去年12月15日，讯飞正式启动了“1+N”大模型攻关计划，半年时间内，讯飞星火认知大模型正式面世；
从发布至今即将“满月”，讯飞星火在一次次的提问与回复中持续迭代进化，收获了许多宝贵的反馈与建议。
半年时间里，讯飞为何能顺利研发出星火认知大模型？背后究竟有哪些核心的“修炼秘诀”？
5月27日，科大讯飞研究院院长刘聪回到母校中国科学技术大学，在集结了周明、罗杰波、梅涛等多位全球杰出校友的中国科大校友创业投资论坛上，围绕“潮起大模型时代：AI创业暨投资新机遇”主题展开演讲并参与圆桌对话，现场剖析了讯飞星火认知大模型研发背后的关键要素。
基于以上演讲和圆桌讨论内容实录，我们提炼出关键观点与信息与大家分享。
大模型时代赋予算法、数据、算力三大要素新意义
人工智能三大核心要素大家已经很熟悉：算法、数据、算力，大模型时代赋予三要素新的意义：大模型、大数据、大算力。
- 算法：系统性创新驱动认知智能大模型这一典型的复杂智能系统
我们之前提出过：目前AI落地产业的阶段，单项技术即使做得足够优秀也对产业价值带来不了太大的变化；在单点核心技术效果做好并跨越应用鸿沟的基础上，系统性创新——即实现创新链条上各关键技术的深度融合，才能解决重大的社会、科学命题或产业需求。
对于认知智能大模型来说，系统性创新同样有重要的驱动意义：不论是在相关领域技术方面的深厚积累，还是在团队上拥有关键算法创新的两个核心策源地——认知智能全国重点实验室、语音及语言信息处理国家工程研究中心，都在算法层面为讯飞星火认知大模型打下了坚实基础。
- 数据：大模型对数据的“质”与“量”有更高依赖
随着大模型参数规模增大，训练的数据量也在迅速增长，大模型表现出的海量知识记忆能力也严重依赖训练数据的质量；在此基础上，各个场景数据的有效利用，能够帮助大模型实现智能涌现。
认知智能带来的智能涌现也受到数据涟漪效应的推动和加速。目前，认知智能的数据标注工程从劳动密集型向知识密集型转变，源源不断的增量知识数据为大模型智能涌现打下坚实基础。
讯飞星火认知大模型为“1+N”体系，“1”是通用认知智能大模型，“N”是大模型在教育、办公、汽车、人机交互等各个领域的落地。二者并进，“N”的数据和场景可以更新到“1”里、促进通用大模型的能力迭代提升；“1”的能力也能快速迭代融入到“N”的产品应用中去，实现更快速的落地。