產業(yè)，到底需要什么大模型？

寫下這篇的起因，是前不久的一件事。

我們參與了一個大模型與行業(yè)結合的主題論壇?；顒咏Y束之后，來自行業(yè)主辦方的一位代表跟我們交流時卻說：“你們一直在說大模型。到底什么是大模型？多大才算大？為什么不能用小模型？”

這一系列問題又一次讓我們意識到，智能化的供需雙方很多時候根本處在兩套話語體系。你這邊Transfomer、Agent的說了半天，那邊可能還在好奇大模型這三個字到底是怎么來的。

這種隔膜，在AI時代尤為嚴重。因為AI技術涉及的鏈條更長，做算法的、做云的、做硬件的、做IT解決方案的，以及最后買單的，大家可能在各說各的，誰也沒打算真正理解誰。

今天，各家都在說產業(yè)大模型、行業(yè)大模型。確實從技術邏輯上看，很容易發(fā)現(xiàn)大模型能夠給很多行業(yè)帶來巨大的生產力釋放，而從技術路線上看，中國企業(yè)對智能化的接受度更高、需求更強烈。大模型走向產業(yè)實現(xiàn)數實融合，是中國AI最具特色的一條脈絡，在數字中國的大背景下具有極強的宏觀戰(zhàn)略意義。

但在實踐中，這條路卻充滿了挑戰(zhàn)與誤解。

畢竟AI算法公司做toB，十家有九家做不成。在大模型toB的新機會窗口前，我們首先要確定產業(yè)究竟需要怎樣的大模型？

產業(yè)大模型，就不是一種模型

AI公司做大模型結合行業(yè)，最大的誤區(qū)在于搞不清供需關系。

誠然，目前行業(yè)對大模型的認可與接納程度已經比較好，但智能化項目依舊是一個絕對的買方市場。技術供應商需要去適配最終用戶的需求、能力、背景，甚至溝通話術和商業(yè)習慣。

但由于做AI大模型的公司，涌入了大量互聯(lián)網領域的人才和資金?；ヂ?lián)網的供需邏輯是單點供應對大量需求，我有一招鮮天下涌進來。而大模型在很多行業(yè)的適配又是很容易就能想到的。比如工廠需求配料分析，銀行需要投資分析，那我的大模型不是都能分析嗎？

于是，在這樣的“風口思維”下，很多AI公司陷入了一個巨大的誤區(qū)：他們認為我有大模型，各行業(yè)的客戶都應該來找我。我推出兩三個行業(yè)的案例，其他行業(yè)都應該認可。我的這個大模型哪里都能用，所以它就叫產業(yè)大模型。

無論這些AI從業(yè)者是真的相信大模型等于產業(yè)萬金油，還是僅僅是故意吹成這樣。在產業(yè)客戶看來，這一幕就等于胡說八道。他們會覺得，金融業(yè)用的技術，關我煤礦什么事？如果有一種食品，說是貓能吃牛能吃人也能吃，你敢吃嗎？

產業(yè)需要大模型做的第一件事，就是不要籠統(tǒng)的天差地別的各個行業(yè)歸納為“產業(yè)”兩個字就結束了。即使在某個行業(yè)內，大模型都僅僅能解決行業(yè)的一個或幾個問題，更不可能有一種模型能夠“包治百業(yè)”。

做IT的都知道，有產品更要有服務，懂技術更要懂行業(yè)。但做AI的企業(yè)，尤其是拿著熱錢涌入大模型賽場的企業(yè)，普遍對產業(yè)需求的差異性缺乏了解和尊重。

當然，不同行業(yè)對大模型的需求也有共通之處。比如對基礎的對話、CV、多模態(tài)能力。但更多的情況下，每個行業(yè)的只能用意愿、基礎數字能力，乃至安全需求、時延需求、運維需求都不相同。在今天的階段，一種大模型能夠在具體行業(yè)內復制推廣已經非常不容易，更別想一口吃下幾個甚至幾十個行業(yè)。

產業(yè)智能化，優(yōu)先級永遠是產業(yè)大于智能化。

不提硬件和工程化，約等于瞎耽誤功夫

很多做數字化、智能化的企業(yè)，在看了客戶環(huán)境之后會奇怪這么一件事：客戶花了大錢買回來的東西，其實就是很簡單的軟件封在一個盒子里，然后按照行業(yè)要求做了點按鈕、UI之類的東西。甚至這些軟件很多都是國外很古早的開源軟件進行再封裝，技術上早就落后了。這時他們會感嘆，行業(yè)客戶的錢可真好騙啊。

