年初以來，由ChatGPT掀起的人工智能浪潮，再一次催發了中國科技企業擁抱新興技術的熱情。不到半年時間里，百度“文心一言”、阿里“通義千問”、華為云“盤古”等國產自研AI大模型悉數登場。當科技巨頭們不約而同地踏上人工智能的新賽道，一場圍繞大模型的“軍備競賽”就在頃刻間拉開了序幕。

「通用」向左，「垂直」向右

過去幾個月，伴隨著ChatGPT的一路狂飆，AI大模型在中國的進化也來到了新的分野。一邊是通用大模型，因其經過了海量數據參數和龐大語料的預訓練，在處理各種復雜任務時能夠表現出更好的泛化能力和更高的通用性，可以說是“書讀百遍其義自見”在人工智能時代的最好詮釋。 這其中，OpenAI十年磨一劍的GPT系列大模型堪稱珠玉在前。以ChatGPT為代表的大模型在邏輯推理、文本生成、自動編寫等方面展現出來的智慧與能力，一時間掀起了AI大模型的研發熱潮。從“通義千問”“知海圖”“百川智能”等一系列大模型產品的命名深意中，我們也不難發現，重兵押注“通用大模型”已經率先成為了國內頭部廠商的共識。 而另一邊，以垂直行業廠商為代表的入局者們，則將目光放在了更大的產業領域中，力圖在角逐正酣的“百模大戰”中找到AI商業化落地的機會。這便是國產大模型的另一個重要方向——從行業應用的路徑切入，解決特定場景的業務需求。 不同于科技大廠們對基礎大模型技術和底層通用能力的狂熱追逐，這些行業廠商經年累月地扎根產業的“神經末梢”處，在特定行業沉淀了大量垂直領域數據和具體業務場景，可以更精準地錘煉出大模型的“專家”能力，有望加速推動“大模型”在千行百業場景中的廣泛應用。 據科技部新一代人工智能發展研究中心的《中國人工智能大模型地圖研究報告》顯示，截至上半年，中國已至少發布79個規模在10億級參數以上的基礎大模型，研發數量排名全球第二。但歷史的經驗告訴我們，一項技術能否最終普及，關鍵是找到合適的應用場景，AI概莫能外。也因此，無論是在AI大模型賽道上已經占得先機的頭部大廠，還是在垂直領域握有海量數據集和豐富場景理解的行業廠商，都不約而同地選擇了下探至產業更深處。

場景化應用，大模型的「長坡厚雪」

毋庸諱言的是，盡管當前各方玩家對大模型的產業化都已展露出鮮明的共識，但在大模型落地應用的這最后一公里路程中，以科技大廠為代表的“通用派”和以行業廠商為代表的“垂直派”還是衍生出了兩條截然不同的分支。 以華為、百度、騰訊等為代表的頭部大廠，憑借在算法技術、行業數據、生態開放等方面的絕對領先優勢，可以更快地搭建起大模型的產品應用及服務生態，從而為大模型落地應用提供“底座”支撐和“引擎”之力。 從早前百度宣布打造全球首個一站式企業級大模型生產平臺；到阿里決定將旗下所有產品接入其自研的大語言模型“通義千問”、騰訊推出MaaS一站式行業大模型精選商店；再到“源于產業、服務產業”的京東言犀大模型、“不作詩，只做事”的華為云盤古大模型3.0等面向產業和行業場景的大模型相繼問世……無不預示著通用大模型開發的激流已經遠去，一個“AI For Industries”的時代正在到來。 圖/拓維信息簽約成為華為云盤古大模型合作伙伴 大模型的產業化之路，起于大廠們“深入產業”的共識，興于行業廠商們“扎根場景”的躬耕。與頭部科技大廠的路徑不同，拓維信息等垂直行業廠商們則是因為有了更多“Know-how”能力的加持，可以基于通用大模型的底座適配行業數據和知識庫，打造出更有針對性、專業性、精準度的垂直大模型產品或解決方案，也得以在這條龐大產業鏈上找到安身之地。 例如，拓維信息交通CV大模型就是在華為云盤古大模型的基礎之上，結合自身在交通領域沉淀的訓練數據和行業知識庫，進行再訓練和精調打造出的交通行業垂直大模型。相比于傳統小模型開發往往要面臨模式耗時長、專業度要求高、訓練/調優需要大量人工參與等限制，拓維信息交通CV大模型依托于“基礎模型預訓練+行業化調優造”的新范式，使得模型精度提升了 6.21%，開發時間節約了24倍左右，大大降低了開發成本和難度。 圖/華為云盤古大模型生態 目前拓維信息交通CV大模型已在高速公路稽核等前端業務場景得到了正式應用。在“大模型能力”的加成下，稽核場景可以實現高速公路圖片的實時上傳和服務，通過智能壓縮，大幅提升圖片服務能力，助推稽核工作提質增效。 除此之外，在教育、醫療、氣象、采礦等眾多行業應用場景中，大模型賦能產業的相關能力也已開始實踐。也正是技術與場景的一次次交融，讓中國大模型產業迎來了具有變革意義的躍遷拐點，真正進化為“長坡厚雪”的理想賽道。

