各大数据厂商、人工智能（AI）厂商竞逐AI大模型，市场正在分化为通用与垂直两大路径。两者在参数级别、应用场景、商业模式等方面差异正在显性化。业内认为，在生成式人工智能（AIGC）开启的AI 2.0时代中，商业化落地将是抢占这场竞逐制高点的决定性因素。

(资料图)

什么是钢铁冶金行业的智能金相分析？如何检测智能硅片瑕疵？面板玻璃瑕疵包括哪些方面……这些工业制造的各类专业问题，如今都可以在“奇智孔明AInnoGC”这款生成式AI引擎中找寻准确回应。与“写一首藏头诗”等通用性AI话题相比，“奇智孔明”更侧重工业垂直内容。

这款大模型是由港股上市公司创新奇智最新推出的。这家由李开复担任董事长的AI公司，成立仅5年时间，去年营收15.58亿元。从披露的财报来看，过去3年，其“AI+制造”的业务收入占总体收入的比例分别是42%、52%、61%，处于持续提升通道。

通用与垂直，正在成为大模型时代的两种不同玩法。从参数级别来看，与通用大模型相比，工业预训练大模型参数相对较小。不同于ChatGPT等依托于公开互联网数据的通用预训练大模型，创新奇智工业预训练大模型是基于行业（或企业）内部的业务数据知识打造的。

在此基础上，从应用场景来看，工业大模型更倾向于“解决方案”式的交付方式。创新奇智CEO徐辉对证券时报记者举例说，能够理解需求的动态交互，对于制造类工业企业非常重要，需要把生成式AI能力带入到客户业务中，并最终形成解决方案。“具体来看，我们会将大模型率先应用于金融及工业软件等信息智能领域，打破垂类信息孤岛，提升产业白领的生产力；进而会基于大模型平台技术，自研工业预训练大模型，将之应用于多模态、跨垂类的行业场景，为制造、金融等行业打造软硬结合的全栈行业解决方案，提升企业运营效率和信息智能，推进数字化转型。”

还有一个明显差别是，垂直大模型往往需要支持私有化部署。“由于企业的很多业务数据、物流数据、财务数据等都是非常核心的私域数据，很难想象华星光电或者是中石油会把数据拿给人家去训练。”徐辉说。

相比在C端让用户以较低的门槛使用AI生成内容，B端被部分市场人士认为将是AIGC更主要的商业模式。

中国信通院相关人士表示，在从制造大国迈向制造强国的道路上，一些在智能制造赛道上领跑的AI企业，也因此正摩拳擦掌加快投入布局，试图在AIGC开启的AI 2.0时代中，占领竞争制高点。

无论何种模式，商业化都成为核心问题。从目前拥有大模型的AI玩家来看，都在快速推进赋能和商业化。

以百度为例，今年4月上旬，基于文心交通大模型和生成式AI的底层支撑，百度地图下一代版本V18就曾迎来重大更新，通过核心技术和产品体验的双重升维。4月17日，百度又官宣文心一言接入百度内部智能工作平台，针对智能工作场景推出系列全新功能，现阶段仅应用于百度内部办公场景，开启人机协作工作新范式。

徐辉也认为，不能做“只烧钱的AI公司”，不能在财务上仅仅表现为增收不增利。“相较而言，To B业务整体表现或许不太性感，但相对更为扎实。”

为了护航产业健康发展，本月中旬，国家互联网信息办公室发布《生成式人工智能服务管理办法（征求意见稿）》，明确“生成式人工智能产品提供服务前需申报安全评估和算法备案”。在业内看来，这意味着国家对AIGC的监管治理提上日程。

“多国对AIGC监管力度的加强，意味着数据安全和隐私保护已经成为AIGC发展的前提和关键。”奇安信方面向记者透露，目前奇安信已深入布局生成式人工智能模型安全的各个方面，并提供咨询服务。徐辉也对记者表示，监管能让行业更健康发展。“行业发展要尊重数据的隐私，To B企业私有化部署的特点让我们更放心地去运用AIGC技术赋能企业。”

“AI 2.0时代，横向平台化非常重要，未来中国肯定会诞生非常先进的大模型平台公司，但未来应该也会有更多的‘纵’，即把大模型技术在平台的基础上运用到各个行业。”徐辉打了个比方，正如电和冷冻技术的发明非常伟大，但商业意义上更成功的是将电和冷冻技术应用到不同场景的人，譬如冰箱和冰柜；而比冰箱和冰柜还要赚钱的，则是可口可乐，因为它改变了人类的生活方式。

（文章来源：证券时报）