百“模”大战依然火热，以ChatGPT为代表的AI大模型是2023届世界人工智能大会的焦点。大模型的出现，人类走向智能交互时代，模型即服务生态呼之欲出。
不过，与之前不同的是，在本届大会上，专家们更多谈论起了行业大模型的重要性。
所谓行业大模型，可以理解为大模型中的“专才”，在记者采访过程中，多位受访者将通用大模型比作经过通识训练的本科生，而将行业大模型比作经过专业训练的研究生或职业从业者，垂直领域应用将成为大模型的主战场。
业内普遍认为，相较通用大模型，面向具体的B端的大模型更能发挥其价值，也更容易找到其商业模式。
聚焦垂直行业
面对充满不确定性的“新常态”，大量企业正重新审视业务战略，加大技术投资，从而增强运营韧性。近年来，以人工智能为代表的新兴技术的落地应用得到了更为广泛的探索。
IDC指出，2021年至少有65%的中国1000强企业正利用自然语言处理、机器学习和深度学习等人工智能工具，赋能60%在客户体验、安全、运营管理和采购等业务领域的应用；2022年，60%的中国1000强企业正在所有关键业务职能中扩大使用机器学习。
埃森哲与Frontier Economics预测，到2035年，人工智能可让企业的盈利能力平均提高38%。
眼下ChatGPT的爆火和大模型的趋势为传统人工智能的落地带来了更多可能性。埃森哲有限公司董事总经理袁虹在接受21世纪经济报道记者采访时表示，从前的人工智能为企业提供描述、诊断、预测、决策建议等，需要人与机器的紧密合作，今天的深层次人工智能在特定的场景下，人和机器形成信任之后，以上过程都可以由机器自动运行。
另一方面，大模型生成式的特性也促使一些行业结构发生改变。OpenAI研究显示，80%的岗位至少有10%的工作会被ChatGPT影响，19%的劳动者有一半的工作内容可以由ChatGPT更高效完成。如智能客服、健康咨询、语言翻译等已经成为了其主要应用场景。
但与此同时，大模型体现出来的能力似乎仍未满足人们对其的高期待。“现在大家渐渐意识到大模型本身还是有很多的缺陷的，还很难说真正的在每个岗位上面立刻就能发挥作用。”达观数据董事长兼首席执行官陈运文向21世纪经济报道记者表示，“还是需要和各行各业的知识相结合才能发挥作用。”
通用大模型之争方兴未艾，产业大模型异军突起，业内普遍认为，相较于C端尚不确定的商业模式，B端市场是AI大模型落地相对较短的路径。
星环科技创始人、CEO孙元浩在大会上表示，未来在金融、政府、能源、交通等每一个行业与领域，都会诞生领域或者行业的大模型，这些大模型具有专家的能力，可以在上面构造复杂的应用。
在特定领域，行业大模型将会成为发展的主流。比如金融行业，会出现金融量化大模型，为基金经理投资提供决策辅助支持；在传统行业比如冶金领域，基于大模型驱动的控制技术应用将得到快速发展等。
这从近期市场的动向也可以看出一二。6月19日，腾讯首次披露行业大模型进展，不同于百度智能云和阿里云推出的大模型产品，腾讯着重强调了“行业大模型”。腾讯副总裁、腾讯政企业务总裁李强在大会论坛上表示，通用大模型不是模型应用的唯一方向，面向垂直产业的模型会成为大模型价值的引爆点。
京东集团副总裁、京东探索研究院院长、京东科技智能服务与产品部总裁何晓冬也在论坛中强调了大模型走向产业和行业，他透露，京东很快将发布千亿级的大模型，进一步聚焦行业应用，在零售、物流、政务、金融等行业，引入更多的行业知识。
大会期间，达观数据的“曹植”大模型正式对外公测，该模型也聚焦垂直领域，专注于长文本、多语言、垂直化，可完成专业领域的文案创作。
“大模型未来的发展关键要与垂直行业相结合。只是做一个泛泛的通用的大模型，那这样的产品同质化会非常严重。”陈运文提到，大模型未来在企业的落地形态一定是大模型和多个企业垂直小规模的组合。
落地有何困难？
在行业大模型落地和发展中，不仅需要长期积累高质量的数据、经验、流程和知识，利用行业积累对领域模型调优，利用业务反馈持续提升大模型，而且需要拥有基础领域模型、基础开发软件、基础工具软件，以保证行业领域大模型的持续提升。
由于大模型反馈的结果是基于对训练语料的学习而产生的答案，因此行业大模型在具体的落地过程中，需要学习大量行业的专精语料和经验知识，才能确保返回结果的精准性和专业度。
孙元浩向21世纪经济报道记者表示，这其中重要的一点是需要有高质量的数据集，把专家经验凝练出来，且不能有错误，“大模型是一个概率模型，如果有错误信息进去，有可能污染整个知识库，那就会出问题。”
陈运文也提到，专业领域对大模型的要求更加苛刻，数据要精确，事实要清楚，这需要知识图谱和专业的数据等去约束和规范它。
此外，在大模型应用的实际业务工作中，也会因为新发布的政策法规、新发生的行业重大事件以及最新的生产经营情况变化等，需要做出快速响应。相应地，基于历史语料和经验知识训练的领域大模型要想对瞬息万变的经营环境做出及时的策略调整和反馈，就需要不断通过新增训练语料和实时信息来进行反馈结果的调优。
大模型提出了一种新的人机交互范式，但“一招鲜吃遍天”的大一统解决方案较难实现，围绕大模型在完成对已有业务的增值和创新中，需要使用向量数据库、图数据库、知识图谱、大模型编排和构建工具等，弥补大模型本身的实时性、幻觉缺陷或者长输入难题，组合、串联、增强各业务零散方案，统一到大模型的交互范式中去。
孙元浩认为，在现有数字化和智能化转型中，我国应该构建供应链安全的、自主可控的、丰富的、可信的大模型生态，并直接对业务的增强、融合、创新做出价值贡献。
从企业端来看，真正落地或需要更长的时间。埃森哲在2021年开展的企业运营成熟度调研发现，只有6%的中国企业正在规模化应用人工智能。IDC指出，2021年72%的中国企业仍在人工智能单点试验或局部落地的阶段踌躇不前，并未持续深入地部署企业智能化转型。
尤其对于大模型这样的新兴技术，企业多多少少会存在一些顾虑。袁虹向21世纪经济报道记者透露，他们的客户对大模型技术都十分关心，但同时又担心数据安全的问题。
“大模型本身会用到很多基础模型，都是基于一些公共的数据去训练出来的，当企业要去用这些模型的时候，会担心企业的一些数据被随意泄露，这个过程中会涉及数据隐私、数据保护、甚至知识产权等方面的问题。”袁虹表示。
另一方面，成本的考量也是重要的一环。何晓东向21世纪经济报道记者表示，在部署一些传统行业的时候会遇到一些困难，他们在乎部署的成本和应用的成本，往往期待一个不需要太通用，但对特定行业理解较深的模型。
“怎么样把这个模型可以做成可私有化部署，硬件规格更低一点，我们确实必须要把控。”何晓东表示。
而变革性的技术融入企业，必然带来组织流程上的巨大变化，企业自身的适应能力也决定了AI技术可以在多大程度上发挥作用。
“组织的调整的速度是远远低于技术的发展速度的，不仅是大模型，以前的AI时代也是一样。”袁虹表示。在大模型时代，企业想要拥抱新兴技术，不仅需要管理层对AI战略的认同，更需要企业自身能够在面对大模型对传统流程的颠覆时及时做出相应调整。