Know-how，大模型落地最優解

如果說大模型的上半場是“詩和遠方”。那么，在經歷了AIGC熱潮一浪接一浪的卷積之后，國產大模型已經走過了最初的技術狂熱期，在商業化落地的冷思考中開啟了“煙火日常”的下半場。誰能率先將大模型技術與產業具體場景結合，訓練出大模型的垂直化、行業化能力，帶來切實可落地的數字化轉型成效，誰就能爭取到AI 2.0時代更多的話語權和主動權。 隨著大模型作為新生產力的引擎形態越來越為人所熟知，源于產業側的“Know-how”能力，也逐漸成為各路參與方在這場大模型落地考中新的角力點。然而，“Know-how”能力的構建絕非一日之功。眾所周知，不同行業的數字化需求是模糊而龐雜的，這就對服務廠商的行業Know-how能力提出了更高要求。比起主打普惠適用的“全面型”能力，大模型要在千行百業應用場景中跑起來，更需要“Know-how”的深厚積累。 以拓維信息交通CV大模型為例。拓維信息從2019年開始深入交通行業數字化改造，持續探索AI技術在高速收費、稽核、隧道等具體業務場景中的應用及建設，針對特定場景需求先后推出AI稽核、數字視網膜解決方案、RPA工單機器人等多款基于AI的創新成果，在不斷的技術打磨和實踐迭代中累積起優質的交通垂直場景數據集，最終以此為“養料”，訓練出交通CV大模型。在“模型+場景”的飛輪帶動下，拓維信息交通CV大模型在感光成像、特征提取、態勢感知、事件識別等方面的能力已得到較大提升，在交通行業場景展現出了巨大的應用潛力。 圖/拓維信息交通CV大模型在收費稽核場景的應用 誠然，從通識屬性來看，“領域專家型”的垂直大模型難以和“海納百川”的通用大模型抗衡。但站在產業的角度，新技術究竟能否突破原有的生產力邊界，最終還是要回到具體的應用場景中進行驗證。 可以肯定的是，在人工智能由“技術力”轉向“生產力”的這場商業化浪潮中，“通用”和“垂直”兩種路線從來都不是有你無我的對立關系，它們終將共同匯入產業的大江大河，漾出涓涓細流滋養每一方數字化土壤。一橫一縱之間，中國AI大模型的新版圖已經顯現。

本期拓客：脆脆

馬上寫完，真的。

往期推薦

VOL.1沒有大算力的ChatGPT，不是好AIGC

VOL.2ChatGPT“狂飆”的終途：從模型中來，到場景中去

VOL.3不完美的AI，完美的數字助手