又一家国内企业大模型产品发布。
不是别的，而是已拥有4亿用户的最大中文问答社区知乎。
而且官宣即内测——
不光有首个大语言模型「知海图AI」，首款产品也将应用于热榜。
情理之中，意料之外。
一方面，知乎拥有天然的大模型优势，有场景有应用，最关键的还有天然大规模、高质量的中文数据池。NewBing也将其视作中文数据源之一，一时间股价暴涨近50%。
这种优势放眼国内并不多见，此次产品发布也算是千呼万唤始出来。
但另一方面，在众多尤其科研工作者认知中，知乎作为知识问答分享平台，每一次技术革命爆发都在这里围观与见证。
正如ChatGPT相关话题就已打破当年AlphaGo讨论热度，浏览量达4亿，讨论量近24万。
图片
至于知乎背后相关AI技术和布局，并不被大多数人所知。
现在，知乎主动分享了一切。
而且随着产品的发布，知乎在大语言模型上的布局也首次浮出水面。
知乎大模型产品官宣即内测
在发布会现场，知乎也释出了「热榜摘要」的产品形态最新Demo，让正在等待内测的朋友们先来一睹为快~
可以看到的是，“看山”小助手会出现在热榜的问题下方。
然后它会抓取那些优质问答的重要观点，经过AI算法整理、聚合、润色后，将回答梗概展现给用户。
这样一来，看热门问题的同时就能获取关键信息，效率直接拉满。
而这背后的大语言模型CPM-Bee，来自当下饱受市场关注的清华系大模型创业公司面壁智能。
据知乎联合创始人、CTO李大海介绍，CPM-Bee是目前视野范围内表现最好的中文大语言模型。
面壁智能联合创始人兼CEO曾国洋，也给出了官方内测表现:
内容聚合场景下，在41个问题中，有28个问题表现持平。与GPT-4相比基本持平。
作为国内最早开展相关研究和探索的公司之一，创始团队来自清华计算机系自然语言处理与社会人文计算实验室（THUNLP），刘知远、孙茂松、刘洋多位教授分别是他们的联合创始人和顾问。因此在大模型学研转化、开发落地等方面都有丰富的经验。
产学研转化这块，团队曾最早提出由知识指导的预训练模型ERNIE，围绕模型预训练、提升学习、参数高效微调等这些大模型热门议题，他们也在国际顶会上发表了数十篇论文。
他们也曾开发开源多个大模型，比如:国内首个中文大模型CPM-1、高效易用大模型CPM-2、可控持续大模型CPM-3……
除此之外，法律、生物医学等垂直领域也开发了专有专用大模型。成立伊始，就与法律、汽车、家电、传媒等行业龙头客户达成合作，以及完成近千万种子轮融资。
而就在最近，面壁智能刚获由知乎领投、智谱AI跟投的天使轮融资。据双方消息，此次投资合作旨在实现双方优势资源的价值共创，共同探索大规模语言模型的上层应用。
由此看来，知乎大模型布局也浮出水面:投资大模型公司， 共同打造大模型应用。
据透露，与面壁智能之间属于是深度融合的关系，每天都要见一面的那种。
接下来，在CPM-Bee基础上，随着更多的反馈和迭代，新模型有了更强的逻辑推理能力和更快的训练和推理速度之后，将逐步应用到知乎更多场景中去。
比如创作、讨论场、信息获取等。
事实上这种路径也并不陌生，正如微软与OpenAI。微软的产品矩阵完美贴合ChatGPT的落地场景，应用的同时又能反哺迭代大模型的能力。于是乎，正是两者技术与应用的深度融合，才有了震撼全球的搜索引擎、生产力和生产生活的变革，让企业、个人都能享受到AIGC带来的潜力和可能。
随之而来的问题是——
为什么走这样一条路?
当前国内大模型的发展，已经远不能用火热来形容。这个被认为是比以往任何变革都大十倍的机会，任何企业和机构都不愿意轻易错过，这几周接踵而至的新进展就可见一斑。
不可否认的是，知乎此时布局大模型，选择了一条最适合自己的路——
用知乎CEO周源的话说，是AI时代新生产力的开发者、以及新场景的创建者。
个中缘由得从国内大模型发展开始拆解。
首份《中国AIGC产业全景报告》显示，国内大模型发展大致可以分为三种路径:基础设施层、模型层以及应用层。
其中，模型层成为当前发展的关键卡口，在一定程度上限制了上下层级（基础设施层、应用层）的发展。
至于模型层发展好与不好，归根结底，主要来自算力和数据这两方面:算力是支撑背后大语言模型训练的硬件基础，而数据则是直接影响模型能力强弱甚至生成质量的关键。
尤其是中文数据这块，一方面本质原因，中文相对英文复杂，技术难度高;另一方面，国外英文数据集更丰富，且质量较高。但国内的中文语料并不完善，必要时还需要各家公司来清洗，耗费人力财力。
而这恰好与知乎区别于其他平台的独特优势有关。
我们都知道，模型效果的好坏，既取决于数据的数量，也取决于质量。这一点知乎似乎能做到两者兼备。
在数量方面，2022第三季度财报显示，知乎社区内的内容量已累计超5.79亿条。2022年年度财报显示，问答量已累计到了5.06亿条，覆盖超1000个垂直领域。
尤其在一些专业问题上，更是表现明显。
知乎战略副总裁、社区业务负责人张宁透露这样一组关键数据:
站内从事科研学习和工作的人群总数高达544万人。仅科研互联网领域，就日均图文生产量两万多篇。
在数学、物理、天文、人工智能等多个领域的回答、文章和视频数都超过了100万篇。
而除了数量之外，数据的质量也是尤为关键。
在ChatGPT发布之初，经常会出现一些离谱、错误的答案。「一本正经地胡说八道」是ChatGPT留给大家的初印象。
这背后其实正是与训练数据的质量有关，数据集中掺杂了诸多鱼龙混杂的内容。
而在知乎，诸多专业人士的探讨、问答机制的筛选构成了内容数据的高质量，甚至有的知乎内容已经直接成册出书。
前段时间，NewBing刚出炉，诸多网友发现一些回答来源正是来自于知乎。
