692
自2022年底以來，隨著ChatGPT橫空出世并迭代升級，全球各國、各行各業(yè)面對AI大模型似乎都FOMO了（Fear of Missing Out，錯失恐懼癥），動作頻頻生怕錯失機遇。然而迄今為止，在轟轟烈烈的“煉大模型”過程中，除了英偉達賺得盆滿缽滿外，其他玩家都還沒找到穩(wěn)定且持續(xù)的商業(yè)模式。相反，隨著參數規(guī)模的日益膨脹，模型訓練的算力開支越來越高，大投入卻看不到產出的情況下，新的“焦慮癥”又蔓延開來。
在大模型“軍備競賽”最激烈的美國，資本市場近乎進入“癲狂”狀態(tài)。
這兩年來，美股市場只要跟AI相關的股票都漲瘋了。蘋果一個AI進展發(fā)布會，隔天市值就上漲2142億美元；以微軟為首的美股“Big 7”的市值，更是達到史無前例的14萬億，占據標普500的32%，紙面市值與實際價值倒掛，“癲狂”程度史無前例。投行分析師們開始焦慮一個比互聯網泡沫更大的AI泡沫即將到來。
在中國互聯網圈，巨頭們焦慮與美國的差距的同時，開始不斷壓低每Token的價格，提前開啟簡單粗暴的價格戰(zhàn)。其中，字節(jié)跳動豆包大模型將通用模型pro-128k版的推理輸入價格定在0.005元/千tokens，較行業(yè)銳降95.8%；阿里通義千問將主力模型Qwen-Long的API輸入價格降至0.0005元/千Tokens，直降97%；百度甚至宣布將文心大模型的兩款主力模型ENIRE Speed和ENIRE Lite全面免費。
一方面是AGI的崇高理想，另一邊是ROI的殘酷現實，面對AI大模型這班開往未來的列車，不“上車”不行，“上車”后找不到好位置、堅持不到終點也不行，到底該何去何從？在中國政企行業(yè)，一群富有遠見的先行者將通用大模型與特定行業(yè)的專業(yè)知識相結合，打造屬于自己的專屬大模型，以加速行業(yè)AI應用落地，真正兌現大模型的價值，為業(yè)界走出AI大模型“焦慮癥”找到了“最優(yōu)解”！
中國大模型擺脫“焦慮癥”，破局之路在行業(yè)
從全球“大模型之爭”開啟之初，“中美在AI領域差距有多大”就一直都是公眾關注的熱點議題，從1～2年到8～10年不等。必須承認，我國在算力、算法和數據領域其實并不具備優(yōu)勢：高端算力卡被英偉達卡脖子無法供應，短時間內自有制程和設計又無法跟上；算法領域，雖然模型數量眾多，但大多數是基于國外開源架構優(yōu)化，缺乏自主性和領先性；數據領域，我們的開放數據和國外不在一個數量級上，中文語料嚴重不足。這些差距是短期內難以抹平的，這時候，縮短差距的正確打開方式，自然不是以己之短博人之長。
從另一個角度看，我國有全球唯一的全工業(yè)門類、最多的金融消費人群以及最大規(guī)模的政務和城市體系，產生了豐富的場景和私有數據，這些都成為發(fā)展行業(yè)大模型的天然土壤。因此，比拼應用成為中國大模型破局的一條有效路徑，通過大模型賦能一個個行業(yè)細分場景，最終形成戰(zhàn)略突圍。
以差異化優(yōu)勢入局，可以預見，今天率先擁抱大模型的行業(yè)企業(yè)和組織，面對的將是一個劃時代的重大戰(zhàn)略機遇。
政企行業(yè)大模型挑戰(zhàn)重重，工程化能力是“勝負手”
當然，站在新時代的起點，政企行業(yè)打造大模型，依然是挑戰(zhàn)重重，因為大模型的應用本身就是一個復雜的系統(tǒng)工程，除了單點技術的持續(xù)突破外，更需要基于場景和需求匹配合適的技術，通過全鏈路、多技術融合的系統(tǒng)性創(chuàng)新整體推進。
首先，大模型不是孤立的技術，必須重視軟硬件基礎設施的協同發(fā)展。除了大模型本身，我們還需要關注其背后的技術生態(tài)系統(tǒng)，包括開發(fā)工具、計算架構以及硬件設施如算力、存儲和網絡。在設計和驗證過程中，必須考慮性能、可靠性、可維護性和兼容性，確保系統(tǒng)的高效和穩(wěn)定運行。
