11月8日消息，阿里巴巴达摩院公布多模态大模型M6最新进展，其参数已从万亿跃迁至10万亿，规模远超谷歌、微软此前发布的万亿级模型，成为全球最大的AI预训练模型。同时，M6做到了业内极致的低碳高效，使用512块GPU在10天内即训练出具有可用水平的10万亿模型。相比去年发布的大模型GPT－3，M6实现同等参数规模，能耗为其1％。

　　什么是超大规模预训练模型

　　目前，人工智能正迅速普及并应用到人们的日常生活，但仔细观察会发现，这些技术主要集中在“感知层面”，比如听觉、视觉等。但需要外部知识、逻辑推理的“认知层面”，人工智能尚处于初级阶段。

　　“认知智能”被认为是下一代人工智能的关键性突破。而超大规模预训练模型则被认为是认知智能的基础设施。

　　当前，企业应用AI技术面临前期投入大、开发时间长等痛点，AI技术高昂的使用门槛将绝大多数企业拒之门外。Gartner的研究报告显示，37％的企业已经或即将部署AI模型，但仍有大量中小企业未享受到人工智能技术带来的利好。大规模预训练模型的出现或将彻底改变人工智能的应用现状。

　　大规模预训练模型基于复杂的预训练目标和庞大的模型参数，将丰富的知识存储到大量参数的隐式编码中，使其能够完成多种下游任务，即便是新任务，也能够通过动态学习来完成。

　　借助大规模预训练模型，企业应用AI技术的前期投入将大幅下降，其不再需要前期就投入大量资金和时间研发定制化模型。

　　2020年8月，GPT－3模型的面世可谓人类AI史的里程碑事件。GPT－3是美国非盈利机构OpenAI发布的GPT第三代模型，被誉为“最接近通用人工智能”的模型。GPT－3不仅支持多种不同类型的任务，包括改语法错误、写文章（写诗）、聊天、算数、答题、翻译等， 还能够通过小样本动态学习，解决从未遇到过的任务，从而具备成为通用解决方案的能力。

　　阿里达摩院的超大规模多模态预训练模型M6

　　鉴于大规模预训练模型的强大与高效，国内头部科研机构如阿里、华为、智源研究院也都先后发布了自研的大规模预训练模型。

　　其中，M6是由阿里达摩院联合清华大学研发，中国首个万亿参数的超大规模多模态预训练模型。

　　据悉，M6的优势在于将大模型所需算力压缩到极致，通过一系列技术突破，达摩院和阿里云只用了480块GPU就训练出了M6，相比英伟达用3072块GPU训练万亿模型、谷歌用2048块TPU训练1．6万亿模型（1TPU约等于2～3GPU），M6省了超过八成算力，还将效率提升了近11倍。

　　阿里达摩院的M6定位是主打多模态、多任务能力，目标是成为全球领先的具有通用性的人工智能大模型。

　　M6的商业化应用

　　随着M6参数规模的扩大，AI的认知和创造能力不断升级。阿里研究人员发现，M6在绘画、写作、问答、文字生成图片领域均有惊人的表现，可以生成1024＊1024分辨率宛如实物的高清图片，比此前海外公司OpenAI最高纪录提升4倍。

　　不仅如此，M6更是首个真正进入商用的多模态通用大模型。目前，M6已作为AI小助理在阿里新制造平台犀牛智造上岗，可实现快速设计、试穿效果模拟。M6还已应用在支付宝、淘宝等平台，参与跨模态搜索、文案撰写、图片设计等工作。

　　M6根据文本内容，自动设计特定风格图片

　　举个例子，按照淘宝目前的搜索系统，用户在淘宝上搜索商品名称或类别时，通常会用到关键词搜索，但对于用户一些十分特别的商品特征需求，商家未必能够把特征关键词全部罗列出来。比如，用户可能想要寻找一个表面凹凸的咖啡杯，但商家一般不会把这样的细节写在商品描述中，用户难以快速搜索到这种商品。

　　但多模态大模型M6可以做到，目前M6已建立了从文本到图片的匹配能力。这意味着，AI通过识别图片就可以知道商品的所有细节特征，AI会把这些细节特征记录成文本，用户无论搜索什么“奇葩”的特征，系统都能帮用户找到相对应的商品。

　　未来，M6或将建立从文字到视频内容的认知能力，为搜索形态带来变革。