《2024行業(yè)大模型調(diào)研報(bào)告》發(fā)布（附下載）

與傳統(tǒng)AI僅能處理單一任務(wù)相比，大模型技術(shù)通過(guò)其龐大的參數(shù)規(guī)模、強(qiáng)大的泛化能力以及對(duì)多模態(tài)數(shù)據(jù)的支持，展現(xiàn)出類(lèi)似人類(lèi)的通用智能“涌現(xiàn)”能力，能夠?qū)W習(xí)多個(gè)領(lǐng)域知識(shí)、處理多種數(shù)據(jù)和任務(wù)。

OpenAI提出的“規(guī)模定律”（Scaling Law）驅(qū)動(dòng)了大模型的快速發(fā)展，即：模型的性能與模型的規(guī)模、數(shù)據(jù)集大小和訓(xùn)練用的計(jì)算量之間存在冪律關(guān)系，性能會(huì)隨著這三個(gè)因素的指數(shù)增加而線性提高，通俗而言就是“大力出奇跡”。傳統(tǒng)AI模型參數(shù)量通常在數(shù)萬(wàn)至數(shù)億之間，大模型的參數(shù)量則至少在億級(jí)，并已發(fā)展到過(guò)萬(wàn)億級(jí)的規(guī)模。

大模型帶來(lái)的AI性能突破，激發(fā)業(yè)界向通用人工智能（AGI）領(lǐng)域進(jìn)發(fā)的新熱潮。

掃碼下載：

行業(yè)大模型指利用大模型技術(shù)，針對(duì)特定數(shù)據(jù)和任務(wù)進(jìn)行訓(xùn)練或優(yōu)化，形成具備專(zhuān)用知識(shí)與能力的大模型及應(yīng)用。如果說(shuō)通用大模型是通才，行業(yè)大模型就是專(zhuān)才。與通用大模型相比，行業(yè)大模型核心在提高性價(jià)比、增強(qiáng)專(zhuān)業(yè)性并保障數(shù)據(jù)（特別是私有數(shù)據(jù)）安全。

業(yè)界對(duì)行業(yè)大模型還有模糊和爭(zhēng)議之處，本報(bào)告主要嘗試?yán)迩迦齻€(gè)問(wèn)題：一是行業(yè)大模型既有模型、也含應(yīng)用；二是行業(yè)大模型大多長(zhǎng)在通用大模型之上，基于通用大模型進(jìn)行再開(kāi)發(fā)；三是行業(yè)大模型具備定制特征，本質(zhì)是解決方案、而非只是一個(gè)產(chǎn)品。

可以這樣理解，行業(yè)大模型中的產(chǎn)品通常是“毛坯房”，客戶需要根據(jù)自身用途進(jìn)行“裝修”才能滿足需要。例如，騰訊云2023年中旬就依托TI平臺(tái)打造了行業(yè)大模型精選商店，推出了MaaS服務(wù)，為客戶提供一站式的行業(yè)大模型解決方案，包括模型預(yù)訓(xùn)練、模型精調(diào)、智能應(yīng)用開(kāi)發(fā)等。

行業(yè)大模型整體處于發(fā)展早期，還沒(méi)有大規(guī)模成熟應(yīng)用的范例。參考埃弗雷特·羅杰斯（Everett M. Rogers）《創(chuàng)新的擴(kuò)散》一書(shū)中對(duì)創(chuàng)新階段的界定，行業(yè)大模型應(yīng)用階段可劃分為探索孵化期、試驗(yàn)加速期、采納成長(zhǎng)期和落地成熟期，基于“百人百問(wèn)”目前大部分行業(yè)處于前兩個(gè)階段，還沒(méi)有行業(yè)達(dá)到第四。

數(shù)字原生行業(yè)（如各類(lèi)互聯(lián)網(wǎng)應(yīng)用）是先行者，傳統(tǒng)行業(yè)中生產(chǎn)性服務(wù)業(yè)（廣告、金融等）進(jìn)展相對(duì)快、重資產(chǎn)行業(yè)（建筑、制造、能源等）進(jìn)展相對(duì)慢。背后有兩個(gè)核心影響因素：需求的適配度和數(shù)據(jù)的可得性，越高的行業(yè)進(jìn)展越快。

在“人工智能+”等重要政策指引下，行業(yè)大模型有望加速在傳統(tǒng)行業(yè)的落地應(yīng)用，在云智一體的基礎(chǔ)設(shè)施支持下，向多模態(tài)、人工智能體、端側(cè)及小型化等方向發(fā)展，更深入嵌入各行業(yè)的工作流程中，從而促進(jìn)生產(chǎn)力的提升。

人工智能體（AI Agent）的發(fā)展，對(duì)行業(yè)大模型的意義可能最大。一些與工作流程深度耦合的AI Agent開(kāi)始涌現(xiàn)，有望逐步發(fā)展成為各行各業(yè)不可或缺的新型生產(chǎn)力。辦公領(lǐng)域，Microsoft 365 Copilot及其個(gè)人版Copilot Pro的推出，揭示了提高工作效率和辦公自動(dòng)化方面的巨大潛力；社交領(lǐng)域，Meta AI等產(chǎn)品將進(jìn)一步推動(dòng)內(nèi)容創(chuàng)作和社交互動(dòng)的智能化，為用戶帶來(lái)更加豐富多樣的體驗(yàn)；工業(yè)領(lǐng)域，Levatas等工業(yè)視覺(jué)檢查機(jī)器人的應(yīng)用，顯示了在識(shí)別、判斷和維修設(shè)備方面的高度自主性；營(yíng)銷(xiāo)領(lǐng)域，SalesGPT等平臺(tái)的出現(xiàn)，展示了AI Agent在感知情緒、個(gè)性化推廣和客戶服務(wù)中的潛力……

隨著AI應(yīng)用的深入，模型的規(guī)模、類(lèi)型和復(fù)雜性將不斷增加，MaaS將日益成為行業(yè)用戶云上用智的主流方式。用戶或直接調(diào)用云的大模型API，或借助全生命周期的大模型訓(xùn)練工具，生成適用于自身場(chǎng)景的大模型，并托管在云上，為最終用戶提供高質(zhì)量智能服務(wù)。為此，面向AI的、更高性能的算力底座必然不可或缺，通過(guò)計(jì)算、存儲(chǔ)、通信、訓(xùn)練等各層面的優(yōu)化，全面提升模型訓(xùn)練、開(kāi)發(fā)和應(yīng)用效率。