“在大模型走向場景化、實用化的過程中，將會形成‘大模型+小模型’的產(chǎn)業(yè)生態(tài)。對于企業(yè)來說，擁抱大模型并不是絕對的，而是取決于企業(yè)的具體情況和需求，要考慮到成本和效益之間的平衡。”在2023年服貿(mào)會期間，畢馬威中國數(shù)字化賦能主管合伙人張慶杰接受中新經(jīng)緯專訪時說。他還提到，大模型熱下，算力需求將是10到100倍的增長速度。

大模型與“元宇宙”的產(chǎn)業(yè)化落地相互促進，共同發(fā)展

以大模型為代表的人工智能技術(shù)已成為當下技術(shù)創(chuàng)新焦點。但在此之前，科技圈的上一任頂流是元宇宙，彼時也是諸多企業(yè)爭相布局。大模型帶動的AI熱又能持續(xù)多久？

對此，張慶杰表示，相對于元宇宙，AI大模型更多是賦能的角色，其商業(yè)化的場景會更加豐富。大模型與“元宇宙”的產(chǎn)業(yè)化落地存在著相互促進、共同發(fā)展的內(nèi)在聯(lián)系。一方面，人工智能的普及會加速元宇宙的產(chǎn)業(yè)化落地，人工智能算法會縮短元宇宙中的搭建周期和降低搭建成本，比如數(shù)字人、元宇宙空間3D建模等；另一方面，元宇宙給人工智能提供了豐富的使用場景，比如AIGC數(shù)字人交互，AIGC繪畫等。

據(jù)了解，在本屆服貿(mào)會上，畢馬威中國展臺也展示了升級版的“元宇宙體驗中心”，結(jié)合了AIGC(生成式人工智能)技術(shù)，通過AI服務型數(shù)字人，能夠進行當下最火熱的AI對話和文生圖。

張慶杰提到，雖然已經(jīng)看到了眾多大模型應用的有趣案例，但同時也觀察到企業(yè)用戶落地大模型其實還存在一定難度，因而還有很多企業(yè)處在觀望階段。

張慶杰認為，這主要包括三個原因：其一是場景選擇，大模型目前并非在所有場景都表現(xiàn)很好，企業(yè)需要制定一個合適的路線圖，逐步擴充成熟場景；其二是企業(yè)應用成本較高，部分企業(yè)希望私有化部署大模型，這需要一定的大模型技術(shù)人才，也需要有一定的數(shù)據(jù)積累和算力投入；其三是應用大模型涉及的一些合規(guī)及安全問題，企業(yè)也需要仔細考慮。

“單純從ToB的角度來說，從目前和企業(yè)客戶的溝通和測試結(jié)果來看，大模型可能會在營銷內(nèi)容生成、內(nèi)部知識管理、專業(yè)文檔的分析、輔助行業(yè)研究等場景首先體現(xiàn)出價值。”張慶杰稱。

短期來看算力缺口可能變大

在某種程度上，大模型已成人工智能領(lǐng)域的“兵家必爭之地”。據(jù)中國科學技術(shù)信息研究所5月發(fā)布的報告，中國10億級參數(shù)規(guī)模以上大模型已發(fā)布79個。張慶杰表示，無法預測哪些模型會走到最后，但是最后成功的大模型一般會具備這樣四個特點：

一是優(yōu)秀的技術(shù)指標。隨著大模型不斷迭代，對于大模型能力的測評也一直在進行，未來在所有能力上領(lǐng)先，或者在特定能力領(lǐng)先的大模型會吸引更多客戶；

二是明確的市場定位。究竟是提供更為優(yōu)秀的通用AI能力，還是在特定行業(yè)領(lǐng)域越來越專精，成為行業(yè)領(lǐng)先的大模型和事實上的標準，要明確定位；

三是清晰的商業(yè)化策略。尤其是B端客戶，能夠快速應用這些大模型，并且成本、效果、風險等諸多因素都要能滿足要求。

四是廣泛的生態(tài)體系。“百模大戰(zhàn)”初期是立足于模型、算法層面，而真正能夠獲得長遠發(fā)展的大模型，一定是看誰更具有廣泛基礎(chǔ)的生態(tài)體系。

張慶杰還提到，企業(yè)是否需要擁抱大型模型和人工智能技術(shù)，可以根據(jù)自身的具體情況來決定。不過，所有企業(yè)都需要對這項技術(shù)保持關(guān)注，以便及時調(diào)整自己的策略和方向。

具體來說，他提到，成熟企業(yè)可能更有能力投入更多的資源來開發(fā)和應用大模型，初創(chuàng)企業(yè)可能更重要的是找到更切實可行的解決方案，比如使用已經(jīng)訓練好的開源模型或者購買第三方服務。

從企業(yè)所處行業(yè)看，他認為，不同行業(yè)的企業(yè)可能面臨不同的挑戰(zhàn)和機遇。例如，一些傳統(tǒng)的制造業(yè)企業(yè)可能更關(guān)注如何通過人工智能技術(shù)來提高生產(chǎn)效率和質(zhì)量，而不需要完全自研。同時，不同的業(yè)務需求也可能需要不同的解決方案。例如，對于金融、醫(yī)療等一些需要處理大量數(shù)據(jù)的業(yè)務中，使用大模型可能會更有效，而對于智能客服、智能推薦等，可能更注重的是模型的速度和實時性。

“自從大模型出來后，算力需求是10到100倍的增長速度。相比之下，算力的建設需要基建周期，這并不是一年、兩年就能完全滿足。因此，短期來看算力缺口可能變大。”張慶杰還提到，在數(shù)字化時代，對于企業(yè)來說，可以從算力設施、算力應用、算力服務三大關(guān)鍵要素來統(tǒng)籌整體考慮布局未來算力需求，將算力徹底轉(zhuǎn)化為智能時代的新型生產(chǎn)力。

他認為，基于近期大模型的算力訴求爆發(fā)，企業(yè)應當在芯片、服務器、數(shù)據(jù)中心等底層硬件上提升算力的物理極限，在操作系統(tǒng)、數(shù)據(jù)庫等底層軟件上提升釋放算力的能力。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。