大模型混合云，让每个企业都拥有专属大模型

Q1：您能分享一下，大模型在行业的应用现状和发展趋势么？

• 2023年是大模型爆发的一年，这一年，大模型在行业已开始涌现一些成功的案例，一些像金融、能源等行业的先行者已经开始将大模型能力应用到生产实践中，并取得一些成果。
• 但从产业发展上来看，大模型仍处于探索发展阶段。一方面，行业对于新技术的认知和接受程度不一，大模型商用仍需培养市场信心和技术储备。另一方面，从相关产业链完善程度来看，大模型产业链长、业态复杂，在硬件算力、软件生态、人才储备等方面仍需要进一步积累和发展。
• 随着技术的逐渐成熟、数据与算力产业的高质量发展，2024年将是大模型走向规模化应用的关键年。一方面，大模型技术在2024年将达到更高的成熟度,不仅模型的性能和泛化能力更强，而且在垂直领域应用中将具备更好的适应性和针对性，这使得大模型能更有效地解决行业应用中的复杂问题。另一方面，随着企业生产经营业务数据的持续积累，大模型将能更好地利用这些数据进行深度学习和预测分析，为企业在决策优化、生产效率提高和成本控制等方面提供强大支持。
• 尤其是政务、金融、电力、能源等这类大型政企，通常都是行业的领头羊，自身需求规模大、应用场景丰富、产业配套全，在国家政策驱动下，带头建设和发展大模型将会是下一阶段的重点方向。
• 因此，行业市场，尤其大型政企行业将成为接下来大模型的主要战场，把AI真正转换为生产力。

Q2：您认为大型政企建设和应用大模型，主要面临的挑战是什么？

• 首先，大模型的建设，高昂的资金投入是最显而易见的挑战，基础大模型的训练需要消耗大量的算力，单次训练可能就需要成百上千万的资金投入，还需要耗费大量时间准备高质量的算料，此外还有人才培养成本等诸多因素。因此，选择有强大公有云算力与模型技术研发的厂家是更好的选择。
• 第二，合规方面的挑战。源于长期的行业积累，大型企业拥有丰富的私有数据资源，而政企由于行业特殊性，通常也会面临很多行业监管的政策法规要求，因此很多大型企业而言，他们更倾向于将数据留在本地，确保“数据不出域”。但大模型的训练需要海量的高质量数据，在公共和开放数据集的基础上，还必须要企业的私有数据参与训练过程，通过增量训练和微调，让大模型更适配企业。

Q3：对于大型政企应用大模型有什么建议？

• 政企需要在保证数据安全的基础上，让私有数据参与大模型的训练。因此，基于混合云，在本地建设企业专属大模型，将成为未来行业大模型的重要部署形态，既满足业务发展的诉求，也缓解企业对数据安全和隐私的担忧。

相比小模型生产方式，大模型具备良好的泛化性，具备在政企行业数量众多的中长尾离散场景实现规模化的部署推广。中国幅员广阔，在能源、交通、制造、电力、矿山、油气等众多领域，存在大量集团分支和中小型企业，非常适合行业头部领军企业或集团公司，集约化规划与建设行业大模型平台，并将能力外溢，将自有模型进行交易，帮助行业中小企业快速实现智能化升级，并获得商业闭环和前期大模型投资变现。