第二，行業(yè)大模型需要AI-Native的基礎設施。一般企業(yè)可以直接選擇公有云享受云上的充沛算力，但對于政府、金融、電力等大型政企而言，為了滿足安全合規(guī)要求，混合云才是更優(yōu)選，即先借公有云的超大算力和數據訓練基礎大模型，再在私有云里結合私有數據二次訓練得到企業(yè)專屬大模型，最后在邊緣云推理實現場景化應用。
第三，大模型需要建立AI開發(fā)工作流，促進模型確定性交付。大模型的開發(fā)是一個復雜的系統(tǒng)工程，需要跨團隊協作和迭代開發(fā)。為了提高開發(fā)效率和質量，需要建立一站式的AI開發(fā)工作流，實現標準化和自動化，減少開發(fā)過程中的不確定性。
第四，大模型需要重視數據工程，打造優(yōu)質數據集。高質量的數據是大模型成功的關鍵。目前中文數據集與英文存在差距，需要通過建立數據工程能力，優(yōu)化數據的供應、流動和使用，為大模型高質量供數。
第五，行業(yè)大模型不適合孤軍作戰(zhàn)，需要著力培育產業(yè)生態(tài)。生態(tài)是發(fā)展大模型不可或缺的一環(huán)，這需要政府和行業(yè)頭部企業(yè)從技術生態(tài)、數據生態(tài)、模型生態(tài)和應用生態(tài)四個層面，去構建AI時代開放、可閉環(huán)、有質量的生態(tài)體系。
最后，大模型不是一錘子買賣，需要持續(xù)運營與優(yōu)化。大模型運營和建設同樣重要，持續(xù)的運營和優(yōu)化對于大模型平臺的長期價值至關重要，這要求企業(yè)建立適合的流程、組織結構和人才隊伍，不斷優(yōu)化現有場景并探索新的應用領域。一言以蔽之，行業(yè)大模型考驗的不是單項能力，而是全流程融會貫通的工程化能力。
先行者邁出堅實步伐，行業(yè)大模型未來可期
綜上不難看出，盡管當前大模型在技術和價格上卷得如火如荼，但其兌現價值的“主航道”在行業(yè)，真正的賽點在于落地。在行業(yè)大模型的大賽道上，不盲目追求堆算力、堆參數量，而是聚焦技術與場景的深度融合，踏踏實實積累工程化能力，幫助行業(yè)大模型落地才是關鍵。從這個層面講，AI for industries的華為云與政企行業(yè)先行者的聯合創(chuàng)新實踐，可謂走在了正確的道路上。
去年，華為云就率先發(fā)布業(yè)界首個大模型混合云華為云Stack。在近期的華為開發(fā)者大會上，華為云更進一步發(fā)布大模型混合云十大創(chuàng)新技術，包括多樣性算力調度、算子加速、云邊協同等等。既有根技術研發(fā)實力，又有業(yè)界最全的AI大模型全套工具鏈和軟硬件產品，華為云Stack一套組合拳下來，行業(yè)大模型的焦慮也被治好了大半。
比如，從2022年開始，山東能源集團攜手華為云基于混合云打造全球首個礦山大模型，已在煤礦領域9個專業(yè)40多個場景應用實踐。今年1月，鄂爾多斯與華為聯合打造內蒙古首個以行業(yè)AI大模型為核心的工業(yè)互聯網平臺，在煤礦領域提升、主運、安監(jiān)、防沖、采煤、掘進、輔運、洗選、焦化等9個專業(yè)實現了26個場景智能化，達到可視、可管、可溯規(guī)范化作業(yè)，提升安全生產能力的同時有效提高了生產效率和效益。
更值得注意的是，先行政企的行業(yè)大模型不僅是自建自用，更是在牽頭打造示范場景并沉淀經驗，對外輸出向行業(yè)賦能。比如，鄂爾多斯工業(yè)互聯網平臺目前已完成44個AI大模型應用開發(fā)，上架270多款商品，為28家AI企業(yè)、16家礦鴻企業(yè)共44家應用開發(fā)者以及當地300多家礦山生產企業(yè)提供了開放可靠的交易平臺。
展望未來，相信在華為云及產業(yè)上下游各方的共同努力下，依托我國場景豐富的優(yōu)勢，大模型必將能夠打開更廣闊的行業(yè)智能化天地，加速邁向智能世界，釋放更大的經濟和社會效益！
下載ECAD模型
