傅盛揭穿OpenAI「阳谋」，引130万人围观！百亿参数模型帮老板打王者，一张3060就能跑

原文来源：新智元

图片来源：由无界 AI生成

就在刚刚，OpenAI的最大秘密，被傅盛在130万人面前揭穿！百亿参数，竟能在企业级应用中媲美千亿级大模型；一张3060，就能帮老板打到「王者」！

当全世界都在为GPT Store上线而兴奋时，谁又看到了OpenAI的「阳谋」？

当你把合同、财务、业务数据等公司机密都传给ChatGPT时，或许并未意识到：每一次使用ChatGPT，都是在帮OpenAI提升模型「智商」。

正如GPT Store的发布，让众多初创公司一夜暴毙。而他们始终也没有搞明白，为什么自己300万美元的公司，最后变成了一张500美元的OpenAI API代金券。

去参加开发者大会的每个人都会得到一张OpenAI给的API代金券

现在，Altman不说的秘密，终于被揭开了——

企业应用，百亿参数就够了

很长一段时间，千亿参数大模型都被认为是商业化应用的最佳方案。

但直接基于API使用，会有数据泄露给例如OpenAI这些模型供应商的风险。那最好的办法就是私有化部署。然而面对如此规模的模型，光授权费就要数千万。

对此，老板们纷纷表示，我就是想解决个客服问题而已，就没有便宜的方案吗？

就在今天，性价比更高的方案来了——猎户星空正式官宣了一款千亿级效果的百亿大模型。

测试显示，在百亿参数+应用打磨的加持下，模型对于专业场景问题的回答已经超越了GPT-4。而且，只要千元显卡即可运行！

140亿参数的模型，达到了千亿级的效果

话不多说，先上跑分。

可以看到，Orion-14B在众多20B规模的模型中，遥遥领先。

不仅在MMLU、C-Eval、CMMLU、GAOKAO、BBH等主流测试集上拿下SOTA。

而且，在OpenCompass综合测评的中文数据集上，总分位列700亿参数以下基座模型第一。

此外，Orion-14B还具备极强的多语言能力——在日语、韩语开源模型评测中也拿下了全球第一，堪称是「出海之光」。

日文为JNLI等8项评测集平均得分；韩文为COPA等4项评测集平均得分；中文英文为OpenCompass对应语言评测集平均得分

在目前业内公认最权威的大模型长文本准确度测试方法「大海捞针」中，Orion-14B直接拿下了200K token全绿的成绩。

甚至，最高还可以支持320K的超长上下文，相当于一次性看完小半本《三体》（45万汉字）。

顺带一提，此前有报道指出，有不少大模型为了在榜单中「刷新SOTA」，竟然直接拿基准测试里面的「真题」和「答案」来训练。

对此，猎户星空表示，自己大模型的成绩绝对真实，完全没有刷过题。

模型开源一手实测：幻觉消失了

目前，Orion-14B已经全面开源，并且可以直接在线上体验。

GitHub：https://github.com/OrionStarAI/Orion

Hugging Face：https://huggingface.co/OrionStarAI

ModelScope：https://modelscope.cn/studios/OrionStarAI/Orion-14B-App-Demo/summary

技术报告：https://github.com/OrionStarAI/Orion/blob/master/doc/Orion14B_v3.pdf

比如，告诉它插入表格数据的基本信息，然后输出SQL语句。

Orion-14B按要求用SQL编程语言完成了任务。

你还可以上传文档给到Orion-14B，然后模型可以基于文档内容给出回应。

