重塑未来！讯飞星火领跑国产大模型？

互联网曾经近乎重写了所有行业，通讯、购物、支付、打车、点餐等等，人们生活的方方面面几乎被重塑。

如今大模型再次给予人们充分的想象空间。

第一财经提到，从乐观的角度来看，ChatGPT可以取代一些重复性较强、规律性较为单一的工作，但同时它也可以释放出更多的生产力，让人们关注更有想象力、情感、思辨性的部分，并催生出AI提示工程师、AI调教师、AI创意师等一批新兴职业。

简单来说，大模型相当于一个全新的系统，这个全新的系统可以大幅降低很多行业的门槛，未来也会有很多产品构建需要用到大模型，而人们的创造性劳动，将通过这个全新的系统得到大幅释放。

根据中国科学技术信息研究所的不完全统计，目前国内已经发布了70多个大模型，不少产品都展现出了惊人的爆发力。

拿科大讯飞 来说，基于讯飞星火认知大模型研发的功能落地学机、办公本等产品之后，科大讯飞今年再次突破高增速，618销售额同比增长125%，并在多个品类中摘获销售额冠军。

这一点，同样体现在资本市场。6月20日，AI概念股表现抢眼，科大讯飞涨近7%，复权股价同样创历史新高。科大讯飞成交102亿元，在两市居首。

刚好笔者可以使用讯飞星火大模型了，最近也看到了不少有趣的测试，我们就一起看看现在的AI大模型发展到什么程度了。

1错别字识别哪家强

高考作文想必大家都看腻了，前阵子看到《智商税研究中心》的这篇校对测评的设问还挺特别。

篇幅有限，拎出几个比较能拉开差距的问题，来跟大家一起分享看看。

首先是字词方面。

“洛阳亲友如相问，就说我在岳阳楼。”将“相问”错拼成“翔问”，考验一下各家大模型的基本功。

讯飞星火：



文心一言：


通义千问：


360智脑：


GPT4：


讯飞星火、文心一言、通义千问、GPT4都顺利完成基础的校对，只有360智脑，追问之下仍表示无误。

再来看语病方面。

校对语病的例子中整体表现不佳，不过让AI直接识别判断是否有歧义，还是能看出一点国产AI大模型之间的差距。

例如，“这句话有歧义吗：在床上‘葛优瘫’了一天，他突然想起来了。”

讯飞星火：

文心一言：

通义千问：

360智脑：

GPT4：

这里虽然几乎全军覆没，不过讯飞星火还是指出了“可能存在一些解读上的歧义”，一直表现不错的GPT4没能看出歧义还是有点意外。

最后看下指正校对错误后，AI大模型能否承认错误接受指正。

讯飞星火：


文心一言：

通义千问：

360智脑：

GPT4：

这部分讯飞星火意外地跟GPT4表现得旗鼓相当，反应迅速，简洁明了，承认错误后直接给出了校对后的句子；文心一言还要再进一步给出指令才会给出答案；而通义千问和360智脑则是“积极认错，坚决不改”。

校对文本错误在某种层面上，反映了大模型的基础能力，地基打好了，才能有更多上探的空间。

总体来说，在基础的校对能力上，讯飞星火算是国产大模型中最接近GPT4水平的；其他表现也中规中矩；至于360智脑，用360掌门人周鸿祎在360首发时的话来说，360智脑还只是个“孩子”，距离完善使用还有相当的一段路要走。

2“数学高手”

寒窗苦读十余年，无论教育制度怎么改，除了语文，还有一个怎么也躲不掉的，就是数学。

数学的重要性不言而喻，它培养了我们的逻辑思维能力。但相对于大模型擅长的文本内容，数学能力在一定程度上算是大模型的弱项

不过上个月才出的讯飞星火意外地表现有些惊喜。

讯飞星火首发后，知名科技行业观察者《差评》，就曾对讯飞星火作出过全面测评，在数学测验部分，也展示了讯飞星火基础的数学能力，全部答对毫无压力。


经典的鸡兔同笼问题，即使变换参数和问法也能全部答对。

用《差评》文中的话来说，讯飞星火做数学题，有一种过于强大，可以和GPT4掰掰手腕的感觉。

这种感觉，将国产大模型的回答都放一起后则更加强烈。

《科创板日报》就曾在一篇文章中，对文心一言、科大讯飞、360智脑几家比较有代表性的大模型进行测评展示。

例如，“某次数学竞赛共20道题，评分标准是：每做对一题得5分，每做错或不做一题扣1分。小华参加了这次竞赛，得了64分。问：小华做对几道题？”

