巫彤寧：國內垂直行業大模型發展現狀及趨勢

分析大模型落地應用場景的現狀和面臨的挑戰，并提出解決問題和落地應用的對策建議

大模型落地應用場景的現狀

行業大模型落地應用進入產業變現關鍵階段

隨著2023年以大模型為代表的新一代人工智能技術的爆發，國內垂直行業大模型的發展已脫離實驗室研究，逐步深入至各類應用場景。人工智能領域的獨角獸企業OpenAI及多家國際知名咨詢機構均認為大模型與產業融合潛力巨大。當前，大模型正處于由智能辦公、智能寫作、智能搜索、智能編程等通用場景延伸到智能制造、金融服務、醫療、智慧城市等商業高端場景的階段。

行業大模型的三個特性

當前大模型已應用于高質量、高價值場景，原因在于大模型具有以下三個特性：規模可擴展性強，參數規模、計算量和訓練數據增加可帶來模型性能持續提升；多任務適應性強，一個模型同時支持多種任務和多個模態，甚至實現跨模態任務；能力可塑性強，通過模型微調、思維鏈提示等措施即可實現能力進一步增強。

行業大模型落地應用趨勢

一是行業大模型滲透率不斷增加，在部分領域的滲透率超過50%，顯著提升了各行業生產要素的產出效率；二是行業大模型落地應用場景不斷豐富，應用場景多元化增長，金融、醫療等領域成為應用潛力巨大的下游行業；三是行業大模型賦能深度進一步增大，借助智能體等技術，逐漸從對話咨詢類任務向決策、推理、管理等任務深入；四是行業大模型助力企業智能化升級，推動各行業的數字化轉型和智能化升級，實現企業發展的降本增效提質。

大模型發展面臨的挑戰及對策建議

企業層面

大模型在企業側發展主要面臨以下挑戰：一是成本挑戰，人工智能行業投入高，實體經濟企業目前普遍利潤率較低、智能化改造產出回報周期長，成本和收益呈現矛盾；二是能力挑戰，在AI工程化能力、小數據場景痛點解決能力方面存在許多挑戰，部分企業數字化滲透率較低，信息化水平無法支撐“智能化轉型”；三是安全挑戰，醫療、工業生產等高風險領域，準確性和可靠性至關重要，相關領域的安全可信體系不完善。

針對上述挑戰，提出以下幾點方法途徑：一是降成本，讓中小企業敢投敢用；二是升能力，提高供給側技術能力，強化需求側數字基礎；三是固安全，解決技術本身“用不好”，應用場景“高風險”的問題。

行業層面

當前，大模型行業在數據治理、訓練部署、落地應用、安全可信等方面仍存在許多關鍵問題，面臨高質量數據缺乏、工程能力有限、行業適配度低、評測體系不完善、安全風險凸顯等難點與挑戰。

因此，提出以下幾點發展建議：一是政策支持引導，制定相關政策與規劃，明確行業大模型的發展目標和方向，為行業發展提供政策保障；二是建立監管機制，加強對行業大模型的監管力度，對大模型的研發、應用等環節進行監管和管理，防止違法違規行為的發生；三是完善評估體系，推動建立和完善行業大模型的評估體系，對模型的性能、安全性、可靠性等方面進行評估和驗證；四是鼓勵技術創新，加大對行業大模型技術創新的支持力度，鼓勵企業開展原創性、引領性的技術研發；五是加強數據治理：在推動數據開放的同時，加強數據治理，確保數據的質量和安全；六是推動合作對接，搭建合作平臺，促進行業大模型產業鏈上下游企業的合作與對接。

大模型落地應用的對策建議

由于大模型技術更新迭代快、落地架構復雜、模型眾多選型難度大，因此亟需從“選型、建設、應用、管理”全生命周期出發，構建標準化的“架構圖”和“方法論”，提出以下八點建議：

一是要構建高可用、高性能、可擴展智算設施，以實現高效協同、合力部署、高質運維；二是要夯實企業面向人工智能數據治理和供給體系；三是人工智能中臺要打通數據、業務，重塑能力底座；四是大模型評測要貫穿企業智能化全生命周期；五是利用企業模型服務體系支撐高質量模型服務，模型即服務（MaaS）能力可以支撐業務部門實現高效、快速調用模型和應用的需求，同時提供集約化的模型管理和治理能力；六是重視人工智能原生應用對于大模型應用性的提升；七是面向資產、流程和團隊構建人工智能管理體系；八是企業AI應用成熟度體系支持能力底座水平提升。

（作者系中國信息通信研究院人工智能所副所長，本文由浙江數字經濟百人會供稿。）