9月5日，在2024騰訊全球數(shù)字生態(tài)大會云上智能峰會上，騰訊云副總裁、騰訊云智能負責人、優(yōu)圖實驗室負責人吳運聲分享了騰訊云在智能領域的最新進展，并探討了大模型在產(chǎn)業(yè)中的應用和未來發(fā)展。
騰訊云副總裁、騰訊云智能負責人、優(yōu)圖實驗室負責人吳運聲
吳運聲在演講中指出，大模型的發(fā)展呈現(xiàn)出兩個明顯趨勢：模型性能不斷提升和落地場景不斷豐富。他強調(diào)，面向場景創(chuàng)造價值才是大模型發(fā)展的意義。基于全矩陣的大模型產(chǎn)品，騰訊已經(jīng)服務了眾多客戶，在知識管理、智能客服、研發(fā)提效、智能營銷、內(nèi)容生成、辦公協(xié)同、風險管控等場景中，幫助企業(yè)實現(xiàn)了降本增效和業(yè)務創(chuàng)新。
騰訊云的大模型策略以實用性為核心，滿足不同企業(yè)在大模型時代的需求。騰訊已經(jīng)構建起了全鏈路的大模型產(chǎn)品矩陣，包括底層基礎設施、幫助企業(yè)訓練專屬模型的TI平臺和行業(yè)大模型解決方案，自研的混元大模型，構建應用的平臺工具，以及基于大模型的各類智能應用。
吳運聲介紹，騰訊最新發(fā)布的混元Turbo版本通過自研的萬億級層間異構MoE技術，相比前代模型實現(xiàn)了訓練效率提升108%，推理效率提升100%，推理成本降低 50%。同時，混元Turbo的效果在多個基準測試上對標GPT-4o，且第三方測評居國內(nèi)第一。
騰訊云在今年5月還一并推出了三款PaaS產(chǎn)品——大模型知識引擎、圖像創(chuàng)作引擎和視頻創(chuàng)作引擎。經(jīng)過兩個月的迭代，這些產(chǎn)品的能力進一步升級，可以為電商、出海等領域的客服營銷、企業(yè)知識社區(qū)等眾多業(yè)務場景提供效率的助力和創(chuàng)新的支持，也進一步加快了大模型在實際場景中應用落地的速度。
在模型訓練工具方面，為了幫助企業(yè)用戶更便捷地打造專屬模型，人工智能開發(fā)平臺TI平臺也進行了全新升級。在精調(diào)數(shù)據(jù)準備層面，TI平臺全新支持面向多模態(tài)大模型的數(shù)據(jù)集管理和數(shù)據(jù)標注，首創(chuàng)了基于Schema的標注方法，支持用戶自動生成個性化標注工作臺，支持文生文、圖生文、圖文改寫、圖文混合問答等主流場景下的全部細分任務類型。
同時，騰訊云將2D數(shù)智人、3D數(shù)智人和聲音復刻管線全面輸出，支持企業(yè)私有化部署和靈活定制。管線輸出意味著，客戶可以將訓練數(shù)據(jù)和訓練模型都部署在自己的環(huán)境上，推動數(shù)智人在更多場景的普及和落地。
附：演講全文
尊敬的各位嘉賓、媒體朋友們，
大家好！
我是騰訊的吳運聲，很高興在這里跟大家分享騰訊云在智能領域的最新進展和思考。
大模型已經(jīng)發(fā)展了兩年，我們能明顯看到兩個趨勢：一方面，模型性能在不斷提升，圍繞著模型的產(chǎn)品使用門檻也變得更低、更加易用；另一方面，企業(yè)和開發(fā)者積極探索大模型與自身業(yè)務場景的結合，大模型的落地場景不斷豐富、更縱深。我們認為，面向場景創(chuàng)造價值才是大模型發(fā)展的意義。
騰訊的大模型策略，從最開始就以實用為目標，我們希望構建起離產(chǎn)業(yè)最近的AI產(chǎn)品矩陣。從底層的高性能計算、存儲、網(wǎng)絡等AI infra產(chǎn)品，到一站式的人工智能開發(fā)平臺TI和行業(yè)大模型解決方案，再到自研的混元大模型，以及基于大模型的各類工具和智能應用，我們提供了全方位的產(chǎn)品，滿足企業(yè)在大模型時代的各類需求。無論是做大模型的企業(yè)，還是想要搭建AI應用的創(chuàng)業(yè)者，還是想利用AI來實現(xiàn)降本增效的企業(yè)，都能在騰訊云上找到好用的工具。
去年的生態(tài)大會上，我們正式發(fā)布了全鏈路自研的騰訊混元大模型。經(jīng)過不斷的迭代創(chuàng)新，混元已經(jīng)穩(wěn)居國內(nèi)大模型第一梯隊。
