分享嘉賓：達(dá)觀數(shù)據(jù)CTO紀(jì)達(dá)麒
轉(zhuǎn)載自第一新聲《大模型之戰(zhàn)下半場(chǎng)：從通用到行業(yè)垂直，「向下」扎根》稿件

為了深入研究通用大模型和垂直大模型的發(fā)展方向和應(yīng)用效果，達(dá)觀數(shù)據(jù)CTO紀(jì)達(dá)麒接受了第一新聲的特別采訪，以企業(yè)的實(shí)踐為出發(fā)點(diǎn)，共同探討通用VS垂直大模型的演進(jìn)方向。

國(guó)內(nèi)大模型超200+，百花齊放

據(jù)相關(guān)媒體報(bào)道，目前全球最大的大模型開源社區(qū)Hugging Face上的預(yù)訓(xùn)練模型數(shù)量，已經(jīng)從此前積累的10萬(wàn)個(gè)增長(zhǎng)到了超過30萬(wàn)個(gè)?；貧w國(guó)內(nèi)市場(chǎng)來看，據(jù)公開資料不完全統(tǒng)計(jì)顯示，截至2023年11月底，國(guó)內(nèi)已經(jīng)有至少200+大模型推出，并且大模型在各行各業(yè)“落子不斷”。從統(tǒng)計(jì)數(shù)據(jù)來看，除了通用大模型外，在金融行業(yè)的落地速度最快，有近15%的大模型都是金融垂直大模型。

達(dá)觀數(shù)據(jù)于23年7月推出的“曹植”大模型是國(guó)內(nèi)首批垂直行業(yè)專用、自主可控的國(guó)產(chǎn)版GPT大語(yǔ)言模型，具備長(zhǎng)文本、垂直化和多語(yǔ)言特性，擅長(zhǎng)長(zhǎng)文檔寫作、審核、翻譯等。

達(dá)觀數(shù)據(jù)CTO紀(jì)達(dá)麒表示：“一直以來，達(dá)觀數(shù)據(jù)都專注于ToB領(lǐng)域，在金融和制造等行業(yè)積累了深厚的專業(yè)經(jīng)驗(yàn)。我們采取的落地路線是將大模型引入原有產(chǎn)品中，為客戶提供更有價(jià)值的服務(wù)。例如，達(dá)觀的智能文本處理平臺(tái)IDPS以往主要偏向文本抽取，需要標(biāo)注、訓(xùn)練、調(diào)優(yōu)等復(fù)雜步驟才能實(shí)現(xiàn)效果。而現(xiàn)在通過大模型能夠?qū)崿F(xiàn)無標(biāo)注的自動(dòng)抽取，顯著降低了交付成本。讓企業(yè)真正實(shí)現(xiàn)了降本增效?！?/p>

通用VS垂直

通用大模型和垂直大模型各有其獨(dú)特的能力，它們之間是一種互補(bǔ)關(guān)系。因?yàn)橥ㄓ么竽Ｐ途哂袕?qiáng)大的語(yǔ)言理解能力，能夠拓寬應(yīng)用范圍的廣度，而垂直大模型則瞄準(zhǔn)特定行業(yè)或需求，在精度和深度上更能滿足實(shí)際要求。這兩者不是對(duì)立面，而是相互支持、協(xié)同發(fā)展的關(guān)系。未來，兩類大模型將會(huì)共生，成為賦能千行百業(yè)的關(guān)鍵。

對(duì)于這個(gè)觀點(diǎn)，紀(jì)達(dá)麒也表示同意，“通用大模型和垂直大模型針對(duì)或解決問題的目標(biāo)不盡相同，通用大模型需要具備更強(qiáng)的泛化性，而垂直大模型則必須要在垂直行業(yè)內(nèi)的應(yīng)用中保持高準(zhǔn)確度?！?/p>

提及通用大模型和垂直大模型的落地空間，他認(rèn)為有一個(gè)核心不同是在客戶需求方面，不同層次和規(guī)模的客戶對(duì)大模型的要求有所差異。例如在ToC端或中小型B端企業(yè)中，客戶對(duì)模型的效果要求較低，但更看重成本的控制。因此，他們可能會(huì)選擇使用通用大模型來解決部分問題，以期用較低的成本實(shí)現(xiàn)水準(zhǔn)以上的效果。

然而，對(duì)于一些大型B端客戶來說，提升效果能力很大程度能對(duì)他們的業(yè)務(wù)帶來重大影響和價(jià)值，因此他們?cè)敢馔度敫嗟某杀尽＿@些客戶可能會(huì)選擇訓(xùn)練垂直大模型，或者利用像達(dá)觀數(shù)據(jù)這樣的專業(yè)垂直大模型服務(wù)，以獲得更優(yōu)秀的效果。在這種情況下，客戶的關(guān)注點(diǎn)不僅在于成本，更在于如何實(shí)現(xiàn)最佳業(yè)務(wù)效果。

