(相关资料图)

作为大模型最为活跃的领域，自然语言处理成为众多科技公司在研发上的主攻方向，阿里也不例外。

6月1日，阿里云对外披露通义大模型最新进展，瞄向AI音视频赛道推出“通义听悟”，并且正式开启公测。这距离“通义千问”的发布还不到两个月的时间。

根据会议现场工作人员的演示，通义听悟可以实时完成对音视频内容的转写、检索、摘要和整理，利用大模型的能力自动做笔记、整理访谈、提取PPT等。阿里云CTO周靖人表示，通义听悟能够实时记录、多语言翻译、发言总结、问题回顾，视频体验方面，支持云盘导入和本地上传、章节速览、全文概要等。

听悟技术负责人鄢志杰则对记者表示，通义听悟的前身是阿里云内部一个名为“听悟”的产品，主要为投资部、HR等部门做项目会议的音频转写功能，在2022年，这款产品的潜力逐步被挖掘，内部开始思考其工具属性是不是要发生变化。

“工具是什么？受人支配，它不会比人更聪明，也不会比人懂得更多。但是工具在与通义天问大模型能力相结合以后，这种工具能力就变成了助手能力，能够帮人解决一些问题。”鄢志杰表示，在多模态的布局下，阿里云就这样将听悟形成了产品。

但和其他生成式人工智能应用一样，如何?；な菀揭彩峭ㄒ逄蛐枰蚋鋈擞没б约捌笠岛献鞣浇獯鸬氖滓侍?。一方面，人工智能公司需要大量的数据来训练更聪明智能的大模型，另一方面，随着越来越多用户将人工智能应用纳入工作流，上传的数据中难免会夹带公司机密信息。

周靖人对记者表示，目前企业的需求中包括了数据安全、数据隐私等各个方面的要求，阿里也有完整的企业级产品系列。他强调，虽然企业通过大模型来提升日常工作效率，但并不代表这些数据会用于大模型自身的训练。

“比如，通义千问技术的模型训练不依赖于用户数据，而是更多依赖于基础的知识理解，这种应用再结合会议的场景以及视频的场景，才诞生了今天的通义听悟，更多是利用技术模型的能力去帮助我们做总结、翻译以及内容的摘取。”他说。

但从目前市场的竞争来看，大模型赛道已经相当拥挤。中国科学技术信息研究所所长赵志耕此前表示，中国10亿以上参数规模的大模型已经接近80个，自然语言处理领域更是竞争激烈。

面对当前大模型的竞争，周靖人表示，目前外界对大模型要求很高，从通义千问发布以来，阿里云也陆陆续续做了大量工作，并在全国开始部署AI的模型。“同时在云的底层通过一系列模型优化不断降低模型使用的成本，降低模型所使用的资源，只有这样能够让模型真正意义大规模去服务社会。”

标签：