在過去半年，科技圈的多數震蕩都與大模型緊密綁定在一起。2023年4月，百度率先發布了文心一言大模型，此后，國內各大互聯網公司和創業新秀爭先想要留下濃墨重彩的一筆。
而在剛剛過去的第六屆世界人工智能大會上，大模型同樣成為全場的絕對主角。30余款大模型集中亮相，20多場大模型論壇應接不暇。相關展臺無一例外被參觀者擠得水泄不通，幾十個人緊緊圍著一臺電腦，等待著“奇跡”的出現——只需不到2分鐘，一份完整清晰的行業分析報告就能呈現在看客眼前。
“不到一上午，宣傳資料基本都被搶光了。”多位展商員工向時代財經表示，外界對大模型保持著極大的熱情。
(資料圖)
在會場展出的30多款大模型之中，不乏一些已經聞名業界的通用大模型。如百度推出的文心一言、阿里巴巴旗下的通義千問、華為的盤古大模型、科大訊飛的星火認知、商湯的日日新sensenova等。
除此之外，瀾舟科技、銜遠科技、出門問問、星環科技、蜜度、達觀數據等一眾中小廠商面向細分場景推出的垂直大模型同樣成為“百模齊放”中的重要一極。它們希望通過采用更精準的行業數據，更低成本解決特定應用場景內的特定問題。
但無論是大廠，還是垂直廠商，AI+行業解決方案已是標配。大模型展區宛如一個超級市場，各種解決方案琳瑯滿目。
“通用大模型可以在100個場景中，解決70%—80%的問題，但未必能100%滿足企業某個場景的需求。”騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生如此說道。在他看來，通用大模型有很強的能力，但并不能解決很多企業的具體問題。企業基于行業大模型構建自己的專屬模型，也許是更優的選項。
向行業大模型跋涉
上月底，知名投資人朱嘯虎與獵豹移動董事長兼CEO傅盛之間曾發生一次激烈爭論。前者認為大模型摧毀了創業，因為資源普遍集中于資歷雄厚的大廠，而后者認為大模型催生了很多新的架構在大模型之上的機會。
可在爭吵過后，市場卻意外發現這兩位資深互聯網人在另一個維度上達成共識：行業大模型以及基于大模型的應用開發，才是大部分企業真正能夠抓住的機會。
這似乎也成了一眾廠商的共識。大廠紛紛推出基于自身大模型的技術基座，向各行各業開放，為企業部署大模型提供一站式端到端支持。
如至今沒有公布通用大模型“混元”進展的騰訊，就在6月中旬先高調公布了“行業大模型”的路線，一口氣拋出10大行業超過50個解決方案。華為盤古大模型3.0更是喊出“不作詩，只做事”的口號，要在行業領域賦予價值。
時代財經注意到，在百度文心一言、阿里通義千問的展位上，最受歡迎的同樣是“企業級平臺”“專屬大模型”等主題，來詢問的企業客戶絡繹不絕。
一位現場大模型銷售人員向時代財經透露，在展區內停留的行業用戶一般都有一個明確的要求：想要產品實現一站式服務，并且能夠實現個性化的定制。
潞晨科技、竹間智能等中間層企業也開始推出各種降低大模型成本的解決方案。如潞晨科技展出的Colossal-AI就致力于用算法技術幫助中小企業降低大模型的調用成本。相關解決方案已在自動駕駛、云計算、零售、醫藥、芯片、金融等行業落地應用。
竹間智能旗下的“模型工廠”，同樣以幫助企業以更低成本、更快定制個性化的大模型為最大賣點。通過這一大模型管理平臺，竹間智能可以幫助企業快速地將大模型做私有化訓練，并且落地下來。“我們要做的就是端到端最后一公里的落地應用。”現場一位竹間智能員工如此總結道。
