隨著2024年的鐘聲即將敲響，站在這個(gè)歷史的節(jié)點(diǎn)上，回望過(guò)去一年，發(fā)展、進(jìn)步、改變、革新最大的行業(yè)非人工智能莫屬，AI的快速進(jìn)步如同翻江倒海一般，激蕩著無(wú)數(shù)的可能性。

　　其中，2023年里國(guó)產(chǎn)大模型的噴涌出現(xiàn)和快速發(fā)展，作為最引人矚目的焦點(diǎn)，為我們每個(gè)人的工作與生活帶來(lái)前所未有的新奇體驗(yàn)，并開(kāi)啟了一波AI發(fā)展的浪潮。

　　它們的出現(xiàn)，標(biāo)志著人工智能從單一的任務(wù)處理，朝著多任務(wù)、復(fù)雜任務(wù)甚至多模態(tài)任務(wù)處理的方向邁進(jìn)。這些大模型不僅能夠理解和生成人類的語(yǔ)言，還能夠理解和生成圖像、視頻等多種類型的數(shù)據(jù)，甚至能夠在多個(gè)任務(wù)之間進(jìn)行遷移學(xué)習(xí)，展現(xiàn)出了驚人的靈活性和適應(yīng)性。

　　然而，能力的躍遷進(jìn)步，并不意味著大模型的發(fā)展就能一帆風(fēng)順。

　　龐大的參數(shù)量和計(jì)算需求，使得訓(xùn)練和部署這些大模型成為了一項(xiàng)極具挑戰(zhàn)性的任務(wù)，而國(guó)產(chǎn)大模型在算力層面被封鎖、的情況下則顯得更加窘迫。同時(shí)，大模型強(qiáng)大的能力與真正落地生產(chǎn)生活也有著不小的距離，如何能將其快速、準(zhǔn)確、低成本地投放至應(yīng)有之處，也成為了眾多大模型廠商們思考的問(wèn)題。

　　盡管如此，我們不能否認(rèn)大模型帶來(lái)的巨大潛力。它們?yōu)槲覀兇蜷_(kāi)了一個(gè)全新的世界，讓我們有機(jī)會(huì)以前所未有的方式理解和利用數(shù)據(jù)。

　　那么，回望2023年，在AI發(fā)展的三駕馬車——算力、數(shù)據(jù)、算法上，“國(guó)產(chǎn)派”遇到了哪些問(wèn)題，取得了哪些突破，又有著怎樣的思考?在百模大戰(zhàn)甚至千模大戰(zhàn)的背景下，各家廠商推出了怎樣的大模型?面對(duì)大模型能力投放難、落地難的問(wèn)題，企業(yè)又該如何解決呢?

　　1

　　大模型三駕馬車發(fā)展情況

　　在前置端，算力、數(shù)據(jù)、算法作為大模型的三大支柱，都是不可或缺的因素，在2023年中，它們?cè)诟髯缘牡缆飞隙加兄�長(zhǎng)足的進(jìn)步，也面臨著不少的發(fā)展困難。

　　其中，算力作為實(shí)現(xiàn)大模型的基礎(chǔ)，發(fā)展基調(diào)可以用“外部制裁，內(nèi)部發(fā)展，夾縫求生”來(lái)概括。

　　2022年8月底，美官方命令芯片廠商英偉達(dá)停止向中國(guó)銷售部分高性能GPU，而另一家超威半導(dǎo)體也收到了相關(guān)的禁止命令。

　　而在一年之后的10月17日，美國(guó)商務(wù)部繼續(xù)延長(zhǎng)了2022年10月首次實(shí)行的全面出口管制，繼續(xù)收緊對(duì)尖端人工智能芯片的出口管制，在新規(guī)之下，英偉達(dá)旗下最新的H200自然無(wú)望賣給中國(guó)，就連在去年新規(guī)管制之后專門為中國(guó)設(shè)計(jì)的“特供版”GPU A800與H800，也將無(wú)法進(jìn)口。

　　同時(shí)，伴隨著管制規(guī)則的更新，除去直接可用的產(chǎn)品外，還擴(kuò)大了芯片制造工具出口限制清單，中國(guó)的兩家國(guó)產(chǎn)GPU制造商——摩爾線程、壁仞科技均被列入“實(shí)體清單”，大模型發(fā)展的必備算力，受到了極大的限制。

