產(chǎn)業(yè)，到底需要什么大模型？

寫下這篇的起因，是前不久的一件事。

我們參與了一個(gè)大模型與行業(yè)結(jié)合的主題論壇?；顒咏Y(jié)束之后，來自行業(yè)主辦方的一位代表跟我們交流時(shí)卻說：“你們一直在說大模型。到底什么是大模型？多大才算大？為什么不能用小模型？”

這一系列問題又一次讓我們意識到，智能化的供需雙方很多時(shí)候根本處在兩套話語體系。你這邊Transfomer、Agent的說了半天，那邊可能還在好奇大模型這三個(gè)字到底是怎么來的。

這種隔膜，在AI時(shí)代尤為嚴(yán)重。因?yàn)?a href="http://m.ygpos.cn/AI_1.html" target="_blank" class="keylink">AI技術(shù)涉及的鏈條更長，做算法的、做云的、做硬件的、做IT解決方案的，以及最后買單的，大家可能在各說各的，誰也沒打算真正理解誰。

今天，各家都在說產(chǎn)業(yè)大模型、行業(yè)大模型。確實(shí)從技術(shù)邏輯上看，很容易發(fā)現(xiàn)大模型能夠給很多行業(yè)帶來巨大的生產(chǎn)力釋放，而從技術(shù)路線上看，中國企業(yè)對智能化的接受度更高、需求更強(qiáng)烈。大模型走向產(chǎn)業(yè)實(shí)現(xiàn)數(shù)實(shí)融合，是中國AI最具特色的一條脈絡(luò)，在數(shù)字中國的大背景下具有極強(qiáng)的宏觀戰(zhàn)略意義。

但在實(shí)踐中，這條路卻充滿了挑戰(zhàn)與誤解。

畢竟AI算法公司做toB，十家有九家做不成。在大模型toB的新機(jī)會窗口前，我們首先要確定產(chǎn)業(yè)究竟需要怎樣的大模型？

產(chǎn)業(yè)大模型，就不是一種模型

AI公司做大模型結(jié)合行業(yè)，最大的誤區(qū)在于搞不清供需關(guān)系。

誠然，目前行業(yè)對大模型的認(rèn)可與接納程度已經(jīng)比較好，但智能化項(xiàng)目依舊是一個(gè)絕對的買方市場。技術(shù)供應(yīng)商需要去適配最終用戶的需求、能力、背景，甚至溝通話術(shù)和商業(yè)習(xí)慣。

但由于做AI大模型的公司，涌入了大量互聯(lián)網(wǎng)領(lǐng)域的人才和資金。互聯(lián)網(wǎng)的供需邏輯是單點(diǎn)供應(yīng)對大量需求，我有一招鮮天下涌進(jìn)來。而大模型在很多行業(yè)的適配又是很容易就能想到的。比如工廠需求配料分析，銀行需要投資分析，那我的大模型不是都能分析嗎？

于是，在這樣的“風(fēng)口思維”下，很多AI公司陷入了一個(gè)巨大的誤區(qū)：他們認(rèn)為我有大模型，各行業(yè)的客戶都應(yīng)該來找我。我推出兩三個(gè)行業(yè)的案例，其他行業(yè)都應(yīng)該認(rèn)可。我的這個(gè)大模型哪里都能用，所以它就叫產(chǎn)業(yè)大模型。

無論這些AI從業(yè)者是真的相信大模型等于產(chǎn)業(yè)萬金油，還是僅僅是故意吹成這樣。在產(chǎn)業(yè)客戶看來，這一幕就等于胡說八道。他們會覺得，金融業(yè)用的技術(shù)，關(guān)我煤礦什么事？如果有一種食品，說是貓能吃牛能吃人也能吃，你敢吃嗎？

產(chǎn)業(yè)需要大模型做的第一件事，就是不要籠統(tǒng)的天差地別的各個(gè)行業(yè)歸納為“產(chǎn)業(yè)”兩個(gè)字就結(jié)束了。即使在某個(gè)行業(yè)內(nèi)，大模型都僅僅能解決行業(yè)的一個(gè)或幾個(gè)問題，更不可能有一種模型能夠“包治百業(yè)”。

做IT的都知道，有產(chǎn)品更要有服務(wù)，懂技術(shù)更要懂行業(yè)。但做AI的企業(yè)，尤其是拿著熱錢涌入大模型賽場的企業(yè)，普遍對產(chǎn)業(yè)需求的差異性缺乏了解和尊重。

當(dāng)然，不同行業(yè)對大模型的需求也有共通之處。比如對基礎(chǔ)的對話、CV、多模態(tài)能力。但更多的情況下，每個(gè)行業(yè)的只能用意愿、基礎(chǔ)數(shù)字能力，乃至安全需求、時(shí)延需求、運(yùn)維需求都不相同。在今天的階段，一種大模型能夠在具體行業(yè)內(nèi)復(fù)制推廣已經(jīng)非常不容易，更別想一口吃下幾個(gè)甚至幾十個(gè)行業(yè)。

產(chǎn)業(yè)智能化，優(yōu)先級永遠(yuǎn)是產(chǎn)業(yè)大于智能化。

不提硬件和工程化，約等于瞎耽誤功夫

很多做數(shù)字化、智能化的企業(yè)，在看了客戶環(huán)境之后會奇怪這么一件事：客戶花了大錢買回來的東西，其實(shí)就是很簡單的軟件封在一個(gè)盒子里，然后按照行業(yè)要求做了點(diǎn)按鈕、UI之類的東西。甚至這些軟件很多都是國外很古早的開源軟件進(jìn)行再封裝，技術(shù)上早就落后了。這時(shí)他們會感嘆，行業(yè)客戶的錢可真好騙啊。

