■賈麗

    當下，人工智能大模型正從通用走向垂直，成為驅動產業(yè)變革的核心引擎。這一轉變已從實驗室走向實際應用場景——垂直大模型正在生產線、服務柜臺等諸多產業(yè)的方方面面落地生根。

    加快垂直大模型的創(chuàng)新突破與深度應用，既是推動我國產業(yè)邁向智能化、高端化的關鍵抓手，也是在全球人工智能競爭格局中搶占戰(zhàn)略制高點的重要突破口。然而，大模型落地之路并非坦途，如何讓技術深度融入產業(yè)“肌理”，筆者認為，行業(yè)各方仍需破解三大難題。

    其一，增加“基礎燃料”高質量供給。數(shù)據(jù)是AI應用的基礎燃料。當前，我國高質量垂類數(shù)據(jù)的供給仍然不足。如中文垂類數(shù)據(jù)在全球數(shù)據(jù)訓練集占比不高，行業(yè)私有數(shù)據(jù)開放度低，部分模型出現(xiàn)“營養(yǎng)不良”。但事實上，我國具有豐富的行業(yè)數(shù)據(jù)與應用場景，是發(fā)展垂直大模型的重要基礎。

    筆者認為，各地可聯(lián)合頭部企業(yè)、科研機構共建垂直領域數(shù)據(jù)共享平臺，通過“數(shù)據(jù)沙箱”實現(xiàn)合規(guī)流通，并增強垂直場景行業(yè)知識與模型適配能力。例如，上海“模速空間”通過政策優(yōu)先支持，已推動43個備案大模型落地，其“政企研”協(xié)同模式可復制推廣。從“模速空間”聚集400家企業(yè)形成完整產業(yè)鏈，到醫(yī)療、金融等領域涌現(xiàn)的細分場景應用，垂直大模型已展現(xiàn)出重塑行業(yè)生態(tài)的潛力。

    其二，推動精準化應用‌是AI轉化的重要引擎。參考金融大模型在風險預測中的實踐，以標準化倒逼技術實用化場景適配仍顯不足‌，部分應用難以創(chuàng)造應有價值。

    筆者認為，各地可加快建立行業(yè)專屬評估體系，明確準確性、安全性等硬指標，從而推動垂直大模型在細分應用領域精準落地。同時，行業(yè)以場景需求為牽引，摸索聯(lián)合研發(fā)模式，推動AI創(chuàng)新從“功能疊加”轉向“業(yè)務原生”，可以在行業(yè)痛點中培育真正具有變革性的應用生態(tài)。

    其三，垂直場景中，大量中小金融機構因受制于算力成本，仍依賴規(guī)則引擎而非AI模型。筆者認為，行業(yè)應當加快‌開發(fā)輕量化垂直專用模型‌，通過領域知識蒸餾和邊緣計算優(yōu)化，在保證性能的同時大幅降低部署成本。各地也可以根據(jù)自身優(yōu)勢產業(yè)，建設垂直大模型產業(yè)園，整合智算中心資源，為中小企業(yè)提供低成本算力服務。通過高校驗證、企業(yè)推廣等路徑，率先在農業(yè)、汽車等優(yōu)勢領域形成示范項目。

    垂直大模型的真正價值，在于以算力推動培育行業(yè)“新質生產力”，而唯有聚焦痛點、務實深耕，方能實現(xiàn)垂直大模型從單點突破到生態(tài)繁榮的跨越。