可是問題來了，如果我們換個角度思考這個問題，要是沒有這層封裝，企業(yè)要怎么用呢？難道一家工廠、一座礦山、一片林場，要招來和培養(yǎng)一大堆云計算、AI算法層面的人才？而且要讓這些數字化人才指導整個企業(yè)的生產、運營和銷售？這顯然是不靠譜的。

所以，一個有點反常識的事實是，相比于天花亂墜的先進技術，行業(yè)用戶往往更在乎那層“殼”。那層殼就說硬件化和工程化，是將技術能力按照最終的使用需求進行封裝、管理和維護。雖然最后組裝出來的東西可能很難用，可能不先進，但對于行業(yè)用戶來說，有的用，員工能學會，才是智能化的最重要條件。

在討論行業(yè)大模型時，今天也經常會陷入這個誤區(qū)。從業(yè)者往往過分關注算法層的領先性、國際性，跟參數規(guī)模和測試紀錄較勁，把目光聚焦在軟件上。但行業(yè)需要大模型做的，是跟此前的數字系統(tǒng)較勁，跟使用成本較勁，跟操作門檻較勁。這就需要大模型考慮硬件環(huán)境、網絡環(huán)境、存算資源、操作系統(tǒng)，甚至考慮部署環(huán)境的電力供應、濕度、溫度。

產業(yè)大模型要做的第二件事，是必須兼顧硬件適配和工程化問題。

大模型能否落地，都在說要找準場景。但什么是場景？最后能起作用的那個地方才叫場景。

絕大部分企業(yè)，都不是IT為導向。甚至大部分企業(yè)根本無法派專人去仔細了解什么是大模型。這個事情在漫長的時間里都無法改變。

山不會過來看你，所以你要去看山。

很多人把大模型比作一座金礦，那么訓練大模型僅僅是挖到金礦，通過工程化方法，講大模型融入到行業(yè)已有的數字化基礎設施，才是把金礦運出山。

專家下工廠，終究要不得

很多AI廠商無論是在給客戶講故事，還是面向公眾做傳播，總是會提起這么一段：你們不要擔心，我們有專家有博士后扎根行業(yè)。下工廠，下農田，一駐守就是幾個月。

如果你是大模型的潛在行業(yè)用戶，那么這個故事聽聽就算了。專家駐廠確實是真的，但那個廠極大概率不是你的廠。

事實上，AI專家親臨產業(yè)一線，是縮短行業(yè)需求與大模型供給之間的有效路徑。這也是一個產業(yè)智能化必經的發(fā)展過程。

但這個過程必然也只能是暫時性的，不可能長久。試想一下，如今大模型正在風口浪尖，專家們都是什么身價？一個專家組入駐現(xiàn)場，就這個薪資成本哪家實體企業(yè)能撐得??？

AI企業(yè)所宣稱的專家駐廠，其實是在做案例、做測試。一般都是和行業(yè)內的頭部客戶合作，廠商愿意以虧損為代價把模型跑通，觀察有哪些具體問題。

專家可以下廠，但專家肯定不能經年累月駐守一家又一家工廠。這是AI廠商進入某行業(yè)時的標準動作，但往往會有意無意被理解為一個常規(guī)動作，可真要只能依賴專家下廠來推廣大模型，那么AI永遠也無法落地，因為這個成本誰也承受不起。

產業(yè)大模型要做的第三件事，是技術具有行業(yè)內的低門檻可復制性，不能大量依賴人工進行訂制化合作。

尤其需要注意的是，目前階段大中型企業(yè)在智能化上的投資愈發(fā)謹慎，試錯成本不能過高。實驗性與不確定性太強的大模型落地方案，在目前階段已經很難得到大客戶認同，更遑論成千上萬的中小客戶，更是不可能依賴重人工投入的方式來推動。

總結一下，產業(yè)大模型目前階段的落地挑戰(zhàn)有三點：

1.AI廠商總把大模型想象為萬金油，但行業(yè)需要的是理解和專注。

2.AI廠商總是關注算法創(chuàng)新，但行業(yè)需要的是工程化和可操作。

3.AI廠商大量宣傳依靠人才能力跑通的個案，但行業(yè)需要的是低成本和可復制。

大模型落地產業(yè)，正是旭日東升時，但也要有意識去清掃一些積雪，而回到用戶界面，往往就能找到更多問題的答案。

生成海報

免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。