全球最大的超大规模智能模型“悟道20”发布，助力打造我国人工智能战略基础设施
6月1日，在2021北京智源大会开幕式上，北京智源人工智能研究院理事长张宏江、学术副院长唐杰介绍和发布了“悟道”模型。这是全球迄今最大的超大规模智能模型。
目前，“大模型+大算力”是迈向通用人工智能的一条可行路径。大模型对于人工智能发展具有重大意义，未来将基于大模型形成类似电网的变革性AI产业基础设施。AI大模型相当于“发电厂”，将数据，也就是“燃料”，转换为智能能力，驱动各种AI应用。如果将大模型和所有的AI应用相连接，为用户提供统一的智能能力，全社会将形成一个智能能力生产和使用的网络，即“智网”。大模型就是下一个AI的基础平台，是未来AI发展的战略基础设施。
张宏江表示，国际主流的大模型主要基于英文语料研发，智源研究院作为AI基础建设的先行者，成立了由智源研究院学术副院长唐杰教授领衔，100多位科研骨干共同参与的“悟道”团队，启动面向中文的大规模智能模型研发工作。“悟道”模型系统将构建“大模型、大平台、大生态”，持续研发超大规模智能模型，围绕大模型研发，构建大规模算力平台，同时对外开放模型能力，“赋智”各行业发展，构建大模型生态。
张宏江介绍“悟道”模型研发的背景
今年3月20日，智源研究院发布了中国首个超大规模智能模型“悟道1.0”，训练出中文、多模态、认知、蛋白质预测等系列模型。经过不到3个月的持续更新迭代，“悟道2.0”实现了更高层面的跨越。
唐杰介绍，“悟道”超大模型智能模型旨在打造数据和知识双轮驱动的认知智能，让机器能够像人一样思考，实现超越图灵测试的机器认知能力。“悟道”团队在大规模预训练模型研发上做了很多基础性工作，形成了自主的超大规模智能模型技术创新体系，拥有从预训练理论技术到预训练工具，再到预训练模型构建和最终模型测评的完整链条，从技术上是完整成熟的。通过一系列原始创新和技术突破，本次发布的“悟道2.0”实现了“大而聪明”，具备大规模、高精度、高效率的特点。
唐杰介绍“悟道2.0”模型的具体情况
“悟道2.0”模型的参数规模达到1.75万亿，是GPT-3的10倍，打破了之前由国外预训练模型创造的1.6万亿参数记录，是目前中国首个、全球最大的万亿级模型。
“悟道2.0”模型在中英双语共4.9T的高质量大规模清洗数据上进行的训练。训练数据包含WuDaoCorpora中的1.2TB中文文本数据、2.5TB中文图文数据，以及Pile数据集的1.2TB英文文本数据。“悟道2.0”模型一统文本与视觉两大阵地，支撑更多任务，更加通用化。
大规模预训练模型的参数规模通常远超传统的专用人工智能模型，在算力资源、训练时间等方面消耗巨大。为了提升大规模预训练模型的产业普适性和易用性，悟道团队搭建高效预训练框架，在高效编码、高效模型、高效训练、高效微调和高效推理等方面进行全链路的原创突破或迭代优化，实现效率的大幅提升。
同时，“悟道”模型研发过程中，智源研究院建设了全球最大的语料数据库WuDaoCorpora2.0，包含全球最大的中文文本数据集、全球最大的多模态数据集、全球最大的对话数据集，为行业内大规模智能模型的研发提供了丰富的数据支撑。
此外，智源研究院还推动开展“悟道”超大规模智能模型产业生态建设，将面向个人开发者、中小创新企业、行业应用企业、IT领军企业等不同主体，分别提供模型开源、API调用、“专业版”大模型开发、大模型开发许可授权等多种形态的模型能力服务，赋能AI技术研发。
本次大会上，智源研究院与新华社、美团、小米、快手、搜狗、360、寒武纪、第四范式、好未来、智谱华章等22家“悟道”大模型产业生态战略合作单位进行了签约，并发出组建“悟道”大模型技术创新生态联盟的倡议，吸引更多企业加入，将以联盟为枢纽，以企业需求为导向推动模型研发，共同开发基于“悟道”大模型的智能应用，以模型研发和应用促进产业集聚。
