惊艳的饰品，尽在精品小店！

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>火(huo)了(le)半(ban)年(nian)，終(zhong)於(yu)降(jiang)溫(wen)！這(zhe)裏(li)卻(que)被(bei)擠(ji)爆(bao)……

火了半年的(de)ChatGPT似(si)乎(hu)迎(ying)來(lai)冷(leng)靜(jing)期(qi)。近(jin)日(ri)，網(wang)絡(luo)分(fen)析(xi)公(gong)司(si)Similarweb發(fa)布(bu)數(shu)據(ju)稱(cheng)，ChatGPT 6月(yue)份(fen)的全(quan)球(qiu)訪(fang)問(wen)量(liang)環(huan)比(bi)降幅(fu)9.7%，獨(du)立(li)访客(ke)数量环比下(xia)滑(hua)了5.7%，為(wei)2022年11月推(tui)出(chu)以(yi)来首(shou)次(ci)。其(qi)中(zhong)，美(mei)國(guo)的访问量在(zai)6月环比下滑了10.3%。

但(dan)C端(duan)流(liu)量的降温並(bing)不(bu)影(ying)響(xiang)AI大(da)模(mo)型(xing)在行(xing)業(ye)端的持(chi)續(xu)火爆，在为期3天(tian)的世(shi)界(jie)人(ren)工(gong)智(zhi)能(neng)大會(hui)（WAIC 2023）上(shang)，30余(yu)個(ge)大模型團(tuan)隊(dui)輪(lun)番(fan)亮(liang)相(xiang)，各(ge)類(lei)生(sheng)成(cheng)式(shi)AI產(chan)品(pin)體(ti)驗(yan)區(qu)被專(zhuan)业觀(guan)眾(zhong)“挤爆”，通(tong)用(yong)大模型如(ru)何(he)做(zuo)到(dao)安(an)全可(ke)靠(kao)、行业大模型如何成熟(shu)落(luo)地(di)則(ze)成为論(lun)壇(tan)中熱(re)議(yi)的兩(liang)大焦(jiao)點(dian)話(hua)題(ti)。

行业大模型風(feng)頭(tou)正(zheng)起(qi)

大模型并沒(mei)有(you)明(ming)確(que)定(ding)義(yi)，AI专家(jia)在研(yan)究(jiu)報(bao)告(gao)中將(jiang)其命(ming)名(ming)为Foundation Models，可以翻(fan)譯(yi)为基(ji)礎(chu)模型或(huo)者(zhe)是(shi)基石(shi)模型，指(zhi)容(rong)量較(jiao)大、用于深(shen)度(du)學(xue)習(xi)任(ren)務(wu)的模型，具(ju)有海(hai)量的參(can)数和(he)復(fu)雜(za)的架(jia)構(gou)，壹(yi)般(ban)過(guo)億(yi)参数的模型会被認(ren)为是一个大模型，而(er)超(chao)过10亿或100亿个参数的模型将被认为是巨(ju)型模型。

今(jin)年以来，ChatGPT賺(zhuan)足(zu)了眼(yan)球，但仍(reng)難(nan)避(bi)免(mian)生成錯(cuo)誤(wu)信(xin)息(xi)及(ji)观点、“一本(ben)正經(jing)胡(hu)說(shuo)八(ba)道(dao)”等(deng)问题。在7月6日-7月8日舉(ju)行的世界人工智能大会（WAIC 2023）期間(jian)，如何提(ti)升(sheng)準(zhun)确性(xing)是学術(shu)研討(tao)的重(zhong)点方(fang)向(xiang)之(zhi)一，同(tong)時(shi)行业大模型成为数十(shi)場(chang)论坛中热议的话题，业內(nei)普(pu)遍(bian)认为，從(cong)調(tiao)侃(kan)娛(yu)樂(le)走(zou)向行业應(ying)用是人工智能大模型发展(zhan)進(jin)程(cheng)中的關(guan)鍵(jian)一步(bu)。

“行业大模型”因(yin)为根(gen)据企(qi)业的具体需(xu)求(qiu)和数据特(te)点，對(dui)模型进行一定的调整(zheng)和優(you)化(hua)，因此(ci)在落地上可以提高(gao)模型在特定領(ling)域(yu)的性能和適(shi)应性。

7月6日，騰(teng)訊(xun)集(ji)团高級(ji)執(zhi)行副(fu)總(zong)裁(cai)、雲(yun)與(yu)智慧(hui)产业事(shi)业群(qun)CEO湯(tang)道生在大会全体会议-产业发展论坛上表(biao)示(shi)，通用大模型有很(hen)強(qiang)的能力(li)，但并不能解(jie)決(jue)很多(duo)企业的具体问题。企业的大模型应用需要(yao)綜(zong)合(he)考(kao)慮(lv)行业专业性、数据安全、持续叠(die)代(dai)和综合成本等因素(su)。基于行业大模型，构建(jian)自(zi)己(ji)的专屬(shu)模型，也(ye)許(xu)是企业更(geng)优的選(xuan)項(xiang)。