　　但也正是在此次禁令的推動(dòng)之下，國(guó)產(chǎn)GPU芯片終于不再被NV與AMD兩家“騎在頭上”，得到了快速發(fā)展的最佳窗口期，其中華為昇騰、寒武紀(jì)思元等國(guó)產(chǎn)加速芯片也在本次禁令的推動(dòng)之下迎來(lái)春天。

　　在與華為有關(guān)人士的交流中，對(duì)方表示，華為昇騰910于2019年發(fā)布，并于今年10月發(fā)布了最新的910B芯片，相比于上一代獲得了FP32的性能提升。而科大訊飛副總裁江濤在Q3業(yè)績(jī)說(shuō)明會(huì)也透露，目前華為昇騰910B能力已經(jīng)基本做到可對(duì)標(biāo)英偉達(dá)A100。

　　但在談及昇騰910B的應(yīng)用時(shí)，對(duì)方也表示昇騰還有著許多急需進(jìn)步的地方，例如當(dāng)前的互聯(lián)網(wǎng)公司更加追求性價(jià)比和易用性，而目前華為的服務(wù)器產(chǎn)品還是以鯤鵬為基礎(chǔ)，導(dǎo)致了業(yè)務(wù)遷移的高成本，所以目前還處于前期的POC階段，真正的上量起碼要在2024年或更久的未來(lái)。

　　除被認(rèn)為是“中國(guó)NV”的華為昇騰外，被稱作“中國(guó)AMD”的寒武紀(jì)也在加碼AI算力芯片的研發(fā)和推進(jìn)。

　　據(jù)媒體報(bào)道，百度內(nèi)部的測(cè)試結(jié)果顯示，寒武紀(jì)最好的產(chǎn)品思元590，最高性能已經(jīng)接近A100 90%的性能，綜合性能也與A100 80%的水平相差無(wú)幾，但由于寒武紀(jì)采用了ASIC的架構(gòu)，導(dǎo)致通用性較差，當(dāng)前仍然無(wú)法大規(guī)模地投入到訓(xùn)練之中。

　　而在華為與寒武紀(jì)之外，其實(shí)還有很多很多的國(guó)產(chǎn)廠商在大力推進(jìn)AI芯片的發(fā)展，譬如海光的DCU、天數(shù)智芯的天垓100、燧原的云燧、璧仞的BR100，都有著很強(qiáng)的競(jìng)爭(zhēng)力，作為后發(fā)者，雖然在能力和適用性上與英偉達(dá)最新的加速卡相比可以稱得上有天壤之別，但也在通過(guò)不斷的技術(shù)創(chuàng)新和市場(chǎng)拓展，展現(xiàn)出自身的競(jìng)爭(zhēng)力。

　　與國(guó)產(chǎn)廠商大力推進(jìn)AI芯片進(jìn)步的同時(shí)，面對(duì)著當(dāng)下海量的需求和短期內(nèi)只會(huì)越來(lái)越強(qiáng)的AI芯片封禁，中國(guó)幾大公有云廠商也在通過(guò)“集中算力，以云代卡”的方法解決算力問(wèn)題。

　　“集中算力，以云代卡”，顧名思義，就是將很多AI芯片匯集到一處地方，再通過(guò)云的方法將算力傳輸至需要的地方，這樣可以提高算力基礎(chǔ)設(shè)施的質(zhì)量與效率、實(shí)現(xiàn)資源的優(yōu)化配置與共享，這也是為什么2023年中小企業(yè)很難拿到加速卡，而是由幾大公有云廠商競(jìng)爭(zhēng)搭建算力池的原因。

　　根據(jù)IDC數(shù)據(jù)，2023上半年中國(guó)AI服務(wù)器已經(jīng)使用50萬(wàn)塊自主開(kāi)發(fā)的AI加速器芯片。華為已經(jīng)推出昇騰AI云服務(wù)，提供自主AI算力服務(wù)。在東數(shù)西算背景下，各地建立一批采用自主AI算力的AI計(jì)算中心，保障云端AI算力穩(wěn)定可靠供給。

