AI應用落地提速：大模型開花 小模型破局

大模型的熱度依然不減。

日前，百度董事長兼CEO李彥宏在2024世界人工智能大會（WAIC）產業發展主論壇演講稱，2023年國內出現百模大戰，這造成社會資源的巨大浪費尤其是算力浪費，但也使得中國追趕世界上最先進的技術模型能力得到建立。

毫無疑問，大模型已經成爲當今的生產力明星，而競爭也趨於白熱化。就在不久前，國內模型廠商掀起了一輪大模型降價潮，廠商們試圖通過降低成本搶佔市場，背後是基於基座大模型的應用在各行各業落地開花。降價無疑會加速這個趨勢。

“雖然只有短短一年時間，但變化還是非常大，大家已經從去年關注大模型本身，轉變爲思考或討論大模型本身怎麼來創造價值，怎麼來賦能產業，怎麼來落地應用。”智譜AI公司CEO張鵬向21世紀經濟報道記者表示。

華金證券研報稱，中國10億參數規模以上的大模型數量已超100個，行業大模型深度賦能電子信息、醫療、交通等領域，形成上百種應用模式，賦能千行百業。

不過眼下，業內期待的是大模型與行業更深度的融合。容聯雲產業數字雲VP兼諸葛智能創始人孔淼向記者表示，行業知識和業務理解在大模型應用中至關重要，它們是有效解決方案的基礎，需要深入瞭解特定行業的獨特需求、流程，以及對企業如何運作和實現業務目標有更加全面的認識。

細分、個性化的需求逐漸增多，大模型也難以兼顧全部，應用場景有限、效果參差不齊、高質量訓練數據缺乏等問題阻礙着大模型的落地，相當一部分企業陷入了對該技術的焦慮當中。

如何用、怎麼用，一度困擾着想要跟上這波技術浪潮的企業，這背後的根源或許並不在於大模型本身，而是迴歸企業自身需求。

落地廣泛

近期的大模型降價潮讓應用端煥發生機。張鵬認爲，大幅度降價的出現主要源於技術驅動，“技術不斷提升，生產成本逐漸降低，從而導致價格持續下降。”不過他表示，過度的降價並不是合理的商業模式，降價不會持續很久。

但對於開發者來說，降價是一個利好消息，有助於創新和應用的開發。在大模型時代，擁有強大的應用能力可以成爲企業的核心競爭力。

在百度創始人、董事長兼首席執行官李彥宏看來，大模型的重點還是“卷應用”，“沒有應用，光有基礎模型，不管是開源還是閉源都一文不值。”

他在WAIC上發言表示，要跳出移動時代的思維邏輯，避免掉入“超級應用陷阱”，不是隻有10億DAU的應用才叫成功。

目前，大模型應用已在辦公、企業服務等場景實現商業化前期的落地；文生圖、文生視頻等工具型AI應用已集中於消費者端，尤其是專業用戶的覆蓋比較廣泛；與智能硬件結合的應用也是新的行業中新的趨勢亮點，AI賦能智能手機、智能汽車、機器人等智能終端，目前這部分的融合仍處在相對初級的階段，但未來空間廣闊。

另一個明顯的趨勢是，市場需求正在發生演變，對通用大模型的關注度有所下降，垂直領域大模型逐漸興起。

在業內人士看來，垂直領域大模型通常針對特定行業的數據和問題進行訓練和優化，因此能夠提供更高質量的結果。這種專業化是通用模型難以實現的。

目前，垂直大模型在多個領域有所應用。例如，潤達醫療與華爲雲合作，開發了專注於醫療健康的“良醫小慧”醫療AI垂直大模型，利用先進的自然語言處理技術提供專業的醫療建議和信息；螞蟻集團推出百靈大模型，支撐起金融AI助理“支小寶”，能夠提供個性化的金融諮詢和投資建議。

而對於衆多企業來說，他們尋求的是高度定製化的解決方案，建立企業私有大模型來完成企業內部業務的降本增效。

尤其對於那些擁有敏感數據的企業，如金融、醫療等行業，私有化部署可以確保數據在本地處理，避免數據傳輸過程中的泄露風險，同時也幫助企業遵守嚴格的數據保護法規。

無論是應用還是垂直模型，都是將關注點轉移到了如何將大模型更好地實現落地、創造價值。這也要求技術提供者深入理解行業需求，創新解決方案，並與各方合作。

企業“頭痛”

從落地的角度來看，業內對大模型逐漸祛魅，不再賦予其“無所不能”的想象。孔淼向記者表示，隨着時間的推移，客戶對大模型的需求正在逐步明確和收斂，這意味着客戶對於他們需要什麼樣的產品或服務有了更清晰的認識。

不過，整體來看，大模型在各行業的應用場景和範式還相對有限，一方面，大模型目前主要應用於一些常見的場景，如文本分類、情感分析、機器翻譯等，而在一些特定的業務場景或新興領域中的應用還不夠廣泛。

