“AI+”时代的应用驱动基础模型

资讯配图

1950年代，随著图灵测试的诞生，人工智能(AI)被正式提出作为一个独立的领域。最初，AI仅限于纯粹的理论学术研究，其实际应用受一定的限制。然而，最近在机器学习、神经网络、自然语言处理和数字孪生等技术的突破，已将AI从一个抽象的概念转变为不可或缺的工具。中国已跃居成为全球第二大的AI市场。

中国在AI方面的支出在2023年达至148亿美元，并预计于2028年将飙升至363亿美元。这一强劲的投资势头突显了中国在塑造全球AI格局方面不断扩大的影响力及关键作用。由此产生的AI势头催生了“AI+”的概念，即将AI技术扩展至不同行业的定制化应用领域。

这些行业包括交通、城市治理、能源、制造业及娱乐业。这种整合的核心是基础模型，即运用大量数据集训练的AI系统，可以执行各种不同模式的任务。这些模型为开发专用的AI应用提供全面且稳固的基础。

“AI+”时代的应用驱动基础模型

作为“AI+”概念的基石，AI基础模型（又称大模型）正在从通用的AI框架发展成为不同行业定制的行业应用解决方案。这些AI模型，包括垂直领域模型、多模态模型和语言模型，提供了先进的计算能力、前瞻性预测和自动化功能。它们越来越注重实际行业引用，并与行业工作流程无缝集成，标志著基础模型的发展已进入新阶段。

儘管取得了这些进展，但基础模型在实际的行业应用上仍面临著若干挑战：

缺乏深厚的行业知识。要有效部署基础模型，必须深入了解特定行业的运营背景。要实现深刻的行业洞察力存在一定挑战，因为其中涉及複杂的特定领域问题和细微的实际场景运营差别，若没有丰富的行业经验和专业知识，往往很难掌握。

对业务层面数据的访问受限。业务层面的数据对于准确训练基础模型至关重要。然而，这些数据通常受到拥有该等数据组织的严密保护，因此难以访问或共享。有能力访问或积累这些数据的公司在开发和部署垂直领域基础模型方面佔有明显优势。

弥合人工智能部署中跨专业人才的挑战。成功部署基础模型需要使AI的能力配合行业特定需求，但AI开发人员往往缺乏深厚的行业知识，而行业专家对AI技术的了解亦可能有限。这种差距对有效协作造成了障碍，并使无缝融合面临挑战。

系统集成的挑战。将基础模型纳入现有业务系统和工作流程可能既複杂又耗时。要确保旧系统或跨各种平台的兼容性和平稳运行，需要投入大量工作和定制，这可能会延迟部署。

为应对这些挑战，新技术趋势不断涌现，例如垂直领域AI解决方案和多模态融合，为更深层次的行业融合铺平道路。随著AI技术与交通、能源、城市治理、制造和娱乐等行业的融合，它们将有助于AI应用的创新并开拓新机遇。在这种不断变化的环境中，拥有深厚行业专业知识并能够获取高质量、业务层面数据的企业，在部署基础模型和充分利用AI技术方面将能处于较有利的位置。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。