發展大模型，要立足實際走差異化路線，關鍵在應用。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。企業要立足實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。
工業和資訊化部日前召開人工智慧賦能新型工業化企業座談會，提出加快培育面向工業領域的大模型，積極探索人工智慧和工業融合發展新路徑。當前，人工智慧大模型發展提高神速，是作為跟隨者“滿場亂跑”，仍是走差異化之路尋求換道超車，是值得釐清的問題。
我國在人工智慧大模型不少關鍵領域與美國確實存在差距。近一兩年，ChatGPT、Sora等大模型都來自美國人工智慧公司OpenAI。2023年底《財富》雜誌釋出的“人工智慧創新者50強”榜單中，絕大多數都是美國企業，中國僅有1家企業入選。總體看，與美國相比，我國人工智慧的產業基礎薄弱，頂尖人才缺乏，高質量資料積累不足，在底層技術、核心演算法、高階晶片、關鍵基礎軟體等方面受制於人。尤其是隨著近年來被技術關閉，有些差距不斷拉大。
面對他國的主導優勢，盲目跟隨既不利於真正的創新，還容易“爛尾”。中美兩國已被視為人工智慧發展的第一梯隊。近年來，美國不斷進級人工智慧的國家戰略，持續加大對人工智慧的關注與支援，研究制定針對、遏制中國發展人工智慧的措施，以保持其在人工智慧領域的全球領導力。自ChatGPT釋出以來，中國企業紛紛推出大模型，形成了“百模大戰”的局面。但大模型並不是多多益善，“一哄而上”的結果往往是“一鬨而散”，許多同質化、重複性的大模型不僅造成投資浪費，也不能形成核心競爭力。
中國發展大模型，要立足實際走差異化路線。業界有一個形象的比喻：發展大模型，我們不能跟美國打籃球賽，因為美國在這方面佔據主導地位，跟隨容易“滿場亂跑”。我們應該用下圍棋的辦法，在技術相對落後的情況下，透過大模型賦能製造業等各個領域，以實現人工智慧在應用上的突破和提升。人工智慧的發展史也證明，只著眼於虛擬世界卻不能解決產業實際問題的技術，往往只是曇花一現。只有融入並賦能千行百業，才能成為引領未來的突破性技術。
差異化的關鍵就在應用。目前，中國10億引數規模以上的大模型數量已超100個，行業大模型深度賦能電子資訊、醫療、交通等領域，形成上百種應用模式，推動傳統產業轉型進級。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。比如，在工業領域，充分發揮我國完備工業體系和新型資訊基礎設施優勢，加快培育面向工業領域的大模型，凝練、開放工業應用場景，深化工業資料開發利用，提升算力供給能力，將形成人工智慧和工業領域雙向賦能的發展格局。
企業上馬大模型也要注重差異化。大模型不能包治百病，盲目上馬不僅解決不了問題，還可能拖垮企業。應立足企業實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。用得好還要用得起，目前很多企業尤其是中小企業，受技術、資金、人才等限制，很難用上個性化定製的大模型。只有推出更多普惠易用的大模型產品，才能讓大模型更廣、更快落地，紮根企業、行業，實現迅速迭代和效能最佳化。
人工智慧大模型的“車輪”仍將滾滾向前。著眼未來，我們既要在前沿技術上對標領先水平，也要推動大模型應用快速落地，實現產業生態的競爭優勢，才能有望縮小差距甚至實現換道超車。 （作者：黃鑫 來源：經濟日報）
發展大模型，要立足實際走差異化路線，關鍵在應用。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。企業要立足實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。
工業和資訊化部日前召開人工智慧賦能新型工業化企業座談會，提出加快培育面向工業領域的大模型，積極探索人工智慧和工業融合發展新路徑。當前，人工智慧大模型發展提高神速，是作為跟隨者“滿場亂跑”，仍是走差異化之路尋求換道超車，是值得釐清的問題。
