又一家國內企業大模型產品發布。

不是別的，而是已擁有4億用戶的最大中文問答社區知乎。

而且官宣即內測——

不光有首個大語言模型「知海圖AI」，首款產品也將應用于熱榜。

情理之中，意料之外。

一方面，知乎擁有天然的大模型優勢，有場景有應用，最關鍵的還有天然大規模、高質量的中文數據池。NewBing也將其視作中文數據源之一，一時間股價暴漲近50%。

這種優勢放眼國內并不多見，此次產品發布也算是千呼萬喚始出來。

但另一方面，在眾多尤其科研工作者認知中，知乎作為知識問答分享平臺，每一次技術革命爆發都在這里圍觀與見證。

正如ChatGPT相關話題就已打破當年AlphaGo討論熱度，瀏覽量達4億，討論量近24萬。

圖片

至于知乎背后相關AI技術和布局，并不被大多數人所知。

現在，知乎主動分享了一切。

而且隨著產品的發布，知乎在大語言模型上的布局也首次浮出水面。
知乎大模型產品官宣即內測

在發布會現場，知乎也釋出了「熱榜摘要」的產品形態最新Demo，讓正在等待內測的朋友們先來一睹為快~

可以看到的是，“看山”小助手會出現在熱榜的問題下方。

然后它會抓取那些優質問答的重要觀點，經過AI算法整理、聚合、潤色后，將回答梗概展現給用戶。

這樣一來，看熱門問題的同時就能獲取關鍵信息，效率直接拉滿。

而這背后的大語言模型CPM-Bee，來自當下飽受市場關注的清華系大模型創業公司面壁智能。

據知乎聯合創始人、CTO李大海介紹，CPM-Bee是目前視野范圍內表現最好的中文大語言模型。

面壁智能聯合創始人兼CEO曾國洋，也給出了官方內測表現:

內容聚合場景下，在41個問題中，有28個問題表現持平。與GPT-4相比基本持平。

作為國內最早開展相關研究和探索的公司之一，創始團隊來自清華計算機系自然語言處理與社會人文計算實驗室（THUNLP），劉知遠、孫茂松、劉洋多位教授分別是他們的聯合創始人和顧問。因此在大模型學研轉化、開發落地等方面都有豐富的經驗。

產學研轉化這塊，團隊曾最早提出由知識指導的預訓練模型ERNIE，圍繞模型預訓練、提升學習、參數高效微調等這些大模型熱門議題，他們也在國際頂會上發表了數十篇論文。

他們也曾開發開源多個大模型，比如:國內首個中文大模型CPM-1、高效易用大模型CPM-2、可控持續大模型CPM-3……

除此之外，法律、生物醫學等垂直領域也開發了專有專用大模型。成立伊始，就與法律、汽車、家電、傳媒等行業龍頭客戶達成合作，以及完成近千萬種子輪融資。

而就在最近，面壁智能剛獲由知乎領投、智譜AI跟投的天使輪融資。據雙方消息，此次投資合作旨在實現雙方優勢資源的價值共創，共同探索大規模語言模型的上層應用。

由此看來，知乎大模型布局也浮出水面:投資大模型公司， 共同打造大模型應用。

據透露，與面壁智能之間屬于是深度融合的關系，每天都要見一面的那種。

接下來，在CPM-Bee基礎上，隨著更多的反饋和迭代，新模型有了更強的邏輯推理能力和更快的訓練和推理速度之后，將逐步應用到知乎更多場景中去。

比如創作、討論場、信息獲取等。

事實上這種路徑也并不陌生，正如微軟與OpenAI。微軟的產品矩陣完美貼合ChatGPT的落地場景，應用的同時又能反哺迭代大模型的能力。于是乎，正是兩者技術與應用的深度融合，才有了震撼全球的搜索引擎、生產力和生產生活的變革，讓企業、個人都能享受到AIGC帶來的潛力和可能。

隨之而來的問題是——
為什么走這樣一條路?

當前國內大模型的發展，已經遠不能用火熱來形容。這個被認為是比以往任何變革都大十倍的機會，任何企業和機構都不愿意輕易錯過，這幾周接踵而至的新進展就可見一斑。

不可否認的是，知乎此時布局大模型，選擇了一條最適合自己的路——

用知乎CEO周源的話說，是AI時代新生產力的開發者、以及新場景的創建者。

個中緣由得從國內大模型發展開始拆解。

首份《中國AIGC產業全景報告》顯示，國內大模型發展大致可以分為三種路徑:基礎設施層、模型層以及應用層。

其中，模型層成為當前發展的關鍵卡口，在一定程度上限制了上下層級（基礎設施層、應用層）的發展。

至于模型層發展好與不好，歸根結底，主要來自算力和數據這兩方面:算力是支撐背后大語言模型訓練的硬件基礎，而數據則是直接影響模型能力強弱甚至生成質量的關鍵。

尤其是中文數據這塊，一方面本質原因，中文相對英文復雜，技術難度高;另一方面，國外英文數據集更豐富，且質量較高。但國內的中文語料并不完善，必要時還需要各家公司來清洗，耗費人力財力。

而這恰好與知乎區別于其他平臺的獨特優勢有關。

我們都知道，模型效果的好壞，既取決于數據的數量，也取決于質量。這一點知乎似乎能做到兩者兼備。

在數量方面，2022第三季度財報顯示，知乎社區內的內容量已累計超5.79億條。2022年年度財報顯示，問答量已累計到了5.06億條，覆蓋超1000個垂直領域。

尤其在一些專業問題上，更是表現明顯。

知乎戰略副總裁、社區業務負責人張寧透露這樣一組關鍵數據:

    站內從事科研學習和工作的人群總數高達544萬人。僅科研互聯網領域，就日均圖文生產量兩萬多篇。

    在數學、物理、天文、人工智能等多個領域的回答、文章和視頻數都超過了100萬篇。

而除了數量之外，數據的質量也是尤為關鍵。

在ChatGPT發布之初，經常會出現一些離譜、錯誤的答案。「一本正經地胡說八道」是ChatGPT留給大家的初印象。

這背后其實正是與訓練數據的質量有關，數據集中摻雜了諸多魚龍混雜的內容。

而在知乎，諸多專業人士的探討、問答機制的篩選構成了內容數據的高質量，甚至有的知乎內容已經直接成冊出書。

前段時間，NewBing剛出爐，諸多網友發現一些回答來源正是來自于知乎。