通用大模型轉向行業大模型：騰訊云、華為云們的下一個戰場

　　AI大模型從概念提出到應用落地成效顯著，目前逐漸從C端“對話作詩”走向各行各業。

　　近期，騰訊云公布行業大模型研發進展，其立足不同企業的需求場景，依托騰訊云TI平臺打造了行業大模型精選商店，為客戶提供MaaS(Model-as-a-Service)一站式服務，助力客戶構建專屬大模型及智能應用。

　　無獨有偶，在華為開發者大會2023(Cloud)上，華為云盤古大模型3.0正式對外發布，這是一個面向行業的大模型系列，其將圍繞“行業重塑”“技術扎根”“開放同飛”三大創新方向，為行業客戶、伙伴及開發者提供更好的服務。

　　騰訊云、華為云等頭部云服務廠商領路，各行各業的龍頭企業和創業公司跟隨，行業大模型一時間熱鬧起來。不出意外，近幾個月行業大模型會迎來一波密集發布的小高潮，大模型產業的垂直化、企業化也將更深入。

　　01 轉戰行業大模型

　　從市場現狀來看，大模型的戰爭從通用大模型轉向行業大模型是大勢所趨。

　　正如騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生所說的：“通用大模型可以在100個場景中，解決70%-80%的問題，但未必能100%滿足企業某個場景的需求”，通用大模型在解決特定場景的專業問題時存在一定的局限性。

　　一來，通用大模型有廣泛的適用性但缺乏行業深度，在專業和更加細分的垂直領域幾乎提供不了高價值的服務。

　　眾所周知，通用大模型需要三大支柱支撐即算法、數據、算力，其中數據決定智能范圍，影響數據分析的精準度和全面性，而通用大模型數據大多來自于公開文獻與網絡信息，專業行業數據積累不足，在醫療、金融等專業性較強的產業，通用大模型提供的服務價值有限。

　　二來，使用通用大模型需要上傳數據到大模型方提供的服務器，存在數據泄露的風險和安全問題。

　　普通通用大模型并非本地部署也沒有用戶權限管控，對數據安全敏感的金融行業、G端客戶在運用大模型時很難保證數據的安全，采取有效的控制措施提高通用大模型的安全性和數據保護迫在眉睫。

　　三來，通用大模型需要處理海量的數據與計算資源對算力、算法要求高，意味著更高的運營成本。據網絡公開數據，以GPT-3的AI大模型為例，OpenAI使用了近1萬億個單詞和45TB的數據量來訓練它，單次訓練成本達到140萬美元。

　　相比通用大模型，垂直大模型在控制成本方面有很大優勢，因為模型參數少，訓練調試、優化和實施的成本更低，這對于追求“降本增效”的中小型企業更加友好。

　　通用大模型數據安全、算力成本、行業深度等多方面的不足，騰訊云、華為云等云服務廠商積極研發低門檻、低成本、高效率且安全，又適合落地的行業大模型。

　　02 騰訊云整合生態資源

　　在其他云服務廠商還在C端市場火拼的時候，騰訊云早早的瞄準了TOB 場景。

　　6月19日，針對通用大模型高成本、安全性低等問題，騰訊云推出了MaaS服務全景圖，為客戶提供一站式模型服務，涵蓋完善的模型工具、成熟的流程方法、全面的配套服務以及*的安全保障能力。

　　與此同時，騰訊云圍繞自身產業生態優勢去發展和壯大行業大模型業務，取得了一定的成果和反饋。

　　據了解，騰訊云行業大模型能力已經在騰訊企點、騰訊會議、騰訊云AI代碼助手等多款產品中落地使用。此外，騰訊云聯合行業頭部企業，已為文旅、政務、金融等 10 余個行業，提供了 50 多個大模型行業解決方案。

　　不得不說，龐大的產業生態是推動行業大模型落地的重要資源。騰訊投資的業務大而廣，而無論是社交、文娛、大健康，還是金融、汽車等產業都需要走向數字化，大模型又是產業數字化發展的標配，在應用行業大模型方面，騰訊云有先天優勢。

　　除了產業生態資源之外，騰訊云發展行業大模型的競爭力還在于技術的積累和創新。

　　在技術方面，騰訊云背靠騰訊優圖實驗室、騰訊 AI Lab 等*實驗室，底層算力、算法開發、AI 應用等技術能力不言而喻，而且騰訊云算力、算法等方面的實力不是一成不變而是一直在進步。

　　值得一提的有，騰訊云自研的星脈高性能計算網絡、向量數據庫，能提升40%的GPU利用率，節省30%~60%的模型訓練成本，為AI大模型帶來10倍通信性能提升，可為行業大模型的應用提供更堅實的算力底座。

　　據財報透露，騰訊還在自研數據庫TDSQL、安全平臺EdgeOne和大數據處理套件TBDS之類的技術，以及研究AI開發相關的TI平臺等。騰訊2023年*季度研發投入為151.81億元，而且自2018年來5年累計超過2200億元，研發投入只多不少。