多模态大模型——通用人工智能路径的探索
7月9日，中国科学院自动化研究所所长徐波在2021世界人工智能大会（WAIC2021）上就人工智能的最新进展进行报告，发布了自动化所研发的跨模态通用人工智能平台——“紫东太初”。“紫东太初”跨模态通用人工智能平台以多模态大模型为核心，基于全栈国产化基础软硬件平台，可支撑全场景AI应用。
多模态预训练模型被广泛认为是从限定领域的弱人工智能迈向通用人工智能路径的探索。自动化所“紫东太初”跨模态通用人工智能平台瞄准成为实现通用人工智能的开天之斧，在智能世界混沌初开之际开辟新局。
依托面向超大规模的高效分布式训练框架，自动化所构建了具有业界领先性能的中文预训练模型、语音预训练模型、视觉预训练模型，并开拓性地通过跨模态语义关联实现了视觉-文本-语音三模态统一表示，构建了三模态预训练大模型，赋予跨模态通用人工智能平台多种核心能力。
“紫东太初”兼具跨模态理解和生成能力。与单模态和图文两模态相比，其采用一个大模型就可以灵活支撑图-文-音全场景AI应用，具有了在无监督情况下多任务联合学习、并快速迁移到不同领域数据的强大能力。引入语音模态后的多模态预训练模型，可实现共性图文音语义空间表征和利用，并突破性地直接实现三模态的统一表示。特别地首次使“以图生音”和“以音生图”成为现实，对更广泛、更多样的下游任务提供模型基础支撑，达成AI在如视频配音、语音播报、标题摘要、海报创作等更多元场景的应用。
此外，自动化所研发团队还提出了弱关联三模态数据的语义统一表达，可同时支持三种或任两种模态弱关联数据进行预训练，有效降低了多模态数据收集与清洗成本。
总结来说，此跨模态通用人工智能平台包括三大关键技术和六大核心能力。三大关键技术为多模态理解与生成的多任务统一建模、面向国产化软硬件的高效训练与部署、多模态预训练模型架构设计与优化。六大核心能力则体现为多模态统一表示与语义关联、跨模态内容转化与生成、预训练模型网络架构设计、标注受限自监督模型学习、模型适配与分布式训练、模型轻量化与推理加速。
会上，徐波所长展示了基于“紫东太初”平台打造的虚拟人“小初”，并进行通用多模态大模型的人机对话演示，展示了不同模态间的互相转换和生成实例，涵盖视频描述、智能问答、图像检索、吟诗作赋、中文续写、双语翻译、语音识别等多个功能。生动证明，通过图文音三模态的关联与协同可以有效地提升机器的理解和生成能力，让AI接近人类想象力！
[video:小初演示视频]人机对话演示
多模态大模型具备对丰富图文音的理解能力，与单模态的GPT3不同，交流更加生动自然流畅
徐波所长表示，“大数据+大模型+多模态”将改变当前单一模型对应单一任务的人工智能研发范式，多模态大模型将成为不同领域的共性平台技术，是迈向通用人工智能路径的探索，具有广阔的应用前景。同时，全栈国产化通用人工智能平台的实践将使人工智能研发的规则发生重大变革并逐渐形成壁垒，对我国实现AI领域科技创新、占领核心技术高地具有重要的战略意义。
我国首个超大规模智能模型系统“悟道10”发布
3月20日，北京智源人工智能研究院举办“智源悟道1.0AI研究成果发布会暨大规模预训练模型交流论坛”，并发布我国首个超大规模智能模型系统“悟道1.0”。
据悉，“悟道1.0”由智源研究院学术副院长、清华大学唐杰教授领衔，带领来自北京大学、清华大学、中国人民大学、中国科学院等单位的100余位AI科学家团队联合攻关，取得了多项国际领先的AI技术突破，形成超大规模智能模型训练技术体系，训练出包括中文、多模态、认知、蛋白质预测在内的系列模型，勇闯通用智能发展前沿，构建我国人工智能应用基础设施。同时，与龙头企业共同研发工业级示范性应用，加快大规模智能模型应用生态建设。
