圖片來源：由無界AI生成
來源：賽智時代
自2022年11月ChatGPT公開發布以來，AI大模型迅速成為了市場上的熱點，並逐漸深入應用於各行業領域，如Open-AI的GPT-3、華為雲的盤古NLP、百度的文心大模型不僅在自然語言處理、計算機視覺、智能語音等領域取得了標誌性的技術突破，在模型精度、通用性和泛化能力等方面也實現了跨越式發展，並在金融、醫療、能源等領域實現了多場景應用落地，提升了效率、降低了成本、創造了價值。
一、國內外行業大模型發展模式
（一）國外行業大模型發展模式
根據中國電信研究院研究，目前，國外行業大模型發展模式主要有三種，且以前兩種發展模式為主。
一是“龍頭大模型+原業務”。如微軟利用GPT賦能Office之類的傳統業務。這種模式的優勢在於可以利用大模型的強大語言能力，提升原有業務的智能化水平，同時也可以藉助原有業務的數據和用戶資源，增強大模型的應用相關性和準確性。
二是“龍頭大模型+外部數據”。一般是中小型公司採用這種方式，這種模式的優勢不僅可以利用大模型的先進技術，同時與行業結合緊密，增強行業相關性和準確性。
三是“開源大模型+垂直行業數據搭建行業大模型”。這種模式的優勢在於可以充分利用自有數據，打造出更為精準的行業大模型，同時也可以藉鑑開源大模型的技術和經驗，提升訓練效率和效果。
總體來看，國外通用大模型能力強，且“龍頭效應”明顯，能直接滿足多行業需求。據不完全統計，截至2023年5月，國外共有138個AI應用落地案例，主要中心化在傳媒、遊戲、辦公、醫藥等領域。
（二）國內行業大模型發展模式
目前，國內行業大模型發展模式主要有兩種，一種是“自有通用大模型+外部行業數據”，另一種是“自有或其他開源大模型+自有行業數據”。
“自有通用大模型+外部行業數據”主要是自有通用大模型的企業以主模型衍生多個行業大模型，如百度基於“文心”拓展了金融、醫療、傳媒等行業大模型。這種模式的優勢在於可以利用通用大模型的強大語言能力，快速適應不同行業的需求，同時也可以藉助外部數據源，增強行業相關性和準確性。
“自有或其他開源大模型+自有行業數據”，如深睿醫療基於Transformer架構的圖像大模型自主研發了通用醫學影像理解模型DeepWise—CIRP Model。這種模式與國外第三種模式類似，可以充分利用自有數據，打造出更專業的行業大模型，同時也可以藉鑑其他開源大模型的技術和經驗，提升訓練效率和效果。
儘管國內通用大模型能力尚有欠缺，但行業大模型可彌補差距，成為大模型產業落地的加速器。據不完全統計，截至2023年7月底，國內10億參數以上的各類行業大模型，已達113個。
二、大模型在主要行業的具體應用
（一）金融行業
金融行業是大模型重要應用領域，主要將大模型應用於客服、銀行、保險等細分領域，實現了風控、效率等方面的提升。
一是智能投資。大模型在投資領域可以用來分析大量的歷史數據和實時行情，幫助投資者作出決策，並綜合盈利概率、個股走勢、個股風險、行業風險、政策走向等多種因素，動態調整權限配比，得出對個股的評分。
二是提升聲譽風險管理和應對能力。預訓練大模型可以幫助金融機構降低聲譽風險，企業可以使用預訓練大模型對客戶的投訴、社交媒體上的反饋、以及其他渠道中的文本數據進行情感分析和主題分類，快速了解客戶的需求和反饋，增強客戶信任感，提高品牌價值。
三是提高監管合規風險管理水平。預訓練大模型可以審查大量數據文件，並確保它們的有效性和準確性符合政府和行業有關規定。在內部合規方面，預訓練大模型可以記錄、監測和分析員工電話記錄、電子郵件流量、作息時間卡等信息，識別和提醒內部人員潛在風險和不當行為，有助於金融機構實現合規監管風險管理的目標。
四是反詐騙。金融反欺詐模型是通過數據採集手段，對風險行為或可疑行為監測與分析，根據不同風險事件或可疑行為的風險計量標準和規則模型，分別實施預警或乾預等措施，從而有效減少金融欺詐的發生。
百度基於文心通用大模型，打造了金融行業大模型“文心金融”，為金融行業提供了智能問答、智能寫作、智能摘要等多項能力。 “文心金融”可以根據用戶提出的問題，從海量的金融知識庫中檢索或生成答案，實現高效準確的智能問答服務；“文心金融”還可以根據用戶的需求，自動生成金融相關的文章、報告。
（二）醫療行業