我國在人工智慧大模型不少關鍵領域與美國確實存在差距。近一兩年，ChatGPT、Sora等大模型都來自美國人工智慧公司OpenAI。2023年底《財富》雜誌釋出的“人工智慧創新者50強”榜單中，絕大多數都是美國企業，中國僅有1家企業入選。總體看，與美國相比，我國人工智慧的產業基礎薄弱，頂尖人才缺乏，高質量資料積累不足，在底層技術、核心演算法、高階晶片、關鍵基礎軟體等方面受制於人。尤其是隨著近年來被技術關閉，有些差距不斷拉大。
面對他國的主導優勢，盲目跟隨既不利於真正的創新，還容易“爛尾”。中美兩國已被視為人工智慧發展的第一梯隊。近年來，美國不斷進級人工智慧的國家戰略，持續加大對人工智慧的關注與支援，研究制定針對、遏制中國發展人工智慧的措施，以保持其在人工智慧領域的全球領導力。自ChatGPT釋出以來，中國企業紛紛推出大模型，形成了“百模大戰”的局面。但大模型並不是多多益善，“一哄而上”的結果往往是“一鬨而散”，許多同質化、重複性的大模型不僅造成投資浪費，也不能形成核心競爭力。
中國發展大模型，要立足實際走差異化路線。業界有一個形象的比喻：發展大模型，我們不能跟美國打籃球賽，因為美國在這方面佔據主導地位，跟隨容易“滿場亂跑”。我們應該用下圍棋的辦法，在技術相對落後的情況下，透過大模型賦能製造業等各個領域，以實現人工智慧在應用上的突破和提升。人工智慧的發展史也證明，只著眼於虛擬世界卻不能解決產業實際問題的技術，往往只是曇花一現。只有融入並賦能千行百業，才能成為引領未來的突破性技術。
差異化的關鍵就在應用。目前，中國10億引數規模以上的大模型數量已超100個，行業大模型深度賦能電子資訊、醫療、交通等領域，形成上百種應用模式，推動傳統產業轉型進級。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。比如，在工業領域，充分發揮我國完備工業體系和新型資訊基礎設施優勢，加快培育面向工業領域的大模型，凝練、開放工業應用場景，深化工業資料開發利用，提升算力供給能力，將形成人工智慧和工業領域雙向賦能的發展格局。
企業上馬大模型也要注重差異化。大模型不能包治百病，盲目上馬不僅解決不了問題，還可能拖垮企業。應立足企業實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。用得好還要用得起，目前很多企業尤其是中小企業，受技術、資金、人才等限制，很難用上個性化定製的大模型。只有推出更多普惠易用的大模型產品，才能讓大模型更廣、更快落地，紮根企業、行業，實現迅速迭代和效能最佳化。
人工智慧大模型的“車輪”仍將滾滾向前。著眼未來，我們既要在前沿技術上對標領先水平，也要推動大模型應用快速落地，實現產業生態的競爭優勢，才能有望縮小差距甚至實現換道超車。 （作者：黃鑫 來源：經濟日報）
發展大模型，要立足實際走差異化路線，關鍵在應用。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。企業要立足實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。
工業和資訊化部日前召開人工智慧賦能新型工業化企業座談會，提出加快培育面向工業領域的大模型，積極探索人工智慧和工業融合發展新路徑。當前，人工智慧大模型發展提高神速，是作為跟隨者“滿場亂跑”，仍是走差異化之路尋求換道超車，是值得釐清的問題。
我國在人工智慧大模型不少關鍵領域與美國確實存在差距。近一兩年，ChatGPT、Sora等大模型都來自美國人工智慧公司OpenAI。2023年底《財富》雜誌釋出的“人工智慧創新者50強”榜單中，絕大多數都是美國企業，中國僅有1家企業入選。總體看，與美國相比，我國人工智慧的產業基礎薄弱，頂尖人才缺乏，高質量資料積累不足，在底層技術、核心演算法、高階晶片、關鍵基礎軟體等方面受制於人。尤其是隨著近年來被技術關閉，有些差距不斷拉大。
面對他國的主導優勢，盲目跟隨既不利於真正的創新，還容易“爛尾”。中美兩國已被視為人工智慧發展的第一梯隊。近年來，美國不斷進級人工智慧的國家戰略，持續加大對人工智慧的關注與支援，研究制定針對、遏制中國發展人工智慧的措施，以保持其在人工智慧領域的全球領導力。自ChatGPT釋出以來，中國企業紛紛推出大模型，形成了“百模大戰”的局面。但大模型並不是多多益善，“一哄而上”的結果往往是“一鬨而散”，許多同質化、重複性的大模型不僅造成投資浪費，也不能形成核心競爭力。
