小米大模型：不搞軍備競賽

輕量級的模型亦有其存在的市場空間。

　　文｜《中國企業(yè)家》記者 趙東山

　　2022年11月底，基于GPT-3.5的ChatGPT剛出來的時候，小米集團AI實驗室主任、自然語言處理（NLP）首席科學家王斌給ChatGPT拋出一個問題：證明一下勾股定理。

　　最終，ChatGPT給出了一個基于數學歸納法的證明過程。王斌發(fā)現，雖然這個證明過程是錯誤的，但是整個證明的邏輯看上去似乎非常合理。后來才意識到這是大模型的“幻覺”現象，但從某個角度上看ChatGPT的這個證明思路非常新奇。

　　不斷使用后，ChatGPT的強大能力和奇思妙想超乎王斌的想象。身為一名AI從業(yè)者，他感到一個新的智能時代即將來臨，而自己無法再置身事外。2023年4月，由王斌牽頭負責，小米技術委員會AI實驗室大模型團隊負責人欒劍帶隊，在小米內部正式成立了一支自研大模型團隊。而在這之前的數月，小米就開始做自研的相關準備工作。

　　小米集團創(chuàng)始人、董事長兼CEO雷軍親自推動了自研大模型團隊的建立，并全程高度參與了小米大模型的自研，他會親自查看團隊的周報、月報甚至日報，關注大模型進展。至于投入，雷軍也表示：“全力支持，投入不設上限。”

　　經過半年多時間的努力，小米目前已訓練出13億和60億參數規(guī)模的語言大模型，并在集團內開源賦能各業(yè)務。它們在小米澎湃OS系統和人工智能助手小愛同學的部分場景已經得到應用，更大參數規(guī)模的大模型也在緊鑼密鼓地開發(fā)中。

　　不同于百度的文心一言、科大訊飛星火等通用大模型，小米自研大模型更強調跟產品的結合和場景的驅動。

　　“我們不會純從技術角度考慮，也不會以比賽為目標。我們不搞軍備競賽，我們做大模型的出發(fā)點并不是成為中國的OpenAI。我們一開始就考慮大模型跟公司的場景怎么結合。”王斌告訴《中國企業(yè)家》。

　　小米內部認為，輕量級模型亦有其存在的市場空間，且在某些特定任務上相比千億大模型亦能具備一定的優(yōu)勢。這是端側大模型的特殊要求，也是一家智能設備廠商入局大模型的必經之路。

　　與市面上大多數自研大模型的公司一樣，小米同樣選擇了從小參數到大參數的漸進式開發(fā)過程。通過小參數模型摸清底層的邏輯，蹚好路上要經歷的坑，再加大投入追求更大參數模型的訓練。

　　小米為什么要自研大模型？小米如何自研大模型的？又如何將大模型放到智能手機等設備里？小米用大模型來做什么？大模型對小米全球6億多MIUI月活用戶來說意味著什么？跟未來的人車家全生態(tài)又有哪些關聯？近日，王斌接受了《中國企業(yè)家》的專訪，對此進行了一一解答。

　　以下為小米集團AI實驗室主任、自然語言處理（NLP）首席科學家王斌自述（在不改變原意下做了刪減）：

　　態(tài)度：不搞軍備競賽

　　基于GPT-3.5的ChatGPT是2022年11月30日發(fā)布的，其實第二天小米內部就有好多人注冊了賬號在用，我們當時就覺得這肯定是一個跨時代的事件，做過多年AI的我們都深刻感受到，ChatGPT的很多結果超出了我們的預期。

　　在用的過程中我們也不斷總結。后來我們覺得這不只是做AI的人關注的事情，可能對所有的行業(yè)、部門都會產生影響。大模型一定是未來的趨勢，它會極大地改變我們的產品和業(yè)務。

　　當時我們就做了一些內部布道的工作，向全公司發(fā)起推廣，在總經理例會上以及各種場合去宣傳，呼吁大家都要用大模型，甚至在公司內部也建立了大模型的機器人，把ChatGPT接過來，我們在公司內部還整理了很多文檔，指導大家怎么使用。

　　我們內部還成立了一個討論組，共享一些使用經驗，猜一猜這個技術可能在哪個地方帶來顛覆。但當時還僅限于一個技術層面的探討，剛開始還沒有決定要做。等到春節(jié)左右，有人覺得至少要動手去做了，這個風暴來了，我們做技術的肯定不能置身事外，如果不入局就會在競爭當中處于不利的位置，于是我們也開始做一些準備工作。

　　等當面跟雷總（雷軍）匯報時，他馬上拍板說，“你們趕緊做。”所以，我們大模型團隊成立正式官宣是4月份，但實際上早就已經開始籌備了，隨后我們就全力擁抱深入其中去做相關的研發(fā)。

