生成式AI与大语言模型：从火爆全球到行业应用的完整教程

伴随着ChatGPT的火爆全球，数以百计的大语言模型也争先恐后地加入了这一战局，掀起了一场轰轰烈烈的“百模大战”。毋庸置疑的是，继方兴未艾的人工智能普及大潮之后，生成式AI与大语言模型正在全球开启新一轮生产力革新的科技浪潮。在这场变革中，东软集团正式宣布成立东软魔形科技研究院，持续探索人工智能技术的创新与应用。以下将从生成式AI火爆原因、对技术人员的影响、东软布局、魔形科技研究院使命四个维度，为您提供一份详尽的专业教程。

一、生成式AI为什么如此火爆

生成式AI与大语言模型之所以能以惊人速度席卷全球，核心在于它们解决了以往人工智能技术难以突破的多个关键问题。东软集团高级副总裁兼首席技术官、首席信息官陈锡民博士在东软解决方案论坛2023上给出了详细解答。以下是四大核心原因：

• 1. 渗透力强：与元宇宙等依赖特定设备的技术不同，生成式AI可以更加普遍地渗入日常生活，通过多种渠道影响人们，无需专用装备，更容易被社会广泛接受。
• 2. 解决关键技术问题：大语言模型弥补了过去AI的短板——思维能力和生成能力。传统决策式AI只能做识别和判断（如图像识别、语音识别），而大语言模型能深入理解用户意图并生成相应输出，实现了质的飞跃。
• 3. 类似人类大脑中枢：大语言模型运作方式与人类大脑中枢相似，可接受语言输入、理解并输出文本、行为或指令，成为能理解、思考和指导各种动作的智能系统，而不仅仅是简单工具。
• 4. 裂变效应与无限可能：结合思维链和提示工程，大语言模型可以自我复制、自我监督、自我协同。例如一个AI可生成两个子AI分别执行不同任务，并继续产生更多子AI，实现任务的并行处理和高效完成，带来巨大想象空间。

小提示： 理解生成式AI的“裂变效应”非常重要——它意味着AI能像生物一样“繁殖”出更多智能体，开发者需要掌握提示工程和思维链技术才能充分利用这一特性。

二、大语言模型给技术人员带来的变化

生成式AI的普及正在深刻改变IT行业技术人员的角色和能力要求。过去评价技术人员主要看代码质量和算法研究深度，但现在焦点已转向如何与人工智能打交道、理解和驾驭知识，并将知识活化为对AI的指导与应用。这种转变本质上是从技术细节驾驭到知识驾驭的转变。

• 对技术人员的新要求：需要更深入地理解业务和知识，才能利用生成式AI为业务赋能。这要求具备更广泛的知识、更深入的业务理解以及更强的创新思维。
• 企业的应对策略：企业一方面可通过培训和内部转岗帮助现有技术人员适应变化，另一方面需从外部引进具有新知识结构和技术能力的人才。
• 技术人员自身行动：积极适应并快速学习新技能，如提示工程、微调技术等，以更好地驾驭大语言模型。

常见问题：

问：作为传统软件开发工程师，如何快速转型？
答：第一步，学习基础的大语言模型原理和API调用；第二步，重点掌握提示工程（Prompt Engineering）——即设计高效提示词引导模型输出；第三步，实践微调（Fine-tuning）技术，利用开源模型结合领域数据进行定制训练。同时加强业务领域知识积累，将AI能力与行业需求结合。

三、东软在生成式AI领域的布局

东软在生成式AI领域的布局目标清晰，聚焦于行业大模型的构建和应用。由于通用大模型训练成本极高，东软选择利用开源模型为基础，结合行业数据和行业知识，训练具有实际应用价值的专业大模型。

• 三大业务板块：围绕医疗、政府、汽车三大方向构建生成式AI解决方案。
• 医疗典型应用：
  • 医生助手：自动生成医嘱和病历，提高医生工作质量和效率。
  • 问诊助手：帮助患者更准确挂号和描述病情，提升医疗服务效率。
• 社会责任与法律责任的结合：东软注重算法性能的同时，强调人工智能只是辅助工具，最终法律责任由人承担，因此对产品更加谨慎，保障技术安全和可持续发展。
• 近期AI+医疗创新：推出添翼医疗领域大模型、飞标医学影像标注平台4.0、基于WEB的虚拟内窥镜等，加速“AI+领域应用”生态战略布局。

小提示： 在医疗、法律等严谨行业中应用大语言模型时，必须通过系统工程确保输出质量和价值观正确性。东软的做法值得借鉴：先做小范围验证，再逐步推广，同时保留人工审核环节。

四、东软魔形科技研究院的使命

东软魔形科技研究院以“智能化软件生产”和“软件智能化服务”为核心目标，启动实施“大语言模型系统工程（LLM-SE）”战略。研究院围绕专业性、一致性、可解释性、安全性等企业级核心特性，打造LLM-SE通用开发平台，覆盖医疗、人社、医保、政务、金融、媒体、人力资源及智能汽车等所有业务领域，为东软AI大模型驱动的业务转型提供全面支撑。

研究院肩负着以下五大使命：

• 1. 跟踪与消化先进技术：持续跟踪快速演进的大语言模型技术，确保东软始终处于技术前沿。
• 2. 探索行业应用场景与技术方案：深入探索各领域应用场景，尤其关注医疗等数据敏感且保守的领域，自主研发符合行业需求的大模型。
• 3. 商业化导向的研究：确保研究成果在质量可控、部署成本合理、运行成本合理的前提下实现商业化价值。
• 4. 联合各业务单元共同研发：各行业领域专家和技术骨干带课题进入研究院，共享算力、环境等资源，结合通用大模型认知能力协同研发。
• 5. 发挥模型孵化器作用：负责行业大模型的训练、实践验证及商业化全流程，孵化成功即可进行商业化销售，为东软带来经济效益。

常见问题：

问：东软魔形科技研究院与其他AI研究机构有何不同？
答：最大特色是“垂直整合”——研究院并非独立存在，而是与东软各业务单元紧密合作。行业专家带着实际课题进入研究院，利用共享算力和环境，共同研发可直接落地的行业大模型。同时研究院以商业化结果为导向，模型孵化成功后立即投入市场，形成闭环。

问：为什么东软强调“专业性、一致性、可解释性、安全性”？
答：因为企业级应用（尤其是医疗、政务）不允许模型产生“幻觉”或不可控输出。专业性能保证模型在特定领域准确；一致性确保多次回答不矛盾；可解释性让用户理解AI决策依据；安全性防止敏感数据泄露或输出有害内容。这四点是大模型从“好玩”到“好用”的关键门槛。

总结：生成式AI与大语言模型正从概念走向深度应用，对技术人员的知识结构、企业的战略布局都提出了全新要求。东软通过成立魔形科技研究院，以行业大模型为核心，结合社会责任和商业化导向，走出了独特的“AI+领域应用”之路。对于希望进入这一领域的开发者和企业来说，理解火爆原因、掌握新技能、借鉴行业先行者的布局思路，将是抓住时代机遇的关键。