中國發展大模型，要立足實際走差異化路線。業界有一個形象的比喻：發展大模型，我們不能跟美國打籃球賽，因為美國在這方面佔據主導地位，跟隨容易“滿場亂跑”。我們應該用下圍棋的辦法，在技術相對落後的情況下，透過大模型賦能製造業等各個領域，以實現人工智慧在應用上的突破和提升。人工智慧的發展史也證明，只著眼於虛擬世界卻不能解決產業實際問題的技術，往往只是曇花一現。只有融入並賦能千行百業，才能成為引領未來的突破性技術。
差異化的關鍵就在應用。目前，中國10億引數規模以上的大模型數量已超100個，行業大模型深度賦能電子資訊、醫療、交通等領域，形成上百種應用模式，推動傳統產業轉型進級。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。比如，在工業領域，充分發揮我國完備工業體系和新型資訊基礎設施優勢，加快培育面向工業領域的大模型，凝練、開放工業應用場景，深化工業資料開發利用，提升算力供給能力，將形成人工智慧和工業領域雙向賦能的發展格局。
企業上馬大模型也要注重差異化。大模型不能包治百病，盲目上馬不僅解決不了問題，還可能拖垮企業。應立足企業實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。用得好還要用得起，目前很多企業尤其是中小企業，受技術、資金、人才等限制，很難用上個性化定製的大模型。只有推出更多普惠易用的大模型產品，才能讓大模型更廣、更快落地，紮根企業、行業，實現迅速迭代和效能最佳化。
人工智慧大模型的“車輪”仍將滾滾向前。著眼未來，我們既要在前沿技術上對標領先水平，也要推動大模型應用快速落地，實現產業生態的競爭優勢，才能有望縮小差距甚至實現換道超車。 （作者：黃鑫 來源：經濟日報）
發展大模型，要立足實際走差異化路線，關鍵在應用。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。企業要立足實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。
工業和資訊化部日前召開人工智慧賦能新型工業化企業座談會，提出加快培育面向工業領域的大模型，積極探索人工智慧和工業融合發展新路徑。當前，人工智慧大模型發展提高神速，是作為跟隨者“滿場亂跑”，仍是走差異化之路尋求換道超車，是值得釐清的問題。
我國在人工智慧大模型不少關鍵領域與美國確實存在差距。近一兩年，ChatGPT、Sora等大模型都來自美國人工智慧公司OpenAI。2023年底《財富》雜誌釋出的“人工智慧創新者50強”榜單中，絕大多數都是美國企業，中國僅有1家企業入選。總體看，與美國相比，我國人工智慧的產業基礎薄弱，頂尖人才缺乏，高質量資料積累不足，在底層技術、核心演算法、高階晶片、關鍵基礎軟體等方面受制於人。尤其是隨著近年來被技術關閉，有些差距不斷拉大。
面對他國的主導優勢，盲目跟隨既不利於真正的創新，還容易“爛尾”。中美兩國已被視為人工智慧發展的第一梯隊。近年來，美國不斷進級人工智慧的國家戰略，持續加大對人工智慧的關注與支援，研究制定針對、遏制中國發展人工智慧的措施，以保持其在人工智慧領域的全球領導力。自ChatGPT釋出以來，中國企業紛紛推出大模型，形成了“百模大戰”的局面。但大模型並不是多多益善，“一哄而上”的結果往往是“一鬨而散”，許多同質化、重複性的大模型不僅造成投資浪費，也不能形成核心競爭力。
中國發展大模型，要立足實際走差異化路線。業界有一個形象的比喻：發展大模型，我們不能跟美國打籃球賽，因為美國在這方面佔據主導地位，跟隨容易“滿場亂跑”。我們應該用下圍棋的辦法，在技術相對落後的情況下，透過大模型賦能製造業等各個領域，以實現人工智慧在應用上的突破和提升。人工智慧的發展史也證明，只著眼於虛擬世界卻不能解決產業實際問題的技術，往往只是曇花一現。只有融入並賦能千行百業，才能成為引領未來的突破性技術。
差異化的關鍵就在應用。目前，中國10億引數規模以上的大模型數量已超100個，行業大模型深度賦能電子資訊、醫療、交通等領域，形成上百種應用模式，推動傳統產業轉型進級。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。比如，在工業領域，充分發揮我國完備工業體系和新型資訊基礎設施優勢，加快培育面向工業領域的大模型，凝練、開放工業應用場景，深化工業資料開發利用，提升算力供給能力，將形成人工智慧和工業領域雙向賦能的發展格局。
