5月13日，騰訊研究院發(fā)布《向AI而行，共筑新質(zhì)生產(chǎn)力——行業(yè)大模型調(diào)研報告》（下文簡稱“報告”）。報告剖析了行業(yè)大模型發(fā)展、應(yīng)用、實現(xiàn)、治理與未來發(fā)展趨勢，旨在為業(yè)界提供囊括學術(shù)、商業(yè)、政策等不同視角的全面參考。

“人工智能大模型正在催生新一輪技術(shù)創(chuàng)新與產(chǎn)業(yè)變革，也將為工業(yè)、金融、廣電等行業(yè)數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展帶來新動能。當前市場以基礎(chǔ)大模型為主，通識能力強，但缺少行業(yè)專業(yè)知識。如何將大模型融入千行百業(yè)，是下一階段的發(fā)展重點。”中國工程院院士鄔賀銓在報告序言中提出。

報告提到，所謂“行業(yè)大模型”，指的是利用大模型技術(shù)，針對特定數(shù)據(jù)和任務(wù)進行訓練或優(yōu)化，形成具備專用知識與能力的大模型及應(yīng)用。與通用大模型相比，行業(yè)大模更專注于提高性價比、增強專業(yè)性并保障數(shù)據(jù)（特別是私有數(shù)據(jù)）的安全性。

OpenAI提出的“規(guī)模定律”（Scaling Law）驅(qū)動了大模型的快速發(fā)展，傳統(tǒng)AI模型參數(shù)量通常在數(shù)萬至數(shù)億之間，大模型的參數(shù)量則至少在億級，并已發(fā)展到過萬億級的規(guī)模。大模型帶來了AI性能突破，也激發(fā)業(yè)界向通用人工智能（AGI）領(lǐng)域進發(fā)的新熱潮。

不過，大模型存在專業(yè)性、泛化性和經(jīng)濟性“不可能三角”問題，導致目前行業(yè)實際落地應(yīng)用進程并不快。例如，GPT為代表的通用大模型以發(fā)展通識能力為主要目標，更側(cè)重泛化性，在專業(yè)性和經(jīng)濟性方面目前很難充分滿足具體行業(yè)的特定需求，因此需要行業(yè)大模型來針對性解決。

報告認為，目前行業(yè)大模型整體處于發(fā)展早期，尚未出現(xiàn)大規(guī)模成熟應(yīng)用的范例。報告中主要聚焦三個問題：一是行業(yè)大模型既有模型、也含應(yīng)用；二是行業(yè)大模型大多生長在通用大模型之上，基于通用大模型進行再開發(fā)；三是行業(yè)大模型具備定制特征，本質(zhì)是解決方案，而非產(chǎn)品。

在實際應(yīng)用方面，數(shù)字原生行業(yè)（如各類互聯(lián)網(wǎng)應(yīng)用）是行業(yè)大模型應(yīng)用的先行者，傳統(tǒng)行業(yè)中生產(chǎn)性服務(wù)業(yè)（廣告、金融等）進展相對快，而重資產(chǎn)行業(yè)（建筑、制造、能源等）進展相對慢。《報告》發(fā)現(xiàn)，其中有兩大核心影響因素是需求的適配度和數(shù)據(jù)的可得性，越高的行業(yè)進展越快。

報告還發(fā)現(xiàn)，行業(yè)大模型應(yīng)用場景的快慢呈現(xiàn)“微笑曲線”特征。在產(chǎn)業(yè)鏈高附加價值的兩端（研發(fā)、設(shè)計和營銷、服務(wù)），大模型應(yīng)用落地較快。造成這種情況的原因之一是，大模型帶來“智力即服務(wù)”的范式變化。這種服務(wù)特別適配微笑曲線兩端的知識密集型和服務(wù)密集型領(lǐng)域，而在低附加價值的中部（生產(chǎn)、組裝等），大模型應(yīng)用進程較慢。

報告提出，行業(yè)大模型目前主要有四種技術(shù)實現(xiàn)方式，從易到難分別是：提示工程、檢索增強生成、精調(diào)和預訓練。實際應(yīng)用中這些方式通常是組合使用，以實現(xiàn)最佳效果。

其中，提示工程適用于剛接觸大模型的企業(yè)新手，采用這種方式能以最小資源投入、快速探索應(yīng)用。局限性也很明顯，若大模型內(nèi)含的行業(yè)數(shù)據(jù)較少，效果較差。

檢索增強生成適用于處理企業(yè)自有數(shù)據(jù)，通過大模型外掛知識庫，更準確檢索并生成知識庫范圍內(nèi)的內(nèi)容。該方式模型本身不會調(diào)整，算力等投入就不會太大，已成為部署行業(yè)大模型應(yīng)用的主流選擇，局限在于對知識庫外的專業(yè)問題反饋效果有限。

精調(diào)適用于解決行業(yè)特定任務(wù)，通常是基于特定數(shù)據(jù)集局部調(diào)整模型參數(shù)，提高任務(wù)處理的效果和效率。精調(diào)是對大模型定制優(yōu)化和成本投入的折中選擇，算力和數(shù)據(jù)等投入明顯增加，但比預訓練更低。

預訓練適用于行業(yè)專業(yè)性較高、數(shù)據(jù)類型和任務(wù)與主流通用大模型差異較大的情況，例如生物/醫(yī)藥研發(fā)。這種方式投入最大，不僅需要收集大量數(shù)據(jù)，還需要對模型進行全參數(shù)訓練調(diào)整，甚至從頭搭建一個模型。

在“人工智能+”等重要政策指引下，行業(yè)大模型有望加速在傳統(tǒng)行業(yè)的落地應(yīng)用。在“云智一體”的基礎(chǔ)設(shè)施支持下，行業(yè)大模型向多模態(tài)、人工智能體、端側(cè)及小型化等方向發(fā)展，將更深入嵌入各行業(yè)的工作流程中，從而提升生產(chǎn)力。

報告提到，一些與工作流程深度耦合的AI Agent已經(jīng)開始涌現(xiàn)，有望逐步發(fā)展成為各行各業(yè)不可或缺的新型生產(chǎn)力工具。同時，隨著AI應(yīng)用的深入，模型的規(guī)模、類型和復雜性將不斷增加，MaaS（模型即服務(wù)）將日益成為行業(yè)用戶云上用智的主流方式。

用戶或直接調(diào)用云端的大模型API，或借助全生命周期的大模型訓練工具，生成適用于自身場景的大模型，并托管在云上，為最終用戶提供高質(zhì)量智能服務(wù)。為此，面向AI的、更高性能的算力底座不可或缺。通過計算、存儲、通信、訓練等各層面的優(yōu)化，全面提升模型訓練、開發(fā)和應(yīng)用效率。

AI大模型在各行業(yè)的應(yīng)用，將會加速社會共同邁向智能新時代。中國廣告協(xié)會會長、國際廣告協(xié)會全球副主席張國華認為，大模型是效率、體驗和創(chuàng)造力的倍增器，它正在重塑著廣告行業(yè)的未來；中國工程院院士李伯虎提出，“AI+制造”能夠提高生產(chǎn)效率、提升產(chǎn)品質(zhì)量、實現(xiàn)個性化定制、優(yōu)化資源配置、促進綠色環(huán)保、實現(xiàn)人才結(jié)構(gòu)優(yōu)化等，進而加快推進中國工業(yè)的五個轉(zhuǎn)型升級，實現(xiàn)工業(yè)的數(shù)字轉(zhuǎn)型與智能化升級，促進新質(zhì)生產(chǎn)力形成。