因此，在大模型的應(yīng)用中，靈活選擇適合特定業(yè)務(wù)場(chǎng)景的模型策略是非常重要的。

大模型落地難題

盡管大模型的發(fā)展目前非?；钴S和熱鬧，但在實(shí)際落地方面仍然存在落地難題：如何找到合適的應(yīng)用場(chǎng)景？

紀(jì)達(dá)麒表示，要想讓大模型技術(shù)真正落地，不僅要依靠大模型本身，還要考慮中間實(shí)施過程和到達(dá)最后一公里的路徑，即設(shè)計(jì)出合適的產(chǎn)品形態(tài)，選擇最優(yōu)的性價(jià)比，控制好機(jī)器資源成本，最終找到最佳的落地效果。因此，需要有既懂大模型又了解行業(yè)的專業(yè)人士，來共同解決這個(gè)問題。

在ToB行業(yè)化中，一個(gè)主要問題是監(jiān)管難度的提高。在ToC端，也要面對(duì)備案等法規(guī)要求。傳統(tǒng)互聯(lián)網(wǎng)時(shí)代，能夠以相對(duì)容易的方式審核文本內(nèi)容，及時(shí)發(fā)現(xiàn)和處理一些涉及意識(shí)形態(tài)等有問題的內(nèi)容。但是，大模型讓監(jiān)管難度顯著增加。因此在落地過程中，如何進(jìn)行有效監(jiān)管成為一個(gè)亟待解決的問題。否則會(huì)面臨濫用、不當(dāng)使用或者其他潛在的法律問題。在解決監(jiān)管問題的同時(shí)，還需要思考如何讓更多的人從大模型的應(yīng)用中受益。一言以蔽之，如何保證合理監(jiān)管和推動(dòng)社會(huì)效益之間的平衡是一個(gè)全行業(yè)都需要認(rèn)真思考和解決的關(guān)鍵問題。

“達(dá)觀數(shù)據(jù)的工程師團(tuán)隊(duì)在客戶提供數(shù)據(jù)后，會(huì)根據(jù)具體情況進(jìn)行處理，做到這一步其實(shí)還算順利。但更難的問題是，如何結(jié)合大模型，充分發(fā)揮數(shù)據(jù)的價(jià)值，賦能企業(yè)實(shí)現(xiàn)更明確的業(yè)務(wù)目標(biāo)。這就需要制定清晰的業(yè)務(wù)策略，明確產(chǎn)品的功能和特性，以及確保整個(gè)過程能夠有效地滿足客戶的需求?！奔o(jì)達(dá)麒強(qiáng)調(diào)道。

因此，當(dāng)前所有企業(yè)面臨的挑戰(zhàn)是對(duì)大模型應(yīng)用的戰(zhàn)略性思考，以及將這些思考轉(zhuǎn)化為具體的產(chǎn)品設(shè)計(jì)和實(shí)施步驟。要解決這一挑戰(zhàn)，需要綜合運(yùn)用數(shù)據(jù)科學(xué)、業(yè)務(wù)洞察和技術(shù)專業(yè)知識(shí)，形成一個(gè)全面而可行的解決方案。最終，通過深度戰(zhàn)略規(guī)劃和清晰的產(chǎn)品設(shè)計(jì)，更好地發(fā)揮數(shù)據(jù)和大模型的潛力，實(shí)現(xiàn)更有針對(duì)性和有效的業(yè)務(wù)成果。

最后，達(dá)觀數(shù)據(jù)CTO紀(jì)達(dá)麒表示，“我們要達(dá)成以下兩點(diǎn)共識(shí)，首先，未來可能只有少數(shù)幾家廠商具備高質(zhì)量的提供底層通用大模型的能力，而垂直大模型和其產(chǎn)業(yè)化應(yīng)用將迎來非常多的機(jī)會(huì)和競(jìng)爭(zhēng)。未來企業(yè)內(nèi)部，可能會(huì)同時(shí)將多個(gè)大模型結(jié)合起來，一起來去解決企業(yè)內(nèi)部的各種問題。其次，企業(yè)的目標(biāo)是利用 AI 來解決問題，而不是單純地和 AI 結(jié)合。因此，企業(yè)需要思考如何讓人和機(jī)器更好地協(xié)作，且以解決問題為出發(fā)點(diǎn)。不是為了用大模型而追捧大模型”。