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(shù)學歸納法的證明過程。王斌發(fā)現(xiàn)，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(xiàn)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(shù)委員會AI實驗室大模型團隊負責人欒劍帶隊，在小米內(nèi)部正式成立了一支自研大模型團隊。而在這之前的數(shù)月，小米就開始做自研的相關(guān)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(guān)注大模型進展。至于投入，雷軍也表示：“全力支持，投入不設(shè)上限。”

　　經(jīng)過半年多時間的努力，小米目前已訓練出13億和60億參數(shù)規(guī)模的語言大模型，并在集團內(nèi)開源賦能各業(yè)務(wù)。它們在小米澎湃OS系統(tǒng)和人工智能助手小愛同學的部分場景已經(jīng)得到應(yīng)用，更大參數(shù)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(diào)跟產(chǎn)品的結(jié)合和場景的驅(qū)動。

　　“我們不會純從技術(shù)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(jié)合。”王斌告訴《中國企業(yè)家》。

　　小米內(nèi)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(wù)上相比千億大模型亦能具備一定的優(yōu)勢。這是端側(cè)大模型的特殊要求，也是一家智能設(shè)備廠商入局大模型的必經(jīng)之路。

　　與市面上大多數(shù)自研大模型的公司一樣，小米同樣選擇了從小參數(shù)到大參數(shù)的漸進式開發(fā)過程。通過小參數(shù)模型摸清底層的邏輯，蹚好路上要經(jīng)歷的坑，再加大投入追求更大參數(shù)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(shè)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(guān)聯(lián)？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(nèi)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(jié)果超出了我們的預(yù)期。

　　在用的過程中我們也不斷總結(jié)。后來我們覺得這不只是做AI的人關(guān)注的事情，可能對所有的行業(yè)、部門都會產(chǎn)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(chǎn)品和業(yè)務(wù)。

　　當時我們就做了一些內(nèi)部布道的工作，向全公司發(fā)起推廣，在總經(jīng)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(nèi)部也建立了大模型的機器人，把ChatGPT接過來，我們在公司內(nèi)部還整理了很多文檔，指導大家怎么使用。

　　我們內(nèi)部還成立了一個討論組，共享一些使用經(jīng)驗，猜一猜這個技術(shù)可能在哪個地方帶來顛覆。但當時還僅限于一個技術(shù)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(shù)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?！彼?#xff0c;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(jīng)開始籌備了，隨后我們就全力擁抱深入其中去做相關(guān)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(yīng)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(chǎn)品體驗，提高公司內(nèi)部的運營效率，完善從感知到認知再到?jīng)Q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(tǒng)和機器人，都是能和大模型結(jié)合的重要場景。

　　第二，正是因為小米有場景的驅(qū)動，所以我們在做大模型的時候不會純技術(shù)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(jié)合。

　　第三，小米是一家技術(shù)立業(yè)的公司，公司的技術(shù)研發(fā)投入很大，有很多自己的技術(shù)創(chuàng)新，同時也對業(yè)界出現(xiàn)的新技術(shù)保持高度敏感。對于有希望的新技術(shù)，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(wù)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(shù)的敏感度非常高，也非?？春么竽Ｐ?#xff0c;所以他時刻都在關(guān)注我們的進展，這也使我們有些壓力。但關(guān)于投入，雷總大力支持，不設(shè)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(jié)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(wù)場景，所以跟業(yè)內(nèi)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(shù)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(jīng)歷的一些問題都解決了，再做大參數(shù)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(wù)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(lǐng)域。整個公司我們有3000多人在做AI相關(guān)的研發(fā)工作，我們團隊也有非常豐富的AI工程化經(jīng)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(nèi)部測試的效果非常不錯。另外，我們還有非常專業(yè)的數(shù)據(jù)處理團隊和AI訓練優(yōu)化團隊。我們就直接把這些有基礎(chǔ)的人，抽調(diào)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(shù)積累，從算法預(yù)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(diào)而成的團隊同時具備算法、數(shù)據(jù)、工程、產(chǎn)品、測試等大模型建設(shè)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(guān)的，原來的對話大模型也出自該團隊。我們還把知識圖譜構(gòu)建的團隊抽調(diào)一部分過來完成大模型的數(shù)據(jù)工作，他們對數(shù)據(jù)的敏感性，對數(shù)據(jù)的理解，對數(shù)據(jù)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(gòu)團隊調(diào)過來的，此前他們專門做系統(tǒng)優(yōu)化的工作，比如怎么有效調(diào)用GPU，怎么去做分布式機器學習訓練，經(jīng)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(jīng)過微調(diào)后在某些任務(wù)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(guān)注和場景的適配。目前這個模型已經(jīng)在小愛同學中上線了。實際的數(shù)據(jù)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(jīng)有13億、60億兩個參數(shù)規(guī)模的大模型在集團內(nèi)開源。這幾個模型隨著輸入數(shù)據(jù)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(shè)備里？

　　小米的設(shè)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(shè)備上。總而言之，我們一直以來都有強烈的端側(cè)需求，大模型來了也不例外。當然，把大模型做到端側(cè)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(cè)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(chǎn)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(xiàn)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(qū)動要求我們在現(xiàn)有條件下就要將大模型在端側(cè)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(cè)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(shù)據(jù)不會上傳。再比如說，一種最極端的情況就是在沒有網(wǎng)絡(luò)的情況下，端側(cè)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(wǎng)是無法工作的，但端側(cè)就可以。與此同時，一部分應(yīng)用如果通過云側(cè)要傳輸?shù)臄?shù)據(jù)量比較大，在實時性上可能就不如在端側(cè)強，端側(cè)響應(yīng)可能會更及時。此外，如果云側(cè)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(cè)落地的挑戰(zhàn)很大，但是好在我們在端側(cè)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(cè)實現(xiàn)的。手機拍照現(xiàn)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(shù)落地經(jīng)驗。

　　此外，在語音和語言處理上，小米也有一些端側(cè)的經(jīng)驗，比如原來在比較小的設(shè)備上實現(xiàn)了全離線的機器翻譯，參數(shù)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(cè)大模型的落地。

　　未來：多模態(tài)

　　經(jīng)歷過語言大模型的開發(fā)，我們其實已經(jīng)把底層的坑都蹚過了，我們有能力去做更大參數(shù)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(chǎn)出比的角度去考慮，也看跟場景的結(jié)合還有沒有需求，如果我們已經(jīng)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(chǔ)設(shè)施的東西，來支撐上面的智能服務(wù)。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(shè)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(shè)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(lián)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(lián)動，去滿足用戶的想象。

　　大模型也成為一個數(shù)據(jù)接收中心，它接收的信息遠比現(xiàn)有的學術(shù)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(shè)備去輸出，它們之間都是相通的。小米澎湃OS已經(jīng)把互聯(lián)互通做好了，我們能夠借用多種設(shè)備的聯(lián)動，協(xié)同感知，協(xié)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(guān)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(shè)備廠商，對安全隱私非常關(guān)注，小米所有的項目都要經(jīng)過隱私委員會的審批才能夠立項，在訓練和應(yīng)用大模型的過程中，我們會嚴格按照安全隱私保護的相關(guān)法律法規(guī)來進行處理。

　　關(guān)于未來，小米內(nèi)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(lián)合基金設(shè)立了《面向圖文理解和生成的多模態(tài)大模型構(gòu)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(xiàn)殺手級的應(yīng)用，這需要一個嘗試、探索的過程，接下來一定會出現(xiàn)一系列的應(yīng)用讓大模型落地。此外，端云結(jié)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。