腾讯研究院报告：大模型的专业性、泛化性和经济性需要进行取舍

　　5月13日晚间，腾讯研究院发布《向AI而行，共筑新质生产力——行业大模型调研报告》（下文简称：报告），这是业内首份行业大模型调研报告。

　　“人工智能大模型正在催生新一轮技术创新与产业变革，也将为工业、金融、广电等行业数字化转型和高质量发展带来新动能。当前市场以基础大模型为主，通识能力强，但缺少行业专业知识。如何将大模型融入千行百业，是下一阶段的发展重点。”中国工程院院士邬贺铨在报告序言中提出。

　　行业大模型和通用大模型的对比。图/受访者供图

　　所谓 “行业大模型”，指的是利用大模型技术，针对特定数据和任务进行训练、优化，形成具备专用知识与能力的大模型及应用。与通用大模型相比，行业大模更专注于提高性价比、增强专业性并保障数据的安全性。这份报告结合腾讯研究院发起的对人工智能与大模型领域百余名专家的深度访谈“大模型百人百问”，深入剖析了行业大模型发展、应用、实现、治理与未来发展趋势。

　　《报告》认为，大模型存在专业性、泛化性和经济性“不可能三角”问题，导致目前行业实际落地应用进程并不快。“专业性”指大模型处理特定领域问题或任务的准确性与效率；“泛化性”指大模型处理训练数据集之外新样本的能力；“经济性”则指大模型训练和应用的投入产出比。三者很难同时得兼，因此需要行业大模型来针对性解决。

　　本报告主要厘清了三个问题：一是行业大模型既有模型，也含应用；二是行业大模型大多生长在通用大模型之上，基于通用大模型进行再开发；三是行业大模型具备定制特征，本质是解决方案，而非产品。行业大模型中的产品通常是“毛坯房”，客户需要因地制宜地“装修”才能满足需要。

　　行业大模型的市场渗透率。图/受访者供图

　　在实际应用方面，数字原生行业（如各类互联网应用）是行业大模型应用的先行者，传统行业中生产性服务业（广告、金融等）进展相对快，而重资产行业（建筑、制造、能源等）进展相对慢。《报告》发现，其中有两大核心影响因素是需求的适配度和数据的可得性，越高的行业进展越快。

　　虽然不同行业与大模型结合的进展和侧重点存在差异，但也存在三大共性需求，包括：内容生成与创意设计、信息提炼与专业辅助、任务调度与智能交互。

　　针对业界普遍关心的“如何衡量行业大模型成功与否”问题，《报告》称：要避免片面追求技术性能或短期收益的两个误区，应评估降本提效、业务创新和体验增强上的三类价值，并重点构建一个高质量数据飞轮的模式。

　　《报告》还认为，在“人工智能+”等重要政策指引下，行业大模型有望加速在传统行业的落地应用。在云智一体的基础设施支持下，行业大模型向多模态、人工智能体、端侧及小型化等方向发展，将更深入嵌入各行业的工作流程中，从而提升生产力。

　　随着AI应用的深入，模型的规模、类型和复杂性将不断增加，MaaS（模型即服务）将日益成为行业用户云上用智的主流方式。用户可以或直接调用云的大模型API（应用程序接口），或借助全生命周期的大模型训练工具，生成适用于自身场景的大模型，并托管在云上，为最终用户提供高质量智能服务。

（文章来源：新京报）

(原标题：腾讯研究院报告：大模型的专业性、泛化性和经济性需要进行取舍)

(责任编辑：33)