離大模型走進人們的視野已經過去近一年的時間，在AI大模型的浪潮下，各大科技企業爭先恐後的推出了各自的大模型産品。與此同時，各行業企業也對大模型保持著高度關注。
如果說，各大廠商紛紛推出大模型産品形成“百模大戰”的局勢，是大模型這場“戰役”的上半場的話，那麽這場“戰役”的下半場將更聚焦在大模型産品的整合能力，以及平台化、行業化的發展方向。
下半場開打，平台化、行業化將成關鍵賽道
從大模型這一年的發展可以看出，目前各個廠商的大模型幾乎是“各自爲戰”，都通過自身的産品意圖搶占更多的市場，以大模型“鼻祖”ChatGPT爲例，ChatGPT是個應用，可以看作一個APP，而GPT4則是個大模型，構建了類似大模型的生態，讓企業可以以此爲基礎，打造自身的大模型。
從上述案例可以看出，過去近一年的時間，各家都將主要精力放在類似“ChatGPT”的産品打磨上，落地點在應用側，而對于企業側而言，目前行業還是較缺乏一個平台，讓企業可以靈活調用各家大模型産品，或者基于某家的産品開放針對自身需求的大模型。在神州數碼副總裁CTO李剛看來，大模型如果想要在企業側實現應用的爆發，需要一個，甚至多個開源、開放的大模型平台。
說到企業級大模型應用，就不得不提一提行業大模型，钛媒體觀察發現，目前行業級大模型還處于發展的初級階段，雖然有很多家企業推出了行業大模型，但是應用並不很好。
以發展較快的金融行業爲例，今年3月，彭博首度針對金融業推出大型語言模型BloombergGPT，引發市場對金融垂直領域大模型的關注；6月，哥倫比亞大學聯合上海紐約大學推出FinGPT 。
在國內，7月，華爲全新發布盤古大模型，金融行業大模型正是其中數個行業通用大模型之一；9月，螞蟻集團正式發布自研“螞蟻基礎大模型”，以及在此基礎上進行定制的“螞蟻金融大模型”。
李剛對钛媒體表示，目前市面上的大模型種類主要分爲幾類，一類是通用的基礎大模型，一般來說，這些大模型通過自然語言的語料構建數據庫，經過清洗、訓練等操作，打造了基礎大模型，“這類模型，語料庫越大、參數量越大，能力就越強。”李剛表示。
另一類就是行業大模型，這類模型具有極強的專業性，需要大量行業專業知識庫，“目前，這個行業知識庫的語料需控制在20%，不多不少。”李剛強調，“超過20%，訓練出來的大模型可能就‘不會說人話’，造成溝通障礙；少于20%，又不具備行業的專業性。”
打造大模型的“PaaS”層
就像雲計算有IaaS、PaaS、SaaS之分一樣，在神州數碼戰略營銷部總經理皇甫子喬看來，大模型時代，企業也需要一個類似雲時代PaaS平台。
爲了給企業構建一個更好使用大模型的平台，神州數碼近日正式發布了神州問學平台，談及平台發布的意義時，李剛對钛媒體表示：“以神州問學平台爲核心，我們不做基礎大模型，而是做大模型的集成與應用開發交付平台，從而加速企業AI創新；我們做大數據的服務夥伴，從而加速企業數據治理升級；我們做生態紐帶、模型市場、數據集市、應用商店，從而加速産業創新與生態破局。”
今年初，華爲雲發布了盤古大模型，並將大模型按照L0、L1、L2進行了分級。按照華爲雲的分類，L0指基礎大模型，L1指行業大模型，L2則是指面向更加細分場景的推理模型。
基礎大模型方面，以圖網絡大模型爲例，一個大模型可以適配工藝優化、時序預測、智能分析等多個場景，同時應用在金融、煤礦、制造等多個行業。
行業大模型方面，華爲雲推出了如盤古金融大模型、盤古礦山大模型、盤古電力大模型、盤古制造質檢大模型、盤古藥物分子大模型等行業大模型。
推理模型方面，以在電力行業爲例，華爲雲基于盤古電力大模型，針對無人機電力巡檢細分場景，通過一次預訓練+下遊任務的微調，推出盤古電力巡檢大模型，解決了無人機智能巡檢系統(缺陷檢測)中的小樣本學習、主動學習、增量學習等問題，解決了海量數據標注工作量大和缺陷種類繁多的問題。
上述是華爲雲對于大模型的理解，以及華爲雲的一些産業布局。基于此，皇甫子喬對钛媒體表示，神州數碼問學平台在幫助企業從L0到L2行業應用場景落地過的程中，將起到“轉換器”的作用，“爲企業提供一個類似雲計算時代PaaS平台的能力。”皇甫子喬如是說。
無獨有偶，百度CTO王海峰也曾公開表示，面對大模型産業化的挑戰，行業需要類似芯片代工廠模式，采用“集約化生産，平台化應用”的模式，即具有算法、算力和數據綜合優勢的企業將模型生産的複雜過程封裝起來，通過低門檻、高效率的生産平台，爲千行百業提供大模型服務。
據钛媒體了解，目前，這一産業化路徑已在文心大模型産業實踐中得到驗證，百度與各行業頭部企業、機構共建了包括能源、金融、航天、制造、傳媒、城市、社科以及影視等行業大模型。
更低成本、更低門檻是目標
雖然大模型已經逐漸向各行各業滲透，但就現階段大模型發展來看，對于企業級用戶而言，大模型的使用成本依然讓很多企業望而卻步。
以GPT-3爲例，英偉達曾披露訓練一次1750億參數的GPT-3需要34天，使用1024張A100 GPU芯片，單次訓練成本高達1200萬美元。爲了訓練超大規模的AI模型，微軟甚至爲OpenAI構建的一台排名世界前五的超級計算機。
與此同時，據國盛證券《ChatGPT 需要多少算力》報告估算，大模型的前期訓練成本很高，一次訓練的成本超過百萬美元。這個費用不僅涵蓋了模型的架構、算法和訓練數據的選擇，還包括了模型訓練所需要的大量計算資源和時間成本。而且隨著大模型版本的升級，其訓練成本也呈幾何式增長。
百度創始人、董事長兼首席執行官李彥宏也曾指出：“無論是哪家公司，都不可能靠突擊幾個月就能做出這樣的大語言模型。深度學習、自然語言處理，需要多年的堅持和積累，沒法速成。”
面對如此高額的大模型使用成本和使用門檻，是一般企業承擔不起的，也正是如此，目前爲止，還沒有一個真正意義上完善落地的行業大模型産品面世。
對此，皇甫子喬表示，大模型的使用成本是很多企業應用大模型賦能業務的最大阻礙，而神州問學平台的定位就是希望通過開源的形式，讓企業以更低的選擇成本，使用大模型産品。“神州問學主要包含兩個部分，一部分是平台，另一部分是開箱即用的場景應用。”皇甫子喬對钛媒體表示，“這兩部分一方面希望集合更多生態夥伴，共同賦能用戶；另一方面，希望企業可以更快、更便捷的使用大模型産品。”
將大模型的使用成本和使用門檻降低是行業內的共識，無論是“一卡難求”的GPU，還是高額的電費，都是現階段企業應用大模型的門檻，而諸如神州問學、百度千帆、昆侖萬維等，“風格迥異”，卻目標相同——“助力大模型落地”的平台級産品的湧現，以及大模型生態中合作夥伴的不斷增加，企業應用大模型的門檻和成本必將進一步的降低，我們離行業大模型的普惠也將越來越近。-钛媒體-
