近日，中国工业互联网研究院（简称“工联院”）针对人工智能大模型在中文工业领域的知识问答能力进行系统性评测，国内大模型在本次评测表现较好，其中，百度文心一言表现超过GPT3.5，综合评价指数在国内排名第一，逐步缩小与全球顶尖大模型的距离。

大模型以先进技术为产业提速增效

在机器学习和AI等领域，“模型”通常是指一种数学模型或计算模型，它可以从海量数据中学习出一些隐藏其中的模式或规律，进而对未来的数据进行预测，或生成新数据。现在常说的大模型之大，一般指内置的参数量数量级之大，比如GPT-3.5的1750亿参数。因此，“大模型”是指具有大量参数和计算资源的机器学习模型，它们能够在处理复杂任务时提供更高的性能和表示能力。

(资料图)

大模型的优势在于能够学习更多的特征和模式，从而提高对输入数据的理解和处理能力，同时可以更准确地进行预测和分类，产生更自然的语言生成结果，或者在复杂的决策问题上做出更明智的选择。当前，我国产业正面临智能化转型，对于企业、机构而言，与人工智能深度融合，加入行业特色数据与知识、精准匹配真实应用场景的行业大模型能够极大提升业务流程效率和水平，成为驱动产业转型升级的重要力量。比如在本次工联院评测中位居国内模型第一的百度文心一言，其和长安汽车进行合作，开发生成式人工智能产品，赋能一款量产车型。获得领先的文心一言AI技术加持，长安汽车在人工智能交互上实现全面跃升，随着相关智能化产品落地，大幅提升车载语音的用户体验上限，形成对传统语音技术跨时代的超越，开启人工智能交互新境界。除了汽车制造，百度智能云还在建筑、采矿、物流、纺织等领域，探索使用大模型提升运营效率和用户体验效果，以先进的技术和丰富的解决方案，全面赋能各行业，加速产业智能化和数字化发展。

国内大模型发展现状

大模型有目共睹的强大能力掀开了人工智能通用化的序幕，其赋予各行各业解决场景效率优化问题的能力，推动产业变革，从而提质降本增效，促进产业转型升级发展。目前，我国大模型在金融、传媒、文旅、政务四个重点领域的应用相对成熟。金融领域属于信息密集型行业，是大模型技术的最佳应用场景之一。

目前众多国内金融科技平台已布局大模型技术研发，例如百度与浦发银行联合研制的金融行业大模型“浦发·百度-文心大模型”结合了浦发场景积累的行业数据与知识，双方技术和业务专家一起设计了针对性的财报领域判别、金融客服问答匹配等预训练任务，让文心大模型学习到金融行业的知识，并在浦发典型任务应用上提升效能。但新应用开发的高成本投入以及数据合规性、安全性带来的挑战仍横亘在金融行业面前，有待进一步优化处理。媒体领域正深入应用大模型技术促进智能化转型升级。例如百度文心大模型与媒体行业的结合已在“策、采、编、发”等不同场景上带来了新模式，但以报业、广电为代表的部分传统媒体仍处于转型发展的窗口期。传统媒体需要走出舒适圈，应用前沿技术，才能跟上行业迭代的步伐。文旅领域，近年来全国各地不断加快文旅大模型建设，利用大模型将文旅内容精准推广到目标人群，形成快速转化。例如，腾讯文旅携手南京文投打造的国内首个城市级文化行业大模型项目，为南京文旅的创新发展提供更丰富更智能的文化体验。国内大模型与文旅行业的结合仍处于初级阶段，需进一步提升文旅供给质量、提高全要素文旅生产效率，深入把握行业需求，在数字化升级中实现增长。政务领域，中国电子科技集团有限公司旗下电科太极发布了生成式人工智能大模型产品“小可”，帮助党政企用户智能化开展业务，目前已经推出拟文助手、编码助手、智能标绘等一系列智能应用，解决了相关领域存在的重复性工作繁多、基于个人经验决策不够科学、工作效率不高等痛点，满足降本增效、流程优化和工作创新等需求。但政务领域仍有许多应用场景缺乏相应的大模型应用推动，有待进一步探索。

加速人工智能与各产业深度融合

近年来国内各大企业积极、迅速地推进大模型训练，大大地促进了人工智能的发展以及提升产业效能，工联院评测报告也明确指出，在主观题方面，尽管国内大模型的基础能力、语句能力与GPT4接近，能够追赶上国际顶尖水平，但是在概括能力、逻辑能力方面却与GPT4有一定差距，国内大模型在行业间的泛化能力方面有待加强。为全方位推动大模型落地，赋能产业数字化创新转型，可以从融合纵深发展、技术突破和人才培养三个方面出发。

第一，推动融合纵深发展，推动各行各业探索大模型在具体场景的应用。工联院评测报告揭示出通用大模型落地垂直行业的痛点，缺乏特定行业的专业知识，因此需要联合社会多方，共同努力，进一步丰富相关专业领域的数据训练集，进一步进行专业化的微调。政府方面可以从经济上加强资金保障，重点支持大模型创新应用，发挥政府投资引导作用，做好资源统筹整合；企业方面，科技公司可以加强与工业企业合作，通过在实际场景的探索应用，积攒更多的行业Know-how，扩展相关领域的数据训练集。

第二，鼓励企业攻坚克难。加强大模型顶层设计，鼓励行业大模型技术的持续创新。构建更加有利于创新的产业环境，鼓励企业攻坚克难，加大对大模型、尤其是行业领域专用大模型的研发投入；推动场景创新，以场景创新推动技术迭代升级，加快大模型技术在各领域落地，更好赋能经济社会高质量发展。

第三，注重综合型人才培养。培养一批既懂行业技术又懂 AI 训练的综合型人才。一是高校应完善生成式人工智能相关学科建设，完善教学体系，有针对性地做好学科交叉融合，培养多功能复合型人才。二是加速产学研各界融合，大力建设校企联合研发中心，将教学内容与产业一线紧密结合，培养富有实战经验的人才，杜绝“模式化”人才的出现。三是鼓励创新，鼓励学生自由发挥自身能力与才华，为各行各业大模型应用的发展奠定创新基础。

当今世界，推进行业大模型应用落地已是大势所趋。只有联合社会多方，共同努力，协同发展，才能驱动大模型更加快速的实现迭代升级，促进大模型在各领域各行业应用落地，从而助力产业优化升级，推动我国产业的数字经济发展。

（王鹏为北京社科院研究员，南昌理工学院数字经济研究院院长）

（文章来源：第一财经）