各個垂直大模型廠商更是基于自身積累的數據優勢，直接推出更具針對性的行業大模型，方便客戶調用。
如語言智能科技企業蜜度就基于自己多年服務G端客戶的經驗，帶來了輔助政務公文寫作的蜜巢知識問答與內容生成大語言模型。大數據基礎軟件供應商星環科技則重點展示了面向金融量化領域的星環無涯金融大模型，該大模型支持股票、債券、基金等市場事件的全面復盤、總結和演繹推理，以及政策研報的深度分析。
星環科技創始人兼CEO孫元浩在大會上指出，未來在金融、政府、能源、交通等每一個行業與領域，都會誕生領域或者行業的大模型，這些大模型具有專家的能力，可以在上面構造復雜的應用。
但當人們環繞整個會場，這樣一句預言似乎早已成為現實。大模型+金融、大模型+醫療、大模型+教育、大模型+工業……這個名單似乎可以無止境地列下去。無論是大廠，還是垂直廠商，幾乎所有人都在向行業大模型跋涉。
應用仍待落地
不過，作為一項仍未完全成熟的技術，行業大模型的落地之路仍面臨諸多阻礙。
一方面是監管仍待落地。現場幾乎所有的大模型產品都還沒有全面開放API接口服務，如百度、阿里就只供定向邀約客戶使用。在接受時代財經采訪時，科大訊飛總裁吳曉如指出，目前在互聯網或者公開的開放平臺上，還需要等到監管機構發牌以后，（大模型）才能正式運作。“目前很多開發者只能通過預體驗的形式，將他們的應用和我們的系統進行對接。”
與此同時，有現場大模型銷售人員向時代財經透露，目前不少前來接洽的企業都有著相似的顧慮，其中就包括大模型的不穩定問題。
在大模型展區待了大半天、刷遍所有公司推出的大模型應用產品的工程師李捷（化名）也有同感。他所在的通信公司想借助大模型實現業務端問答場景的落地，但從這半天的試用結果來看并不樂觀。
“沒有太多驚喜，大多垂直廠商的落地場景還是語音客服和文字客服，而且內容輸出的精準度不高，答錯現象也是屢見不鮮。”
對于C端用戶而言，大模型一本正經胡說八道的“機器幻覺”也常被調侃。但如果要接入金融、醫療、工業制造等嚴肅B端場景，這一潛在風險就可能造成經濟損失或直接威脅生命安全。
“大模型最大的不足就是‘幻覺’，正式商用是不允許有‘幻覺’的。”在頭部自動駕駛廠商擔任技術經理的張啟向時代財經強調。
市場的另一個關注重點是大模型的數據安全問題。高質量的數據是助力AI訓練與調優的關鍵，足夠多、足夠豐富的數據，是生成式AI大模型的根基。
據《機器之心》報道，絕大部分企業不可能把敏感的內部數據上傳，比如產品設計、技術架構、核心代碼、制造工藝、配方、客戶隱私，會議紀要，戰略文檔，業務規劃，商業邏輯等，一定要保留在內部，特別是對于國央企、金融、能源、大型集團企業、先進制造等數據敏感性較高的行業而言。
如此一來，大模型廠商似乎只能采取定制化思路，為企業打造專屬大模型。但在張啟看來，如果行業大模型要針對企業進行個性化的開發，背后需要付出大量數據和時間去訓練，成本很高、難度很大，這筆賬很難算得清楚。
“現階段，很多企業都難以將業務需求與大模型結合起來，這無疑延長了大模型企業的服務周期。”一位瀾舟科技員工同樣向時代財經說道。
類似的困境已經在云服務廠商身上上演。曾被視為互聯網大廠增長第二極的云服務在歷經多年競爭之后，陷入服務同質化的困境，只能依靠大打價格戰搶奪市場，集體陷入低毛利的螺旋陷阱。
如何跨越這些難題，成為大模型是否能夠真正落地應用的關鍵。這一被認為終將改變世界的新技術，目前還走在黎明前夜。