最特殊，没有之一。
她叫华智冰，没有参加过任何升学考试，没有拿过任何竞赛名次。
却被清华大学计算机科学与技术系知识工程实验室，“破格录取”。
而且就这么一位学生，还得举三个单位（研究所、企业）之力，联合培养。
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”。
为什么？到底什么来头？
只因智商太超群、能力过强悍。
华智冰刚诞生，便可绘画、作诗。
在经过一段时间的训练后，竟还可以做曲！
或许你已经有所发觉。
华智冰，她并不是人：
没错，她那张逼真的脸，也是合成的。
要想深入了解华智冰，先要知道她从哪里来。
华智冰是这样自我介绍的：
这就不难理解她名字的由来了，是从三方名字中各取了一个字。
华智冰自诞生以来，便对写诗、作画有着浓厚的兴趣。
先来感受一下出自华智冰之手的作品。
一幅中国水墨画勾勒出的风景，别有一番“山水悠远，墨韵舒爽”的风味。
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。
除了写诗、作画，作曲也是华智冰的拿手强项。
虽说能力至此，但学霸毕竟是学霸，好学的本质和人类还真没有差别。
用华智冰自己的话来说就是：
（讲真，有被打击到……）
这也就是她来到清华大学，来到唐杰老师实验室继续深造的主要原因。
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”。
于是，在唐老师的“讲解”之下，华智冰开始学习人工智能发展脉络：
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：
至于先学什么，只是一个选择问题而已。
华智冰的导师唐杰对此是这样评价的：
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”。
那么问题来了，华智冰为什么能够拥有如此强悍的学习和创作能力？
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。
这就让她已经站在了普通虚拟人的“肩膀”之上。
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。
悟道2.0的特点如下：
- 最大：中国首个全球最大万亿模型，1.75万亿参数规模
- 通用：一统文本与视觉两大阵地，支撑更多任务，更通用
- 国产：首次在100%国产超算上训练万亿模型
- 知识：中英双语，在共4.9T的高质量清洗数据上训练
与其说悟道2.0是一个语言模型，更确切的说法应当是一位“全能型选手”。
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。
而且还是得到了官方认可的那种：
再究其背后，还有三个夯实的基石，保障了悟道2.0的强悍性能。
首先，是算法基石——FastMoE。
在过去的大规模预训练模型中，MoE可以说是一个必要的条件。
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。
但缺点也是非常明显，需要与昂贵的硬件强关联、强绑定。
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。
其次，是自研的最大英文通用预训练模型——GLM 2.0。
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。
最后，还有世界最大中文多模态生成模型——CogView。
它的参数量达到了40亿，可直接从中文文字生成图像。
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DALL·E，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。
悟道的野心还不止如此。
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。
这些应用已经上线了，大家可以体验一下！
以为这就完了？
不不不。
还能写论文和策论！
只要给定标题、分论点和关键词，即可生成一段逻辑严谨的文字片段。
归总一句话，这个关键点能够推动的，便是让机器能像人一样“思考”。
由此延伸，随之浮出的一个问题便是：
从谷歌的BERT，到OpenAI 的 GPT-3、Dall·E，以及越来越多的大模型涌现。
一个模型的定义，不再仅局限于“算力+算法”，还要整合尽可能多的数据。
整理成式就是，模型=数据+算力+算法。
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。
但与此同时，伴随而来的争议也十分明显：
太烧钱！
一般企业是承受不了的。而烧钱之后所能达到的效果，也是差强人意。
那要不要做？值不值得做？成为世界上一些国家、大型企业所面临的难题。
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！
这也是悟道系列在内所有大模型的科学价值。
不过，张钹院士也强调，不要抱有太大希望，也建议不要一拥而上。
而作为当前全球最大的预训练模型悟道2.0，已经在探索大模型的产业价值。
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。
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。
第一，很简单。华智冰充当一个载体，来验证悟道2.0的有效性。
第二个原因，则是虚拟形象技术本身。
试想一下，未来10到20年，人类社会也许会有几十亿的虚拟人与我们共存。
AI也逐渐从现在的算法慢慢变成一个主体，而虚拟人形象正好是这样一个主体的依托。
正如人的大脑意识和身体躯壳一般。
现在，华智冰也许是未来社会虚拟人的一个缩影。
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。
然而，调皮的网友却关心起了“人之常情”的问题来：
研究人员回应道：
悟道2.0应用体验链接：
https://lab.aminer.cn/isoa-2021-web/index.html
“