醫療行業是大模型應用創新的重要領域。醫療行業對大模型的精度、可靠性以及學習理解能力有著極高的要求。醫療行業主要將大模型應用於藥物研發、健康管理、輔助診斷、互聯網問診等場景，實現了醫療質量、醫療效率、醫療覆蓋等方面的提升。
一是醫學影像領域。大模型技術可以幫助醫生快速、準確地識別出疾病的影像特徵，提高診斷準確率和效率。大模型技術可還以對患者的X光、CT、MRI等影像進行快速、準確的分析，幫助醫生快速確定病情，提高了診斷效率和準確率。
二是疾病預測領域。大模型技術可以通過分析患者的基因、病史等數據，預測患者的疾病風險，提前進行預防和乾預，降低患病率和死亡率。
三是診斷輔助。通過大模型可以對醫學影像進行快速、準確的分析，為醫生提供更精準的診斷結果。例如，在乳腺癌篩查中，大模型可以幫助醫生快速識別出可疑的乳腺結節，提高篩查效率和準確率。
四是智能醫療機器人。大模型可以幫助醫療機器人更好地與患者進行交互，提供更好的醫療服務。例如，在手術室中，智能醫療機器人可以幫助醫生進行手術操作，提高手術效率和安全性。
五是醫療知識圖譜。大模型可以幫助構建醫療知識圖譜，為醫生提供更全面、更精準的醫療知識和信息。例如，在醫生診斷時，醫療知識圖譜可以幫助醫生快速查找相關疾病的診斷標準、治療方案等信息，提高診斷準確率和效率。
華為雲基於盤古NLP系列大模型，打造了醫療大模型“盤古醫療”。 “盤古醫療”可以根據給定的靶點或適應症，從海量的Compound庫中篩選出候選藥物，並預測其活性和毒性，實現高效準確的藥物發現服務。 “盤古醫療”還可以根據給定的藥物或疾病，從海量的臨床試驗數據中提取出有效信息，並生成規範的臨床試驗報告，實現高質量、高效率的臨床試驗服務。
（三）能源行業
能源行業大模型的應用場景非常廣泛，可以極大地提高各個環節的效率。例如在組織管理方面，可以幫助企業提高管理效率；在市場營銷方面，可以更好掌握市場需求，提高營銷效率。
一是預測能源需求。可以通過分析大量的能源數據，預測未來的能源需求和價格，提供投資建議和決策支持。
二是智能故障判斷。大模型可以利用先進技術，對目前系統的故障可以進行自動檢測、識別。特別是對於一些潛在的隱患，可以提前發現，避免更大的損失。
三是政策解讀。能源行業大模型可以對目前能源環保行業的規則進行分析解讀，對於企業遵守相關規定提供參考，避免不必要的損失。
清博智能公司的“先問大模型”是一種先進的技術解決方案，能夠實現生產、管理、運營等環節的無縫連接和數據集成。
三、國內大模型行業應用發展趨勢
大模型的成功必須依託於應用、場景、商業模式。大模型已觸發三大革命性變化：
一是推動弱人工智能向通用人工智能（AGI）躍升；
二是推動生產力從算力向機器智力躍升；
三是推動數字社會向智能社會躍升。在產業互聯網中的落地才是大模型的真正“主戰場”，但需要化解私有化部署、數據安全、價值觀對齊和業務系統緊密集成及性價比等挑戰。
如在工業應用領域，現階段工業領域大模型與小模型相輔相成，未來大模型可能會替代高度定制化的小模型，由於工業場景複雜、環境複雜、工藝複雜，現階段主要以單模態模型服務為主，導致工業AI大模型開發難度大、數量少，我們認為AI大模型在工業製造業領域全面應用落地相對緩慢，但是單一垂直大模型遷移性較高。
隨著工業AI視覺平台、AI攝像頭等數據增持，機器視覺模型訓練能力的門檻大大降低，工業AI質檢和巡檢已經應用在3C電子、汽車及零部件、消費品和原材料等諸多應用場景。
總體來講，國內大模型的發展，將呈現基礎大模型“剩者為王”、更關注過程、高質量數據成關鍵要素、行業大模型是行業應用落地重點、大模型要構建全棧國產化能力五大趨勢。
一是基礎大模型競爭“勝者為王”。也即大模型會逐步從數量發展到拼效率，而如何把大模型做小也將成為未來發展的重要方向。
二是高質量數據是製勝關鍵。在行業大模型研發中可以認識到，擁有高質量的數據才是大模型價值躍遷的製勝法寶。
三是關注行業落地。因為基礎大模型沒有辦法解決行業專用問題，行業大模型才是幫助解決行業實際問題的重要手段。
四是從更關注過程。在大模型應用中也更關注技術安全，以及價值觀倫理等方面。
五是自主可控。在大國博弈背景下，中國大模型要有構建全棧國產化的能力。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載