产业数智化时代：大模型引领技术革命与产业升级的机遇与挑战
产业进入数智化时代，大模型正引领着新一轮的技术革命与产业升级。2022 年发布之后，大模型进入突飞猛进的发展阶段。前段时间发布的 GPT - 4o 把大模型推向了一个新的高度。不过，我们在推崇大模型时，需要从多个角度审视其发展以及背后的态势。一方面，大模型在垂直行业有落地应用。当下能看到，通用大模型与行业应用之间存在一些鸿沟，因缺乏统一纳管而导致重复建设，且缺少快速落地的方法和工具，这些是制约大模型广泛应用的主要障碍。
从大模型的竞争态势方面来看，一方面，国内人工智能产业之前的基础较为薄弱，在底层技术、核心算法、高端芯片、关键基础软件等领域存在欠缺。尽管如今国内发展态势火热，也取得了显著的进展，但与海外厂商的技术相比，仍存在一定的差距。大模型产业正高速推进，这使得该行业早早进入到优胜劣汰的阶段。当下比拼的是场景能够落地的能力，以及在商业环节能够打通的能力。
日前，亚信科技发布了“渊思”行业大模型产品。该产品包含 1 个通用人工智能与认知增强平台 TAC MaaS，还有 3 款行业大模型以及 8 个认知增强工具。亚信科技的首席技术官兼高级副总裁、IEEE 的欧阳晔博士向钛媒体 APP 等媒体指出，亚信科技不做通用大模型，而是将重点放在行业上，致力于打造专属大模型。
他认为，一个大模型如果要适配行业需求，那它才是好模型。判断一款行业大模型产品是否成功的关键之一在于，它是否解决了从无到有（0 和 1）的问题。
行业专属大模型，产品与市场匹配是第一原则
大模型的出现与发展，开创了人工智能发展的新范式，且具有鲜明特点。其一，它具有很强的扩展性，随着算力、数据和参数规模的扩大，能够持续提升算法的效果。其二，它的多任务适应性很强，与传统小模型相比，大模型能够完成众多任务，并会不断向很多方向延伸。第三则是可塑性较为突出，在预训练完成之后的大模型，依然能够借助微调、外挂知识库以及思维链提示词工程等方式，持续提升其自身的能力，并且激发更强大的潜力。
https://img0.baidu.com/it/u=1956474062,1806328924&fm=253&fmt=JPEG&app=138&f=JPEG?w=888&h=500
大模型技术和产品向纵深发展后，其关注焦点便转向如何能切实找到落地场景，在产业中找到自身价值，从而成为推动产业快速发展的新质生产力。然而，落地并非易事，对企业提出了更高要求。例如，企业需具备总体的系统规划能力，需具备数据采集、处理能力，需具备系统集成能力。
所有通用大模型进入行业后会依据行业进行精调微调，这种微调需要收集处理行业数据，且要有很强的数据处理能力。同时，大模型可能涉及众多不同系统，需要有很强的系统总集能力，以便将不同系统连接起来。
同时，要搭建通用模型与行业应用之间的联系，还要具备较强的业务流程理解能力和业务理解能力，以及数据安全能力。大模型会涉及诸多安全问题，需有足够强的能力来满足对数据隐私保护以及安全方面的合规要求，这些能力都是大模型在行业中应用的必要条件。
欧阳晔博士在交流中多次提及，亚信科技专注于做行业专属大模型，而非通用大模型，重点聚焦在“平台、模型、工具”这三个层面。他透露，在大模型热潮兴起之际，亚信科技并未急于推出自身的大模型。此次发布的产品是经过一年半的设计、打磨以及应用实践后，才最终得以面世的。
我们一直秉持大模型产品要与市场相匹配的首要原则。只有当我们认为自己在这个领域已经切实落地或者看到一些成果之后，才会将其发布，以便在行业内进行共享。
据悉，此次发布了一个通用人工智能与认知增强平台 ，还有三款行业大模型以及八个应用工具，这些已经形成了 70 多个落地商用案例，主要集中在通信行业。今年下半年，还将针对能源和交通行业增加两款行业专属模型。外界关心的数据安全问题方面，欧阳晔称，所有这些模型都是在企业专属云内进行部署的，因此不会存在任何安全问题。
解决0和1的问题，判定行业大模型成功与否的标准
https://img1.baidu.com/it/u=1841724389,2121627705&fm=253&fmt=JPEG&app=120&f=JPEG?w=769&h=500
大模型的竞争态势极为惨烈。运营商也好，设备商也罢，都在加快推进自家大模型的研发工作。在面对行业所呈现出的多维竞争情形时，欧阳晔博士提及了一个词，那就是“中立”。
以前亚信科技秉持网络中立的原则，针对不同的设备商，我们负责网络的管理工作。在大模型的时代，我们在选型过程中保持中立，能够接纳和兼容所有不同的大模型。这是因为运营商需要保持中立，而且任何一个大型的行业垂直合作伙伴也需要具备中立的态度。并不是说面向成百上千个场景就非得用这一个模型，而是要以结果为首要考量。要看对于某一个特定场景，哪一个模型的最终落地效果是最为出色的。
大模型在行业应用需经历不断的落地与预商用，中间的挑战和困难显而易见。在前大模型时代，每一个人工智能的诸如机器学习、统计学习、深度学习以及数据挖掘等模型，到客户侧落地时都有从喂养到培育成熟的过程。现在的情况依然如此，当大模型向垂直行业落地，到某一个种子客户那里进行田野试验时，可能会出现模型的准确率不够好等情况。
欧阳晔博士称，此次大家所看到的“1+3+8”仅仅是亚信科技大模型产品体系当中的“部分”。后续还会有更多的“部分”陆续与大家相见。
他指出，行业大模型出现之后仅仅完成了数学题的解答。然而，真正的落地是从解决数学问题转变为解决物理问题。对于如何判定行业大模型的成功与否，他给出了两条依据。其一，需观察是否解决了 0 和 1 的问题。针对任何一个垂直行业的任何一个商用场景，要看是否有大模型存在，以及是否对操作方式产生了改变。
其二，对比去做和 after 的情况，看步骤是否减少，自动化程度是否提升，工作效率是否提升。接下来一定会出具相应的指导规范或国内国际的标准，用以判别行业大模型或一些泛自动化与智能化能力提升之间的标准。
谈及通用大模型时，欧阳晔博士最后表示，我们不会直接参与通用大模型的竞争。我们会与所有的通用大模型展开充分的合作，以此增强我们的通用基座能力，共同应对行业市场。（本文首发于钛媒体 APP，作者｜杜志强，编辑｜钟毅）
页:
[1]