瞄準垂直領域 擁抱生產生活——大模型加速人工智能產業應用觀察

用戶輸入簡短的文字，大模型自動生成創意圖像和視頻；掃描X光、CT影像，大模型輔助醫生爲患者分析診斷病情；1分鐘內快速預測未來10天的天氣，若有極端天氣可能，提前發出預警……當前，人工智能大模型蓬勃發展，各式各樣的新應用層出不窮，正在加速賦能千行百業。

從通用轉向垂直

近日召開的2024中國國際數字經濟博覽會上，一批數字技術、數字服務、數字產品領域的前沿場景得到重點展示。與往屆展會相比，本次大會首次專門開闢人工智能大模型展區，集中展示全國32個垂類大模型應用場景及主要成果，內容涵蓋醫療、中醫藥、鋼鐵、化工、港口、金融等10多個領域。

大模型是指擁有超大規模參數、複雜計算結構的機器學習模型。南京航空航天大學人工智能學院教授李丕績表示，大模型分爲通用大模型和垂類大模型。與通用大模型相比，後者立足企業所在垂直領域業務，用業務數據打造垂類大模型，在各自業務場景中實現降本增效。

隨着大模型行業快速演進，其專業領域也不斷細分。對特定場景而言，並非所有企業都需要通用大模型的“全能”，而是更需要模型的精度。“相比之下，通用大模型的開發成本高，常伴隨十億元甚至百億元的高昂成本。”李丕績表示，通用大模型如同“地基”，有不同的訓練語料，就可以搭建不同的“房子”。對於某些應用場景來說，花費較低成本訓練出一個垂類大模型，也能很好滿足用戶需求。

“大模型已經從語言模型走向多模態，這是技術走向落地的一個重要階段。”北京智源人工智能研究院副院長兼總工程師林詠華表示，當前，在通用領域，大模型初步呈現了一定的場景應用能力，然而，在醫療健康、教育等垂直領域，大模型所展現的能力尚不足以支持專業應用，其主要原因在於模型訓練缺乏高質量可用的行業數據集。

360集團創始人周鴻禕表示，大模型不是產品而是能力，能力結合場景才能產品化。通過細分場景，拆解業務流程，就可以訓練對應的專業模型來解決政府和企業專業場景的需求問題。

國家工業信息安全發展研究中心黨委副書記吳鐵男表示，近年來，國內外企業和機構迅速跟進，積極推進大模型研發。截至今年7月30日，全國已有197個大模型產品通過備案，其中行業大模型佔比達70%。

擁抱生產生活

作爲人工智能領域的技術新高地，大模型正以前所未有的速度賦能千行百業。通過其在各領域的廣泛應用，可以實現更高效、更智能的服務和決策過程，推動產業持續創新和發展，開闢更多生產生活應用新場景。

氣管插管模擬訓練、虛擬腹腔鏡手術訓練、消化內鏡診療模擬訓練……對醫學院校來說，各類手術的臨牀教學和實踐訓練是一項重要環節。展會上，一家企業推出的醫學模擬訓練系統結合大模型對醫院臨牀診斷中各科室病例數據的學習與訓練，模擬出十餘種常見的醫學檢查和手術實操場景，幫助醫學生更快融入臨牀。

上傳衛星遙感圖像，大模型快速完成圖像解譯和分析，生成助力農業生產的詳盡報告和結果……河北農業大學展出的農業遙感大模型，讓衆多農業企業經營者和種糧大戶眼前一亮。

“農業遙感大模型建立在海量的自然災害遙感圖像、病蟲害圖像、氣象環境數據等多模態樣本數據的基礎上，通過環境監測和分析預測技術，爲農業生產提供智能支持。”河北農業大學信息中心副主任王春山說，其應用場景涵蓋自然資源調查與監測、農業水肥方案推薦、農業保險準確計算等領域。

環境污染治理也是目前垂類大模型落地的領域之一。有專家表示，過去環境污染防治更多依靠實地考察和人工決策，而垂直大模型的落地爲環境污染治理提供了技術支撐，依託數據就能對污染處理作出更加客觀精準的判斷，實現科學治污、精準治污。數字技術與環保大模型的進一步融合，將推動環境監管領域實現更加智能化、精準化和高效化的發展。

大模型之“大”，不僅在於其規模化參數衆多，更在於它所蘊含的巨大潛力和廣闊應用場景。吳鐵男表示，大模型正在向縱深發展，加速賦能千行百業。隨着生產智能化、決策精準化、工業綠色化趨勢的演進，工業大模型在實踐中正加速發展，大模型有望成爲驅動新型工業化的新引擎。

統籌發展與安全

科學技術是一把“雙刃劍”，任何技術的發展都有兩面性。如今，大模型的發展日新月異，如何統籌大模型發展和安全引起專家和社會各界的廣泛關注。

吳鐵男表示，大模型的快速發展加劇了人工智能安全風險，引發更多擔憂，如“算法黑箱”、不可解釋等內生問題，過度使用、惡意應用等技術濫用問題，以及數據依賴導致的隱私泄露、數據濫用、“數據投毒”等性質更惡劣的問題。

在吳鐵男等專家看來，大模型要想獲得長遠與可持續發展，仍需突破多重壁壘。

一是技術迭代快。新技術層出不窮，前沿技術變化快。儘管大模型已在大量垂直領域“多點開花”，但仍然尚未產生實質性、大規模應用。

二是數據獲取難。高質量信息數據相對匱乏，行業數據尚未實現開放、流動和共享。

三是場景待挖掘。我國工業門類衆多，目前大模型應用場景僅集中在電力、鋼鐵等少數變現能力強的場景。深度場景應用不足，可作爲經驗複製推廣的典型場景仍需進一步挖掘。

四是安全顧慮高。工業場景容錯率低，安全風險顧慮較高，當前部分企業的人工智能安全意識與安全能力仍有不足，阻礙了大模型在相關領域和場景的應用。

林詠華表示，在給生產生活帶來巨大變遷的同時，大模型在數據、算力和算法等方面仍面臨挑戰。當下，我國人工智能行業需要解決的不僅僅是資源儲備的問題，還有生態共建的問題，上下游需要以開源開放的心態建設生態。

大模型的訓練往往需要海量數據的支撐。香港浸會大學深圳研究院副院長宋俊表示，由於不同部門之間的系統往往不相通，彼此相通的數據有限，希望通過大模型作爲切入點和抓手，把這些跨部門的數據有機串聯起來，得出更有效的計算結果，讓更多數據進行更有效的“破冰”。