占领垂直场景：国产AI大模型的下半场赛事

年初以来，由ChatGPT掀起的人工智能浪潮，再一次催发了中国科技企业拥抱新兴技术的热情。不到半年时间里，百度“文心一言”、阿里“通义千问”、华为云“盘古”等国产自研AI大模型悉数登场。当科技巨头们不约而同地踏上人工智能的新赛道，一场围绕大模型的“军备竞赛”就在顷刻间拉开了序幕。

「通用」向左，「垂直」向右

过去几个月，伴随着ChatGPT的一路狂飙，AI大模型在中国的进化也来到了新的分野。一边是通用大模型，因其经过了海量数据参数和庞大语料的预训练，在处理各种复杂任务时能够表现出更好的泛化能力和更高的通用性，可以说是“书读百遍其义自见”在人工智能时代的最好诠释。 这其中，OpenAI十年磨一剑的GPT系列大模型堪称珠玉在前。以ChatGPT为代表的大模型在逻辑推理、文本生成、自动编写等方面展现出来的智慧与能力，一时间掀起了AI大模型的研发热潮。从“通义千问”“知海图”“百川智能”等一系列大模型产品的命名深意中，我们也不难发现，重兵押注“通用大模型”已经率先成为了国内头部厂商的共识。 而另一边，以垂直行业厂商为代表的入局者们，则将目光放在了更大的产业领域中，力图在角逐正酣的“百模大战”中找到AI商业化落地的机会。这便是国产大模型的另一个重要方向——从行业应用的路径切入，解决特定场景的业务需求。 不同于科技大厂们对基础大模型技术和底层通用能力的狂热追逐，这些行业厂商经年累月地扎根产业的“神经末梢”处，在特定行业沉淀了大量垂直领域数据和具体业务场景，可以更精准地锤炼出大模型的“专家”能力，有望加速推动“大模型”在千行百业场景中的广泛应用。 据科技部新一代人工智能发展研究中心的《中国人工智能大模型地图研究报告》显示，截至上半年，中国已至少发布79个规模在10亿级参数以上的基础大模型，研发数量排名全球第二。但历史的经验告诉我们，一项技术能否最终普及，关键是找到合适的应用场景，AI概莫能外。也因此，无论是在AI大模型赛道上已经占得先机的头部大厂，还是在垂直领域握有海量数据集和丰富场景理解的行业厂商，都不约而同地选择了下探至产业更深处。

场景化应用，大模型的「长坡厚雪」

毋庸讳言的是，尽管当前各方玩家对大模型的产业化都已展露出鲜明的共识，但在大模型落地应用的这最后一公里路程中，以科技大厂为代表的“通用派”和以行业厂商为代表的“垂直派”还是衍生出了两条截然不同的分支。 以华为、百度、腾讯等为代表的头部大厂，凭借在算法技术、行业数据、生态开放等方面的绝对领先优势，可以更快地搭建起大模型的产品应用及服务生态，从而为大模型落地应用提供“底座”支撑和“引擎”之力。 从早前百度宣布打造全球首个一站式企业级大模型生产平台；到阿里决定将旗下所有产品接入其自研的大语言模型“通义千问”、腾讯推出MaaS一站式行业大模型精选商店；再到“源于产业、服务产业”的京东言犀大模型、“不作诗，只做事”的华为云盘古大模型3.0等面向产业和行业场景的大模型相继问世……无不预示着通用大模型开发的激流已经远去，一个“AI For Industries”的时代正在到来。 图/拓维信息签约成为华为云盘古大模型合作伙伴 大模型的产业化之路，起于大厂们“深入产业”的共识，兴于行业厂商们“扎根场景”的躬耕。与头部科技大厂的路径不同，拓维信息等垂直行业厂商们则是因为有了更多“Know-how”能力的加持，可以基于通用大模型的底座适配行业数据和知识库，打造出更有针对性、专业性、精准度的垂直大模型产品或解决方案，也得以在这条庞大产业链上找到安身之地。 例如，拓维信息交通CV大模型就是在华为云盘古大模型的基础之上，结合自身在交通领域沉淀的训练数据和行业知识库，进行再训练和精调打造出的交通行业垂直大模型。相比于传统小模型开发往往要面临模式耗时长、专业度要求高、训练/调优需要大量人工参与等限制，拓维信息交通CV大模型依托于“基础模型预训练+行业化调优造”的新范式，使得模型精度提升了 6.21%，开发时间节约了24倍左右，大大降低了开发成本和难度。 图/华为云盘古大模型生态 目前拓维信息交通CV大模型已在高速公路稽核等前端业务场景得到了正式应用。在“大模型能力”的加成下，稽核场景可以实现高速公路图片的实时上传和服务，通过智能压缩，大幅提升图片服务能力，助推稽核工作提质增效。 除此之外，在教育、医疗、气象、采矿等众多行业应用场景中，大模型赋能产业的相关能力也已开始实践。也正是技术与场景的一次次交融，让中国大模型产业迎来了具有变革意义的跃迁拐点，真正进化为“长坡厚雪”的理想赛道。