“通用大模型可以在100个场景(jing)中，解决70%-80%的问题，但未(wei)必(bi)能100%滿(man)足企业某(mou)个场景的需求。”汤道生表示，通用大模型一般是基于廣(guang)泛(fan)的公開(kai)文(wen)獻(xian)与网络信息来訓(xun)練(lian)的，许多专业知(zhi)識(shi)与行业数据積(ji)累(lei)不足，導(dao)致(zhi)回(hui)答(da)的行业針(zhen)对性与精(jing)准度不夠(gou)。但用戶(hu)对企业提供(gong)的专业服(fu)务，要求高、容错性低(di)，企业一旦(dan)向公众提供了错误信息，可能引(yin)起嚴(yan)重後(hou)果(guo)。

他(ta)表示，企业如果基于行业大模型，再(zai)加(jia)上自身(shen)数据进行精调，可以建构专属模型，打(da)造(zao)出高可用的智能服务。而且(qie)模型参数比通用大模型少(shao)，训练和推理(li)的成本更低，模型优化也更容易(yi)。

瀾(lan)舟(zhou)科(ke)技(ji)創(chuang)始(shi)人兼(jian)CEO周(zhou)明同樣(yang)认为，大模型帶(dai)来了认知智能技术的跨(kua)越(yue)式发展，但做大模型不能沈(chen)迷(mi)于讓(rang)它(ta)講(jiang)段(duan)子(zi)，然(ran)后在网上分享(xiang)、娱乐大众，而是要服务千(qian)行百(bai)业。“通用模型就(jiu)相當(dang)于高中畢(bi)业生，行业模型相当于大学毕业，能够解决专用场景的模型相当于研究生毕业，它得(de)一層(ceng)一层地搭(da)，只(zhi)有加入(ru)行业场景的知识圖(tu)譜(pu)后才(cai)能輸(shu)出更严謹(jin)的内容。”

中国工程院(yuan)院士(shi)、清(qing)華(hua)大学讲席(xi)教(jiao)授(shou)、智能产业研究院（AIR）院長(chang)張(zhang)亞(ya)勤(qin)在2023世界人工智能大会期间的论坛中，也强调了行业垂(chui)直(zhi)模型的重要性。张亚勤表示在實(shi)際(ji)应用中，雖(sui)然大模型很重要，但需要根据不同的行业和场景，开发相应的垂直精准模型。例(li)如在無(wu)人駕(jia)駛(shi)领域，需要低延(yan)时、高安全性的精准模型，并不需要擅(shan)长作(zuo)詩(shi)作畫(hua)的模型。在生物(wu)领域，需要专註(zhu)于研发能够處(chu)理蛋(dan)白(bai)質(zhi)結(jie)构等生物語(yu)言(yan)的模型，而不是包(bao)含(han)互(hu)聯(lian)网上其他冗(rong)余信息的模型。只有这样才能提高模型的效(xiao)率(lv)和准确性，满足用户的需求和期望(wang)。

企业如何探(tan)索(suo)大模型应用？

以行业模型服务千行百业成为各大互联网和人工智能企业布局(ju)大模型的主(zhu)流路(lu)徑(jing)，行业大模型該(gai)如何应用？又(you)面(mian)臨(lin)哪(na)些(xie)使(shi)用門(men)檻(kan)？

在中国互联网投(tou)資(zi)基金(jin)管(guan)理有限(xian)公司总经理李(li)筱(xiao)强看(kan)来，以大模型为代表的AI技术迭代主要带来三(san)方面的商(shang)业價(jia)值(zhi)与产业形(xing)態(tai)變(bian)化，大模型賦(fu)能千行百业降本增(zeng)效，带動(dong)算(suan)力量级提升，以及带来智能终端形态变化。短(duan)期内，在经濟(ji)面临较大增长壓(ya)力的背(bei)景下，企业最(zui)关注的当属降本增效。

事实上，今年以来，金融(rong)機(ji)构对行业大模型的应用普遍热情(qing)高漲(zhang)。国内外(wai)已(yi)有不少金融机构开始将大模型技术应用到业务场景中。如摩(mo)根士丹(dan)利(li)已经开始采(cai)用 GPT-4 来管理其龐(pang)大的内部(bu)知识庫(ku)，涵(han)蓋(gai)投资策(ce)略(lve)、市(shi)场研究以及分析師(shi)見(jian)解等海量知识，这些知识信息分布在许多内部网站(zhan)上，主要以PDF形式呈(cheng)現(xian)，需要顧(gu)问們(men)瀏(liu)覽(lan)大量网頁(ye)才能找(zhao)到特定问题的答案(an)。现在財(cai)富(fu)管理人員(yuan)可以通过一个面向内部的聊(liao)天机器(qi)人进行全面搜(sou)索，大大提升工作效率。