　　在生態方面，騰訊云秉承開放共贏的理念將技術開放給更多合作伙伴，打造可持續創新發展的大模型生態。

　　對此，騰訊云副總裁、騰訊云智能負責人、優圖實驗室負責人吳運聲表示：“AI大模型技術發展和產業探索，離不開產業鏈協同和生態共建，騰訊希望與行業伙伴攜手，共同推進大模型在產業領域的創新和落地。”

　　總而言之，騰訊云基于自身生態資源優勢、堅實的技術底座還有開放的技術平臺，率先在行業大模型領域“落位”，隨著技術的進一步精進和應用場景的擴大，騰訊云有望在行業大模型領域保持*地位。

　　03 華為云深耕垂直產業

　　時間車輪滾滾，自2019年以來華為一直致力于研發和升級迭代盤古大模型，通過不斷投入資金、人力和資源，提升了自己在行業大模型領域的技術實力。

　　2019年-2020年，華為內部投入AI大模型研發，立項做盤古大模型;2021年4月，華為云盤古大模型正式面世;2022年，盤古大模型升級2.0版本，落地行業應用;2023年，盤古大模型 3.0 正式發布，繼續深入產業鏈。

　　盤古大模型3.0三層架構可以快速調整方向，快速適配客戶的多變需求，為不斷變化的產業數字化趨勢提供可靠的解決方案。華為云這種兼顧通用大模型、行業大模型以及更細化場景大模型服務的能力背后，依仗的是多年來持續的技術研發。

　　一方面，華為云大模型技術實力強勁，體現在人工智能技術的持續投入和創新能力上。財報數據顯示，華為2022年研發投入達到1615億人民幣，占全年收入的25.1%，十年累計投入的研發費用超過9773億人民幣。

　　這種投入力度和創新速度使得華為云能夠在人工智能領域取得突破，為大模型的全面落地奠定了堅實的基礎。財報數據顯示，2022年華為提交了8440份專利申請，其中90%以上為發明專利，涉及電子通信、光技術、鴻蒙操作系統、計算存儲、智能汽車等多個領域。

　　另一方面，華為云繼續深耕政務、鐵路、制造、藥物等垂直行業的數字化，通過在這些垂直行業中提供安全、可靠、高效的AI大模型解決方案，樹立自身良好形象，也彰顯盤古大模型的價值。

　　在煤礦領域，盤古礦山大模型可以覆蓋煤礦的采、掘、機、運、通、洗選等業務流程下的1000多個細分場景，已在全國8個礦井規模使用;在鐵路領域，盤古鐵路大模型能精準識別現網運行的67種貨車、430多種故障，無故障圖片篩除率高達95%……

　　不得不說，華為云盤古大模型3.0高度可定制化的能力，使其可以根據不同行業、企業和用戶的需求進行定制，能夠滿足千行百業各種復雜的場景，這種靈活性和可拓展性讓華為云盤古大模型在垂直領域收獲“累累戰績”。

　　關于未來，華為輪值董事長胡厚崑表示，華為在人工智能發展上有兩個著力點：“*，打造強有力的算力底座，支撐中國人工智能產業的發展。第二，從通用大模型到行業大模型，讓人工智能服務好千行百業、服務好科研創新。”

　　這樣意味著，華為云要不斷深化行業大模型技術研究與生態拓展，加速占領更大的市場份額，而這一過程也會遇到更多的技術挑戰和場景競爭。

　　04 加速搶占B端“著陸點”

　　騰訊云、華為云之外，越來越多大廠投入到行業大模型的開發和訓練以及商業化中，他們寄希望于采用更精準的行業數據、更低成本解決某些產業核心技術“卡脖子”問題，這也意味著一場行業大模型的“著陸之爭”悄然到來。

　　首先，自動駕駛、醫療、教育、金融等領域的行業大模型層出不窮，一系列行業大模型的集中爆發，將推動行業大型模型的發展和應用，也必然會加劇市場競爭。

　　3月，網易有道推出國內*教育場景下類ChatGPT模型“子曰”;4月，毫末智行發布全球*自動駕駛生成式大模型DriveGPT;5月，我愛我家推出行業*房產經紀大模型1.0版本;6月，東軟面向醫療領域推出添翼醫療領域大模型;7月，中國移動宣布發布九天人工智能行業大模型……

　　其次，百度云、阿里云、騰訊云、華為云高喊大模型落的口號，并推出相關的行業大模型，在不同的行業、產業中落地已成為頭部云服務廠商的新戰場。

　　有人說，AI大模型只有大企業和資金充足的企業才能玩得轉，確實如此。AI大模型的研發和訓練需要海量的數據、高額的費用、優秀的科技人才，而具備這些條件的企業基本是互聯網巨頭或行業龍頭企業，它們深入到產業中去的發展共識，亦是行業競爭風向標。

　　最后，國內各行各業的數字化轉型需求是多元而豐富的，行業大模型廠商正在探索多種行業大模型落地的可行性。IDC對基于大模型的AI市場規模進行了預測，預計中國人工智能市場規模在2023年將超過147億美元，到2026年這一規模將超過263億美元。

　　綜上所述，行業大模型是當下云服務廠商*不能錯過的風口，騰訊云、華為云已經憑借其產業生態基因和擅長的AI技術，提供差異化的行業大模型服務，行業大模型落地將成為云廠商們的下一個競爭的主場。