这样，企业私有领域的数据，就可以在下游应用中把模型作用发挥到极致。

举个栗子，上传一些关于交通法的文档片段，当用户询问哪些情况不能超车，Orion-14B就会根据已有的内容准确回答，不会瞎猜出现幻觉。

Orion-14B还可以根据输入一段话内容，将其变成QA对。

比如室内装饰构造虚拟仿真教学软件的产品的5点价值，以及应用领域和适用对象。

一大段内容输入后，模型就能将其拆分、理解，得到不同的QA对话。

此外，当你输入一封邮件的内容，Orion-14B模型还可以抽取数据，发件人、邮箱、联系方式，都可以清晰地分列出来。

微调「全家桶」媲美千亿模型，入门级显卡可跑

可以看到，在AI大潮下，只有在私有化数据加持下的大模型，才能给企业持久的竞争力。

而为企业应用而生的猎户星空大模型，凭借着「全家桶」级的微调能力，可以在专业场景里实现媲美千亿级模型的效果。

具体来说，猎户星空大模型涵盖了七大应用微调方向：

通用对话微调、插件微调、RAG微调、长Token微调、知识抽取微调、问答对生成微调、日韩文微调。

其中，基础对话能力微调模型（Orion-14B-Chat）专注于提升对话能力，尤其在理解历史消息和角色扮演方面显示出更高的准确性。

这一版本能够捕捉对话上下文中的细微变化，并根据不同角色和场景做出相应的反应，从而提供更加自然、连贯的对话体验。

除此之外，猎户星空还在两个大模型应用的主流方向上深入打磨——检索增强生成（RAG）和Agent。

两大重点：RAG和Agent

尽管当前大模型的能力令人印象深刻，但并非无懈可击。它们或因训练数据时效，token长度等限制，可能会输出误导性信息，进而产生「幻觉」。

有时，LLM也会因缺乏专业领域知识，在处理特定领域的问题时，力不能及。尤其是对于企业内部的信息，让LLM自由发挥就更加容易出错。

但有了私有知识的加持，它的回答就精准多了。

RAG的诞生，就是为了补足这一块短板。

来源：https://arxiv.org/pdf/2312.10997.pdf

目前流行的大模型应用开发框架Llama-Index、LangChain等，都包含了RAG的部分。但是框架数量虽然多，在实际部署时却一言难尽，工程搭建繁琐，效果不理想，企业可能搞了半年都上不了线。

相比之下， 猎户星空的RAG能力微调模型（Orion-14B-RAG），则通过针对知识边界控制、问答对生成、幻觉控制、结构化数据提取等能力进行专项微调，使其成为了最适合开发RAG应用的微调模型。

基于此，企业便能够快速整合自身知识库，构建定制化应用。

除了RAG，拓宽大模型应用的另一条重要路径，便是Agent。

OpenAI应用人工智能研究主管Lilian Weng去年的一篇博客，曾掀起Agent讨论热潮。基于大模型构建的Agent，拥有强大的语言理解和处理能力，可以自动化完成各种任务。

除了耳熟能详的AutoGPT、BabyAGI等，还有OpenAI官宣的「定制GPTs」，都属于Agent的范围。

举个栗子，HuggingGPT利用ChatGPT作为控制器，连接HuggingFace社区中的各种AI模型，来完成多模态复杂任务。

一夜爆火的MetaGPT，能扮演各种角色，在内部监督代码生成，提高代码质量。

更有网友用MetaGPT智能体框架，仅在10分钟就做出小游戏Flappy Bird，让低成本的软件开发成为现实。

而猎户星空的插件能力微调模型（Orion-14B-Plugin），则通过增强模型根据用户问题调用最适配工具的能力，并将插件的结果与模型的处理相结合，来解决更复杂的问题。

