在神州数码副总裁CTO李刚看来，大模型如果想要在企业侧实现应用的爆发，需要一个，甚至多个开源、开放的大模型平台。说到企业级大模型应用，就不得不提一提行业大模型，目前行业级大模型还处于发展的初级阶段，虽然有很多家企业推出了行业大模型，但是应用并不很好。在国内，7月，华为全新发布盘古大模型，金融行业大模型正是其中数个行业通用大模型之一；9月，蚂蚁集团正式发布自研“蚂蚁基础大模型”，以及在此基础上进行定制的“蚂蚁金融大模型”。李刚对钛媒体表示，目前市面上的大模型种类主要分为几类，一类是通用的基础大模型，一般来说，这些大模型通过自然语言的语料构建数据库，经过清洗、训练等操作，打造了基础大模型，“这类模型，语料库越大、参数量越大，能力就越强。”李刚表示。另一类就是行业大模型，这类模型具有极强的专业性，需要大量行业专业知识库，“目前，这个行业知识库的语料需控制在20%，不多不少。
”未来，大模型的整合能力和平台化、行业化发展方向将成为关键赛道，各家厂商需要通过合作或者自行开发，构建出开源、开放的大模型平台，实现大模型的灵活调用和开放针对自身需求的大模型。同时，行业大模型的发展也需要加强行业知识库的建设和扩充，以应对日益复杂的行业需求。近年来，随着人工智能技术的不断进步，大模型成为了业界的热门话题。然而，大模型的发展并非一帆风顺，还存在着一些挑战和问题。李刚在接受采访时强调了一个关键问题，即如何确保大模型既具备专业性，又能够与人类进行良好的沟通。李刚指出，训练出来的大模型如果超过20%，可能就会“不会说人话”，导致沟通障碍；而如果少于20%，又无法满足行业的专业性要求。这意味着，为了打造一个优秀的大模型，需要在平衡专业性和可理解性之间寻找一个合适的比例。
为了解决这个问题，神州数码近日发布了神州问学平台，它可以被视为一个类似于云计算时代PaaS平台的工具，为企业提供了一个更好地应用和集成大模型的环境。李刚表示，他们不仅仅是在构建基础的大模型，更注重于集成和应用开发交付平台，以加速企业的AI创新。除了神州数码，华为云也是大模型领域的重要参与者。华为云将大模型分为L0、L1、L2三个等级。L0指的是基础大模型，L1指的是面向行业的大模型，而L2则是面向更加细分场景的推理模型。在基础大模型方面，华为云提供了图网络大模型，它可以适配工艺优化、时序预测、智能分析等多个场景，并广泛应用于金融、煤矿、制造等多个行业。而在行业大模型方面，华为云推出了盘古金融大模型、盘古矿山大模型、盘古电力大模型、盘古制造质检大模型、盘古药物分子大模型等。
此外，华为云还针对电力行业推出了盘古电力巡检大模型，通过预训练和微调，解决了无人机智能巡检系统中的一系列问题。考虑到大模型的重要性和潜力，皇甫子乔表示，神州数码问学平台将在帮助企业从L0到L2行业应用场景实现落地的过程中发挥着重要的作用。他认为，神州问学平台将为企业提供一个类似于云计算时代PaaS平台的能力，成为一个重要的“转换器”。综上所述，随着大模型时代的到来，神州数码和华为云分别通过发布神州问学平台和盘古大模型来满足企业的需求。这些平台旨在提供一个更好的大模型集成和应用开发环境，加速企业的AI创新和数据治理升级。同时，它们也希望通过构建生态纽带、模型市场、数据集市和应用商店等手段，推动产业创新和生态破局。近年来，随着人工智能技术的不断发展，大模型技术逐渐成为了人工智能领域的热门话题。