值得关注的是，行业大模型的搭建需要数据驅(qu)动、算力和算法(fa)支(zhi)撐(cheng)。无论是头部机构长線(xian)布局、重金押(ya)注AI，還(hai)是中小(xiao)机构强调应用价值，最终考量都(dou)回歸(gui)到应用产出和投入成本之间的性价比。

国家金融与发展实验室(shi)副主任、金融科技50人论坛学术委(wei)员楊(yang)濤(tao)近日撰(zhuan)文指出，虽然金融机构对于生成式AI大模型的长遠(yuan)意(yi)义都高度重視(shi)，但短期内的实际需求仍具有差(cha)異(yi)性。具体看，大型銀(yin)行的资源(yuan)与实力较强，通常(chang)希(xi)望提前(qian)进行大模型布局，为AI的长期应用做好(hao)算力准備(bei)。就中型银行而言，有的試(shi)图推动数字(zi)中臺(tai)升级，实现更好的自动化与智能化，强化各信息系(xi)統(tong)的一体化、集成化水(shui)平(ping)，提升数字内容管理和運(yun)營(ying)能力；有的则期望生成式AI給(gei)业务带来突(tu)破(po)性应用，真(zhen)正提升机构的创新(xin)力与盈(ying)利能力。对小型银行来看，由(you)于缺(que)乏(fa)足够的资源支撑，则更多是希望通过与技术企业的合作，来为数字化轉(zhuan)型奠(dian)定更好的基础設(she)施(shi)“底(di)座(zuo)”。

而这些，都是大模型技术实际使用者，留(liu)给市场的課(ke)题及机会。

MaaS服务推动模型应用落地

本屆(jie)世界人工智能大会期间，腾讯研究院、同济大学、腾讯云共(gong)同发布了《人机共生——大模型时代的AI十大趨(qu)勢(shi)报告》，报告顯(xian)示，在AI助(zhu)力产业发展方面，MaaS服务和垂直领域应用将是大模型时代AI发展的重要趋势，通过建设可控(kong)、可用的安全生态，推动模型的落地和应用，AI技术将为各行业带来更多的机遇(yu)和挑(tiao)戰(zhan)。

MaaS（Model as a Service，模型即(ji)服务）是一種(zhong)新型AI商业模式，通过提供API接(jie)口(kou)给企业调用，它降低了使用门槛，并大幅提高了模型的使用效率。

回顾今年各大互联网公司在发布AI大模型时， MaaS被普遍提及，儼(yan)然成为繼(ji)SaaS（Software as a Service）、IaaS（Infrastructure as a Service）、PaaS（platform as a service）等概(gai)念(nian)之后的又一个热门话题。今年以来，腾讯、阿(e)里、百度等已经相继推出了MaaS服务。

在大模型的競(jing)爭(zheng)中，腾讯同样选擇(ze)优先(xian)布局MaaS。6月19日腾讯云首次公布行业大模型研发进展，依(yi)托(tuo)腾讯云TI平台打造行业大模型精选商店(dian)，为客户提供MaaS（Model-as-a-Service）一站式服务，助力客户构建专属大模型及智能应用。目(mu)前，腾讯云已经为傳(chuan)媒(mei)、文旅(lv)、政(zheng)务、金融等10余个行业提供了超过50个大模型行业解决方案。

在本次世界人工智能大会上，腾讯云再次公布了多项升级。其中，在技术底座领域，自研星(xing)脈(mai)高性能計(ji)算网络、向量数据库可为大模型的行业应用提供更充(chong)沛(pei)的算力基础设施。

在数字人领域，今年腾讯云推出了小样本数智人工廠(chang)，僅(jin)需少量数据、24小时内即可复刻(ke)2D数字分身，让企业应用数智人服务成本大大降低。现在，依托AI生成算法，数智人3D形象(xiang)的复刻速(su)度得到大幅提升，通过生成式动作驱动，结合行业大模型能力，可让企业獲(huo)得更“个性化、专业、自然逼(bi)真”的数智员工，让“面对面”专业服务成为可能。

文/馬(ma)寧(ning)宁

編(bian)輯(ji)/劉(liu)苗(miao)

*资讯返(fan)回搜狐(hu)，查(zha)看更多

責(ze)任编辑：