本文来自微信公众号“工联网iitime”，作者/王鹤迦、程琳琳。
人工智能在经历前期技术积累和迭代后，逐渐突破传统分析型AI领域，迎来了生成式AI的爆发期。以生成式人工智能(AIGC)、数字人、多模态、AI大模型、智能决策为代表的热点为市场带来了更多想象空间和可能性。
IDC预计，2026年中国AI市场将达到264.4亿美元规模。为了抓住这个“风口”，近年来国内市场上涌现出许多基于AIGC的大模型产品，一些与AI深度结合的应用产品也开始进行线上测试，初步形成了“模型—场景—生态”的良性循环。从应用价值来看，AIGC有望成为数字内容创新发展的新引擎，为数字经济发展注入新动能。
政策驱动我国大模型发展
随着数字经济的快速发展和数字化升级的推进，人工智能的重要性日益凸显。AI技术的创新迭代驱动了应用场景的进一步落地，企业对自身“数字化”“数智化”转型的积极推动催生出对AI技术的多元化需求，为中国AI市场规模的长期增长奠定了基础。
政策助推人工智能产业发展。2017年，我国出台了《新一代人工智能发展规划》，作为中国政府发布的首个人工智能国家级战略，该规划提出了到2020年和2030年的两个阶段性目标，旨在抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。为进一步规范人工智能管理，国家互联网信息办公室还发布了《生成式人工智能服务管理办法(征求意见稿)》，明确提出国家支持人工智能算法、框架等基础技术的自主创新、推广应用、国际合作，鼓励优先采用安全可信的软件、工具、计算和数据资源。
地方政府也出台了多个推动大模型技术发展的政策举措。北京、上海、深圳等地先后出台政策举措，鼓励企业围绕人工智能大模型加快创新步伐，开展大模型创新算法及关键技术研究，探索通用人工智能新路径，打造人工智能创新高地。
政府对人工智能领域的重视，促进了“产学研用”结合，为中国大模型产业的发展提供了强有力的支持。随着技术的进一步突破和创新，中国有望在大模型领域取得更多的成果，并与全球领先国家共同推动人工智能大模型的发展和应用。
大模型如“雨后春笋”般涌现
抢抓产业“风口”，国内大模型如“雨后春笋”般涌现。今年6月，国内大模型产品和应用迎来集中发布。6月1日，阿里云宣布聚焦音视频内容的AI新品“通义听悟”正式上线，“通义听悟”成为国内首个开放公测的大模型应用产品；6月6日，百度智能云推出基于大模型打造的新一代编码辅助工具“Comate”，并正式开放邀请测试；6月9日，科大讯飞发布星火认知大模型V1.5；6月13日，360公司发布认知型通用大模型“360智脑4.0”；6月28日，中国联通发布“鸿湖图文大模型”，这是国内首个面向运营商增值业务的AI大模型。
7月，更多大模型产品问世。7月4日，北大团队发布首个中文法律大模型“ChatLaw”；7月6日，中国电信发布大语言模型“TeleChat”，赋能数据中台、智能客服、智慧政务3个方向；7月7日，华为发布“盘古大模型3.0”；7月8日，中国移动发布“九天1+N大模型”，主要面向政务和客服两大应用场景；7月13日，京东正式发布“言犀大模型”，同时还发布了言犀AI开发计算平台，预计8月正式上线。
“AI正在走进人们的生活，未来将彻底渗透到每个人的生活和工作中。AI可以成为个人助理、生活助理、工作助理等，以赋能的方式影响人们生产生活的方方面面。”IDC中国研究总监卢言霞预测道。
产业场景是AI应用的最佳“练兵场”
总体来看，中国大模型产业化应用大致出现两种并行的发展路径。一是跨行业通用化人工智能能力平台，其应用正从办公、生活、娱乐加速向医疗、工业、教育等领域渗透。二是针对生物制药、遥感、气象等垂直领域的专业类大模型，提供针对特定业务场景的专业化解决方案。而大模型产业价值的关键，在于降低AI的使用门槛，将其特征、能力与各种场景结合，实现场景效率的提升，并成为新型数字化基础设施。
“对话、写诗、作画绝不是大模型的全部，我们需要深入思考大模型的应用方向，要将大模型切实投入到城市发展、金融科技、生物医药、工业制造、科学研究等领域，也需要专业的企业和组织加速其在实体产业落地，为产业带来实实在在的大价值，从而在真正意义上大规模服务社会。”中国工程院院士邬贺铨曾讲道。
如今，AIGC在教育、金融、医疗、工业等行业的应用也快速发展。在教育领域，AIGC赋予教育材料新活力，相对于阅读和讲座等传统方式，AIGC为教育工作者提供了新的工具，使原本抽象、平面的课本具象化、立体化；在金融领域，AIGC助力实现降本增效，金融机构可通过AIGC实现金融资讯、产品介绍视频的自动化生产，提升内容运营的效率；在医疗领域，AIGC赋能诊疗全过程，如可用于改善医学图像质量等；在工业领域，AIGC提升产业效率和价值，极大缩短工程设计周期，加速数字孪生系统的构建……
总体来看，AIGC日渐成为与其他各类产业深度融合的横向结合体，其相关应用正加速渗透到经济社会的方方面面。而产业场景是AI应用的最佳“练兵场”。“在‘百模大战’之下，未来能够占据头部市场的或许只是少数具有实力的通用大模型及其引领的AI生态。”卢言霞认为，AI厂商不能局限于拼战略和概念，而应该追求大模型的效率提升以及实际落地的价值。
比起通用大模型，企业更需要针对具体行业的大模型，以结合企业自身的数据进行训练和精调，打造出更实用的智能服务。通用大模型不一定懂行业的专业术语，也不了解企业内部独特的情况，因此回答会比较笼统，信息也不够及时。企业如果基于行业大模型，再加上用自身数据进行精调，可以建构专属模型，打造出高可用的智能服务。
因此，未来AIGC的发展应聚焦于实际产业场景，着力于推动数字经济发展。AIGC产业国际竞争的关键，不在于一个国家有多少大模型，而是大模型上有多少原生的AI应用，这些应用能够在多大程度上提升生产效率。因此，未来以大模型为代表的信息技术，应着力于驱动数字经济与实体经济深度融合，从而做强做优做大我国数字经济。
大模型发展还面临多方面挑战
如今，越来越多的企业和机构在各个领域积极探索和应用AIGC与大模型技术，数字化服务市场空间巨大；但随着人工智能技术的不断成熟，大规模落地问题逐渐成为企业关注重点，目前阻碍AI落地的原因主要在数据量不足、模型复杂度高、算力不足等方面。
首先是数据模态多维，质量参差不齐。获取大量高质量的数据是实现AI应用的前提。但是，中小企业通常面临数据量不足、数据质量差、数据格式不兼容等问题，这些问题对于模型的训练效率和输出效果都有直接影响。因此，高质量的数据是AI企业最宝贵的资源之一。
其次是算法模型开发、优化难度大。AI算法模型的研发和优化过程非常复杂，通常涉及多个学科领域，如机器学习、深度学习、统计学、计算机视觉等，需要不同领域的专业人才，而当前中国人才缺口较大。
最后是算力资源不足，投资成本过高。AI应用需要大量的算力资源，特别是需要通过GPU提高模型的训练和推理速度，中小企业往往很难承担投资压力。
未来大模型还需要在具备通用能力的基础之上，于垂直领域不断训练、提升专业能力。因此，我国未来要加强自主创新能力，持续优化算法，提升算力供给能力，从算力、算法、框架、工程化、人才等各个层面提升我国大模型的核心竞争力。