大模型是指具有数十亿、数百亿甚至数千亿参数的深度学习模型，它们可以以极高的准确率进行自然语言处理、图像识别、语音识别等任务。然而，大模型的使用成本和门槛也随之增加，对企业用户而言，使用大模型的费用仍然过高，使用门槛也很高。针对这一问题，百度CTO王海峰提出了“集约化生产、平台化应用”的模式，即让具有算法、算力和数据综合优势的企业将模型生产的复杂过程封装起来，让千行百业可以通过低门槛、高效率的生产平台来使用大模型服务。据悉，这一产业化路径已经在文心大模型产业实践中得到了验证，百度与各行业头部企业、机构共建了包括能源、金融、航天、制造、传媒、城市、社科以及影视等行业大模型。然而，目前大模型的使用成本依然让很多企业望而却步。以英伟达的GPT-3为例，训练一次1750亿参数的GPT-3需要34天，使用1024张A100GPU芯片，单次训练成本高达1200万美元。
微软甚至为OpenAI构建了一台排名世界前五的超级计算机来训练超大规模的AI模型。据国盛证券的报告估算，一次大模型的前期训练成本超过百万美元，这个费用不仅涵盖了模型的架构、算法和训练数据的选择，还包括了模型训练所需要的大量计算资源和时间成本。而且随着大模型版本的升级，其训练成本也呈几何式增长。这使得大模型的使用成本成为了很多企业应用大模型赋能业务的最大阻碍。针对这一问题，神州问学平台的创始人皇甫子乔提出了通过开源的形式，让企业以更低的选择成本，使用大模型产品的解决方案。神州问学主要包含两个部分，一部分是平台，另一部分是开箱即用的场景应用。平台提供了一种开放、自由、灵活的方式，让用户可以自由选择所需的模型、算法和数据，以及自由地调整训练周期和资源规模，从而实现针对自身业务的定制化服务。而场景应用则针对具体的行业场景进行了深入的研究和应用，为用户提供了一套开箱即用的解决方案。
此外，神州问学还提供了一种“训练即用”的方式，让用户可以更加便捷地使用大模型服务。通过这种方式，用户不需要了解复杂的算法和训练流程，只需上传自己的数据，选择所需的模型和超参数，即可使用神州问学提供的训练服务，获取到高质量的模型和预测结果。这种方式不仅降低了使用门槛，还可以大大缩短训练时间和成本，使得更多的企业可以享受到大模型带来的业务盈利。总之，随着人工智能技术的不断发展，大模型技术已经成为了人工智能领域的热门话题。然而，大模型的使用成本和门槛仍然是企业应用大模型赋能业务的最大阻碍。因此，在大模型的发展过程中，需要像神州问学平台这样的创新者，提供更加便捷、高效、低成本的大模型服务，让更多的企业可以享受到大模型带来的业务盈利。大模型技术是人工智能领域的一个重要研究方向，它可以为很多领域提供更加精准的预测和分析，如自然语言处理、图像识别、语音识别等。
然而，由于大模型的计算、存储和调试成本较高，其应用范围受到了一定的限制。因此，如何提高大模型的使用效率和降低其使用门槛，成为了业界的一大难题。为了解决这一问题，一些平台级产品开始涌现，如神州问学、百度千帆、昆仑万维等，它们致力于打造完整的大模型生态系统，包括模型训练、推理、部署等环节，并且提供了丰富的工具和应用场景，让企业可以更加便捷地使用大模型产品。此外，大模型生态系统中的合作伙伴也在不断增加。这些伙伴包括算法开发者、数据科学家、云服务提供商等，他们可以为企业提供模型优化、数据清洗、云资源管理等方面的支持，让企业可以更好地利用大模型技术。在这样的生态环境下，企业应用大模型的门槛和成本必将进一步降低。同时，随着大模型技术的不断发展和完善，其应用范围也将会越来越广泛。可以想象，在不久的将来，大模型技术将会为更多领域带来革命性的变革。
总的来说，大模型技术的普及需要平台、算法和数据三者的共同努力。只有在完整的生态系统和合作伙伴的支持下，才能让大模型技术真正落地，并为企业带来实实在在的价值。
