政企市場 「觀望」AI大模型

 　　政企領(lǐng)域，似乎正在成為AI落地的又一標(biāo)的。

　　幾個最新的動態(tài)是：新華三針對政企客戶發(fā)布私域大模型“百業(yè)靈犀”LinSeer、中國電科發(fā)布專為黨政企行業(yè)用戶服務(wù)的AIGC大模型“小可”、百應(yīng)科技發(fā)布政務(wù)行業(yè)專有大模型“萬機”……百度智能云、阿里云、三六零、科大訊飛、商湯等也都在針對政企客戶，發(fā)布了相關(guān)產(chǎn)品和解決方案。

　　這一趨勢同樣發(fā)生在海外。有消息稱微軟正在使用其 Azure 云服務(wù)把 OpenAI 的強大的語言生成模型引入政府機構(gòu)，這些模型包括 OpenAI 最新、*進的大型語言模型(LLM)GPT-4以及 GPT-3。

　　然而，從國內(nèi)發(fā)布政企大模型的各大廠商的動作來看，并未有較多的落地案例。背后的原因有很多，一是產(chǎn)品發(fā)布時間短，無法及時得到較大反饋;二是由大模型引起的AI熱潮還處于爆發(fā)期，政企對于合作廠商的選擇還需考量。

　　除了這些因素之外，幾個關(guān)鍵的問題是，這些廠商針對政企客戶發(fā)布的AI產(chǎn)品，真的是政企所需要的嗎?再或者，于政企而言，其需要什么樣的AI產(chǎn)品與服務(wù)?

　　01 政企市場，“觀望”AI

　　“我們接觸的客戶都在探索這方面的內(nèi)容，政企會有這方面的訴求。”某業(yè)內(nèi)人士告訴產(chǎn)業(yè)家，“但對于AI大模型在政企領(lǐng)域的應(yīng)用，大家都處于觀望+探索的階段。”

　　在國內(nèi)，政企普遍體量大、業(yè)務(wù)復(fù)雜、定制化要求高，有著沉重的IT建設(shè)包袱，各部門、業(yè)務(wù)之間難以協(xié)同，數(shù)據(jù)壁壘也難以打破，這使得政企的數(shù)字化轉(zhuǎn)型困難重重。

　　而大模型可以把人與人、人與機器之間的交互過程數(shù)據(jù)完整的沉淀下來，讓它自主學(xué)習(xí)進步，持續(xù)演進。杜絕了過去的煙囪式建設(shè)，降本增效的同時還能推動政企數(shù)字化進程。

　　這種技術(shù)應(yīng)用的趨勢，推動著諸多廠商開始將自身的TOG產(chǎn)品與大模型結(jié)合。

　　不過客觀來看，當(dāng)下雖然深耕AI產(chǎn)業(yè)鏈的玩家眾多，但在政企領(lǐng)域，出于對算力、行業(yè)專業(yè)度、數(shù)據(jù)安全、國產(chǎn)化等各方因素的考量，廠商難以給出合適的AI解決方案。

　　AI大模型作為數(shù)字化的新基建，如何賦能行業(yè)仍需不斷探索、實踐。很多企業(yè)也在不斷進行新的嘗試。

　　周鴻祎曾在微博上發(fā)文表示，“大型企業(yè)或者政府要私有化大模型。即在加入公有GPT知識和能力的基礎(chǔ)上，再訓(xùn)練一個私有的GPT，只給企業(yè)自己或客戶使用。”

　　與周鴻祎有相同見解的，還有新華三安全產(chǎn)品研發(fā)總監(jiān)韓小平。

　　“政企大模型一方面數(shù)據(jù)不能出域；一方面需要結(jié)合其業(yè)務(wù)場景數(shù)據(jù)進行喂養(yǎng)訓(xùn)練，生成實際的業(yè)務(wù)場景App。”

　　他認為，政企大模型技術(shù)本身其實不是*考量的因素，更重要的是對用戶業(yè)務(wù)的理解。政企AI服務(wù)，行業(yè)Know-how仍是關(guān)鍵，沒有政企業(yè)務(wù)服務(wù)經(jīng)驗的廠商，難以結(jié)合大模型設(shè)計出個性化的解決方案。

　　兩人都將政企AI大模型的落地方式瞄準(zhǔn)了私有化。

　　02 私有化，會是一個好的選擇嗎？

　　“全面禁止使用ChatGPT”這句話時不時就會喜提科技榜熱搜，最近一次的主角是三星。

　　具體源于三星允許半導(dǎo)體部門的工程師使用ChatGPT參與修復(fù)源代碼問題。但在過程當(dāng)中，員工們輸入了機密數(shù)據(jù)，包括新程序的源代碼本體、與硬件相關(guān)的內(nèi)部會議記錄等數(shù)據(jù)。

　　起初三星全面禁止使用ChatGPT，自3月11日開始才部分開放給DS部門使用，卻沒想到在短短時間內(nèi)就傳出機密外泄。

　　諸如此類機密數(shù)據(jù)泄漏事件，層出不窮。

　　在海外市場，蘋果、三星、摩根大通、花旗銀行等知名企業(yè)都曾明確表示，禁止或限制員工在工作場合使用ChatGPT等大模型產(chǎn)品。

　　事實上，大模型的底層邏輯是將行業(yè)數(shù)據(jù)標(biāo)注出來進行深度學(xué)習(xí)，訓(xùn)練出專注于某一行業(yè)的垂直模型。這也意味著，企業(yè)的數(shù)據(jù)要集成到通用大模型的數(shù)據(jù)池中。

