今年以來，人工智能領域話題不斷，AIGC、?成式??智能、?模型等概念層出不窮。

雖然市場對大模型有良好的預期，吸引了全世界多個科技巨頭做戰略級投入，但大模型也面臨著成長的煩惱。從技術上和產業應用兩個層面來說，大模型的應用難點有很多。

在技術方面，比較典型的一個問題是，在實際的應用中，大模型會常常發生一些事實性錯誤。這是因為對于大模型的訓練數據中未曾覆蓋到的信息，大模型會按照上下文的概率進行事實編造，從而導致大模型產生“幻覺”。

讓大模型變得更可靠，生成式AI和決策式AI的有機融合發展或許將是一個有效路徑。比如針對生成式AI在權衡一些對沖性的信息時，不能做出正確取舍的弊端，可以在模型建設中加入決策式AI的決策樹等算法，通過引入顯性的邏輯規則來判斷相互矛盾的信息，進而給出最優解。

在產業應用方面，很多產業機構還是將大模型當作“玩具”，還不足以作為“工具”使用。要真正實現大模型的落地，產業機構需要的不僅是大模型本身，還需要充分的行業Know-how、行業知識庫，以及對于落地場景的深入挖掘。在實際的交互中決定需要哪些功能，以及可能以何種方式與這些功能產生鏈接，強化大模型的“工具”能力。

簡而言之，大模型在產業領域的應用絕不是單純的技術問題，能否打造“模型-行業理解-場景應用”的完整體系才是決定成敗的關鍵。

隨著技術的演進發展，行業也將發展出幾大不同的路徑，即以科技巨頭為主的底層大模型、新興創業公司主導的各類“小模型”，以及像百融云創這樣的AI科技公司研發的行業大模型。后續，外界對于大模型的關注將轉向其在垂直領域的落地，行業大模型勢必將迸發出更多勢能，垂類應用和模型能力的結合也會更為緊密。

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。

關鍵詞：