《2024行业大模型调研报告》发布（附下载）

与传统AI仅能处理单一任务相比，大模型技术通过其庞大的参数规模、强大的泛化能力以及对多模态数据的支持，展现出类似人类的通用智能“涌现”能力，能够学习多个领域知识、处理多种数据和任务。

OpenAI提出的“规模定律”（Scaling Law）驱动了大模型的快速发展，即：模型的性能与模型的规模、数据集大小和训练用的计算量之间存在幂律关系，性能会随着这三个因素的指数增加而线性提高，通俗而言就是“大力出奇迹”。传统AI模型参数量通常在数万至数亿之间，大模型的参数量则至少在亿级，并已发展到过万亿级的规模。

大模型带来的AI性能突破，激发业界向通用人工智能（AGI）领域进发的新热潮。

扫码下载：

行业大模型指利用大模型技术，针对特定数据和任务进行训练或优化，形成具备专用知识与能力的大模型及应用。如果说通用大模型是通才，行业大模型就是专才。与通用大模型相比，行业大模型核心在提高性价比、增强专业性并保障数据（特别是私有数据）安全。

业界对行业大模型还有模糊和争议之处，本报告主要尝试厘清三个问题：一是行业大模型既有模型、也含应用；二是行业大模型大多长在通用大模型之上，基于通用大模型进行再开发；三是行业大模型具备定制特征，本质是解决方案、而非只是一个产品。

可以这样理解，行业大模型中的产品通常是“毛坯房”，客户需要根据自身用途进行“装修”才能满足需要。例如，腾讯云2023年中旬就依托TI平台打造了行业大模型精选商店，推出了MaaS服务，为客户提供一站式的行业大模型解决方案，包括模型预训练、模型精调、智能应用开发等。

行业大模型整体处于发展早期，还没有大规模成熟应用的范例。参考埃弗雷特·罗杰斯（Everett M. Rogers）《创新的扩散》一书中对创新阶段的界定，行业大模型应用阶段可划分为探索孵化期、试验加速期、采纳成长期和落地成熟期，基于“百人百问”目前大部分行业处于前两个阶段，还没有行业达到第四。

数字原生行业（如各类互联网应用）是先行者，传统行业中生产性服务业（广告、金融等）进展相对快、重资产行业（建筑、制造、能源等）进展相对慢。背后有两个核心影响因素：需求的适配度和数据的可得性，越高的行业进展越快。

在“人工智能+”等重要政策指引下，行业大模型有望加速在传统行业的落地应用，在云智一体的基础设施支持下，向多模态、人工智能体、端侧及小型化等方向发展，更深入嵌入各行业的工作流程中，从而促进生产力的提升。

人工智能体（AI Agent）的发展，对行业大模型的意义可能最大。一些与工作流程深度耦合的AI Agent开始涌现，有望逐步发展成为各行各业不可或缺的新型生产力。办公领域，Microsoft 365 Copilot及其个人版Copilot Pro的推出，揭示了提高工作效率和办公自动化方面的巨大潜力；社交领域，Meta AI等产品将进一步推动内容创作和社交互动的智能化，为用户带来更加丰富多样的体验；工业领域，Levatas等工业视觉检查机器人的应用，显示了在识别、判断和维修设备方面的高度自主性；营销领域，SalesGPT等平台的出现，展示了AI Agent在感知情绪、个性化推广和客户服务中的潜力……

随着AI应用的深入，模型的规模、类型和复杂性将不断增加，MaaS将日益成为行业用户云上用智的主流方式。用户或直接调用云的大模型API，或借助全生命周期的大模型训练工具，生成适用于自身场景的大模型，并托管在云上，为最终用户提供高质量智能服务。为此，面向AI的、更高性能的算力底座必然不可或缺，通过计算、存储、通信、训练等各层面的优化，全面提升模型训练、开发和应用效率。