通常来说，社会消费品零售总额包括餐饮消费和商品消费，而服务零售总额则包括餐饮消费和其他服务消费。

Qwen-VL以Qwen-7B为基座语言模型，在模型架构上引入视觉编码器，使得模型支持视觉信号输入，并通过设计训练过程，让模型具备对视觉信号的细粒度感知和理解能力。在四大类多模态任务（Zero-shot Caption/VQA/DocVQA/Grounding）的标准英文测评中，Qwen-VL取得了同等尺寸开源LVLM的最好效果。

继此前推出M6、OFA系列多模态模型之后，阿里云通义千问团队又开源了基于Qwen-7B的大规模视觉语言模型（Large Vision Language Model, LVLM）Qwen-VL。在主流的多模态任务评测和多模态聊天能力评测中，Qwen-VL取得了远超同等规模通用模型的表现。Qwen-VL是支持中英文等多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文字理解等能力。开源地址：ModelScope魔搭社区：Qwen-VL https://modelscope.cn/models/qwen/Qwen-VL/summaryQwen-VL-Chat https://modelscope.cn/models/qwen/Qwen-VL-Chat/summary模型体验：https://modelscope.cn/studios/qwen/Qwen-VL-Chat-Demo/summaryHuggingFace： Qwen-VL https://huggingface.co/Qwen/Qwen-VLQwen-VL-Chat https://huggingface.co/Qwen/Qwen-VL-ChatGitHub：https://github.com/QwenLM/Qwen-VL技术论文地址： https://arxiv.org/abs/2308.12966雷峰网(公众号：雷峰网)。Qwen-VL可用于知识问答、图像标题生成、图像问答、文档问答、细粒度视觉定位等场景。

多模态能够提升大模型对世界的理解程度，充分拓展大模型的使用场景。再比如，输入一张上海外滩的照片，让Qwen-VL找出东方明珠，Qwen-VL能用检测框准确圈出对应建筑，这是视觉定位能力。目前，在RISC-V国际基金会中，平头哥参与了30余个技术方向的标准制定，主导负责了安卓、数据中心等12个关键技术小组，是公认投入力量最大的中国机构。

8月23日，2023 RISC-V中国峰会在北京召开。平头哥凭借玄铁RISC-V高性能全栈技术，在安卓商业化应用、视频视觉、数据中心、大屏交互等场景率先广泛落地。此次峰会，平头哥玄铁RISC-V高性能全栈技术全新亮相，从处理器IP到芯片平台、编译器、工具链等软硬件技术全面升级，并实现RISC-V与Debian、Ubuntu、安卓、OpenKylin、OpenHarmony、龙蜥、酷开WebOS等主流操作系统的深度适配，推动RISC-V持续向2GHz高性能应用演进。此外，平头哥更新自研一站式AI部署套件HHB，在典型网络性能比第三方工具平均提升88%，并增加支持运行Transformer、TensorFlow、PyTorch等170余个主流框架AI模型，让RISC-V真正成为AI算力的新选择。

平头哥生态副总裁杨静说网原创文章，未经授权禁止转载

网原创文章，未经授权禁止转载陈昱：谢谢雷峰网举办这么好的一个活动。无论底层的云，尤教授的软件，还是向量数据库，都有很大的成本优化空间。三是通过网络带宽和存储带宽来提高使用者的训练效率。

二是，针对下层软件，在不改变模型结果前提下，能否提供更好的基础设施。过去，挖矿等一些非AI需求的GPU就没有很好的高速互联。关于挑战，尤洋认为，通信基础设施非常重要。由于训练一般分阶段，因此公司可以选择租用模式。

对业内非常关心的成本问题，尤洋表示，大模型训练的一个巨大负担是训练计算量太大。二是算力门槛，现在大部分公司都没有足够的卡来做支撑。

季总怎么看这方面问题。所以，文字和程序之间可以被套用，存在很大的风险。

星爵：从我们现在看到的应用来讲，向量数据其实已经做了一层类似的数据加密。陈老师还特别提到，很多讲者已经把事业做得非常庞大，但依然非常谦逊，中间更是有不少人是年轻一代的榜样。星爵则强调了数据方面的问题。当然我相信英伟达应该还是有很好的前瞻性。比如说，在数据进入我们向量数据库以前，会有一个 transformation 的过程，把图片、视频、文本等向量化，向量化本身的话会用一个大模型的方式去提取一个embedding。但是在大模型里面，数据有可能是程序的一个执行命令，这方面，目前也没有太多人研究。

收购Mellanox的目的就是为了打造高速网络。尤洋：站在我们角度看，主要是训练计算量太大，解决的有效方式主要有三个角度：一是不改变硬件条件下试试能否加速收敛。

特别是，如果大模型未来操纵整个人类的世界，风险可能会更大。大家都知道大模型就是无论是训练还是使用，其实都是非常费钱。

另外，安全问题也是蛮突出的，这些问题都会影响到大模型的训练以及未来应用。三是工程问题，就是整个卡之间的网络链接、数据存储性能问题，以及整个训练过程掉卡问题。

过去一段时间，ChatGPT将人工智能推向热潮。以下是圆桌讨论部分内容，雷峰网根据现场速记做了不改原意的缩写。陈昱：接下来，这个问题是跟钱相关的。我知道季总以前也是黑客出身，应该也非常 SQL injection ，那大模型时代很容易延展到 prompt injection。

这个过程基本上是不太可逆的，否则计算量太大。星爵：就降低成本而言，从向量数据库角度，非结构化数据管理方面来看，主要包括三方面：第一，要有更好的算法，这意味着能更好地发发挥硬件效果。

第四，是所有的输入数据都有可能会被它所记录，造成隐私的泄露。编者按：2023年 8 月 14 日，由GAIR研究院、雷峰网(公众号：雷峰网)、世界科技出版社、科特勒咨询集团联合主办的第七届GAIR全球人工智能与机器人大会，在新加坡乌节大酒店拉开帷幕。

我们现在已经到了一个时代，新一代的算法对算力和数据都有更高要求。据统计，目前国内已经有100余家大模型，这也成为本次大会探讨的主要议题之一。

陈昱：星爵有什么观点吗？我不知道数据和隐私会不会在向量数据库里面做管理？还是这是应用层的一个问题。所以，我们今天有幸邀请了三位大咖，来讨论一下基础大模型的一些相关问题。可以把整个的这个神经网络看作一个encode。季昕华：我们现在主要通过五个方面帮助客户降本增效。

圆桌结尾，电脑报创始人陈宗周发表了总结感言，他对各位嘉宾的演讲和工作成果都给予了盛赞。这里，对于场景的劫持会更严重一些。

最后，在大家的掌声中，大模型时代的超级基建圆桌论坛环节正式结束，大会首日活动也由此画上圆满句号。参与本次圆桌论坛的嘉宾有：尤洋：新加坡国立大学校长青年教授，潞晨科技创始人季昕华：UCloud董事长星爵：Ziliz 创始人兼 CEO围绕大模型基础设施建设面临的挑战、如何降低大模型训练成本等话题，参会嘉宾进行了热烈讨论。

这里，我就想请各位谈一下怎么去帮大家省钱的。第一个问题是怎么看待数据的安全和隐私问题。