　　總的來(lái)說(shuō)，算力作為被圍追堵截最嚴(yán)重的地方，2023年國(guó)產(chǎn)大模型廠商們也在東拼西湊之中拮據(jù)存活了下來(lái)，但面對(duì)著越拉越大的算力差距，將會(huì)更明顯地成為中國(guó)AI追趕世界頂尖水平的絆腳石，所以在未來(lái)算力層面的企業(yè)也將會(huì)被多次拉出炒作，可注意相關(guān)投資機(jī)會(huì)。

　　如果說(shuō)算力決定了大模型是否能面世，那么數(shù)據(jù)才是決定大模型優(yōu)質(zhì)與否的關(guān)鍵要素。

　　所有人都明白，數(shù)據(jù)數(shù)量越多越好、數(shù)據(jù)多樣性越多越好、數(shù)據(jù)質(zhì)量越高越好，所以目標(biāo)是一致的，而方法也相差不大。

　　而目前國(guó)內(nèi)科技互聯(lián)網(wǎng)頭部企業(yè)主要基于公開(kāi)數(shù)據(jù)及自身特有數(shù)據(jù)差異化訓(xùn)練大模型， 譬如百度文心主要依靠的是萬(wàn)億級(jí)別的網(wǎng)頁(yè)數(shù)據(jù)、搜索數(shù)據(jù)，阿里通義則主要來(lái)源于阿里達(dá)摩院，騰訊混元的訓(xùn)練數(shù)據(jù)大多取自微信公眾號(hào)、微信搜索等處，但此類信息大多都有著互聯(lián)互通，所以截至目前，國(guó)內(nèi)大模型整體的數(shù)據(jù)規(guī)模、質(zhì)量也不會(huì)相差甚遠(yuǎn)。

　　但有一個(gè)在發(fā)展第一年中尚未察覺(jué)的隱患，那就是高質(zhì)量的語(yǔ)言數(shù)據(jù)與圖像數(shù)據(jù)或?qū)⒑谋M，據(jù)機(jī)構(gòu)預(yù)測(cè)，全球英文語(yǔ)言數(shù)據(jù)將于2030~2040年耗盡，其中能訓(xùn)練出更好性能的高質(zhì)量語(yǔ)言數(shù)據(jù)將于2026年耗盡。

　　與英文語(yǔ)言數(shù)據(jù)相比，中文優(yōu)質(zhì)數(shù)據(jù)集更加稀缺，盡管國(guó)內(nèi)數(shù)據(jù)資源豐富，合成數(shù)據(jù)也有不少，但由于挖掘不足導(dǎo)致優(yōu)質(zhì)數(shù)據(jù)無(wú)法在市場(chǎng)上自由流動(dòng)，未來(lái)如果廠商想要大模型更進(jìn)一步，或許就需要將資金投入至尋找優(yōu)質(zhì)數(shù)據(jù)的道路中，未來(lái)手握巨大優(yōu)質(zhì)數(shù)據(jù)的如知乎、豆瓣等企業(yè)，與挖掘、合成數(shù)據(jù)的企業(yè)，也將獲得一定的發(fā)展空間。

　　而在算法層面，當(dāng)前許多都是基于谷歌提出的Transformer模型構(gòu)建的，仍在不斷地更新迭代中，但這并非是一定一成不變或必須要走的道路。

　　在AICC 2023人工智能計(jì)算大會(huì)上，浪潮信息人工智能軟件研發(fā)總監(jiān)吳韶華表示，如果想接近甚至超越GPT4的能力，一定要同時(shí)考慮算法和數(shù)據(jù)。首先是算法，不能一味地使用LIama結(jié)構(gòu)或者Transformer結(jié)構(gòu)，而不做任何創(chuàng)新。

　　譬如，在考慮到算力不足之時(shí)，在相同的架構(gòu)下可以盡可能地降低參數(shù)量，這樣能提升參數(shù)效率，也能節(jié)省算力，相當(dāng)于從算法層面考慮算力的開(kāi)銷，而此類算法更新改進(jìn)的思路，也是大廠們一直在做的事情。

　　2

　　模型進(jìn)步雙輪驅(qū)動(dòng) 基礎(chǔ)與行業(yè)并重

　　而在底層技術(shù)迭代的同時(shí)，各家大模型不斷地發(fā)布自然成為了最引人注目的事情。

　　繼3月百度發(fā)布文心大模型以來(lái)，圍繞在我們耳邊的一直就是華為、阿里、騰訊等互聯(lián)網(wǎng)大廠，三六零、科大訊飛等AI企業(yè)，還有清華大學(xué)、復(fù)旦大學(xué)等高校科研機(jī)構(gòu)推出的大模型及相關(guān)升級(jí)進(jìn)展，截至目前，市場(chǎng)上出現(xiàn)的各類大模型已經(jīng)超過(guò)240個(gè)，正在供用戶們使用。

