从百模（魔）大战到场景落地，大模型正从疯狂回归理智。

大家经历了一轮炒作与试用之后，逐渐对大模型从“疯狂的兴趣”回归到了理性，不仅限于新奇好玩，更要体现出能用、好用。提升工作效率、降低用工成本成为企业的核心诉求。对大模型的研发、训练也从通用大模型转向了行业大模型。

三大运营商均在大模型领域开始进行实践和探索。“这也是数字化转型进入深水区的一个必然趋势，从流程化到数字化，再到智能化。这个大模型的发布只是一个开始，未来还将在反诈、客服、网运、以及针对政企客户的场景化方向发布新的垂直行业和场景大模型。联通将实现让连接无所不在到算力无所不在再到人工智能无所不在的转变。”联通数科CTO杨海明接受至顶网记者专访时这样表示。

联通数科CTO杨海明

行业大模型=高质量的行业大数据 + 大规模的算力网络

基于联通的自有优势，结合公众、企业、和政府的实际需求是做好行业大模型的基础。杨海明表示：”联通拥有广泛而庞大的网络资源、分布在全国数据中心的强大算力资源、以及沉淀多年的各类设备和业务的历史数据资源，这些是联通研发行业模型的独具优势。”

“现在大家做得比较多的是通用大模型，利用大量的互联网数据，通过‘大力出奇迹’的方式训练大模型。这样训练出来的模型能让人感到无所不能：生成图片、文字、小说、代码……，然而也会出现很大的‘漂移’，答案的精准度不够。这样的模型在企业的工作、生产中就会出现很大偏差，并且同质化严重，很难在实际应用中形成优势。”

“要获得精准的结果、策略就需要更精准的数据。在行业实际中积累的各类知识、历史决策数据就成为了优质的训练数据来源。这种数据的参数规模也会大幅降低。通用大模型的训练数据动辄就要用千亿、万亿的参数，到了具体的行业里就会急剧缩减到只有百亿，或几十亿。如果再具体到某个场景下，训练完的模型调优上也就需要对几百到几千万的参数进行优化，算力需求降低的同时，也大大提高了模型结果的精准性。”

例如在网络运维场景下，虽然三家电信运营商都有基站、服务器、交换机、路由器这些设备，但各家网络架构、设备采购的周期不同，几十年来积累的数据也会有很大的不同。根据多年来积累下的数据、运维经验所训练出来模型也就会有很大的区别，利用训练好的大模型就能带来极大的运营效率提升。同样，在客服、网络、安全这种场景下，大模型具有更大的发展潜力。因此，除了各大运营商外，大型的互联网企业的垂直大模型都是从这些场景入手，首先用来提升自身的运营效率。

在面向2C的个人场景方面，近年来犯罪分子利用通讯手段实施诈骗的案件层出不穷，给百姓带来了巨大的经济损失，也给社会的安全、稳定带来了诸多隐患。中国联通根据对大量历史案件的作案流程、话术的复盘分析，反诈大模型很容易从繁杂的对话、短信中发现罪犯的行迹、目标与套路，帮助百姓降低诈骗风险、减少经济损失。

推动产业从劳动密集向知识密集型的变革

布局行业大模型的目标是推动政府、企业从劳动密集型向知识密集型的数字化转型。“以联通为例，大模型的应用场景首先锁定在了客服、网运这种原先需要大量人力的工作和岗位。”杨海明认为，“过去企业需要耗费大量人力做简单重复性的客服、辅助性、文员等工作都将被AI大模型所取代，从而提升用户体验，降低企业成本。同时，大模型也将帮企业梳理、完善他们的知识库，提高协同办公效率，最终帮助政府、企业走向无处不在的人工智能。”

然而这也不是一蹴而就，训练大模型的过程就像培养一个学生从学士到硕士到博士，训练数据从通用到专业，训练参数从大尺度到小规模。杨海明指出：企业搞大模型技术门槛在逐渐降低，业务理解是提升竞争力的主要方式。利用数据驱动业务是基于大数据实现的业务的自动迭代与升级。这一方面需要企业不断积累高质量的数据。另一方面需要不断探索、积极创新。联通行业大模型秉承'内部使能、外部赋能'的一贯思路逐步推进。内部使能就是这些大模型产品在联通内部会先用起来，大家觉得能用、好用之后再向外部推广，扩展其更广泛的应用场景，之后再通过逐步迭代最终实现双向赋能。”

大模型未来的发展方向

行业大模型将是非常有前途的发展方向。但面临需要积累大量行业数据的高门槛以及在算力、资金的强大支持。

行业大模型大概率不会出现百模大战的竞争格局，行业中的龙头企业做行业大模型最终会享受到AI与数据的红利。从另一个角度看，算力调度的工具、训练调优的工具、加速训练及提升训练效果的工具也是形成各家大模型差异化的重要能力。

智算能力入网、智能无处不在将是在人工智能时代基础设施的重要特征。

“能否深入的了解行业并持续快速地迭代产品将成为行业大模型赛道里最核心的竞争力。” 杨海明这样说道。