今天，我們正式推出了更快更強的混元Turbo版本，通過自研的萬億級層間異構MoE結構，混元Turbo用更多的專家數(shù)、更少的激活參數(shù)量實現(xiàn)了更好的效果。相比前一代MoE大模型，騰訊混元Turbo的訓練效率提升108%，推理效率提升 1 倍，推理成本降低 50%，僅用一半訓練語料，就實現(xiàn)效果提升14%，中文場景的效果對標GPT-4o。技術創(chuàng)新讓我們可以更多地讓利給客戶，混元Turbo的定價僅為混元Pro版的一半。
在多模態(tài)領域，混元的多項能力也在國內(nèi)保持領先。混元生圖是首個中文原生的DiT架構文生圖開源模型，目前在全網(wǎng)衍生的模型數(shù)量超過2000個。這也充分證明了開發(fā)者對于我們模型能力的認可。
近期，混元還推出了基于 MoE 架構的多模態(tài)理解大模型混元vision。我們在架構、訓練方法和數(shù)據(jù)處理方面進行了創(chuàng)新和深度優(yōu)化，顯著提升了性能，能支持最高 7K 分辨率、最大長寬比16:1的圖片的理解。在近期發(fā)布的中文多模態(tài)大模型 SuperCLUE-V 基準評測中，騰訊混元斬獲國內(nèi)排名第一，超越了多個主流閉源模型。
在自研的混元大模型之外，為了幫助企業(yè)用戶更便捷地打造專屬模型，我們的人工智能開發(fā)平臺TI平臺也進行了全新升級。在精調(diào)數(shù)據(jù)準備層面，我們?nèi)轮С置嫦蚨嗄B(tài)大模型的數(shù)據(jù)集管理和數(shù)據(jù)標注，首創(chuàng)了基于Schema的標注方法，支持用戶自動生成個性化標注工作臺，支持文生文、圖生文、圖文改寫、圖文混合問答等主流場景下的全部細分任務類型。
高質(zhì)量的訓練數(shù)據(jù)是精調(diào)出一個可落地大模型的前提條件。TI 平臺的多模態(tài)數(shù)據(jù)集管理和數(shù)據(jù)標注能力，可提升大模型精調(diào)的數(shù)據(jù)準備效率和訓練數(shù)據(jù)質(zhì)量，從而提升大模型訓練效率和最終效果。
大模型訓練之外，針對OCR和工業(yè)質(zhì)檢場景等垂直訓練場景，我們也對產(chǎn)品進行了升級。OCR場景中，可以實現(xiàn)智能反饋出模糊、反光等場景下的誤識別，水印識別平均準確率提升至95%。在工業(yè)質(zhì)檢場景下，我們?nèi)轮С只赩isual Prompting 的小樣本分割鏈路，并推出缺陷感知通用模型、缺陷自動合成功能，可實現(xiàn)“0” 標注或“1”標注下解決質(zhì)檢問題。
具體到模型工具產(chǎn)品方面，今年5月，我們推出了三個大模型PaaS產(chǎn)品：知識引擎、圖像創(chuàng)作引擎和視頻創(chuàng)作引擎，幫助企業(yè)快速、輕松打造AI原生應用。
大模型知識引擎聚焦企業(yè)知識服務場景。通過該平臺，企業(yè)用自然語言和簡單配置，5分鐘就可以開發(fā)出一款大語言模型應用，服務于客服營銷、企業(yè)知識社區(qū)等業(yè)務場景。經(jīng)過幾個月的產(chǎn)品迭代，知識引擎產(chǎn)品在用戶需求識別與理解、企業(yè)知識處理、檢索和理解能力上，都有很大的升級。
比如，我們綜合運用向量檢索、摘要檢索、text2sql多種技術手段，顯著提升了復雜大表的檢索及問答準確率。同時，我們升級了升級多模態(tài)知識解析、檢索、閱讀理解能力，實現(xiàn)讀懂文中的“數(shù)據(jù)圖”、“自然場景圖”、“圖文關系”。
同時，我們提供了更靈活的購買方式，支持組件能力的單獨輸出，企業(yè)可以按需購買文檔解析、文檔拆分、向量化等能力，按需部署到自身的應用中去。
在圖像創(chuàng)作引擎層面，基于混元生圖能力的升級，我們的圖像風格化、AI寫真、商品背景生成、模特換裝等功能也進一步實現(xiàn)了迭代。在AI寫真層面，我們實現(xiàn)了免訓練技術突破，輸入一張照片后可直接跳過訓練環(huán)節(jié)等待，一鍵生成高清寫真藝術照，整體出圖耗時縮短75%。
針對很多電商商家高頻使用的商品背景生成能力，我們大幅提高了背景畫面真實度、商品分割細膩度，以及商品與背景間融合的自然度與交互合理性，實現(xiàn)商品在不同場景中高度逼真的虛擬效果展示。在模特換裝場景下，我們采用3D先驗方案，提升重建人像效果，在高度保持模特臉部、手部細節(jié)的同時，精確將服裝版型細節(jié)與模特身體特征對齊，確保換裝后的效果逼真自然。
基于混元的DiT架構模型，我們的視頻創(chuàng)作引擎也迎來了全新的升級，新增了圖片跳舞、圖片唱演和視頻轉譯等能力。
