大模型在行业中的应用：产业前沿

随着百度、阿里、腾讯等国产大模型发布，很多人开始关注能够真正扎进行业、给企业带来生产力跃升的大模型产品。根据SimilarWeb的数据，前期ChatGPT的访问量增长率惊人，1月份的环比增长率为131.6%，2月份为62.5%，3月份为55.8%，在4月份明显放缓，6月份环比下降了9.7%。这是自2022年11月30日发布以来，ChatGPT首次出现流量负增长。从全民热衷尝鲜，上半年的ChatGPT喧嚣进入尾声，下半年行业大模型争相落地开启新的竞争。

人工智能是引领新一轮科技革命和产业变革的战略性技术，人工智能与实体经济的结合，行业大模型扮演着重要作用。当大模型竞争的重点从通用大模型转向行业大模型，又将产生什么样的变化？

基于通用大模型打造的行业解决方案，正是解决大模型与场景割裂的良方。全球范围内的行业龙头和公司也正在探索行业大模型的前景，微软、亚马逊等开始在商业化路径上进行多个行业的探索；国内百度、阿里、腾讯、华为都在快马加鞭加速行业大模型投入。公开资料显示，6月27日发布的北京市首批十个人工智能行业大模型应用案例涉及能源电力、医疗健康、金融、自动驾驶、建筑、科研、生活、问答等领域。

在面向行业应用时，由于行业数据获取难，技术与行业结合难，大模型在行业的落地进展较慢，整体来说还处于比较早期的发展阶段。通用模型跟行业模型的区别在于，通用模型就像上了大学知识面很广的人，他也许知道一些医学的知识，但不是专业的医生不能给病人做诊断。而行业模型就是在通用能力很强的基础上，深入学习医学知识，成为了一名专业医生，能够在医学领域实现价值。在通用大模型基础上“进修”的行业大模型，能够进一步释放大模型的能力，是各行业人工智能化的底座。从具备很广知识面的通用模型往专业的医学模型，这中间所需要的资源代价，要远远少于从零到一开始建立通用大模型，但它强调的是有专业的数据，要有专业领域的任务来驱动，来激发它产生这样的能力。

探索大模型在各行各业的应用过程中，数据要素正变得越来越重要。在实践中，行业大模型要在比较好的参数量训练基础模型上，再融入一些行业专业数据。行业大模型的数据需要更加专业，涵盖专业知识、术语、规则和逻辑，适应特定的需求和场景；需从具体场景中采集数据；需要不断进行更新扩充以适应行业的发展变化；需更加注重数据的合规安全。

行业大模型需要提供领域内的引导能力，实现基于行业模型的主动驱动，完成该行业的诸多任务。以金融行业大模型为例，其分成券商、保险、银行、新金融等不同领域，每个领域的下游任务又分成几十上百种的子任务。

虽然现在大部分行业大模型并没有大量实践诞生，但一切都在紧锣密鼓的进行中，技术日益革新的背景下，一场行业变革将加速启动。相信在不久的未来，人工智能真正转化为生产力跃升的根本，渗透进我们工作、生活的各个角落，并改变世界。