葛鴻志：AI時代，對行業大模型的思考

通過對AI大模型的戰略定位和發展行業大模型的關鍵要素進行分析，指出行業大模型賦能產業的途徑及實現落地的對策建議

行業大模型發展現狀

AI大模型的戰略定位

隨著人工智能產業發展進程的不斷加快，大模型的應用場景越來越廣，各行各業紛紛著手大模型布局。和金融大國的大模型發展趨勢不同的是，我國作為工業制造大國，對大模型的未來定位，更偏向于賦能各行業具體的工作。通過轉變傳統行業勞動模式，創造各行業的新質生產力，實現降本增效，創造更大價值。因此，我國AI在各行業垂直大模型領域的最佳落地方式是通過AGI的方式加持各行各業，即通過訓練和學習掌握各行業的專業知識，使用專業領域的生產工具，結合海量生產數據，完成從局部生產力優化到全面生產力升級。特別是在中國社會老齡化背景下，AI有望優化例如礦山、化工等工作環境艱苦行業的人力結構資源，提升效率的同時降低勞動中可能存在的人身安全風險。

當前，算力已成為新質生產力的重要組成部分，各大廠商推出的預訓練大模型參數越來越大，對AI算力的需求與日俱增。2022年至今算力呈指數增長，增長速度極快，從算力的增長上側面也可以看出各行業對于AI的迫切需求。未來，隨著AI技術的發展，模型持續迭代演進，算力需求還會持續增長且呈供不應求的趨勢。

行業大模型發展的關鍵要素

優秀的行業大模型需要大量參數、大數據、大算力、大能源的支持，OpenAI首席科學家“大力出奇跡”的觀點也強調了上述因素的重要性，即認為只要模型足夠深、規模足夠大、數據質量足夠高，模型效果就更好。

同時，行業高質量的數據集已成為大模型產業成熟的關鍵點，構建高質量的數據集對于大模型的發展至關重要。企業往往面臨不知道如何使用已有的龐大數據，或沒有足夠的數據來構建訓練行業模型的情況，同時也沒有“跨界”的專家對這些行業需求進行AI場景化，沒有數據標注工程師對行業數據按照不同的場景進行標注。這些問題導致行業大模型在垂直領域落地第一步的成本極大，令企業望而卻步。在此，建議可以發揮各高校在各行業專業數據積累方面的優勢，與高校合作可以降低數據標注成本并提升數據質量，同時開設各行業“AI＋”的課程，培養“跨界”人才，加強產教融合，優化行業人力資源結構，解決企業專家斷層、招工難的問題。

政策引領，AI賦能產業煥新

近年來，國家對人工智能產業的重視程度不斷提升，出臺多項政策文件引領人工智能產業發展。今年2月，國務院國資委召開“AI賦能產業煥新”中央企業人工智能專題推進會，提出要把發展人工智能放在全局工作中統籌謀劃，深入推進產業煥新、加快布局和發展智能產業;工信部等6部門印發《算力基礎設施高質量發展行動計劃》，提出“算力＋能源”，搭建能源行業大模型賦能行業應用場景;浙江省于今年1月發布人工智能產業發展指導意見，計劃加快構建以杭州市、寧波市為核心，其他地區特色差異化發展的人工智能產業發展格局。

行業大模型賦能產業的途徑

實現行業大模型的四大關鍵舉措

由L0基礎大模型發展為L1行業大模型，需要通過以下四個舉措來實現：一是沉淀行業知識，擴充適配于相應領域的知識；二是淬煉行業技能；三是對話專業工具，把專業知識通過大模型對話的方式降低工具使用的門檻；四是保障安全合規，由大模型評測工程師評估產品效果、產品安全等。

AI行業大模型落地方法論：“3層8步”

華為依據自身實踐，總結出“3層8步”的行業大模型落地方法論：第一層是重新定義智能業務，第二層是開發與交付，第三層是持續運營智能應用。具體包括明確目標、高價值場景識別、重塑流程、組織變革、數據和知識工程、AI建模與發布、AI融入業務應用、AI持續運營等八個步驟。

行業大模型落地的對策建議

首先，在AI時代，大模型是算力、能源、人才、數據等綜合國家產業體系的綜合比拼，需要構建我國自有的生態體系。

其次，各行業的人才、數據是構建行業大模型未來競爭力的關鍵，要針對行業人才進行“跨界”培養，同時進一步構建行業數據運營體系，解決行業大模型垂直領域落地第一步的問題。

最后，行業大模型落地是長期馬拉松，需要堅定投入決心，構建穩定自主可控的開發底座，降低AI開發門檻、提升AI應用開發效率，同時梳理大模型“教育”方法論，構建可持續運營、多方參與的數據交易體系才能推動行業大模型健康可持續地發展。

（作者系華為技術有限公司EI產品部大模型首席架構師，本文由浙江數字經濟百人會供稿。）