北京市科委、中关村管委会副主任许心超介绍，北京将依托在人工智能领域的科技资源和产业发展优势，支持建设智源研究院等一批世界一流新型研发机构，前瞻部署人工智能基础研究，加强关键核心技术攻关，推动人工智能占先。
北京市超前部署通用智能发展，支持智源研究院牵头建设“超大规模人工智能模型训练平台”，“悟道1.0”即为该平台的重要内容，通过研发超大规模信息智能模型和生命模型，推动电子信息、生物医药等基础科学科研范式变革，加速科学研究进程。同时，该平台将推动创新企业及个人开发者基于大模型构建智能化水平更高的场景应用，赋能实体经济智能化升级，促进经济高质量发展。
“悟道”模型技术委员会主任、智源研究院学术副院长唐杰教授介绍了“悟道”模型的战略布局及阶段性成果。“悟道1.0”先期启动了4个大模型的研发：以中文为核心的大规模预训练模型“悟道·文源”、首个公开的中文通用图文多模态预训练模型“悟道·文澜”、我国首个具有认知能力的超大规模预训练模型“悟道·文汇”、超大规模蛋白质序列预测预训练模型“悟道·文溯”。
其中，“悟道·文源”的目标是构建完成全球规模最大的以中文为核心的预训练语言模型，在中英文等多个世界主流语言上取得最好的处理能力，在文本分类、情感分析、自然语言推断、阅读理解等多个任务上超越人类平均水平，探索具有通用能力的自然语言理解技术，并进行脑启发的语言模型研究。目前，“悟道·文源”模型参数量达26亿，具有识记、理解、检索、数值计算、多语言等多种能力，并覆盖开放域回答、语法改错、情感分析等20种主流中文自然语言处理任务。
“悟道·文澜”的目标是突破基于图、文和视频相结合的多模态数据的预训练理论难题，并最终生成产业级中文图文预训练模型和应用，并在多个评测应用上超过国际最高性能。目前，“悟道·文澜”模型参数量达10亿，模型性能已到达国际领先水平，并已对外开放API。
发布会上，为了展示如何使用“悟道·文澜”模型，智源研究院联合中国人民大学高瓴人工智能学院和一览群智公司，推出了两款基于该模型的小应用，其中“赋魂”AI小程序，可以为用户上传的照片配文，“AI心情电台”小程序可以利用图片和歌词的相关性，为用户上传的照片搭配最合拍的音乐。
“悟道·文汇”则致力于从认知的角度研究通用人工智能中一系列更本质问题，侧重进一步提升和发展预训练模型基于逻辑、意识和推理的认知能力，目标是研发出千亿至万亿级别参数量的、更通用且性能超越国际水平的预训练模型，搭建预训练模型体系，同时形成认知智能生态。目前，“悟道·文汇”模型的参数规模达113亿，在多项任务中“悟道·文汇”的表现已经接近突破图灵测试，通过简单微调就已经实现AI作诗、AI作图、AI制作视频、图文生成、图文检索、复杂推理。
“悟道·文溯”最终目标是以基因领域认知图谱为指导，研发出十亿参数规模、可以处理超长蛋白质序列的超大规模预训练模型，在基本性能、可解释性和鲁棒性等多个方面达到世界领先水平。
据唐杰介绍，此次发布的“悟道”大模型1.0版本，已经完成了百亿和千亿参数规模的预训练，在多个国际评测中取得世界第一，在部分任务上具有一定认知能力。今年，还将陆续发布后续迭代版本，面向产业界开放使用。
“悟道”模型应用生态建设分为三个主要阶段，分别关注示范应用、API生态及社区运营维护等。目前，智源研究院已启动第一阶段的示范性应用搭建，正与快手、搜狗、360、阿里、智谱华章、一览群智、循环智能、新华社等机构就模型的应用进行洽谈，联合构建一批工业级示范性应用。
下一步，智源研究院将加强用户的开发，做好用户服务，与AI龙头企业共同研发更多工业级示范性应用，并将加快推动API生态构建及社区运营迭代工作，通过举办学术交流、技术挑战赛等活动提高“悟道”模型的影响力，吸引更多AI企业、研究机构、个人开发者等开展基于模型的应用开发工作，推动构建国际领先的超大规模智能模型应用生态。
图片来源：智源研究院