另一方面，大模型在企業中賦能的實際情況參差不齊，這往往與企業和行業自身有着直接關係。“實踐下來，大部分的客戶很難拿通用大模型直接上手。”有大模型企業人士向記者表示，“企業的需求是很細緻且個性化的，他們也很焦慮，生怕錯過這波機遇。”

張鵬在WAIC的演講中表示，企業在開發AI驅動的應用時，需要有一套能夠支持這種開發需求的技術架構。這包括底層資源、技術組件以及開發人員的能力。如果現有的技術棧不能滿足大模型落地的需求，企業可能需要構建新的基礎能力，這將是一個耗時的過程。

高質量的訓練數據也是一大問題，缺乏足夠豐富和高質量的垂直行業訓練數據，限制了大模型的訓練效果和應用性能。

“垂類模型更多關注細分行業專有數據，既包括與個人相關的用戶數據，還包括企業資產行業數據。”中科曙光集團智能計算產品事業部副總經理胡曉東表示。

但這些數據並不容易獲得。在一些細分行業中，例如工業領域，獲取數據相對困難，不僅數據量較少，而且往往不適合或不願意在企業之間共享。

而中小企業更是一片數據窪地。達觀數據董事長兼CEO陳運文向記者表示，許多中小型企業在過去缺乏統一的資料管理系統，通常分散在員工的個人電腦中，難以進行大模型的賦能。

“首要目標是建立一個集中的文檔管理庫，將所有員工的文檔資料集中存儲。在此基礎上，可以構建大型模型和上層的智能化應用系統。”陳運文向記者表示，“這是一個逐步的過程，首先需要打好基礎。”

下一步則是知識的深度挖掘。陳運文向記者表示，如果大模型與專業知識的結合僅限於表面層次，這是不充分的。只有當這種結合達到深層次時，垂直模型才具有真正的價值。行業知識的深度挖掘能夠帶來更深遠的意義和應用潛力。

這時候仍需要人的力量實現對模型的微調。“要人類專家來傳授經驗，大模型要做定向的修改去吸收這些經驗，最後開發出針對性的產品。”陳運文表示。

小模型破局

如果上述的問題在短期內得不到解決，行業與企業又該怎麼辦？是否意味着錯過這波AI的浪潮呢？

張鵬在接受記者採訪時提到一個有趣的點，當客戶提出需求時，要深入瞭解客戶需求背後的邏輯和根源，而不僅僅是“想用大模型”的表面現象，從而提供更有效的解決方案。

“要考慮業務是否適配，是需要一個類人的智能去解決這個問題，還是說只需要一個簡單的計算器，”張鵬表示，“要做相應的分析，大模型並不是包治百病。”

也是在這個背景下，小模型作爲大模型的有力補充，成爲了衆多企業更加切實的解決方案。“有時我們可能不需要或不適合使用大模型，而是需要相對較小的模型。特別是需要將領域知識、專家經驗和邏輯推理引入到模型中。”華院計算創始人、董事長宣曉華在接受記者採訪時表示。

小模型參數數量通常遠少於大模型，針對特定的任務或領域進行優化，它們在這些特定任務上可能表現出與大模型相近或甚至更好的性能。儘管大模型在技術上具有領先優勢，但小模型以其成本效益、靈活性和專業化特點，在大模型時代下發揮着不可或缺的作用。

例如，在工業領域的表面檢測中，由於缺陷樣本稀缺，傳統的大數據方法在解決此類問題時面臨挑戰，而人類卻能通過少量樣本迅速識別出相似缺陷。宣曉華認爲，通過將特定行業的知識和專家經驗整合到AI算法中，不僅可以降低對大量數據的依賴，還能提升識別的準確性。這種方法使得人工智能在處理特定行業問題時更加高效和精確。

“我認爲最重要的是找到合適的應用場景，追求規模本身並不是目標。如果能夠使用較小的模型和數據有效地解決問題並提供良好的服務，就沒有必要追求規模。”宣曉華表示，在解決特定行業或領域的問題時，需要重新考慮如何更有效地解決問題。

從投入產出比的角度來說，小模型的優勢也十分明顯，尤其是對於預算有限的中小企業。小模型可以在計算能力有限的設備上使用，降低了使用AI技術的門檻和成本，在資源受限的環境中適應不同的應用場景和需求。

孔淼也向記者表示，企業客戶關注的是業務價值和成本效益，他們更傾向於購買能夠帶來明確經濟效益的解決方案，而不僅僅是技術上先進但實際應用效果不明顯的產品。

對於國家而言，這一點也很重要。宣曉華表示，當大家都追求大模型時，可能會造成很多浪費，包括算力資源。“人們可能會不加選擇地購買大量算力，而算力本身也有很高的成本。因此，從應用場景的角度出發，思考需要什麼樣的模型，是解決問題的關鍵。”

面對AI浪潮，企業和行業更應該保持清醒的頭腦，迴歸真實的需求。無論是大模型還是小模型，關鍵在於如何將這些技術與行業需求相結合，創造出真正的價值。