“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’的產業生態。對于企業來說，擁抱大模型并不是絕對的，而是取決于企業的具體情況和需求，要考慮到成本和效益之間的平衡。”在2023年服貿會期間，畢馬威中國數字化賦能主管合伙人張慶杰接受中新經緯專訪時說。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”的產業化落地相互促進，共同發展
以大模型為代表的人工智能技術已成為當下技術創新焦點。但在此之前，科技圈的上一任頂流是元宇宙，彼時也是諸多企業爭相布局。大模型帶動的AI熱又能持續多久？
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，其商業化的場景會更加豐富。大模型與“元宇宙”的產業化落地存在著相互促進、共同發展的內在聯系。一方面，人工智能的普及會加速元宇宙的產業化落地，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數字人交互，AIGC繪畫等。
據了解，在本屆服貿會上，畢馬威中國展臺也展示了升級版的“元宇宙體驗中心”，結合了AIGC(生成式人工智能)技術，通過AI服務型數字人，能夠進行當下最火熱的AI對話和文生圖。
張慶杰提到，雖然已經看到了眾多大模型應用的有趣案例，但同時也觀察到企業用戶落地大模型其實還存在一定難度，因而還有很多企業處在觀望階段。
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很好，企業需要制定一個合適的路線圖，逐步擴充成熟場景；其二是企業應用成本較高，部分企業希望私有化部署大模型，這需要一定的大模型技術人才，也需要有一定的數據積累和算力投入；其三是應用大模型涉及的一些合規及安全問題，企業也需要仔細考慮。
“單純從ToB的角度來說，從目前和企業客戶的溝通和測試結果來看，大模型可能會在營銷內容生成、內部知識管理、專業文檔的分析、輔助行業研究等場景首先體現出價值。”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域的“兵家必爭之地”。據中國科學技術信息研究所5月發布的報告，中國10億級參數規模以上大模型已發布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：
一是優秀的技術指標。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先，或者在特定能力領先的大模型會吸引更多客戶；
二是明確的市場定位。究竟是提供更為優秀的通用AI能力，還是在特定行業領域越來越專精，成為行業領先的大模型和事實上的標準，要明確定位；
三是清晰的商業化策略。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。
四是廣泛的生態體系。“百模大戰”初期是立足于模型、算法層面，而真正能夠獲得長遠發展的大模型，一定是看誰更具有廣泛基礎的生態體系。
張慶杰還提到，企業是否需要擁抱大型模型和人工智能技術，可以根據自身的具體情況來決定。不過，所有企業都需要對這項技術保持關注，以便及時調整自己的策略和方向。
具體來說，他提到，成熟企業可能更有能力投入更多的資源來開發和應用大模型，初創企業可能更重要的是找到更切實可行的解決方案，比如使用已經訓練好的開源模型或者購買第三方服務。
從企業所處行業看，他認為，不同行業的企業可能面臨不同的挑戰和機遇。例如，一些傳統的制造業企業可能更關注如何通過人工智能技術來提高生產效率和質量，而不需要完全自研。同時，不同的業務需求也可能需要不同的解決方案。例如，對于金融、醫療等一些需要處理大量數據的業務中，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，在數字化時代，對于企業來說，可以從算力設施、算力應用、算力服務三大關鍵要素來統籌整體考慮布局未來算力需求，將算力徹底轉化為智能時代的新型生產力。
他認為，基于近期大模型的算力訴求爆發，企業應當在芯片、服務器、數據中心等底層硬件上提升算力的物理極限，在操作系統、數據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。
