火了半年的ChatGPT似乎迎来冷静期。近日，网络分析公司Similarweb发布数据称，ChatGPT 6月份的全球访问量环比降幅9.7%，独立访客数量环比下滑了5.7%，为2022年11月推出以来首次。其中，美国的访问量在6月环比下滑了10.3%。

【资料图】

但C端流量的降温并不影响AI大模型在行业端的持续火爆，在为期3天的世界人工智能大会（WAIC 2023）上，30余个大模型团队轮番亮相，各类生成式AI产品体验区被专业观众“挤爆”，通用大模型如何做到安全可靠、行业大模型如何成熟落地则成为论坛中热议的两大焦点话题。

行业大模型风头正起

大模型并没有明确定义，AI专家在研究报告中将其命名为Foundation Models，可以翻译为基础模型或者是基石模型，指容量较大、用于深度学习任务的模型，具有海量的参数和复杂的架构，一般过亿参数的模型会被认为是一个大模型，而超过10亿或100亿个参数的模型将被认为是巨型模型。

今年以来，ChatGPT赚足了眼球，但仍难避免生成错误信息及观点、“一本正经胡说八道”等问题。在7月6日-7月8日举行的世界人工智能大会（WAIC 2023）期间，如何提升准确性是学术研讨的重点方向之一，同时行业大模型成为数十场论坛中热议的话题，业内普遍认为，从调侃娱乐走向行业应用是人工智能大模型发展进程中的关键一步。

“行业大模型”因为根据企业的具体需求和数据特点，对模型进行一定的调整和优化，因此在落地上可以提高模型在特定领域的性能和适应性。

7月6日，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在大会全体会议-产业发展论坛上表示，通用大模型有很强的能力，但并不能解决很多企业的具体问题。企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。基于行业大模型，构建自己的专属模型，也许是企业更优的选项。

“通用大模型可以在100个场景中，解决70%-80%的问题，但未必能100%满足企业某个场景的需求。”汤道生表示，通用大模型一般是基于广泛的公开文献与网络信息来训练的，许多专业知识与行业数据积累不足，导致回答的行业针对性与精准度不够。但用户对企业提供的专业服务，要求高、容错性低，企业一旦向公众提供了错误信息，可能引起严重后果。

他表示，企业如果基于行业大模型，再加上自身数据进行精调，可以建构专属模型，打造出高可用的智能服务。而且模型参数比通用大模型少，训练和推理的成本更低，模型优化也更容易。

澜舟科技创始人兼CEO周明同样认为，大模型带来了认知智能技术的跨越式发展，但做大模型不能沉迷于让它讲段子，然后在网上分享、娱乐大众，而是要服务千行百业。“通用模型就相当于高中毕业生，行业模型相当于大学毕业，能够解决专用场景的模型相当于研究生毕业，它得一层一层地搭，只有加入行业场景的知识图谱后才能输出更严谨的内容。”

中国工程院院士、清华大学讲席教授、智能产业研究院（AIR）院长张亚勤在2023世界人工智能大会期间的论坛中，也强调了行业垂直模型的重要性。张亚勤表示在实际应用中，虽然大模型很重要，但需要根据不同的行业和场景，开发相应的垂直精准模型。例如在无人驾驶领域，需要低延时、高安全性的精准模型，并不需要擅长作诗作画的模型。在生物领域，需要专注于研发能够处理蛋白质结构等生物语言的模型，而不是包含互联网上其他冗余信息的模型。只有这样才能提高模型的效率和准确性，满足用户的需求和期望。

企业如何探索大模型应用？

以行业模型服务千行百业成为各大互联网和人工智能企业布局大模型的主流路径，行业大模型该如何应用？又面临哪些使用门槛？

在中国互联网投资基金管理有限公司总经理李筱强看来，以大模型为代表的AI技术迭代主要带来三方面的商业价值与产业形态变化，大模型赋能千行百业降本增效，带动算力量级提升，以及带来智能终端形态变化。短期内，在经济面临较大增长压力的背景下，企业最关注的当属降本增效。

事实上，今年以来，金融机构对行业大模型的应用普遍热情高涨。国内外已有不少金融机构开始将大模型技术应用到业务场景中。如摩根士丹利已经开始采用 GPT-4 来管理其庞大的内部知识库，涵盖投资策略、市场研究以及分析师见解等海量知识，这些知识信息分布在许多内部网站上，主要以PDF形式呈现，需要顾问们浏览大量网页才能找到特定问题的答案。现在财富管理人员可以通过一个面向内部的聊天机器人进行全面搜索，大大提升工作效率。

值得关注的是，行业大模型的搭建需要数据驱动、算力和算法支撑。无论是头部机构长线布局、重金押注AI，还是中小机构强调应用价值，最终考量都回归到应用产出和投入成本之间的性价比。

国家金融与发展实验室副主任、金融科技50人论坛学术委员杨涛近日撰文指出，虽然金融机构对于生成式AI大模型的长远意义都高度重视，但短期内的实际需求仍具有差异性。具体看，大型银行的资源与实力较强，通常希望提前进行大模型布局，为AI的长期应用做好算力准备。就中型银行而言，有的试图推动数字中台升级，实现更好的自动化与智能化，强化各信息系统的一体化、集成化水平，提升数字内容管理和运营能力；有的则期望生成式AI给业务带来突破性应用，真正提升机构的创新力与盈利能力。对小型银行来看，由于缺乏足够的资源支撑，则更多是希望通过与技术企业的合作，来为数字化转型奠定更好的基础设施“底座”。

而这些，都是大模型技术实际使用者，留给市场的课题及机会。

MaaS服务推动模型应用落地

本届世界人工智能大会期间，腾讯研究院、同济大学、腾讯云共同发布了《人机共生——大模型时代的AI十大趋势报告》，报告显示，在AI助力产业发展方面，MaaS服务和垂直领域应用将是大模型时代AI发展的重要趋势，通过建设可控、可用的安全生态，推动模型的落地和应用，AI技术将为各行业带来更多的机遇和挑战。

MaaS（Model as a Service，模型即服务）是一种新型AI商业模式，通过提供API接口给企业调用，它降低了使用门槛，并大幅提高了模型的使用效率。

回顾今年各大互联网公司在发布AI大模型时， MaaS被普遍提及，俨然成为继SaaS（Software as a Service）、IaaS（Infrastructure as a Service）、PaaS（platform as a service）等概念之后的又一个热门话题。今年以来，腾讯、阿里、百度等已经相继推出了MaaS服务。

在大模型的竞争中，腾讯同样选择优先布局MaaS。6月19日腾讯云首次公布行业大模型研发进展，依托腾讯云TI平台打造行业大模型精选商店，为客户提供MaaS（Model-as-a-Service）一站式服务，助力客户构建专属大模型及智能应用。目前，腾讯云已经为传媒、文旅、政务、金融等10余个行业提供了超过50个大模型行业解决方案。

在本次世界人工智能大会上，腾讯云再次公布了多项升级。其中，在技术底座领域，自研星脉高性能计算网络、向量数据库可为大模型的行业应用提供更充沛的算力基础设施。

在数字人领域，今年腾讯云推出了小样本数智人工厂，仅需少量数据、24小时内即可复刻2D数字分身，让企业应用数智人服务成本大大降低。现在，依托AI生成算法，数智人3D形象的复刻速度得到大幅提升，通过生成式动作驱动，结合行业大模型能力，可让企业获得更“个性化、专业、自然逼真”的数智员工，让“面对面”专业服务成为可能。

文/马宁宁

编辑/刘苗

*资讯

关键词：