发展大模型关键在应用

  发展大模型，要立足实际走差异化路线，关键在应用。以应用为导向，立足已有优势，与垂直行业深度结合，不仅能激发产业新动能，也能锻造技术新优势。企业要立足实际，结合自身业务场景，综合考虑行业专业性、数据安全、持续迭代和综合成本等因素，构建适合自己的专属大模型。

图片来源于网络，如有侵权，请联系删除

  工业和信息化部日前召开人工智能赋能新型工业化企业座谈会，提出加快培育面向工业领域的大模型，积极探索人工智能和工业融合发展新路径。当前，人工智能大模型发展一日千里，是作为跟随者“满场乱跑”，还是走差异化之路寻求换道超车，是值得厘清的问题。

图片来源于网络，如有侵权，请联系删除

  我国在人工智能大模型不少关键领域与美国确实存在差距。近一两年，ChatGPT、Sora等大模型都来自美国人工智能公司OpenAI。2023年底《财富》杂志发布的“人工智能创新者50强”榜单中，绝大多数都是美国企业，中国仅有1家企业入选。总体看，与美国相比，我国人工智能的产业基础薄弱，顶尖人才缺乏，高质量数据积累不足，在底层技术、核心算法、高端芯片、关键基础软件等方面受制于人。尤其是随着近年来被技术封锁，有些差距不断拉大。

图片来源于网络，如有侵权，请联系删除

  面对他国的主导优势，盲目跟随既不利于真正的创新，还容易“烂尾”。中美两国已被视为人工智能发展的第一梯队。近年来，美国不断升级人工智能的国家战略，持续加大对人工智能的关注与支持，研究制定针对、遏制中国发展人工智能的措施，以保持其在人工智能领域的全球领导力。自ChatGPT发布以来，中国企业纷纷推出大模型，形成了“百模大战”的局面。但大模型并不是多多益善，“一哄而上”的结果往往是“一哄而散”，许多同质化、重复性的大模型不仅造成投资浪费，也不能形成核心竞争力。

  中国发展大模型，要立足实际走差异化路线。业界有一个形象的比喻：发展大模型，我们不能跟美国打篮球赛，因为美国在这方面占据主导地位，跟随容易“满场乱跑”。我们应该用下围棋的办法，在技术相对落后的情况下，通过大模型赋能制造业等各个领域，以实现人工智能在应用上的突破和提升。人工智能的发展史也证明，只着眼于虚拟世界却不能解决产业实际问题的技术，往往只是昙花一现。只有融入并赋能千行百业，才能成为引领未来的突破性技术。

  差异化的关键就在应用。目前，中国10亿参数规模以上的大模型数量已超100个，行业大模型深度赋能电子信息、医疗、交通等领域，形成上百种应用模式，推动传统产业转型升级。以应用为导向，立足已有优势，与垂直行业深度结合，不仅能激发产业新动能，也能锻造技术新优势。比如，在工业领域，充分发挥我国完备产业体系和新型信息基础设施优势，加快培育面向工业领域的大模型，凝练、开放工业应用场景，深化工业数据开发利用，提升算力供给能力，将形成人工智能和工业领域双向赋能的发展格局。

  企业上马大模型也要注重差异化。大模型不能包治百病，盲目上马不仅解决不了问题，还可能拖垮企业。应立足企业实际，结合自身业务场景，综合考虑行业专业性、数据安全、持续迭代和综合成本等因素，构建适合自己的专属大模型。用得好还要用得起，目前很多企业尤其是中小企业，受技术、资金、人才等限制，很难用上个性化定制的大模型。只有推出更多普惠易用的大模型产品，才能让大模型更广、更快落地，扎根企业、行业，实现迅速迭代和性能优化。

  人工智能大模型的“车轮”仍将滚滚向前。着眼未来，我们既要在前沿技术上对标领先水平，也要推动大模型应用快速落地，实现产业生态的竞争优势，才能有望缩小差距甚至实现换道超车。