一段时间以来，大模型成了当下最炙手可热的技术。我国一些科技企业也投入其中，但采访中记者发现，不少企业都把目光聚焦到了与产业发展更直接的行业大模型，而不是一般意义上的所谓通用大模型上，这究竟是为什么呢？来看记者报道。

　　在北京，一家公司利用大模型开发了慢病管理设备，只需要简单输入基本信息后，设备就能生成记者当前的健康状况和未来三年的健康报告。

　　企业负责人告诉记者，大模型能从百万级体检数据中找到规律并形成预判，辅助医生进行慢病管理。

　　第四范式创始人 戴文渊：很多时候行业的问题是不能用通用模型去解决的。它是需要基于行业的这些知识，行业的数据，训练一个行业的大模型，才能更好地去解决问题。

　　记者走访了多家研发大模型的科技公司，不少企业的负责人都告诉记者，他们现阶段更注重让大模型先去服务产业，帮行业解决实际问题。在杭州，一款搭载AI大模型技术的智能仿生腿，精准度和安全度都有所提升。

　　智能仿生腿使用者 高瑞霞：骑起来就会很方便、很轻巧，就跟用我自己的腿其实没有什么区别。

　　在水利领域，黄河勘测规划设计研究院用大模型技术，大幅提升了洪水预报的效率和准确性。

　　黄河勘测规划设计研究院董事长 安新代：利用这种（大模型）技术，洪水预报的时间也从过去的3小时左右缩减到现在五六分钟。目前的洪峰预报精度达到80%左右。

　　据不完全统计，目前国产大模型数量已经超过200个，其中，垂直于细微应用场景的轻量化、小参数模型占据了不小比例。与一般意义上的大模型相比，它们的特点不仅仅是更加聚焦某一个行业领域，而且通过不断的专业训练，也帮助这些大模型更熟悉行业的数据，真正做到赋能行业。

　　中金公司成长企业投资银行部董事总经理 蒋志巍：最终你会发现，大部分的商业化变现还是靠行业的这种垂直模型来实现的。

　　大模型投资意向更趋理性

　　一方面，大模型加速赋能各行各业，应用场景也越来越丰富。另一方面，如今市场上，投资者都对大模型的认知更加明晰，投资的意向也更趋于理性。

　　采访中，不少投资人告诉记者，虽然大模型有着不小的吸引力，但一个不可回避的问题是，开发一个大模型所需要的资金量巨大。投资人算了一笔账，目前在国内，训练一个大模型的研发投入动辄几十亿到几百亿元。

　　君联资本总裁 李家庆：一开始的时候，大家都想去做基础预训练大模型，因为大家都知道，要造楼的话，首先得打地基嘛，但是做这件事情不那么容易。

　　顺为资本合伙人 程天：从全世界范围的角度来讲，通用模型只适合局部的一部分企业，它可能并不适合大规模的企业去参与。通用模型确实存在投入大、周期相对较长的特点。

　　也正是如此，市场上的资金不再像大模型刚刚出现的时候那样，大量投入很多初创公司。如今，投资大模型在投资领域更加谨慎，资金开始集中流向几家行业领先企业。

　　记者找到一组数据：今年一季度，业内两家知名大模型企业的融资额高达120亿元，占据了整个一季度224亿元融资总金额的一半。

　　中金公司成长企业投资银行部董事总经理 蒋志巍：投资人也更加理性。一个公司我投资进去之后，什么时候能够退出？退出这个问题就跟商业化紧密相关，哪些公司在商业化方面前景比较明确？资金会更多涌向这样一些相关领域。

　　各地出台政策

　　鼓励人工智能与产业融合

　　近年来，各项鼓励人工智能技术与产业融合发展的政策也相继出台。

　　北京提出，推动大模型相关技术创新，同时构建高效协同的大模型技术产业生态；

　　上海强调，打造具备国际竞争力的大模型；

　　安徽从资源方面着手，吸引大模型企业入驻；

　　四川成都聚焦研发与迭代前沿大模型，引领行业智能化升级。

　　注重行业应用

　　保证技术进步与健康发展

　　工业和信息化部赛迪研究院人工智能研究员 邹德宝：大模型所遇到的瓶颈，第一个就是受数据的质量限制，高质量数据集相对来说还是比较稀缺的；第二个，算法的多样性上，主要受算法框架的制约。

　　专家告诉记者，大模型在行业应用中，我国是有先发优势的，因为中国的应用场景足够丰富，每个行业都有专属的数据特征，也正因如此，数据安全性的问题也是一个不容忽视的问题。

　　此外，大模型的应用场景正在加速落地，但从长远来看，发展仍旧依赖于人工智能技术的持续进步。因此，技术创新与大模型的投资需要同步加强，确保两者协调发展。

　　君联资本总裁 李家庆：无论是大的算力平台，还是大模型，还是说基础大模型和行业所相结合的一些数据的准备，这些工作我觉得还不足够，还要持续投入资金。但是它的视角，更多的是从用户的视角、场景的视角、具体的行业应用解决问题的视角，去投资它，而不仅仅是从一个AI大模型的角度去投资它。