　　但這么多的大模型，從屬性上來(lái)進(jìn)行區(qū)分，一般都可以分為基礎(chǔ)大模型和行業(yè)大模型兩大類。

　　其中，基礎(chǔ)大模型是指通用性強(qiáng)、適用范圍廣的大模型，可以用于多個(gè)領(lǐng)域和任務(wù)，也可以在其基礎(chǔ)上進(jìn)行特定數(shù)據(jù)的訓(xùn)練與調(diào)教，使其變?yōu)槌�向某個(gè)方向或某個(gè)行業(yè)的專用大模型。

　　但基礎(chǔ)大模型的入場(chǎng)門檻較高，往往需要大量的計(jì)算資源和訓(xùn)練數(shù)據(jù)方可進(jìn)行開(kāi)發(fā)和優(yōu)化。以當(dāng)前國(guó)內(nèi)能力最強(qiáng)的基礎(chǔ)大模型——文心大模型為例，其參數(shù)量已經(jīng)飆升至萬(wàn)億級(jí)別，相關(guān)算力也是由萬(wàn)卡AI集群提供，相關(guān)的成本大幅增加。

　　同時(shí)，在具體的落地使用方面，很多人會(huì)發(fā)現(xiàn)歷經(jīng)一年打磨、升級(jí)后的文心4.0、迭代后的通義千問(wèn)、進(jìn)步后的混元大模型的能力與一些行業(yè)專有大模型甚至都有著一定的差距，便認(rèn)為基礎(chǔ)大模型的能力或許沒(méi)有那么重要，訓(xùn)練好每個(gè)行業(yè)的大模型快速應(yīng)用于生產(chǎn)中才是正道，但這樣的想法是十分錯(cuò)誤的。

　　與行業(yè)大模型相比，基礎(chǔ)大模型的參數(shù)量超過(guò)某個(gè)閾值后，AI效果將不再是隨機(jī)概率事件，此時(shí)再將其訓(xùn)練為行業(yè)大模型，將更容易獲得準(zhǔn)確的結(jié)果。同樣的，基礎(chǔ)大模型也是其下所有行業(yè)模型的中心與核心，只要“大腦”有任何哪怕一丁點(diǎn)進(jìn)步，都會(huì)引起整個(gè)模型群能力的提升，以百度為例，文心大模型4.0升級(jí)將會(huì)提升所有千帆智能平臺(tái)上的行業(yè)模型的落地能力。

　　此外，行業(yè)模型大多依靠人工標(biāo)注與調(diào)優(yōu)，有著成本高、周期長(zhǎng)、效率低的缺點(diǎn)，但基礎(chǔ)大模型則能夠進(jìn)行自我學(xué)習(xí)、自我監(jiān)督、自我更正，可以顯著地加速訓(xùn)練成果，還能總結(jié)不同情況下的通用能力，如此訓(xùn)練才有機(jī)會(huì)讓電影里無(wú)所不知的人工智能的落地成為真正的可能。

　　所以說(shuō)，在基礎(chǔ)大模型尚不牢靠之時(shí)，就放棄基礎(chǔ)大模型的探索轉(zhuǎn)向行業(yè)大模型的發(fā)展實(shí)在是有“短視”之嫌，持續(xù)加碼基礎(chǔ)大模型的或許將為未來(lái)行業(yè)大模型的發(fā)展起到事半功倍的作用。

　　但作為門檻極高、花費(fèi)極大的賽道，就交由大廠們?nèi)ゾ戆桑�而我們�(cè)?023年中也能欣慰地看到，BAT、華為等大模型第一梯隊(duì)企業(yè)，在布局行業(yè)大模型、應(yīng)用生態(tài)的過(guò)程中，并沒(méi)有放松加速迭代基礎(chǔ)大模型的速度，而未來(lái)伴隨著基礎(chǔ)大模型的突破，中國(guó)大模型的能力有機(jī)會(huì)得到“飛升”的機(jī)會(huì)。

