4月18日，第十屆聯想創新科技大會Tech World在上海舉行。聯想集團高級副總裁、首席技術官芮勇博士表示，不能再單純地用大數據+大算力+大網絡來堆砌大模型，而是要超越大模型，探索更接近人類的思維和行為方式。

2022年11月底，ChatGPT橫空出世，掀起了大模型的熱潮。從百億參數，到千億參數，再到萬億參數，大模型能力越來越強大；從語言模型，到視頻模型，再到最近的音樂模型，大模型的表現越來越出色；AI歷史上，無論是統治語音識別30年的隱馬爾可夫模型，還是稱霸整個90年代的支持向量機，從來沒有任何一個技術，能夠像今天的大模型這樣強大。大模型是AI歷史上的重要里程碑，它開啟了人工智能發展的新紀元。芮勇博士稱，但是它的理解和規劃能力還很有不少侷限性，這些侷限性需要解決。

今天的大模型沒有真正地理解語言和理解世界，也沒有推理和規劃能力。它只是根據高維語義空間的聯合概率分佈，來連接它之前見過的海量信息片段。

大模型一方面能力很強，另一方面有侷限性。所以要'揚長補短'，揚長：我們要持續發揚並增強大模型的強大能力。長短：我們要打造基於大模型的智能體技術，真正解決應用場景的問題。聯想的理念是，左手是大模型，右手是智能體，兩手都要抓，兩手都要硬。

聯想倡導混合人工智能框架，是公有大模型和私有大模型的混合。從技術角度看，還有幾個重要維度的混合。

首先，小模型不會消失。今後一定是基於大模型和小模型混合的"意圖理解"技術。大家知道信息論裏面的熵 entropy 是度量信息量的。越有序，熵越小，越無序，熵越大。聯想使用交叉熵 cross entropy 損失最小化原則，將意圖理解任務最優地分配給大模型和小模型，從而兼顧精準度和複雜性。

第二，基於CPU、GPU、NPU混合調度的"異構計算"技術。今天，在大模型的訓練和推理過程中，瓶頸往往不在於芯片算力，而在於數據傳輸。這個方程式是説，我們來同時優化計算負載和數據傳輸，使總體執行時間最短。

第三，基於模型微調 (SFT) 與檢索增強 (RAG) 混合的"智能問答"技術。相信很多人都聽過RAG和模型微調。這兩種技術哪個更好呢？其實，這兩種技術各有長短。

第四，基於硬件加密與全棧可信架構的混合"隱私安全"技術。光用硬件是不夠的，光用軟件也是不夠的。我們知道，在前量子時代，我們是通過把一個非常大的整數進行質數分解進行加密。但是在後量子時代，這就不夠了。這個方程式通俗地講，就是通過在一個高維實數空間裏進行因式分解來進行加密。

可以看到，這裏講到的4 種混合式技術，需要端邊雲的協同，需要軟件硬件的協同，需要傳輸與計算的協同。聯想的新IT架構 "端邊雲網智"為混合式技術的實現提供了強大支持。