联想CTO芮勇谈大模型构建：超越大数据和算力的简单叠加

雷递网 乐天 4月18日

第十届联想创新科技大会Tech World在上海举行。联想集团高级副总裁、首席技术官芮勇博士在现场表示，不能再单纯地用大数据+大算力+大网络来堆砌大模型，而是要超越大模型，探索更接近人类的思维和行为方式。

2022年11月底，ChatGPT横空出世，掀起了大模型的热潮。从百亿参数，到千亿参数，再到万亿参数，大模型能力越来越强大；从语言模型，到视频模型，再到最近的音乐模型，大模型的表现越来越出色；AI历史上，无论是统治语音识别30年的隐马尔可夫模型，还是称霸整个90年代的支持向量机，从来没有任何一个技术，能够像今天的大模型这样强大。

大模型是AI历史上的重要里程碑，它开启了人工智能发展的新纪元。芮勇博士称，但是它的理解和规划能力还很有不少局限性，这些局限性需要解决。

今天的大模型没有真正地理解语言和理解世界，也没有推理和规划能力。它只是根据高维语义空间的联合概率分布，来连接它之前见过的海量信息片段。

大模型一方面能力很强，另一方面有局限性。所以要'扬长补短'，扬长：我们要持续发扬并增强大模型的强大能力。长短：我们要打造基于大模型的智能体技术，真正解决应用场景的问题。联想的理念是，左手是大模型，右手是智能体，两手都要抓，两手都要硬。

芮勇博士指出，联想倡导混合人工智能框架，是公有大模型和私有大模型的混合。从技术角度看，还有几个重要维度的混合。

首先，小模型不会消失。今后一定是基于大模型和小模型混合的“意图理解”技术。大家知道信息论里面的熵 entropy 是度量信息量的。越有序，熵越小，越无序，熵越大。联想使用交叉熵 cross entropy 损失最小化原则，将意图理解任务最优地分配给大模型和小模型，从而兼顾精准度和复杂性。

第二，基于CPU、GPU、NPU混合调度的“异构计算”技术。今天，在大模型的训练和推理过程中，瓶颈往往不在于芯片算力，而在于数据传输。这个方程式是说，我们来同时优化计算负载和数据传输，使总体执行时间最短。

第三，基于模型微调 (SFT) 与检索增强 (RAG) 混合的“智能问答”技术。相信很多人都听过RAG和模型微调。这两种技术哪个更好呢？其实，这两种技术各有长短。

第四，基于硬件加密与全栈可信架构的混合“隐私安全”技术。光用硬件是不够的，光用软件也是不够的。我们知道，在前量子时代，我们是通过把一个非常大的整数进行质数分解进行加密。但是在后量子时代，这就不够了。这个方程式通俗地讲，就是通过在一个高维实数空间里进行因式分解来进行加密。

芮勇博士说，可以看到，这里讲到的4 种混合式技术，需要端边云的协同，需要软件硬件的协同，需要传输与计算的协同。联想的新IT架构 “端边云网智”为混合式技术的实现提供了强大支持。

———————————————

雷递由媒体人雷建平创办，若转载请写明来源。