具体来说，研究团队针对意图识别、函数调用、缺槽反问、单轮抽参、多轮抽参等能力进行专项微调，使其成为了最适合构建Agent应用的微调模型。

由此，也让猎户星空大模型在Agent应用所需的五种能力上，几乎追平了GPT-4——

意图识别成功率90.3%；首轮抽参成功率100%；多轮抽参成功率90.19%；缺槽反问成功率91.07%；插件调用成功率91.37%。

相比之下，一般的百亿参数大模型表现不超过70%。

千元即可商用：RTX 3060都能跑

此外，为满足小企业需求，猎户星空大模型还推出了几乎无损的INT4量化版本（损失<1%）。

通过AWQ Q4量化技术，研究团队不仅让模型大小直降了70%，而且还使推理速度也提升了30%。

换句话说就是，只需一张消费级显卡，如NVIDIA RTX 3060，就能实现每秒最高31 tokens（约50个汉字）的输出。

而在私有化部署方面，也可以轻松地将服务器和企业数据控制在内网之中，甚至还提供全套开源免费可商用资源和社区技术支持。

独家推出企业使用AI的三个段位

在大会上，傅盛抛出这样一个观点：企业使用AI，有三个段位。

青铜段位，是用AI做文案、做图。黄金段位，是数字员工。但AIGC其实最重要的，还是王者段位。

在此段位，全过程都由AI参与。王者段位的企业，应该选择用私有大模型+强应用套件，来实现数字员工和辅助决策。

不过，虽然现在大模型百花齐放，但猎户星空却在实践中发现，企业需要的不是「大模型」，而是能够结合业务流并解决自身痛点的大模型应用。

曾经，傅盛和朱啸虎的这场辩论，引发了全网关注。

当时傅盛表示，做好应用，依然是创业者最好的机会。

现在，猎户星空来交卷了！

会上，傅盛重磅发布了AI辅助决策交钥匙解决方案「聚言」，可以为企业提供全链条的定制化AI大模型咨询和解决方案服务。

可以预见，在以上所有这些能力的共同加持下，一个崭新的时代即将来临——每个企业都会有私有化大模型。

「数字老板」是个啥？

值得一提的是，相比于别人做的「数字员工」，猎户星空竟然选择了做「数字老板」！

不过，这其中的原因很简单，猎户星空在自己应用AI时，发现了不少业内秘密——

大模型在企业中无法即插即用，而只靠员工自主探索，也很难实现企业AI应用上的增效，必须针对整个流程，进行AI重构。

而有了「数字老板」之后，老就们就可以全面掌握经营细节。人力资产、云资产、数字资产，全天候细节无遗漏。

人力助手：一口气看完2000份周报，发掘潜力员工

前一阵曝出英伟达的员工每人都要向CEO老黄提交周报，老黄是怎么看完的呢？当然是用AI。

猎户星空的这位「数字老板」，就能做到这点。

比如，只需问一句，人力助手就能把公司收到的近2000份周报汇总起来，并提炼出主要的业务进展和潜在的风险。

之后，还可以继续询问某项具体风险的应对方案。而AI便会完全依据周报的内容，给出回答。

此外，AI还可以根据周报分析团队的实际效率，并给出优化建议。

更厉害的是，当AI完全掌握了公司的私有数据时，还能帮你预测出员工的潜力！

比如，海外销售业务最有可能成为销冠的三个人是谁。

AI就会根据海外销售业务的特点，创建出一个得分系统，然后根据数据分析给出结果，并同时附上非常直观的图表。

如此一来，不仅能像英伟达的黄老板一样，每天处理数百封邮件，跟进数十个项目，还能减少决策失误，提高效率。

云资产助手：成本直降30%，立省85万刀

对于另一项开销大头「云」来说，技术人员通常都希望服务器越多越好，而老板们虽然搞不懂，但依然需要为越来越贵的云成本买单。

为此，猎户星空推出了云资产助手——一个利用不同领域云治理专家经验训练的专业领域大模型。

具体来说，AI会通过深挖云数据的底层逻辑，对客户的云上资源和成本账单数据进行多维度分析，从而进一步剖析运营成本痛点。

然后，再基于此自动生成切实可行的解决方案，并附上高质量的成本优化报告。

而且，当老板对某个图表或概念产生疑问时，只需和AI多聊两句，就可以获得答案。

聚言创意助手：N个专家，直接为你出谋划策

如今，老板的智囊团成本越来越高，内部有共同的认知盲区，而外部的智囊团，又成本太高、周期太长。

这样的后果就是，每次讨论决策的时间越来越长。

为此，猎户星空推出了一个由多个Agent组成的「智囊团」——聚言创意助手，可以让各个领域的专家直接为你出谋策划。

比如，去年爆火的旅游城市景德镇、淄博，再到哈尔滨，你能想象到，AI参与这次谋划会如何？

只需要在聚言创意助手中，勾选你想要给出旅游战略规划的角色，输入话题，它们便会从不同角度提供方案。

专家为你出谋划策，这个过程仅需要20-30分钟。

有了聚言助手，未来各种营销策略、市场报告等等，无需费力找专家，就能获得更高质高效、全面省钱的方案。

所有的创新，都由Think Different引发

做出自己的千亿大模型，就一定能取得商业上的成功吗？如果技术没有和产品、应用形成闭环，再多技术投入都不能形成壁垒。

现在主流的模式，是砸钱预训练千亿级模型，微调，然后寻找应用场景。而猎户星空却独辟蹊径，在已知应用场景后，再微调，然后寻找合适的模型。

七年磨一剑

大模型下半场开年之局，猎户星空大模型登场着实给了所有人亿点点震撼。

作为一家All in AI的创业公司，如今在大模型时代大放异彩，背后离不开团队在这一领域持续7年的深耕。

2016年，猎户星空成立初始便投入了巨资、博士团阵容，打造AI全链条技术。

值得一提的是，这家公司拥有来自Meta、Yahoo、百度等全球顶级大厂上百名顶级算法科学家的顶级团队。

与此同时，团队在技术栈上，对从DNN、Attention、Bert到LLM、ASR/TTS/NLP的演进也非常熟悉。

猎户星空的机器人还登上冬奥会，出海全球获得了认可，拥有全球20亿用户应用打磨经验。

而在7年AI磨刀的过程中，有了扎实的数据积累，包含百亿级真实用户query数据，数十亿级token数据。

重磅预告：MoE已经在训了！

目前，猎户星空已经在已有模型的基础上，调试和训练MoE架构的专家混合模型了。

据称，在这「N个臭皮匠」的加持下，智能水平可以全方位媲美千亿参数模型。

2024年，大模型应用怎么走？

傅盛预测，到2024年，千亿大模型中过半都会凋零，而百亿大模型会百花盛开。

超越OpenAI的机会，将来自大模型应用公司。

让我们拭目以待。

参考资料：

https://github.com/OrionStarAI/Orion

https://modelscope.cn/studios/OrionStarAI/Orion-14B-App-Demo/summary

https://huggingface.co/OrionStarAI