　　不過(guò)，基礎(chǔ)大模型的建設(shè)固然重要，但是并不影響行業(yè)大模型的發(fā)展，與之相反的是，在巨大對(duì)于大模型能力的需求之下，年內(nèi)，在金融、消費(fèi)、能源行業(yè)中，都有著十分優(yōu)秀的落地案例。

　　在金融行業(yè)中，百度旗下度小滿以“通用大模型+自有行業(yè)數(shù)據(jù)”的方式構(gòu)建了金融行業(yè)的垂直大模型“軒轅”。

　　在金融應(yīng)用場(chǎng)景中，傳統(tǒng)的通用大模型由于其訓(xùn)練數(shù)據(jù)很少接觸金融行業(yè)內(nèi)的專業(yè)術(shù)語(yǔ)、業(yè)務(wù)邏輯和公式計(jì)算，導(dǎo)致其在具體問(wèn)題上表現(xiàn)不佳。

　　而“軒轅70B”的強(qiáng)項(xiàng)就在于其專業(yè)的金融能力，受益于預(yù)訓(xùn)練和微調(diào)階段中海量金融專業(yè)語(yǔ)料庫(kù)的訓(xùn)練，無(wú)論是注冊(cè)會(huì)計(jì)師考試(CPA)、銀行/證券/保險(xiǎn)/基金/期貨從業(yè)資格、理財(cái)規(guī)劃師、經(jīng)濟(jì)師等金融領(lǐng)域十大類權(quán)威考試，都能提供專業(yè)的支持和解答。

　　但軒轅能扮演的角色更像一個(gè)助手，提供的價(jià)值更多停留在工具層。而在未來(lái)，伴隨著金融行業(yè)大模型數(shù)據(jù)合規(guī)、隱私安全等問(wèn)題得到解決后，將會(huì)應(yīng)用于交互性更強(qiáng)的場(chǎng)景，賦能金融行業(yè)的數(shù)字化發(fā)展。

　　而在泛消費(fèi)領(lǐng)域中，阿里、京東等依靠電商起家的大廠，都有著客服機(jī)器人、營(yíng)銷數(shù)字人等行業(yè)大模型的應(yīng)用。

　　在電商中，客服一直是最為依賴人工的環(huán)節(jié)，在雙十一、六一八等購(gòu)物節(jié)期間，需要24小時(shí)保持即時(shí)回復(fù)，也因?yàn)橐蕾嚾斯�，�?dǎo)致客服團(tuán)隊(duì)的效率極低、難以滿足客戶需求。

　　但今年雙十一期間，京東與淘寶等平臺(tái)都引入了智能客服，以京東為例，“京小智”可以幾十分之一人工的價(jià)格，為用戶提供即時(shí)的服務(wù)，而在接入京東言犀大模型后，可以與消費(fèi)者絲滑交流。

　　在智能客服外，在直播中京東數(shù)字人也讓人眼前一亮，其形象可以根據(jù)企業(yè)需求進(jìn)行定制，音色、形象、身高、體型等項(xiàng)目都可以根據(jù)企業(yè)需求進(jìn)行個(gè)性化設(shè)置，可以與真人主播搭配輪班，甚至完全替代真人主播。

　　此外，導(dǎo)購(gòu)服務(wù)也是大模型接入電商行業(yè)后帶來(lái)的新功能，今年9月淘寶接入通義千問(wèn)后，淘寶問(wèn)問(wèn)可以面向C端用戶提供智能導(dǎo)購(gòu)服務(wù)，只要消費(fèi)者問(wèn)出相關(guān)問(wèn)題，AI可以迅速給出所需購(gòu)買的產(chǎn)品、相關(guān)視頻介紹、商品鏈接等，成為新的流量入口，讓商家、平臺(tái)和消費(fèi)者完成三贏。

　　而在更加“硬核”的能源行業(yè)生產(chǎn)場(chǎng)景中，華為與商湯科技等廠商則有著很深的造詣。

　　在能源電力行業(yè)中，從業(yè)者過(guò)去常常面臨一個(gè)問(wèn)題，如何將在能源緊缺時(shí)分配至最需要的地方，又如何在能源充裕時(shí)儲(chǔ)存起來(lái)，這就涉及到了虛擬電廠的調(diào)度問(wèn)題了，而引入大模型后，可以對(duì)電力供給、需求端進(jìn)行精確的把控，起到“削峰填谷”的作用。

