分析大模型落地應(yīng)用場(chǎng)景的現(xiàn)狀和面臨的挑戰(zhàn)，并提出解決問題和落地應(yīng)用的對(duì)策建議

大模型落地應(yīng)用場(chǎng)景的現(xiàn)狀

行業(yè)大模型落地應(yīng)用進(jìn)入產(chǎn)業(yè)變現(xiàn)關(guān)鍵階段

隨著2023年以大模型為代表的新一代人工智能技術(shù)的爆發(fā)，國(guó)內(nèi)垂直行業(yè)大模型的發(fā)展已脫離實(shí)驗(yàn)室研究，逐步深入至各類應(yīng)用場(chǎng)景。人工智能領(lǐng)域的獨(dú)角獸企業(yè)OpenAI及多家國(guó)際知名咨詢機(jī)構(gòu)均認(rèn)為大模型與產(chǎn)業(yè)融合潛力巨大。當(dāng)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(chǎng)景延伸到智能制造、金融服務(wù)、醫(yī)療、智慧城市等商業(yè)高端場(chǎng)景的階段。

行業(yè)大模型的三個(gè)特性

當(dāng)前大模型已應(yīng)用于高質(zhì)量、高價(jià)值場(chǎng)景，原因在于大模型具有以下三個(gè)特性：規(guī)?？蓴U(kuò)展性強(qiáng)，參數(shù)規(guī)模、計(jì)算量和訓(xùn)練數(shù)據(jù)增加可帶來模型性能持續(xù)提升；多任務(wù)適應(yīng)性強(qiáng)，一個(gè)模型同時(shí)支持多種任務(wù)和多個(gè)模態(tài)，甚至實(shí)現(xiàn)跨模態(tài)任務(wù)；能力可塑性強(qiáng)，通過模型微調(diào)、思維鏈提示等措施即可實(shí)現(xiàn)能力進(jìn)一步增強(qiáng)。

行業(yè)大模型落地應(yīng)用趨勢(shì)

一是行業(yè)大模型滲透率不斷增加，在部分領(lǐng)域的滲透率超過50%，顯著提升了各行業(yè)生產(chǎn)要素的產(chǎn)出效率；二是行業(yè)大模型落地應(yīng)用場(chǎng)景不斷豐富，應(yīng)用場(chǎng)景多元化增長(zhǎng)，金融、醫(yī)療等領(lǐng)域成為應(yīng)用潛力巨大的下游行業(yè)；三是行業(yè)大模型賦能深度進(jìn)一步增大，借助智能體等技術(shù)，逐漸從對(duì)話咨詢類任務(wù)向決策、推理、管理等任務(wù)深入；四是行業(yè)大模型助力企業(yè)智能化升級(jí)，推動(dòng)各行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級(jí)，實(shí)現(xiàn)企業(yè)發(fā)展的降本增效提質(zhì)。

大模型發(fā)展面臨的挑戰(zhàn)及對(duì)策建議

企業(yè)層面

大模型在企業(yè)側(cè)發(fā)展主要面臨以下挑戰(zhàn)：一是成本挑戰(zhàn)，人工智能行業(yè)投入高，實(shí)體經(jīng)濟(jì)企業(yè)目前普遍利潤(rùn)率較低、智能化改造產(chǎn)出回報(bào)周期長(zhǎng)，成本和收益呈現(xiàn)矛盾；二是能力挑戰(zhàn)，在AI工程化能力、小數(shù)據(jù)場(chǎng)景痛點(diǎn)解決能力方面存在許多挑戰(zhàn)，部分企業(yè)數(shù)字化滲透率較低，信息化水平無法支撐“智能化轉(zhuǎn)型”；三是安全挑戰(zhàn)，醫(yī)療、工業(yè)生產(chǎn)等高風(fēng)險(xiǎn)領(lǐng)域，準(zhǔn)確性和可靠性至關(guān)重要，相關(guān)領(lǐng)域的安全可信體系不完善。

