大模型与社会分工，产业链与模块化

可能很多人看了标题会觉得很奇怪，大模型与社会分工有什么关系，产业链和模块化又是什么鬼，我们不是学习大模型技术和应用的么 ？怎么越来越跑偏了。

其实，写这篇文章的目的就是为了解放大家的思想，要明白大模型不是一个事，也不是一个人做的事，它是一个庞大的系统，需要大家分工合作才行。

这篇文章可能并不是一篇技术文章，可能更多的是从经济和管理和社会发展等多个方面讲述一下大模型技术，防止有些人钻牛角尖。

在之前的文章中曾不只一次的说过，技术人员容易钻牛角尖，总是陷入技术之上的陷阱中去，这里并不是说技术不重要，而是技术的本质决定了它只能在特定的环节扮演特定的角色，而不是有了技术就有了一切。

这是一个系统化的过程，每个环节都有其特定的角色，谁离了谁都能转，谁离了谁也转不了。

政治上说，人与动物的根本区别是会使用和制造工具；而社会的发展与进步靠的是社会分工，而不是某一个人的力量，如果没有分工，可能人类也发展不到今天。

为什么说分工很重要？现在先假设一个问题，如果没有分工会怎么样？

没有分工，那么社会中的每个人都需要对自己的全部负责，从吃喝拉撒睡到物质生活和精神生活；这样人类就失去了进步的可能。

比如说，没有分工，一个人想吃饭，那么他就需要去做饭，做饭需要原材料，包括蔬菜，肉类等，那么这个人就需要去种菜，去养殖；这样每个人都会把自己大量的时间和精力浪费在这些事情上。

那怎么发展技术，怎么发展科技，怎么发展文化，艺术等等？

因此，分工才是社会进步的主要动力。

说到大模型也是如此，大模型技术是一个生态，是一个系统，单纯的大模型技术没有任何意义，大模型技术的价值在于应用场景；因此，搞大模型就需要有人搞大模型技术，也要有人搞大模型应用，两者缺一不可。

没了大模型技术，大模型应用就成了无根之水，空中楼阁；大模型技术没有应用场景，那么大模型技术就失去了价值，没有了研究意义。

因此，有些人钻进大模型技术的牛角尖中出不来，每天都在研究大模型这个技术原理是什么，那个功能是怎么实现的，除非你是真的要从事搞纯技术的大模型，否则这样研究下去根本没有太大意义。

大模型作为一项划时代的技术，他的落地需要各种上下游的支持，比如上游最基础的能源，算力的供应；中游大模型架构与算法的开发，下游基于大模型的应用场景。

由这些上下游组合在一块，就成了大模型技术的产业链；再细化一点来说，在能源和算力方面，需要解决发电问题，GPU的运算效率，基于云计算的并行计算等；而中游的大模型规模，架构，训练与调优，数据的组织与清洗等；到下游的知识库供应商，Agent开发，AIGC工具等等。

大模型的发展促进其上下游的发展，而上下游的发展又反向促进大模型的进步。

因此，不同的人，不同的企业，在大模型技术的发展过程中扮演着重要的角色；没有谁能脱离谁的存在，也没有谁会离不开谁。

我们需要做的是，确定我们在整个产业链中扮演着哪个角色，存在于那个环节；而不是如无头苍蝇一样，到处乱撞，最终也没一个结果。

有人搞大模型算法研发，他是不是在搞大模型？有人在搞知识库的研发，那他是不是在搞大模型？有人在做AIGC的工具，那他是不是也在搞大模型？ 

并不是说只有做大模型架构和算法的人才叫搞人工智能，只要处于人工智能产业链的其中一个环节，那么就是在搞大模型。

比如说，openAI的模型那么强大，但它除了需要强大的技术和算法之外，还需要强大的数组支撑，那么你是否可以做数据供应商？当然，前提是合法合规。

从技术人员的角度出发，我们平常在做项目时，会根据项目的功能把一个系统拆分成多个不同的模块，各个模块之间互相联系，但又相互独立，这就是传说中的高耦合，低内聚。

而这种开发方式就叫做模块化，工程模块化，每个模块负责每个模块的功能，相互之间互不影响。

因此，大模型技术上下游也充斥着大量的供应商和服务商；在以后，有些人和企业会专注于开发更好的大模型，也有些人和企业会专注于构建基于大模型的上层应用，没有什么谁对谁错，谁好谁坏。

如果你觉得有足够的功底，比如算法，机器学习等；那么你就可以搞大模型技术，考虑怎么把大模型做到更好，更强；如果你对业务比较熟悉，又了解大模型技术，那么你就可以构建和你业务相关的，基于大模型技术的产品。

总之，大模型产业链处于刚开始阶段，我们任何人都可以投身其中的一个环节。