7月以來，數(shù)字開物已收集超過百份"AI大模型應(yīng)用場景"案例報名申請及產(chǎn)業(yè)問題，聚焦這些大模型應(yīng)用落地的真實產(chǎn)業(yè)問題，8月6日順利召開了"AI大模型應(yīng)用場景"產(chǎn)學(xué)研融通創(chuàng)新活動——產(chǎn)業(yè)問題專家研討會。

與會期間，中國科協(xié)企業(yè)創(chuàng)新服務(wù)中心、中關(guān)村產(chǎn)業(yè)技術(shù)聯(lián)盟聯(lián)合會與中國通信工業(yè)協(xié)會數(shù)據(jù)中心委員會相關(guān)領(lǐng)導(dǎo)，中國信息通信研究院人工智能所、北京智源人工智能研究院、清華大學(xué)、北京服裝學(xué)院繼續(xù)教育學(xué)院等科研機構(gòu)及院校專家，以及中國三峽集團武漢科創(chuàng)園、電信安全、西云算力、火山引擎、科大訊飛、靈汐科技等各領(lǐng)域領(lǐng)軍企業(yè)代表展開了深入探討，20多位各專家及企業(yè)代表從算力、數(shù)據(jù)、算法、產(chǎn)業(yè)生態(tài)和人才等多個維度，深入剖析當前AI大模型應(yīng)用發(fā)展面臨的機遇與挑戰(zhàn)。

總的來看，我國大模型發(fā)展面臨著多方面的挑戰(zhàn)：

算力層面

國內(nèi)算力缺口問題依然存在，尤其智能算力。隨著技術(shù)的不斷迭代，算力需求持續(xù)增加，導(dǎo)致算力缺口不斷擴大。與此同時，通信、能源等相關(guān)領(lǐng)域的瓶頸也進一步加劇了這一問題。

國內(nèi)算力缺口問題

從技術(shù)方面來看，高端算力的自主可控是一個關(guān)鍵問題。盡管中國在總體算力規(guī)模上已位居世界前列，但在高端芯片等核心硬件方面仍存在較大差距，這直接影響了大模型的訓(xùn)練效率和規(guī)模。此外，國內(nèi)大模型在某些關(guān)鍵技術(shù)上依賴國外，缺乏原創(chuàng)性算法模型，導(dǎo)致產(chǎn)品技術(shù)水平出現(xiàn)同質(zhì)化競爭。

從成本方面來看，盈利壓力對大模型發(fā)展構(gòu)成了挑戰(zhàn)。企業(yè)出于盈利考慮，難以將所有算力投入大模型研發(fā)。如果短期內(nèi)無法從大模型業(yè)務(wù)中獲得盈利，企業(yè)可能會放棄這條產(chǎn)業(yè)線，轉(zhuǎn)而發(fā)展其他業(yè)務(wù)。即使企業(yè)意識到算力缺口的存在，但為了保證盈利，他們也不可能無限投入到大模型研發(fā)中。

數(shù)據(jù)層面

當前我國在行業(yè)數(shù)據(jù)積累方面還存在明顯不足，現(xiàn)有的數(shù)據(jù)質(zhì)量普遍不高，結(jié)構(gòu)化的高質(zhì)量數(shù)據(jù)相對匱乏，特別是專業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)不足。

高質(zhì)量數(shù)據(jù)相對匱乏

例如，國產(chǎn)模型生成視頻經(jīng)常出現(xiàn)外國人臉的現(xiàn)象，分析其背后的原因發(fā)現(xiàn)，一是國內(nèi)的視頻資源不夠豐富，所以必須用國外的影視資料來進行訓(xùn)練，二是即使能夠獲取國內(nèi)視頻數(shù)據(jù)，企業(yè)也會擔心肖像安全隱私問題，不敢使用。

多模態(tài)異構(gòu)數(shù)據(jù)的整理和處理是面臨挑戰(zhàn)，尤其是海量歷史數(shù)據(jù)的人工標注工作非常耗時。

數(shù)據(jù)安全與隱私保護問題，數(shù)據(jù)脫敏與安全管理能力不足，個人隱私數(shù)據(jù)買賣等問題依然存在。

數(shù)據(jù)確權(quán)和流通問題，缺乏統(tǒng)一的數(shù)據(jù)安全分類標準，不同行業(yè)數(shù)據(jù)交易存在認可度和安全性問題，數(shù)據(jù)分散在不同機構(gòu)手中，由于缺乏有效的流動和共享機制，企業(yè)數(shù)據(jù)共享意愿低。

