大模型的百家争鸣，正推动AI技术加速进化。而“通用大模型+行业大模型”并行发展的策略，正被越来越多科技巨头采纳，并逐步成为一个行业共识。比如Meta此前发布的LLaMA开源大模型，其一方面要把大模型越做越大，另一方面则要把大模型做小，将其用在垂直领域。

(资料图片)

在国内，部分头部科技企业也采取同样策略。6月19日，在腾讯云举办的行业大模型及智能应用技术峰会上，腾讯云首次公布其行业大模型研发进展，并提出将依托腾讯云TI平台打造行业大模型精选商店，为客户提供MaaS（Model-as-a-Service）一站式服务。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示，过去半年，大家都为大语言模型的发展感到兴奋，在聊天问答上，市面上的通用大模型确实有让人惊艳的表现。同时，许多企业管理者也在思考，如何把大模型技术应用到自己的企业场景中，为业务经营带来更多降本增效。

“但在具体的企业场景中，通用大模型可能还不能满足企业很多需求。比如，它不一定懂行业的专业术语，不了解企业内部的独特情况，回答会比较虚、比较笼统，偶尔还会‘一本正经地胡说八道’，信息也不够及时。”汤道生说。

正因如此，在外界期待能力越来越强大的通用大模型出现时，企业也在思考，现阶段究竟该如何应用大模型。

行业大模型势在必行

过去半年，腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声收到非常多来自客户的问询，他们都非常关注AI大模型，并希望能够使用大模型。但吴运声表示，对绝大多数企业而言，自己做一个大模型要面临诸多挑战，包括资源门槛高，主要体现在计算资源和存储资源的要求上；还有投入成本高，以及专业经验少，安全、合规也是企业需要考虑的关键因素。

汤道生表示，“虽然大家对通用大模型期待很高，但它不一定是满足行业场景需求的最优解。”

通用大模型的训练一般都是基于广泛的公开文献与网络信息，这些信息可能有错误、谣言和偏见，也可能专业知识与行业数据积累不足，或导致模型的行业针对性与精准度不够，数据“噪音”过大。

而在很多产业场景中，用户对企业提供的专业服务要求高，容错性低。企业一旦提供了错误信息，就会引发巨大的法律责任或公关危机。因此，企业使用的大模型必须可控、可追溯、可修正，且必须经过反复与充分的测试才能上线。

“我们认为，客户更需要有行业针对性的行业大模型，用企业自己的数据做训练或精调，从而打造出实用性高的智能服务。企业需要在实际场景中真正解决某个问题，而不是在100个场景中解决了70%-80%的问题。”汤道生说。

行业需要“专属模型”

发布会上，腾讯云对外公布了其MaaS能力全景图。据介绍，依托腾讯云大模型高性能计算集群和行业大模型能力，腾讯云通过TI平台面向客户输出的MaaS能力，可以满足客户模型预训练、模型精调、智能应用开发等多样化需求。

其中，腾讯云TI平台行业大模型精调解决方案，具备完整大模型精调工具链，支持客户加入自己独有的场景数据，进行精调训练，客户可根据自身业务场景需求，定制不同参数、不同规格的专属模型。

事实上，模型最终要在真实场景落地，若想达到理想的服务效果，往往需要使用企业自身的数据。而在模型研发过程中，企业既要关注敏感数据的保护与安全合规，也要管理好大量的数据与标签，不断测试与迭代模型。而通过腾讯云TI平台以及模型的私有化部署、权限管控和数据加密等方式，能够帮助企业用户打造模型和使用模型。

吴运声在接受21世纪经济报道记者采访时表示，“在实践过程中，我们发现将大模型技术与行业经验、数据结合后，能够解决很多过去难以解决的问题。”

据腾讯云披露，其目前已经为金融、文旅、政务、传媒、教育等10余个行业提供了超过50个大模型行业解决方案。客户只需在大模型中加入自己独有的场景数据，就可以快速生成“专属模型”。

比如现场演示的文旅客服大模型场景，可以给用户提供不同档次的酒店推荐，甚至可以直接提供预订链接。这不仅为用户提供更加人性化的服务体验，同时也让智能客服系统实现服务商业化闭环。

不过，吴运声坦言，“现在这个模型的效果仍有很大提升空间，未来随着更多高质量数据的增加，相信效果会更好。”在他看来，现在行业大模型和产业的结合还处于早期阶段，未来随着大模型技术的突飞猛进，很多技术门类都会迅速发展。

此外，谈及行业大模型的成本问题，吴运声表示，大模型的成本主要在算力，有些场景应用行业大模型后成本甚至会降低。其举例说，很多复杂的问题，借助行业大模型后能轻松得到解决，这显然可以降低很多成本。

（文章来源：21世纪经济报道）