就连实验室主任唐杰，一开始也是再三犹豫，“是否能hold得住这个学生”。

　　我来自智源研究院、智谱AI（智谱华章科技有限公司）和小冰的人工智能团队。

　　此情此景之下，就着“智源大会2021”这一主题所创作出来的七言律诗，在不失本意的基础上，也有慷慨激越之意。

　　而华智冰的画风不仅限于此，山水田园油画也是拿捏得很到位，亦可即兴创作春意盎然的现代诗歌。

　　除此之外，华智冰也想了解自己的身世——“我是怎么诞生的”、“我能理解我自己吗”。

　　而华智冰要学习还远不止于此，作为一名具有超强学习能力的学生，她的课程安排和其他学生有着较大的区别：

　　如果说她今天只有6岁，也许明年可以是12岁，她的学习速度远远超过我们人类。

　　至于何时“毕业”，唐杰希望是在华智冰22岁的时候，而且在这一过程中，最难的不是学习知识，“而是认知过程”。

　　与以往的虚拟人不同，华智冰的核心差异点，便是智谱AI的数据和知识的双轮驱动引擎。

　　其中，数据轮要能归纳，“举十返一”；知识轮要能根据知识进行逻辑推理，做到“举一反三”。具体来说，双轮驱动的数据部分，就是“悟道2.0”。

　　一个超大规模预训练模型，而在知识部分，则是智谱AI搭建的一个性能稳定，规模巨大的知识图谱。

　　这样，华智冰背后的引擎，就具有了一定的认知和推理能力，也有了学习计算机专业知识的基础。

　　华智冰还拥有小冰公司在虚拟人技术上，20多年的研究积累，包括计算机视觉、自然语言处理、计算机语音、人工智能创造的情感交互框架、检索模型、生成模型、共感模型等。

　　但更重要的是，华智冰还拥有一项“bug级”技能加点——悟道2.0，全球最大预训练模型。

　　正如华智冰所具备的实力一样，悟道2.0在问答、绘画、作诗、视频等任务中正在逼近图灵测试。

　　它是⼀个在神经⽹络中引⼊若⼲专家⽹络的技术，能直接推动预训练模型经从亿级参数到万亿级参数的跨越。

　　而作为⾸个支持PyTorch框架的MoE系统，FastMoE便打破了分布式训练的瓶颈，还并针对神威架构进行了优化，可在国产超算上完成训练。

　　据了解，新一代的GLM模型以100亿的参数量， 匹敌微软170亿参数的Turing-NLG模型，能在LAMABADA填空测试中表现更优。

　　并且在MS COCO文本生成图像任务权威指标FID上，CogView还打败OpenAI今年年初发布的130亿参数的DALLE，获得世界第一。

　　有数据驱动夯实的基本功，还有强悍知识驱动的加持，这便是华智冰超于以往虚拟人的关键点。

　　除了自身的能力，它还能为广大开发者、技术公司，以及传统企业提强大而通用的智能服务底层系统，仅通过模型微调实现领域模型的构建，避免不必要的重复模型训练。

　　通过这种智能赋能的方式，“悟道2.0”之上将会出现一个超大规模的智能模型应用生态。在智谱AI负责的应用平台上，已经出现了不少有趣的应用（见文末链接）。

　　比如，在故事生成专区里，有开发者做的应用可以创作时下最为流行的逻辑推理游戏——剧本杀的脚本。

　　剧本杀故事本身所具有的强逻辑性、环环相扣的特点，多数玩家应当是深有体会。

　　为什么大模型如此重要？，人工智能的发展，似乎已经从“大炼模型”逐步迈向了“炼大模型”的阶段。

　　通过设计先进的算法，整合尽可能多的数据，汇聚大量算力，集约化地训练大模型，供大量企业使用。

　　清华大学人工智能研究院院长、中国科学院院士张钹教授，则肯定表示——要做！

　　而要做的比他们的规模要大，等于说加速器的加速度，研究人员就能看到一些别人观察不到的现象。

　　不要以为说大模型出来后什么问题就解决了。只能说有了大模型之后，还要去进一步研究，将来也不会被人卡住。

　　智谱AI首席科学家、清华大学教授唐杰表示，如果分成不同阶段，悟道1.0的定位是追赶世界顶尖水平，那么悟道2.0就是单点突破，从单个特性超过它。

　　我们发布出来一个给大家所有人都可以用的，助力这个产业变成一个开放的生态。这是悟道2.0与悟道1.0最不同的地方。

　　至于是什么契机创造这么一个虚拟大学生——华智冰，唐杰坦言主要有两方面原因。

　　AI也逐渐从现在的算法满满变成一个主体，而虚拟人形象正好是这样一个主体的依托。

　　通过持续学习和演化，最后成为一个有着丰富知识和与人类有很强交互能力的机器人。

　　原标题：《超级学霸华智冰：琴棋书画全能，进入清华计算机系实验室，诞生即巅峰》