本文来自钛媒体，作者/张申宇。
离大模型走进人们的视野已经过去近一年的时间，在AI大模型的浪潮下，各大科技企业争先恐后的推出了各自的大模型产品。与此同时，各行业企业也对大模型保持着高度关注。
如果说，各大厂商纷纷推出大模型产品形成“百模大战”的局势，是大模型这场“战役”的上半场的话，那么这场“战役”的下半场将更聚焦在大模型产品的整合能力，以及平台化、行业化的发展方向。
下半场开打，平台化、行业化将成关键赛道
从大模型这一年的发展可以看出，目前各个厂商的大模型几乎是“各自为战”，都通过自身的产品意图抢占更多的市场，以大模型“鼻祖”ChatGPT为例，ChatGPT是个应用，可以看作一个APP，而GPT4则是个大模型，构建了类似大模型的生态，让企业可以以此为基础，打造自身的大模型。
从上述案例可以看出，过去近一年的时间，各家都将主要精力放在类似“ChatGPT”的产品打磨上，落地点在应用侧，而对于企业侧而言，目前行业还是较缺乏一个平台，让企业可以灵活调用各家大模型产品，或者基于某家的产品开放针对自身需求的大模型。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，钛媒体观察发现，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。
以发展较快的金融行业为例，今年3月，彭博首度针对金融业推出大型语言模型BloombergGPT，引发市场对金融垂直领域大模型的关注；6月，哥伦比亚大学联合上海纽约大学推出FinGPT。
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。”李刚强调，“超过20%，训练出来的大模型可能就‘不会说人话’，造成沟通障碍；少于20%，又不具备行业的专业性。”
打造大模型的“PaaS”层
就像云计算有IaaS、PaaS、SaaS之分一样，在神州数码战略营销部总经理皇甫子乔看来，大模型时代，企业也需要一个类似云时代PaaS平台。
为了给企业构建一个更好使用大模型的平台，神州数码近日正式发布了神州问学平台，谈及平台发布的意义时，李刚对钛媒体表示：“以神州问学平台为核心，我们不做基础大模型，而是做大模型的集成与应用开发交付平台，从而加速企业AI创新；我们做大数据的服务伙伴，从而加速企业数据治理升级；我们做生态纽带、模型市场、数据集市、应用商店，从而加速产业创新与生态破局。”
今年初，华为云发布了盘古大模型，并将大模型按照L0、L1、L2进行了分级。按照华为云的分类，L0指基础大模型，L1指行业大模型，L2则是指面向更加细分场景的推理模型。
基础大模型方面，以图网络大模型为例，一个大模型可以适配工艺优化、时序预测、智能分析等多个场景，同时应用在金融、煤矿、制造等多个行业。
行业大模型方面，华为云推出了如盘古金融大模型、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行业大模型。
推理模型方面，以在电力行业为例，华为云基于盘古电力大模型，针对无人机电力巡检细分场景，通过一次预训练+下游任务的微调，推出盘古电力巡检大模型，解决了无人机智能巡检系统(缺陷检测)中的小样本学习、主动学习、增量学习等问题，解决了海量数据标注工作量大和缺陷种类繁多的问题。
上述是华为云对于大模型的理解，以及华为云的一些产业布局。基于此，皇甫子乔对钛媒体表示，神州数码问学平台在帮助企业从L0到L2行业应用场景落地过的程中，将起到“转换器”的作用，“为企业提供一个类似云计算时代PaaS平台的能力。”皇甫子乔如是说。
无独有偶，百度CTO王海峰也曾公开表示，面对大模型产业化的挑战，行业需要类似芯片代工厂模式，采用“集约化生产，平台化应用”的模式，即具有算法、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，通过低门槛、高效率的生产平台，为千行百业提供大模型服务。
据钛媒体了解，目前，这一产业化路径已在文心大模型产业实践中得到验证，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。
更低成本、更低门槛是目标
虽然大模型已经逐渐向各行各业渗透，但就现阶段大模型发展来看，对于企业级用户而言，大模型的使用成本依然让很多企业望而却步。
以GPT-3为例，英伟达曾披露训练一次1750亿参数的GPT-3需要34天，使用1024张A100 GPU芯片，单次训练成本高达1200万美元。为了训练超大规模的AI模型，微软甚至为OpenAI构建的一台排名世界前五的超级计算机。
与此同时，据国盛证券《ChatGPT需要多少算力》报告估算，大模型的前期训练成本很高，一次训练的成本超过百万美元。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。
百度创始人、董事长兼首席执行官李彦宏也曾指出：“无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。深度学习、自然语言处理，需要多年的坚持和积累，没法速成。”
面对如此高额的大模型使用成本和使用门槛，是一般企业承担不起的，也正是如此，目前为止，还没有一个真正意义上完善落地的行业大模型产品面世。对此，皇甫子乔表示，大模型的使用成本是很多企业应用大模型赋能业务的最大阻碍，而神州问学平台的定位就是希望通过开源的形式，让企业以更低的选择成本，使用大模型产品。“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。”皇甫子乔对钛媒体表示，“这两部分一方面希望集合更多生态伙伴，共同赋能用户；另一方面，希望企业可以更快、更便捷的使用大模型产品。”
将大模型的使用成本和使用门槛降低是行业内的共识，无论是“一卡难求”的GPU，还是高额的电费，都是现阶段企业应用大模型的门槛，而诸如神州问学、百度千帆、昆仑万维等，“风格迥异”，却目标相同——“助力大模型落地”的平台级产品的涌现，以及大模型生态中合作伙伴的不断增加，企业应用大模型的门槛和成本必将进一步的降低，我们离行业大模型的普惠也将越来越近。
