、游戏、娱乐等多领域应用广泛。如电商中生成商品标题、描述，办公中写方案、制作 PPT，游戏中生成场景原画、角色形象等 。
- 应用实践案例
- 文本类可与 『DeepSeek』 对话、用讯飞智文生成 PPT；图片类以文心一格为例进行 AI 绘画；语音类如『豆包』大模型用于语音交互和口语练习，讯飞智作进行配音；视频类用腾讯智影生成数字人播报视频；AIGC 还可辅助编程，如『豆包』大模型生成代码 。
《厦大团队：大模型概念、技术与应用实践（140页PPT读懂大模型）》
