人工智能deepseek学习第十一弹：关于人工智能大模型的几点思考PPT-清华大学·郑纬民.202504.pdfVIP

报告

内容

人工智能进入大模型时代

行业+AI

AI基础大模型

从单模态向多模态发展加速行业智能化升级，开始创造更大价值

ChatGPT实现真正像人类

文本交互一样来聊天交流AI+金融AI+智能制造

输入小标题

企业财务异常识别准确率提升20%工业质检准确率提升14%

MidjourneyAIGC画作

图像创作《太空歌剧院》获得人类艺AI+医疗AI+司法

术比赛冠军药物研发周期从数年缩短到1个月智慧司法系统

阿里云视频生成大模

视频生成型I2VGen-XL，上传1张图AI+汽车AI+气象

自动驾驶智能网络比传统天气预报提速10000倍+

后2分钟生成高清视频

报告

内容

，

数据获取数据预处理模型训练模型微调模型推理

获取不同类型的随机读取训练样大量数据经过模型精调垂域模型实时处理用户请求

原始数据并存储本进行预处理需要海量算力需要可控算力需要稳定可靠算力

大数据

海量小文件存储对频繁、随机小样本读取训练GPT4:垂域模型:实时的用户请求

文件系统提出需求对文件系统提出挑战一万块A100x11月基座模型精调需要算力对算力需求强劲

，

数据获取数据预处理模型训练模型微调模型推理

获取不同类型的随机读取训练样大量数据经过模型精调垂域模型实时处理用户请求

原始数据并存储本进行预处理需要海量算力需要可控算力需要稳定可靠算力

大数据

海量小文件存储对频繁、随机小样本读取训练GPT4:垂域模型:实时的用户请求

文件系统提出需求对文件系统提出挑战一万块A100x11月基座模型精调需要算力对算力需求强劲

大模型训练需要收集海量多模态小文件

YoutubeDall-E数据CommonCrawl

多模态：文本、音频、图像、视频集

特点：任一模态的数据集包含多达数亿至数

百亿个小文件

1亿音频文件120亿图像文件500亿网页文件

海量小文件的存储挑战——元数据管理