首先，我們來看下圖片跳舞能力，目前，我們已經(jīng)實現(xiàn)了單段舞蹈的生成時間從10分鐘下降至1分鐘級別，同時支持轉身、側身等難例舞蹈動作。人物跳舞的自然度已經(jīng)有了很大的提升，這背后是我們基于3d-boby重建技術，進一步優(yōu)化了算法，畫面的真實度和自然度也有了明顯提升。
在圖片唱演層面，我們目前可以支持一張人像圖片生成一段唱演視頻，視頻生成的人物的面部表情和情緒演繹都更加自然靈動。
同時，針對很多客戶有需求的在視頻轉譯能力，我們接入了混元文生文大模型和 TTS 技術，讓轉譯后的視頻能夠保留說話人的音色特征，同時實現(xiàn)說話人口型與目標語種一致的視聽效果。目前視頻轉譯功能支持15+小語種，覆蓋主流外語翻譯，可應用于視頻本地化、跨境電商等場景。
基于騰訊先進的形象驅(qū)動、自然語言理解和識別能力，我們的數(shù)智人形象自然度業(yè)界領先。目前，騰訊云智能數(shù)智人已經(jīng)在業(yè)務辦理、用戶運營、營銷獲客以及品牌宣傳等業(yè)務場景中落地。
今天，我們也將2D數(shù)智人、3D數(shù)智人和聲音復刻管線全面輸出，支持企業(yè)私有化部署和靈活定制。管線輸出意味著，客戶可以將訓練數(shù)據(jù)和訓練模型都部署在自己的環(huán)境上。我們的合作伙伴也可以基于我們的管線能力批量生成數(shù)智人，更好地推動數(shù)智人在更多場景的普及和落地。
基于我們?nèi)仃嚨拇竽Ｐ彤a(chǎn)品，我們已經(jīng)服務了眾多客戶，在知識管理、智能客服、研發(fā)提效、智能營銷、內(nèi)容生成、辦公協(xié)同、風險管控等場景中，很多客戶利用我們的產(chǎn)品實現(xiàn)了降本增效和業(yè)務創(chuàng)新。
在智能客服與知識管理場景中，基于大模型的生成能力，可以顯著提升復雜問題的解決效率，提升回答質(zhì)量。比如，汽車售后服務是一個典型的專業(yè)客服場景，涉及的知識復雜，汽車說明書包括圖片、表格等眾多形式，傳統(tǒng)客服機器人無法及時準確地回答問詢。我們與長安汽車共創(chuàng)，利用大模型知識引擎整合汽車使用手冊等資料，有效解決了客戶在車輛使用和維護中的疑問，顯著提升了客戶服務體驗。
在智能營銷場景，大模型可以提升廣告素材的生產(chǎn)效率，提升營銷互動的趣味和互動性。比如，蒙牛在一場營銷活動中，利用圖生圖能力，將用戶上傳的全家福轉化生成為特制的卡通畫風，助力會員拉新、提升用戶活躍�；顒悠陂g小程序相對于去年同期提升80%以上。
在內(nèi)容創(chuàng)意場景，大模型可以讓內(nèi)容生產(chǎn)的周期大幅縮短，提供更多的創(chuàng)意玩法。比如，人民日報、新華社等媒體結合我們的文生視頻能力，創(chuàng)作了很多視頻作品。過去，視頻內(nèi)容需要一幀幀進行設計和制作，制作周期短則數(shù)天，長則數(shù)月�，F(xiàn)在借助視頻生成能力，只需一段文字或者幾張圖片，就能在幾分鐘內(nèi)生成優(yōu)質(zhì)視頻內(nèi)容。
在研發(fā)提效領域，我們一方面提供了TI平臺等工具，幫助易車、閱文等企業(yè)搭建自己的大模型，顯著降低了模型構建的時間和成本；另一方面，通過AI代碼助手等工具，我們也輔助開發(fā)者，提升研發(fā)的效率，幫助企業(yè)提升整體研發(fā)效能。
在辦公協(xié)同場景中，騰訊旗下的企業(yè)微信、騰訊會議、騰訊文檔都已經(jīng)接入了混元大模型。在大模型的助力下，企業(yè)微信可對英文郵件進行智能檢查，輔助英文郵件糾錯，騰訊會議可以自動總結會議紀要，騰訊文檔能夠自動生成各類文檔。這些功能把個體從繁瑣的工作中解放出來，也顯著提升了團隊協(xié)同的效率。
在風險管控領域，風控大模型可以解決傳統(tǒng)風控中建模時間長、效率低的難題。通過打包豐富的反欺詐知識，實現(xiàn)“小樣本”訓練，快速構建契合業(yè)務需求的風控模型體系。比如，東風日產(chǎn)汽車金融，基于少量提示樣本遷移，就完成了適配自身業(yè)務場景的風控模型定制。相比于傳統(tǒng)的建模方式，模型KS性能提升超過20%，在跨場景的泛化性測試上性能提升53%。
今天我們也很榮幸請來了很多客戶來分享他們的落地實踐。未來，我們也希望與更多客戶攜手，推動大模型落地到場景中，真正為企業(yè)創(chuàng)造價值！謝謝大家！
