不少業(yè)內(nèi)分析指出，大模型時(shí)代，人人獲利的只有Chat-GPT這類大語言模型為人類寫文章寫代碼做攻略。此言差矣，這并不是大模型應(yīng)用的唯一方向，面向垂直產(chǎn)業(yè)的模型會(huì)成為大模型價(jià)值的引爆點(diǎn)。

專有模型、垂直行業(yè)模型的訓(xùn)練成本和難度其實(shí)并不低。因?yàn)樾袠I(yè)模型并不意味著小模型，也不意味著單獨(dú)某一個(gè)領(lǐng)域的數(shù)據(jù)，而是通用公域數(shù)據(jù)加上行業(yè)數(shù)據(jù)一起，構(gòu)成了產(chǎn)業(yè)大模型的訓(xùn)練數(shù)據(jù)來源。因?yàn)槿绻挥眯袠I(yè)數(shù)據(jù)訓(xùn)練，會(huì)導(dǎo)致人機(jī)交互能力的不足。產(chǎn)業(yè)模型也需要有足夠的基礎(chǔ)常識(shí)作為背景，才能真正提供較高的溝通交流體驗(yàn)。

當(dāng)然，無論是行業(yè)的垂直大模型，還是大模型未來的發(fā)展趨勢，不難預(yù)料一定是落地，是真正“人人通用”。但“通用”更多的攔路虎是在更加微妙的細(xì)節(jié)上，這些細(xì)節(jié)往往決定了最后產(chǎn)品技術(shù)的價(jià)值，或者是用戶的使用體驗(yàn)。

談及國內(nèi)外大模型的差距，其實(shí)并沒有想象中那么大。算法其實(shí)是整個(gè)技術(shù)社區(qū)一起發(fā)明的，每一個(gè)算法都建立在其他人的基礎(chǔ)之上，其中也有很多中國人的貢獻(xiàn)。算法一旦發(fā)表之后，是屬于全人類的科學(xué)。值得關(guān)注的反而是一些細(xì)節(jié)，從Transformer到GPT，中間還是走過了一段路，怎樣組成這樣的團(tuán)隊(duì)，里面各種各樣技能的人都得有。這樣才能把這個(gè)事情做起來，而且還得有足夠的冒險(xiǎn)精神。

中國不乏有許多行業(yè)垂直大模型做得不錯(cuò)的，例如實(shí)在智能，一家通過自研AGl大模型＋超自動(dòng)化技術(shù)，領(lǐng)跑人機(jī)協(xié)同時(shí)代的人工智能科技公司，近期就發(fā)布了自己自研垂直領(lǐng)域的大語言模型：TARS塔斯。實(shí)在智能為賦能千行百業(yè)數(shù)字化轉(zhuǎn)型，與AI的融合又上了個(gè)新臺(tái)階：RPA技術(shù)可以有效幫助企業(yè)減少重復(fù)、繁瑣的人工操作，而AI納入后的實(shí)在TARS大模型在AI自然語言理解及邏輯知識(shí)能力歸納泛化的優(yōu)勢以及智能屏幕語義理解技術(shù)（ISSUT）的雙重加持下，只需通過文字簡單描述業(yè)務(wù)流程，即可生成一個(gè)自動(dòng)化業(yè)務(wù)流程，生成一個(gè)數(shù)字員工，讓流程的自動(dòng)化更加簡單，讓自動(dòng)化流程的生成更加智能、高效。

作為賦能政企的RPA企業(yè)，安全穩(wěn)定也是重中之重。因此，實(shí)在TARS大模型全面支持私有化部署，用戶可完全自主掌控?cái)?shù)據(jù)和模型，確保內(nèi)部敏感數(shù)據(jù)的安全性，并可根據(jù)業(yè)務(wù)需求進(jìn)行定制化開發(fā)。

現(xiàn)在各行各業(yè)都在結(jié)合大模型的技術(shù)，落地場景多元豐富，呈現(xiàn)出“百花齊放”的狀態(tài)。只有更多嘗試和更多投入，才能讓人們對(duì)大模型的刻板印象從“只能聊天寫代碼”變?yōu)椤皳碛懈嗫赡苄浴薄?/p>