針對(duì)上述挑戰(zhàn)，提出以下幾點(diǎn)方法途徑：一是降成本，讓中小企業(yè)敢投敢用；二是升能力，提高供給側(cè)技術(shù)能力，強(qiáng)化需求側(cè)數(shù)字基礎(chǔ)；三是固安全，解決技術(shù)本身“用不好”，應(yīng)用場(chǎng)景“高風(fēng)險(xiǎn)”的問題。

行業(yè)層面

當(dāng)前，大模型行業(yè)在數(shù)據(jù)治理、訓(xùn)練部署、落地應(yīng)用、安全可信等方面仍存在許多關(guān)鍵問題，面臨高質(zhì)量數(shù)據(jù)缺乏、工程能力有限、行業(yè)適配度低、評(píng)測(cè)體系不完善、安全風(fēng)險(xiǎn)凸顯等難點(diǎn)與挑戰(zhàn)。

因此，提出以下幾點(diǎn)發(fā)展建議：一是政策支持引導(dǎo)，制定相關(guān)政策與規(guī)劃，明確行業(yè)大模型的發(fā)展目標(biāo)和方向，為行業(yè)發(fā)展提供政策保障；二是建立監(jiān)管機(jī)制，加強(qiáng)對(duì)行業(yè)大模型的監(jiān)管力度，對(duì)大模型的研發(fā)、應(yīng)用等環(huán)節(jié)進(jìn)行監(jiān)管和管理，防止違法違規(guī)行為的發(fā)生；三是完善評(píng)估體系，推動(dòng)建立和完善行業(yè)大模型的評(píng)估體系，對(duì)模型的性能、安全性、可靠性等方面進(jìn)行評(píng)估和驗(yàn)證；四是鼓勵(lì)技術(shù)創(chuàng)新，加大對(duì)行業(yè)大模型技術(shù)創(chuàng)新的支持力度，鼓勵(lì)企業(yè)開展原創(chuàng)性、引領(lǐng)性的技術(shù)研發(fā)；五是加強(qiáng)數(shù)據(jù)治理：在推動(dòng)數(shù)據(jù)開放的同時(shí)，加強(qiáng)數(shù)據(jù)治理，確保數(shù)據(jù)的質(zhì)量和安全；六是推動(dòng)合作對(duì)接，搭建合作平臺(tái)，促進(jìn)行業(yè)大模型產(chǎn)業(yè)鏈上下游企業(yè)的合作與對(duì)接。

大模型落地應(yīng)用的對(duì)策建議

由于大模型技術(shù)更新迭代快、落地架構(gòu)復(fù)雜、模型眾多選型難度大，因此亟需從“選型、建設(shè)、應(yīng)用、管理”全生命周期出發(fā)，構(gòu)建標(biāo)準(zhǔn)化的“架構(gòu)圖”和“方法論”，提出以下八點(diǎn)建議：

一是要構(gòu)建高可用、高性能、可擴(kuò)展智算設(shè)施，以實(shí)現(xiàn)高效協(xié)同、合力部署、高質(zhì)運(yùn)維；二是要夯實(shí)企業(yè)面向人工智能數(shù)據(jù)治理和供給體系；三是人工智能中臺(tái)要打通數(shù)據(jù)、業(yè)務(wù)，重塑能力底座；四是大模型評(píng)測(cè)要貫穿企業(yè)智能化全生命周期；五是利用企業(yè)模型服務(wù)體系支撐高質(zhì)量模型服務(wù)，模型即服務(wù)（MaaS）能力可以支撐業(yè)務(wù)部門實(shí)現(xiàn)高效、快速調(diào)用模型和應(yīng)用的需求，同時(shí)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(yīng)用對(duì)于大模型應(yīng)用性的提升；七是面向資產(chǎn)、流程和團(tuán)隊(duì)構(gòu)建人工智能管理體系；八是企業(yè)AI應(yīng)用成熟度體系支持能力底座水平提升。

（作者系中國(guó)信息通信研究院人工智能所副所長(zhǎng)，本文由浙江數(shù)字經(jīng)濟(jì)百人會(huì)供稿。）