應(yīng)用層面

模型在復(fù)雜業(yè)務(wù)場景中的應(yīng)用存在挑戰(zhàn)。當前大模型在處理多步驟、多變量的復(fù)雜業(yè)務(wù)流程時，仍存在理解和執(zhí)行上的局限性。

行業(yè)垂直應(yīng)用落地難題不斷。不同行業(yè)有其特殊的知識體系和業(yè)務(wù)邏輯，如何將通用大模型有效地適配到特定行業(yè)，實現(xiàn)從技術(shù)到價值的轉(zhuǎn)化，仍然面臨諸多挑戰(zhàn)。

例如，在特定領(lǐng)域如醫(yī)藥、新能源等行業(yè)，構(gòu)建專業(yè)知識圖譜和智能問答系統(tǒng)面臨技術(shù)挑戰(zhàn)，需要深度融合行業(yè)專業(yè)知識與AI技術(shù)。

再比如，大語言模型問答形式在一些傳統(tǒng)制造業(yè)落地應(yīng)用中難以得到生產(chǎn)單位認可。一些生產(chǎn)單位決策者會關(guān)心成本的問題、人力的問題，僅僅是問答應(yīng)用意愿度不高，例如，有傳統(tǒng)制造業(yè)上產(chǎn)單位認為一線的巡檢人員，能把業(yè)務(wù)要求流程背得滾瓜爛熟，為什么還要用這個問答系統(tǒng)。

大模型應(yīng)用

產(chǎn)業(yè)生態(tài)層面

模型廠商方面，缺應(yīng)用缺場景。算力、模型做差不多了，應(yīng)用場景目前看不到爆發(fā)點，展開來說，廠商在探索場景時面臨一系列問題，如算力能否支持、業(yè)務(wù)本身是否能做大模型、技術(shù)是否可達以及、數(shù)據(jù)歸屬問題、安全性等因素都具有不確定性。

尤其是B端大模型應(yīng)用推廣效果不如預(yù)期，企業(yè)級客戶對模型精準度要求最高，如何將模型適配到產(chǎn)業(yè)發(fā)展上？

企業(yè)客戶方面，一些B端客戶在引入大模型時候，對AI大模型能做什么，不能做什么，能做到什么階段沒有清楚的認知，企業(yè)在實際部署模型時不能清晰提出需求，是否需要進行教育培訓(xùn)？

此外，整個產(chǎn)業(yè)還面臨人才供需不平衡的問題。一是人才短缺，高端人才嚴重不足。例如，技術(shù)方懂技術(shù)不懂業(yè)務(wù)，客戶懂業(yè)務(wù)不懂技術(shù)，懂技術(shù)又懂業(yè)務(wù)交叉型的人才少，再比如在算力方面萬卡集群調(diào)優(yōu)高端人才短缺。二是行業(yè)人才有動態(tài)需求，企業(yè)很難能在一個時段找到合適的人。

關(guān)于人才短缺的問題是需要教育口來培養(yǎng)人才還是產(chǎn)業(yè)端自己培養(yǎng)人才來完成供給也面臨著矛盾。

針對研討會所探討的一系列算力瓶頸、數(shù)據(jù)困境、模型開發(fā)落地挑戰(zhàn)、產(chǎn)業(yè)生態(tài)創(chuàng)新不足等問題和挑戰(zhàn)，誠摯邀請各企業(yè)參與“AI大模型應(yīng)用場景解決方案”征集活動，歡迎能提供創(chuàng)新解決方案的企業(yè)踴躍報名。

“AI大模型應(yīng)用場景解決方案”征集活動

-掃碼申報-

“AI大模型應(yīng)用場景”產(chǎn)學(xué)研融通創(chuàng)新活動流程

解決方案征集：2024年8月8日-8月28日

解決方案專家論證會：2024年8月30日

供需對接洽談會：2024年9月3日

發(fā)布/參會時間：2024年9月26日