企業上馬大模型也要注重差異化。大模型不能包治百病，盲目上馬不僅解決不了問題，還可能拖垮企業。應立足企業實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。用得好還要用得起，目前很多企業尤其是中小企業，受技術、資金、人才等限制，很難用上個性化定製的大模型。只有推出更多普惠易用的大模型產品，才能讓大模型更廣、更快落地，紮根企業、行業，實現迅速迭代和效能最佳化。
人工智慧大模型的“車輪”仍將滾滾向前。著眼未來，我們既要在前沿技術上對標領先水平，也要推動大模型應用快速落地，實現產業生態的競爭優勢，才能有望縮小差距甚至實現換道超車。 （作者：黃鑫 來源：經濟日報）
發展大模型，要立足實際走差異化路線，關鍵在應用。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。企業要立足實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。
工業和資訊化部日前召開人工智慧賦能新型工業化企業座談會，提出加快培育面向工業領域的大模型，積極探索人工智慧和工業融合發展新路徑。當前，人工智慧大模型發展提高神速，是作為跟隨者“滿場亂跑”，仍是走差異化之路尋求換道超車，是值得釐清的問題。
我國在人工智慧大模型不少關鍵領域與美國確實存在差距。近一兩年，ChatGPT、Sora等大模型都來自美國人工智慧公司OpenAI。2023年底《財富》雜誌釋出的“人工智慧創新者50強”榜單中，絕大多數都是美國企業，中國僅有1家企業入選。總體看，與美國相比，我國人工智慧的產業基礎薄弱，頂尖人才缺乏，高質量資料積累不足，在底層技術、核心演算法、高階晶片、關鍵基礎軟體等方面受制於人。尤其是隨著近年來被技術關閉，有些差距不斷拉大。
面對他國的主導優勢，盲目跟隨既不利於真正的創新，還容易“爛尾”。中美兩國已被視為人工智慧發展的第一梯隊。近年來，美國不斷進級人工智慧的國家戰略，持續加大對人工智慧的關注與支援，研究制定針對、遏制中國發展人工智慧的措施，以保持其在人工智慧領域的全球領導力。自ChatGPT釋出以來，中國企業紛紛推出大模型，形成了“百模大戰”的局面。但大模型並不是多多益善，“一哄而上”的結果往往是“一鬨而散”，許多同質化、重複性的大模型不僅造成投資浪費，也不能形成核心競爭力。
中國發展大模型，要立足實際走差異化路線。業界有一個形象的比喻：發展大模型，我們不能跟美國打籃球賽，因為美國在這方面佔據主導地位，跟隨容易“滿場亂跑”。我們應該用下圍棋的辦法，在技術相對落後的情況下，透過大模型賦能製造業等各個領域，以實現人工智慧在應用上的突破和提升。人工智慧的發展史也證明，只著眼於虛擬世界卻不能解決產業實際問題的技術，往往只是曇花一現。只有融入並賦能千行百業，才能成為引領未來的突破性技術。
差異化的關鍵就在應用。目前，中國10億引數規模以上的大模型數量已超100個，行業大模型深度賦能電子資訊、醫療、交通等領域，形成上百種應用模式，推動傳統產業轉型進級。以應用為導向，立足已有優勢，與垂直行業深度結合，不僅能激發產業新動能，也能鍛造技術新優勢。比如，在工業領域，充分發揮我國完備工業體系和新型資訊基礎設施優勢，加快培育面向工業領域的大模型，凝練、開放工業應用場景，深化工業資料開發利用，提升算力供給能力，將形成人工智慧和工業領域雙向賦能的發展格局。
企業上馬大模型也要注重差異化。大模型不能包治百病，盲目上馬不僅解決不了問題，還可能拖垮企業。應立足企業實際，結合自身業務場景，綜合考慮行業專業性、資料安全、持續迭代和綜合成本等因素，構建適合自己的專屬大模型。用得好還要用得起，目前很多企業尤其是中小企業，受技術、資金、人才等限制，很難用上個性化定製的大模型。只有推出更多普惠易用的大模型產品，才能讓大模型更廣、更快落地，紮根企業、行業，實現迅速迭代和效能最佳化。
人工智慧大模型的“車輪”仍將滾滾向前。著眼未來，我們既要在前沿技術上對標領先水平，也要推動大模型應用快速落地，實現產業生態的競爭優勢，才能有望縮小差距甚至實現換道超車。 （作者：黃鑫 來源：經濟日報）