正确答案应该是14题，我们看一下各家大模型的作答。

文心一言：

360智脑：



讯飞星火：

可以看到只有讯飞星火答对了，文中展示的另一道小升初数学题，同样也只有讯飞星火答对。

《科创板日版》在文章开头也指出，科大讯飞星火认知在数理能力表现尤为突出。

那到底能突出到什么程度呢？

我们继续对讯飞星火加大难度看看。

大模型在数学领域的表现有着见微知著的效果，因为这需要结合大语言模型和计算引擎两者的能力。在复杂逻辑条件下，学多步骤推理，这对计算资源和数据，有着海量需求，对算力也有着极高的要求。

讯飞星火在数学方面能力的展示，更是一家企业数据资源和算力水平的展示。对于国产大模型来说，数学能力是意义非常的。

不过，大模型不是一朝一夕就能训练完成的，如何落地？能不能落地？也是企业需要考虑的。

3落地前景

大模型的出现注定是要破旧立新的，技术的发展回归到现实生活中，还是要看它的实际应用能力。

《娱乐资本论》做过一期市面上主流的5款大模型，一共90个回答的横评，想必耗费了不少时间精力，整体评价也是比较中肯的，颇具参考意义。

可以先看一下这张最终测试评分表。

大模型这种属于比较底层的框架，我们势必要做出自己的由中文语料训练而成的大模型。所以我们不可避免地会与ChatGPT相比较。

从上图来看，目前在落地应用方面，讯飞星火在主流国产大模型中，离ChatGPT是最近的。

具体到案例中，我们截取小红书带货的商业文案来看一下。

文案较长，内容有所折叠，不过总的来说，文中展示的两个作答还是比较贴切的。

星火自设了一款手机型号进行更准确的数据呈现，内容和逻辑这种长处不作过多分析，主要拉开差距的地方还是要求中的emoji表情。

相较于文心一言和天工未能察觉出需要在文案和题中带有emoji表情，星火的emoji甚至还有关联性，直接拿去发小红书基本也足够了。

《TMT时报》的记者也对文心一言、通义千问、讯飞星火的商业文案能力做过测试。

文心一言：

通义千问：

讯飞星火：

文心一言虽然洋洋洒洒写了不少，不过作为海报文案还需再精简一番；通义千问整体表现不错，不过相对更侧重中秋，而失了商业主体的主导作用；讯飞星火完成度依旧出色，也更突出所设定的AI医疗公司的保护健康的作用，是可以直接拿来使用的程度。

其实讯飞星火在落地应用方面，还做出了不小的尝试。

讯飞星火升级到V1.5版本后，新增了星火助手功能，人手一个贾维斯不再是幻想。

目前经审核上传的星火助手多达500多个，遍及各个行业和细分领域，还支持自己创建，并不断调试出符合自己需求的专属小助理。

除了我们比较能想象到的日常办公，笔者对其中的脑暴部分更加感兴趣，比如这个“小说灵感记录员”。

从动物社会结构，到智慧与 力量的平衡，再到文化传承等等，这对创作类相关行业的增益可想而知。

星火助手发布时间还并不长，整体来看，仍有不少需要调试改进的地方。

不过，随着时间的推移，星火助手在落地能力以及前景等方面已经展示出了相当的潜力。

4尾声

中国科学技术信息研究所发布的一份报告显示，从全球已经发布的大模型分布来看，在大模型数量上，中国和美国超过全球总数的80%，中国从2020年进入大模型快速发展期，目前与美国保持同步增长态势。

除了大模型，应用端也呈现出爆发式增长的态势。

中国经营报在3月的一篇文中提到，天眼查数据显示，截至当时，人工智能相关企业258.8万余家，其中，2022年新增注册企业73.2万余家，新增注册企业增速41.5%；近三年（2020～2022年）人工智能相关企业新增注册企业增速均超过40%。

大模型以及大模型相关的企业，正在如雨后春笋般涌现。

时代的机遇下，作为国产大模型的重要代表之一，讯飞星火也已经隐隐有了燎原之势。