　　然而，政企的數(shù)據(jù)大多涉及商業(yè)機密、個人隱私等問題，對數(shù)據(jù)安全要求甚高。

　　所以，數(shù)據(jù)不出域，成為關(guān)鍵。而私有大模型無疑是政企的必選項。

　　不過，私有化意味著需要政企客戶自己收集數(shù)據(jù)進行訓(xùn)練。一般情況下，AI決策的及時性和準(zhǔn)確性，取決于數(shù)據(jù)質(zhì)量、數(shù)量以及算力。這意味著輸入預(yù)訓(xùn)練模型的數(shù)據(jù)維度、數(shù)量越多，質(zhì)量越高，才能真正發(fā)揮大模型真正價值。

　　一個有爭議的點是，專業(yè)廠商打造的私有模型，比起通用大模型的能力，能否滿足政企需求。

　　3月30日，彭博社創(chuàng)始人布隆伯格發(fā)布了一片論文，即BloombergGPT: A Large Language Modelfor Finance。

　　在論文中，介紹了其以模3630億token的金融領(lǐng)域數(shù)據(jù)集以及3450億token的通用數(shù)據(jù)集訓(xùn)練出來的金融大語言模型。并進行金融領(lǐng)域評估與通用領(lǐng)域評估。

　　結(jié)果顯示，在金融領(lǐng)域任務(wù)上，該模型綜合表現(xiàn)*;在通用任務(wù)上，該模型的綜合得分同樣優(yōu)于相同參數(shù)量級的其他模型，并且在某些任務(wù)上的得分要高于參數(shù)量更大的模型。

　　這意味著，基于專業(yè)領(lǐng)域語料訓(xùn)練的大模型，在領(lǐng)域內(nèi)的理解要超過通用大模型。

　　一個啟示是，在其他特定領(lǐng)域，也可以開發(fā)專用的大語言模型，并且效果可能比通用大模型更好。

　　然而，這個評估實驗的結(jié)論仍無法代表所有行業(yè)，有些問題仍需要被正視，例如中外金融數(shù)據(jù)維度、質(zhì)量其實有著較大的差距，該金融模型作為*個行業(yè)模型，更換不同維度、質(zhì)量的數(shù)據(jù)，能否保持其結(jié)論的準(zhǔn)確性，還未得知。

　　另外，除政務(wù)系統(tǒng)、城市大腦以及金融等數(shù)據(jù)敏感的政企場景，其他終端場景，通用大模型的語料數(shù)據(jù)仍有很大優(yōu)勢。

　　所以，對于政企而言，其需要的AI服務(wù)是能在保證數(shù)據(jù)安全的同時，還可以能集成通用大模型作為能力補充。

　　03 政企大模型，亦需“群戰(zhàn)”

　　術(shù)業(yè)有專攻，大模型能力同樣如此。

　　在政務(wù)AI大模型應(yīng)用方面，周鴻祎曾直言，預(yù)測未來中國不會只有一個大模型，每個城市、每個政府部門都會有自己的專有大模型。

　　信創(chuàng)化的浪潮下，全技術(shù)棧的國產(chǎn)化已經(jīng)成為服務(wù)政企客戶的準(zhǔn)入門檻。所以對于政企而言，信創(chuàng)生態(tài)能力成為其選擇廠商的重要標(biāo)準(zhǔn)。

　　目前來看，能實現(xiàn)全技術(shù)棧國產(chǎn)化的AI大模型廠商屈指可數(shù)。能否吸引更多信創(chuàng)伙伴成為關(guān)鍵，取長補短，或?qū)�實現(xiàn)雙贏。

　　此外，在國產(chǎn)化的基礎(chǔ)上，不同的場景應(yīng)用，也需要與不同的廠商合作，例如互聯(lián)網(wǎng)云廠商在終端軟件應(yīng)用的優(yōu)勢;運營商的網(wǎng)絡(luò)優(yōu)勢;華為在芯片、系統(tǒng)上的優(yōu)勢。

　　除了基于客戶需求的合作，還有來自算力等資源稀缺所帶來的壓力。

　　AI新一輪熱潮襲來，服務(wù)器需要配備大量GPU/NPU/FPGA/ASIC等芯片以支持高算力，但就目前來看，算力不僅價格高昂且資源緊張。

　　目前，支撐包括ChatGPT大模型在內(nèi)的95%用于機器學(xué)習(xí)的芯片都是英偉達的A100(或者國內(nèi)使用的替代產(chǎn)品A800)，該芯片的單價超過1萬美元。此外，英偉達最新一代的***芯片的性能也遠超A100，但價格也更高，約合25萬元人民幣。

　　而在取長補短的AI大模型產(chǎn)業(yè)生態(tài)下，將大幅度杜絕模型的重復(fù)搭建、實現(xiàn)數(shù)據(jù)的重復(fù)利用，大大節(jié)約算力資源利用率。同時還可以減少政企客戶的AI部署成本。

　　所以，對于布局政企大模型的廠商而言，在私有化的前提下，通過開源、API接口等形式，以通用大模型和客戶或自身集成的數(shù)據(jù)，幫助客戶調(diào)教模型，形成定制化的AI產(chǎn)品，或?qū)⑼苿诱�企大模型快速落地�?/strong>