李开复说话算数：零一万物大模型首次公布，AI 2.0 正在路上

截至目前为止，零一本源 Infra 并能借助于短路预测正确地数万人高达90%，短路延后发现数万人达到 99.9%，不必需人工参与的短路自愈数万人高达 95%，

无论是人前耀眼的成绩还是其实奠基石并能的狙击，也都必不可少零一本源潜心为数月末练就的大建分次 「生物科学训分次」法则论。

大建分次特性依赖于格外多、格外高运动速度的信息，零一本源在信息解决问题问题竖井上可谓「不惜效数万人」。

信息解决问题问题竖井和加有大为数目预测的培训并能建设，把过往的大建分次培训碰运气的「炼丹」过程显得愈发细致和生物科学化，不仅保证了目前为止发布 Yi-34B、Yi-6B 建分次的高性能，也为未来格外大为数目建分次的培训传输了时间和效数万人，

经过几个月末大生产量的建分次和生物科学实验，零一本源自研出一套「为数目化培训生物科学实验应用软件」，用来督导建分次的其设计和最佳化。信息配比、超参搜索、建分次构件生物科学实验都可以在小为数目生物科学实验应用软件上进行时，对 34B 建分次每个键值的预测误差都可以控制在0.5%以内。

在 Yi 自由软件建分次的亚洲地区上半年日，零一本源 CEO 不约而同也宣布，在完成 Yi-34B 预培训的同时，已经旋即启动下一个千亿实例建分次的培训。「零一本源的信息解决问题问题竖井、算法研究、生物科学实验应用软件、GPU 资源和 AI Infra 都已经准备好，我们的动作都会很慢」。

二、从「AI 1.0」到「AI 2.0」

零一本源的首次成果公布，展现出的不仅是高效数万人的的发展，还有商业活动的必要性。

今年 3 月末，不约而同作了一连串关于 AI 从 1.0 的时代跨到 2.0 的时代的演讲。随后，零一本源在不约而同所设想的 AI 2.0 框架下成立，吸纳了前搜索引擎人身安全公司总裁马杰、前苹果公司公司总裁祁瑞峰等等高效数万人大咖，阵容豪华，引起业内的广泛高度重视。

过往十年，深度努力学习催生了一批高水准的 AI 美国公司，随后经过多年的过后发展，在过往两年曾踏入短暂的低谷期，一度传出 AI 泡沫、AI 大雪的问道法。其中的的开端就在于：上一代 AI 美国公司尽管基于崭原先高效数万人落户，但在商业活动化上的步伐却比预期慢。

而从月内 8 月末 Stable Diffusion 掀起 AIGC 热潮以来，加有上月内11月末底 ChatGPT 发布，亚洲地区 AI 接二连三看到了原先但他却。这个原先机遇，被不约而同称做「AI 2.0」。

ChatGPT 再次，AI 的时代的的发展在高效数万人上展现出为常用机器努力学习（AGI）雏型初显，在商业活动应用于上则被不约而同形容为应用软件级的渐进愈演愈烈。

只不过「应用软件」，构成一个大的目标，即要大幅增高开发 AI 应用于的效数万人。如同电与电门户网站的差别，电是一项伟大的申请专利，但如果没有电门户网站，就不都会出现微波炉、电烤箱、电动车等原先申请专利。换言之，AI 2.0 之于 AI 1.0 的差别，就在于将 AI 高效数万人转变成应用软件，将定制转变成常用，将点转变成面。

过往十年的商业活动实践验证了 AI 1.0 的时代的困难重重。在 AI 1.0 的时代，信息越多多、结果越多好，但同时也因为必需大生产量的注明信息，效数万人非常大。此外，AI 1.0 的时代的应用于在各个课题是相互间割裂的，问世了一连串的「孤岛应用于」，无法构成适当的应用软件。

但 AI 2.0 的时代的高效数万人奠基石是自监督，可以让 AI 建分次不进行时信息注明也能努力学习。虽然同样必需将大生产量的、跨课题的信息拿来努力学习，但努力学习后构成一个奠基石建分次（即大建分次）后再去要用学问的迁移，AI 即相当于一个全球建分次。经过多年的培训与积累，奠基石建分次格外成熟，基于奠基石建分次再要用应用软件应用于，只需打破 AI 应用于的孤岛现象，功利主义实用性与日俱增。

换言之，AI 2.0 的时代有三大绝对优势：一是增大人工注明；二是建分次为数目大，具备全球学问；三是能够以极低的效数万人对奠基石建分次进行时修正培训，只需适应完全相同课题的任务。所以，在 AI 2.0 的时代，每个课题都有但他却将现有的应用于重构一遍，用格外短的时间生产出格外高运动速度的为数字内容，而且千人千面、得心应手最佳化信息流，要用出格外伟大的商业活动分次的单。

一方面，增高培训效数万人是增大 AI 应用于开发效数万人、催生一系特爆款应用于的前提；另一方面，窄评注解决问题问题是商业活动应用于的一道拦路虎。如果窄评注解决问题问题的高效数万人困难重重能跃升，许多格外高难度的应用于也都会被先前破解，如解决问题问题超窄篇幅的法务协议书、交叉对比多篇学术论文、基于窄篇剧本进行时角色扮演、通过多篇净值进行时市场分析等等。

因此，「窄评注解决问题问题」在下半年视作大建分次赛道的要冲。从 Anthropic AI 对 OpenAI 发起考验后，国际上多家大建分次厂家也陆续推出窄评注解决问题问题里面程碑。如月末之暗面的 Kimi Chat 大力支持 20 万字读取，秋水智能的 Baichuan2-192k 大力支持 35 万字读取，零一本源的 Yi-34B 迅速集中于 40 万字。

此次零一本源的团队自由软件大建分次 Yi-34B 与 Yi-6B，在窄评注课题可以要用到最窄 200k 语句后台、40 万字的评注解决问题问题，也与不约而同即便如此想想的 AI 2.0 思想相符。同时，据零一本源介绍，他们还充分利用奠基石的算出设施与算法最佳化等 Infra 并能，将培训效数万人下引了 40%。

上传到 Hugging Face 不过两天后，Yi-34B 的下载生产量就高达了 1000 次，得到了吻合 150 个点赞。

窄评注解决问题问题的高效数万人跃升，不仅是表面上关于 Token 为数的信息变格外，格外重要的是其展现出了机器努力学习课题整体对 AI 2.0 的时代所蕴含的商业活动潜力的一致与乐观。正是因为对大建分次为代表的新一代 AI 高效数万人的信心，才有如此多高水准的高效数万人人力资源涌入该赛道，在较长的时间内快速跃升了窄评注等高效数万人问题的局限性。

据雷峰门户网站探究，如今窄评注解决问题问题已慢慢被自信的 AI 高效数万人人力资源攻破，目前为止业内流行的高效数万人法则构成：最简单粗暴的大石显存，或滑动后台、引采样等，或在 Attention-mask 中的要用动态内插。这些法则的特性很好，缺点是算出开销大。但在各大云算出厂家的加有持下，算力一个大也被慢慢打了从前。

可以看见，AI 踏入一个原先的时代毫无疑问已是行业一致意见。AI 2.0 代表一个原先商业活动可过后过后发展，道阻路窄，玩家众多，但前人零一本源也已视作其中的更有潜力的的团队之一，所想零一本源接从前的表现。

OpenAI 首届开发者大都会召开在即，AI 科技文章过后高度重视，欢迎同样高度重视的朋友添加有译者微信 s1060788086 一起交流。