大模型的发展大致可以分为三个阶段：
在发展过程中，大模型主要有以下几类：
此外，360 作为国内唯一又懂大模型又懂安全的双料厂商，提出以“模法”打败魔法的理念，打造专业的安全大模型，只依赖大模型本身的能力，在恶意流量分析和恶意邮件检测效果方面超越 GPT 4，并与 360 积累的工具结合，提升攻击事件的检测和发现能力。同时，企业在运用大模型时，要将好的知识和算法结合，从数据中提炼出真正的实战知识。
◼自2022年11月30日ChatGPT发布以来，AI大模型在全球范围内掀起了有史以来规模最大的人工智能浪潮。国内学术和产业界在过去一年也有了实质性的突破。大致可以分为三个阶段，即准备期（ChatGPT发布后国内产学研迅速形成大模型共识）、成长期（国内大模型数量和质量开始逐渐增长）、爆发期（各行各业开源闭源大模型层出不穷，形成百模大战的竞争态势）。（关键进展）SuperCLUE：AI大模型2023年关键进展爆发期•Meta开源Llama2•OpenAI发布多模态GPT-4V•GPT-4 Turbo发布•百川智能开源Baichuan-7B•百度升级文心一言4.0•百川智能开源Baichuan2•清华&智谱AI开源ChatGLM2•清华开源ChatGLM3•腾讯发布混元助手准备期故事的起点：ChatGPT发布国内迅速形成大模型共识成长期
1.第一类是原创大模型。这类模型就像是AI世界中的"独角兽"，稀少而珍贵。创造原创大模型需要强大的技术积累，同时还需要持续的高投入。然而，这条路充满风险。正如马斯克所说："当某件事情足够重要时，即使概率对你不利，你也要去做。"原创大模型的开发者们正是秉持着这种精神，在未知的领域不断探索。但是，一旦模型未能展现出足够的竞争力，这些大规模的投入就可能付诸东流。2.第二类是套壳开源大模型。这种策略反映了一种务实的发展路径，利用现有资源快速迭代和改进。在这条“赛道”上，需要思考如何在借鉴中实现真正的突破和创新。3.第三类是拼装大模型。这种方法将过去的小模型拼接在一起，形成一个参数量看似很大的大模型。这种策略体现了一种独特的创新思维，试图通过整合已有资源来实现质的飞跃。然而，正如系统理论所示，整体的性能并不仅仅是各部分的简单相加。在这三类模型中，原创大模型的数量最少，也最具挑战性。它们需要强大的技术积累、持续的高投入，以及面对巨大风险的勇气。然而，当市场上已经出现了足够好的基础大模型时，其他公司应该转向挖掘新的价值点。比如，探索大模型在不同领域的应用，或者开发中间层服务，如训练、数据处理、算力服务等。但现实是，大多数参与者仍在追逐所谓的原创大模型，又担心风险太高，导致大量套壳和拼装大模型的出现。
360作为国内唯一又懂大模型又懂安全的双料厂商，我们要解决大模型的安全问题，必须亲自躬身入局。我的想法是以“模法”打败魔法，因为大模型越来越智能，它的安全问题肯定不是用传统安全的路子来解决，所以我们提出了以模制模的理念。我们打造一个专业的聪明的大模型，它没有别的能力，就用来盯着其他大模型，如果发现有不安全的因素输出，或者不轨的行为，对其他大模型的行为进行分析和监控。目前这个大模型是个初级版本，只发展到3.0。我们只依赖大模型本身的能力，就是说不依赖外部工具，不依赖微调，也就是没有作弊。现在有些大模型测试很容易作弊，你提前把考题头天晚上做一遍，第二天去考试怎么也能考个七八十分。我们就在恶意流量分析和恶意邮件检测效果方面，全面超越GPT 4。再跟360积累了很多年的工具做结合，你让这个大模型写诗写不出来，奥数题也回答不了，它只干一件事——攻击事件的检测和发现。我们身体力行证明了这一点。所以大家可以想想，在你的企业内部，有什么场景可以用大模型来解决。我们怎么做的，算法加上好的知识，关键是好的知识。现在很多企业有大量数据，但有些数据是无用的知识，这种数据特别有害。我们曾经做过实验，把很多无用的数据训到大模型里，大模型立马就傻了。所以，必须要从数据中提炼出真正的实战知识，加上知识图谱，才能把它训练到大模型里去。360安全大模型目前相当于年薪百万的高级安全专家的水平，对样本的漏洞分析效率、响应效率都做了很多提升。这是我们自己实验的一个例子，分享给大家。