猎豹移动傅盛：数据才是大模型竞争的真正壁垒

在AI大模型的激烈竞争中，算力资源和算法优化一直是各大企业追逐的焦点。然而，随着技术逐渐成熟，行业的焦点正在发生微妙的转变——从单纯的模型训练和算力投入，转向了如何处理和利用海量、高质量的数据。

事实上，数据已经成为了大模型能否成功落地的决定性因素。11月27日，猎豹移动董事长兼CEO傅盛在接受21世纪经济报道记者采访时明确指出:“算法和算力并不是大模型的核心竞争力，真正的壁垒是数据。”

傅盛提到，大多数大模型公司在算法上并没有显著的差异化。尽管芯片和算法依然关键，但它们的差距并不像数据那么深刻。“如果数据没有足够的质量和数量，任何算法和算力的优势都无法发挥作用。”

大模型的训练依赖大量标注过的数据，这一过程直接决定了模型的实际效果。傅盛比喻说，模型就像一个正在成长的孩子，只有得到正确的信息，他才能正确学习。

数据面临质量和数量双重挑战

然而，在数据的获取和利用方面，大模型的发展正面临诸多挑战。

首先是能用于大模型训练的真实数据正在枯竭。DeepMind在一篇论文中深入探讨了Scaling问题，并得出结论:为充分训练一个模型，其token数量需要达到该模型参数量的20倍。

目前，已知闭源模型中训练token数最多的是GPT4，约为20T；开源模型中训练token数最多的是LLaMA3，约为15T。照此计算，如果一个5000亿参数的Dense模型要达到相同的训练效果，则需要训练约token数为107T，而这已远超当前业界拥有的数据量。

因此，使用合成数据已经成为大模型的一个共识。有预测数据显示，到2026年，自然数据将被大模型全部用完，而2030年，人工智能使用的合成数据将超过真实数据。

但傅盛认为，直接使用合成数据训练大模型存在巨大风险。由于合成数据本身不可避免地带有系统性偏差，若直接将其用于训练，模型可能会错误地将这些偏差视为常规，长期下来，模型的认知可能会出现致命缺陷。

所以合成数据也需要进行一些处理，如人工调优或者是用其他数据进行增强，来提升合成数据质量。

而针对真实数据，最显著的问题是利用率不高。许多企业有足够的数据，但是训练出的大模型效果总是不理想，原因也在于他们的数据质量不够高。

挖掘数据服务商机

基于此，猎豹移动也看到一个商机，其控股公司猎户星空推出了全新的数据服务产品——AI数据宝AirDS。

AI数据宝AirDS提供的服务涵盖数据收集、清洗、标注、提示词工程以及评估等环节。傅盛表示，因为猎豹移动自己也在训练大模型，所以相对于传统的数据标注公司，猎豹移动对大模型有更深刻的理解，也更能满足企业对数据的需求。

需要指出的是，目前的数据服务依然离不开人工。在大模型时代，数据筛选、清理等环节，可以借助一些工具提高效率，但要想获得高质量数据，人工精细标注仍是不可或缺的。

傅盛表示，在大模型时代，猎豹移动的核心业务模式并非通过模型接口来赚钱，而是通过帮助客户实现AI应用的落地来创造价值。

该业务模式的核心是围绕大模型的应用场景进行深度挖掘。以AI数据宝为例，猎豹移动通过数据服务产品，帮助企业客户实现从数据清洗到标注、再到应用优化的全流程服务，这不仅大幅提升了企业的AI应用效果，也为猎豹移动创造了巨大的商业化空间。

目前，AI数据宝的成功案例已经覆盖了多个行业，包括移动通信、互联网娱乐、新能源汽车等。

对于大模型未来的发展，傅盛认为，尽管技术瓶颈已使得模型的迭代速度放缓，但应用场景的深度和广度却在不断扩展。特别是在搜索、企业服务等垂直行业，随着数据质量和应用能力的提升，AI有望为行业带来革命性的变革。

“明年将是应用大繁荣的一年，”傅盛预测，“大模型的能力已经相对稳定，下一步的竞争将更多依赖于如何在特定场景中应用大模型。只要场景足够清晰，它的爆发力将非常强。”