　　當真正決定自研的時候，我們是從這幾個方面考慮的。

　　第一，小米是一個應用場景非常多的公司，在這些場景里怎么通過大模型，提高產品體驗，提高公司內部的運營效率，完善從感知到認知再到決策的智能體驗，是我們考慮的事情。小米跟做通用大模型的公司定位不太一樣，他們是做完給別人用，但我們更多要考慮小米的場景。從小愛同學到未來的汽車再到操作系統和機器人，都是能和大模型結合的重要場景。

　　第二，正是因為小米有場景的驅動，所以我們在做大模型的時候不會純技術考量，也不是要去比賽，或做個中國的OpenAI，我們不搞軍備競賽，這不是我們做大模型的出發(fā)點，我們一開始就得考慮大模型跟公司的場景怎么結合。

　　第三，小米是一家技術立業(yè)的公司，公司的技術研發(fā)投入很大，有很多自己的技術創(chuàng)新，同時也對業(yè)界出現的新技術保持高度敏感。對于有希望的新技術，你至少要跟上，再想辦法和場景高度融合，做出自己的優(yōu)勢和特色。

　　雷總對大模型業(yè)務參與非常多，我們團隊有幾個專門討論大模型的群聊，雷總就在群里。有信息及時在群里共享，有問題直接在群里解釋匯報。我們的周報、月報甚至日報他也會直接看。他對技術的敏感度非常高，也非常看好大模型，所以他時刻都在關注我們的進展，這也使我們有些壓力。但關于投入，雷總大力支持，不設上限。

　　落地：從小到大逐步迭代

　　確定好自己的定位，我們的路線比較清楚：一邊研發(fā)探索，一邊結合小米的場景。我們確信，不是要用一個大模型覆蓋所有業(yè)務場景，所以跟業(yè)內很多公司一樣，我們采取了從小到大漸進式開發(fā)的過程。

　　我們的第一個模型是13億的小規(guī)模模型。一開始選擇參數規(guī)模比較小的模型，是因為想避免大的犯錯，因為越大模型的訓練，其成本也越高。我們選擇先用小規(guī)模模型做一些蹚坑的工作，把其中經歷的一些問題都解決了，再做大參數規(guī)模的模型。其實訓練更大的模型通常都會遇到一些新的問題，但是至少一些老的問題能夠先解決，這是一個比較務實的做法。

　　自研大模型首要的挑戰(zhàn)，就是如何快速找到對的人，又組合成緊密的團隊，大家分工明確地共同為一個目標努力。

　　小米對人工智能的投入比較早，在2016年AlphaGo出來之后，雷總就開始大力投入AI，最開始是視覺團隊，后來逐漸拓展到AI的各個領域。整個公司我們有3000多人在做AI相關的研發(fā)工作，我們團隊也有非常豐富的AI工程化經驗。

　　我們AI實驗室之前有一個人機對話團隊，做過28億的對話模型，雖然它是只用于對話的專用模型，但內部測試的效果非常不錯。另外，我們還有非常專業(yè)的數據處理團隊和AI訓練優(yōu)化團隊。我們就直接把這些有基礎的人，抽調過來直接組成了一支新的團隊，直接上手就開始做自研大模型了。

　　小米AI實驗室在視覺、聲學語音、NLP、知識圖譜、機器學習等方向，都有技術積累，從算法預研到工程落地具備很強的閉環(huán)能力。比如，手機、汽車、音箱、可穿戴等很多智能硬件上的很多AI算法，我們從頭到尾都做過，所以這支抽調而成的團隊同時具備算法、數據、工程、產品、測試等大模型建設需要的能力，冷啟動時間非常短，很快就能進入快車道。

　　具體地，我們在組建隊伍的時候，NLP團隊是最直接相關的，原來的對話大模型也出自該團隊。我們還把知識圖譜構建的團隊抽調一部分過來完成大模型的數據工作，他們對數據的敏感性，對數據的理解，對數據的工具和算法的掌握，都非常強；大模型的工程組，我們是從機器學習的架構團隊調過來的，此前他們專門做系統優(yōu)化的工作，比如怎么有效調用GPU，怎么去做分布式機器學習訓練，經驗都非常豐富。

　　13億的模型訓練完了之后，我們會跟開源開放的模型做一些對比，雖然跟千億的模型相比還是有各方面的差距，但是經過微調后在某些任務上還是有一些優(yōu)勢的。我也多次表達過13億的模型有它自己的生存的空間，我們更關注和場景的適配。目前這個模型已經在小愛同學中上線了。實際的數據表明，在特定場景下，13億的模型不僅效率上優(yōu)于更大的模型，效果上也毫不遜色。

　　截至目前，小米已經有13億、60億兩個參數規(guī)模的大模型在集團內開源。這幾個模型隨著輸入數據的不斷更新，也都在不斷迭代。我們還有更大的模型正在緊鑼密鼓地開發(fā)中，希望能給用戶帶來更好的體驗。

　　挑戰(zhàn)：如何把大模型放到設備里？

　　小米的設備非常多，我們希望把很多功能能做到汽車、手機、智能音箱或其他設備上。總而言之，我們一直以來都有強烈的端側需求，大模型來了也不例外。當然，把大模型做到端側挑戰(zhàn)還是非常大的。