可是問題來了，如果我們換個(gè)角度思考這個(gè)問題，要是沒有這層封裝，企業(yè)要怎么用呢？難道一家工廠、一座礦山、一片林場，要招來和培養(yǎng)一大堆云計(jì)算、AI算法層面的人才？而且要讓這些數(shù)字化人才指導(dǎo)整個(gè)企業(yè)的生產(chǎn)、運(yùn)營和銷售？這顯然是不靠譜的。

所以，一個(gè)有點(diǎn)反常識的事實(shí)是，相比于天花亂墜的先進(jìn)技術(shù)，行業(yè)用戶往往更在乎那層“殼”。那層殼就說硬件化和工程化，是將技術(shù)能力按照最終的使用需求進(jìn)行封裝、管理和維護(hù)。雖然最后組裝出來的東西可能很難用，可能不先進(jìn)，但對于行業(yè)用戶來說，有的用，員工能學(xué)會，才是智能化的最重要條件。

在討論行業(yè)大模型時(shí)，今天也經(jīng)常會陷入這個(gè)誤區(qū)。從業(yè)者往往過分關(guān)注算法層的領(lǐng)先性、國際性，跟參數(shù)規(guī)模和測試紀(jì)錄較勁，把目光聚焦在軟件上。但行業(yè)需要大模型做的，是跟此前的數(shù)字系統(tǒng)較勁，跟使用成本較勁，跟操作門檻較勁。這就需要大模型考慮硬件環(huán)境、網(wǎng)絡(luò)環(huán)境、存算資源、操作系統(tǒng)，甚至考慮部署環(huán)境的電力供應(yīng)、濕度、溫度。

產(chǎn)業(yè)大模型要做的第二件事，是必須兼顧硬件適配和工程化問題。

大模型能否落地，都在說要找準(zhǔn)場景。但什么是場景？最后能起作用的那個(gè)地方才叫場景。

絕大部分企業(yè)，都不是IT為導(dǎo)向。甚至大部分企業(yè)根本無法派專人去仔細(xì)了解什么是大模型。這個(gè)事情在漫長的時(shí)間里都無法改變。

山不會過來看你，所以你要去看山。

很多人把大模型比作一座金礦，那么訓(xùn)練大模型僅僅是挖到金礦，通過工程化方法，講大模型融入到行業(yè)已有的數(shù)字化基礎(chǔ)設(shè)施，才是把金礦運(yùn)出山。

專家下工廠，終究要不得

很多AI廠商無論是在給客戶講故事，還是面向公眾做傳播，總是會提起這么一段：你們不要擔(dān)心，我們有專家有博士后扎根行業(yè)。下工廠，下農(nóng)田，一駐守就是幾個(gè)月。

如果你是大模型的潛在行業(yè)用戶，那么這個(gè)故事聽聽就算了。專家駐廠確實(shí)是真的，但那個(gè)廠極大概率不是你的廠。

事實(shí)上，AI專家親臨產(chǎn)業(yè)一線，是縮短行業(yè)需求與大模型供給之間的有效路徑。這也是一個(gè)產(chǎn)業(yè)智能化必經(jīng)的發(fā)展過程。

但這個(gè)過程必然也只能是暫時(shí)性的，不可能長久。試想一下，如今大模型正在風(fēng)口浪尖，專家們都是什么身價(jià)？一個(gè)專家組入駐現(xiàn)場，就這個(gè)薪資成本哪家實(shí)體企業(yè)能撐得住？

AI企業(yè)所宣稱的專家駐廠，其實(shí)是在做案例、做測試。一般都是和行業(yè)內(nèi)的頭部客戶合作，廠商愿意以虧損為代價(jià)把模型跑通，觀察有哪些具體問題。

專家可以下廠，但專家肯定不能經(jīng)年累月駐守一家又一家工廠。這是AI廠商進(jìn)入某行業(yè)時(shí)的標(biāo)準(zhǔn)動作，但往往會有意無意被理解為一個(gè)常規(guī)動作，可真要只能依賴專家下廠來推廣大模型，那么AI永遠(yuǎn)也無法落地，因?yàn)檫@個(gè)成本誰也承受不起。

產(chǎn)業(yè)大模型要做的第三件事，是技術(shù)具有行業(yè)內(nèi)的低門檻可復(fù)制性，不能大量依賴人工進(jìn)行訂制化合作。

尤其需要注意的是，目前階段大中型企業(yè)在智能化上的投資愈發(fā)謹(jǐn)慎，試錯(cuò)成本不能過高。實(shí)驗(yàn)性與不確定性太強(qiáng)的大模型落地方案，在目前階段已經(jīng)很難得到大客戶認(rèn)同，更遑論成千上萬的中小客戶，更是不可能依賴重人工投入的方式來推動。

總結(jié)一下，產(chǎn)業(yè)大模型目前階段的落地挑戰(zhàn)有三點(diǎn)：

1.AI廠商總把大模型想象為萬金油，但行業(yè)需要的是理解和專注。

2.AI廠商總是關(guān)注算法創(chuàng)新，但行業(yè)需要的是工程化和可操作。

3.AI廠商大量宣傳依靠人才能力跑通的個(gè)案，但行業(yè)需要的是低成本和可復(fù)制。

大模型落地產(chǎn)業(yè)，正是旭日東升時(shí)，但也要有意識去清掃一些積雪，而回到用戶界面，往往就能找到更多問題的答案。

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。