Know-how，大模型落地最优解

如果说大模型的上半场是“诗和远方”。那么，在经历了AIGC热潮一浪接一浪的卷积之后，国产大模型已经走过了最初的技术狂热期，在商业化落地的冷思考中开启了“烟火日常”的下半场。谁能率先将大模型技术与产业具体场景结合，训练出大模型的垂直化、行业化能力，带来切实可落地的数字化转型成效，谁就能争取到AI 2.0时代更多的话语权和主动权。 随着大模型作为新生产力的引擎形态越来越为人所熟知，源于产业侧的“Know-how”能力，也逐渐成为各路参与方在这场大模型落地考中新的角力点。然而，“Know-how”能力的构建绝非一日之功。众所周知，不同行业的数字化需求是模糊而庞杂的，这就对服务厂商的行业Know-how能力提出了更高要求。比起主打普惠适用的“全面型”能力，大模型要在千行百业应用场景中跑起来，更需要“Know-how”的深厚积累。 以拓维信息交通CV大模型为例。拓维信息从2019年开始深入交通行业数字化改造，持续探索AI技术在高速收费、稽核、隧道等具体业务场景中的应用及建设，针对特定场景需求先后推出AI稽核、数字视网膜解决方案、RPA工单机器人等多款基于AI的创新成果，在不断的技术打磨和实践迭代中累积起优质的交通垂直场景数据集，最终以此为“养料”，训练出交通CV大模型。在“模型+场景”的飞轮带动下，拓维信息交通CV大模型在感光成像、特征提取、态势感知、事件识别等方面的能力已得到较大提升，在交通行业场景展现出了巨大的应用潜力。 图/拓维信息交通CV大模型在收费稽核场景的应用 诚然，从通识属性来看，“领域专家型”的垂直大模型难以和“海纳百川”的通用大模型抗衡。但站在产业的角度，新技术究竟能否突破原有的生产力边界，最终还是要回到具体的应用场景中进行验证。 可以肯定的是，在人工智能由“技术力”转向“生产力”的这场商业化浪潮中，“通用”和“垂直”两种路线从来都不是有你无我的对立关系，它们终将共同汇入产业的大江大河，漾出涓涓细流滋养每一方数字化土壤。一横一纵之间，中国AI大模型的新版图已经显现。

本期拓客：脆脆

马上写完，真的。

往期推荐

VOL.1没有大算力的ChatGPT，不是好AIGC

VOL.2ChatGPT“狂飙”的终途：从模型中来，到场景中去

VOL.3不完美的AI，完美的数字助手

---

原文标题：占领垂直场景：国产AI大模型的下半场赛事

文章出处：【微信公众号：拓维信息】欢迎添加关注！文章转载请注明出处。