　　第一，這里似乎有個悖論。模型太大了端側根本就放不進去跑不起來，但是模型太小了可能效果又不行。這就很考驗團隊對模型的理解，包括怎么對大模型做量化、蒸餾、壓縮，還要保證模型的效果，還要滿足硬件的各種約束，甚至包括硬件產品的理解，都要求有很強的認知能力。

　　第二，對于硬件端包括芯片端，也提出新的要求和挑戰(zhàn)。一方面，現有的硬件框架下可能對大模型的支持并不完善。另一方面，需求的驅動要求我們在現有條件下就要將大模型在端側跑通。這里面的挑戰(zhàn)非常大，需要一個綜合的解決方案。

　　端側大模型確實有不少好處。一個最顯而易見的好處是可以充分保護用戶的隱私，用戶和大模型的交互數據不會上傳。再比如說，一種最極端的情況就是在沒有網絡的情況下，端側大模型帶來的用戶體驗差異會非常明顯，云上的大模型沒網是無法工作的，但端側就可以。與此同時，一部分應用如果通過云側要傳輸的數據量比較大，在實時性上可能就不如在端側強，端側響應可能會更及時。此外，如果云側的需求量特別大之后，要維持成本肯定需要用戶付費，這也是很常見的商業(yè)模式。但是如果集成到端上，用戶的成本可能就沒有那么高，用戶也就更愿意用。

　　雖然大模型端側落地的挑戰(zhàn)很大，但是好在我們在端側落地方面有長時間的積累。比如我們視覺團隊做過很多手機拍照的算法，都是要求在端側實現的。手機拍照現在分辨率越來越高，要對圖像進行處理，處理效率要高，用戶感覺不到卡頓，而且還不能發(fā)熱，這些都是一系列的嚴格條件，我們有長期的技術落地經驗。

　　此外，在語音和語言處理上，小米也有一些端側的經驗，比如原來在比較小的設備上實現了全離線的機器翻譯，參數也達到億級了，后來離線的機器翻譯模型也被放到小米旗艦機上。

　　目前，小米和芯片公司也在合作，共同推動端側大模型的落地。

　　未來：多模態(tài)

　　經歷過語言大模型的開發(fā)，我們其實已經把底層的坑都蹚過了，我們有能力去做更大參數的模型，但具體要不要做千億或者萬億的大模型，更多還是從投入產出比的角度去考慮，也看跟場景的結合還有沒有需求，如果我們已經把很多場景處理得非常好，我們就不需要投更大的成本去做，我們不以軍備競賽為目標，這個不是我們的目標。

　　人車家全生態(tài)是小米全新升級的未來戰(zhàn)略，未來的智能生活中包含很多的場景，大模型可能越來越會成為一個基礎設施的東西，來支撐上面的智能服務。大模型對上下文的理解，對情景的理解都更深了，不管它在手機上還是其他設備上，都能夠隨時隨地了解你所在的場景，給用戶提供下一步的可能性。

　　小米的優(yōu)勢是多設備場景的綜合感知，因此小米大模型輸入的不只是文字，而是它感知到的環(huán)境和場景。我相信未來的多模態(tài)大模型肯定不只是視覺的，聲音的，還會有其他模態(tài)，這也正好符合小米人車家萬物互聯的場景，我們輸入了更多的信息，也會幫用戶更好地理解這個環(huán)境，做后面的事情，比如對機器人的控制，對車的控制，甚至是分布式聯動，去滿足用戶的想象。

　　大模型也成為一個數據接收中心，它接收的信息遠比現有的學術界的研究還要多，當然這個信息融合還有難度，但是小米可以在各種設備去輸出，它們之間都是相通的。小米澎湃OS已經把互聯互通做好了，我們能夠借用多種設備的聯動，協同感知，協同決策，做一些更有意思的事情，幫用戶生活體驗更好，更方便。

　　大模型火了，安全隱私問題也成為大家關注的話題。小米剛成立不久，就成立了安全隱私委員會，因為小米是一個手機設備廠商，對安全隱私非常關注，小米所有的項目都要經過隱私委員會的審批才能夠立項，在訓練和應用大模型的過程中，我們會嚴格按照安全隱私保護的相關法律法規(guī)來進行處理。

　　關于未來，小米內部相信大模型肯定會不斷向前發(fā)展，在多模態(tài)模型還沒有出來之前，我們就立項了多模態(tài)大模型，在今年年初還通過北京市自然科學基金-小米創(chuàng)新聯合基金設立了《面向圖文理解和生成的多模態(tài)大模型構建與評價》的課題，我們相信這一定是未來重要的發(fā)展方向。

　　當然，基于大模型，目前還沒有出現殺手級的應用，這需要一個嘗試、探索的過程，接下來一定會出現一系列的應用讓大模型落地。此外，端云結合的框架也一定是未來的趨勢。小米愿意置身其中，并積極探索。