　　據(jù)頭豹研究院報(bào)道，目前華為、商湯科技等廠商開(kāi)發(fā)出的針對(duì)電力行業(yè)的AI大模型已經(jīng)投入了應(yīng)用中。

　　例如，華為基于L1級(jí)別盤古電力大模型，推出無(wú)人機(jī)電力巡檢、電力缺陷識(shí)別等場(chǎng)景模型。商湯科技則基于AI大模型的底座，提供電力系統(tǒng)大模型解決方案，向電力能源行業(yè)持續(xù)輸出高質(zhì)量的AI算法和算力，賦能電力系統(tǒng)多域智能化升級(jí)。

　　這樣的行業(yè)大模型及具體的應(yīng)用還有很多很多，而這只是其能力落地的第一年，未來(lái)還會(huì)有更多的應(yīng)用出現(xiàn)在我們身邊，并伴隨著大模型能力的進(jìn)化而不斷迭代，并經(jīng)歷神化到祛魅的完整過(guò)程，真正成為人類的最好幫手。

　　3

　　云模結(jié)合的新投放方式——MaaS加速生長(zhǎng)

　　伴隨著2023年中各家大模型的密集發(fā)布與快速成長(zhǎng)，一個(gè)新的問(wèn)題擺在了各家大廠的面前，那就是如何將大模型的能力簡(jiǎn)單快速地投送至其應(yīng)處的地方，畢竟如果在產(chǎn)業(yè)落地的環(huán)節(jié)出了問(wèn)題，那么有關(guān)大模型的一切都只是空談。

　　但也就在此時(shí)，MaaS(Model as a Service)——模型即服務(wù)的概念，火了起來(lái)。

　　MaaS是指將大模型封裝成可調(diào)用的云服務(wù)，通過(guò)云計(jì)算平臺(tái)提供給用戶使用，這種服務(wù)化的模型部署方式通過(guò)將模型和計(jì)算資源放置在云端，用戶可以通過(guò)簡(jiǎn)單的API接口調(diào)用模型，無(wú)需關(guān)注底層的模型訓(xùn)練和部署細(xì)節(jié)，同時(shí)可以根據(jù)需求自動(dòng)擴(kuò)展計(jì)算資源，實(shí)現(xiàn)彈性擴(kuò)展和高可用性。

　　而像MaaS這樣將AI同云結(jié)合后再投放的形式，無(wú)論從需求、供給還是已有的云基礎(chǔ)設(shè)施建設(shè)來(lái)看，都有著出現(xiàn)的必然性。

　　從需求端來(lái)看，當(dāng)前企業(yè)仍然處于朝向數(shù)智化轉(zhuǎn)型的階段中，許多生產(chǎn)場(chǎng)景都如干涸的土地一般，在等待人工智能的雨露助力效率的提升;而在供給端，受計(jì)算資源與存儲(chǔ)資源的影響，無(wú)法做到“家家有卡，人人會(huì)用”，只能采用集中算力再投放的方法;而在基礎(chǔ)設(shè)施端，在過(guò)去十年中，我們已經(jīng)搭建起了一套有關(guān)云的完整體系，而MaaS剛好可以作為SaaS的替代品接替上位。

　　于是，截至目前，幾乎所有兼?zhèn)湓坪痛竽Ｐ偷膹S商都發(fā)布了自己的MaaS平臺(tái)——百度千帆、字節(jié)火山方舟、騰訊云MaaS平臺(tái)、阿里云MaaS平臺(tái)......都已經(jīng)推出。

　　以百度千帆為例，其內(nèi)置了百余款Prompt模板，包含對(duì)話、編程、電商、醫(yī)療、游戲、翻譯、演講等十余個(gè)場(chǎng)景，相關(guān)企業(yè)可以直接選擇某一個(gè)模型或者在已有模型的基礎(chǔ)上再根據(jù)自身的要求加入數(shù)據(jù)進(jìn)行微調(diào)。

　　騰訊云MaaS的服務(wù)也大抵相同，可為金融、文旅、傳媒、政務(wù)、教育等10大行業(yè)提供了超過(guò)50個(gè)大模型解決方案，供客戶調(diào)用。

　　而在百度與騰訊之外的其他MaaS平臺(tái)，建設(shè)思路與打法也都大同小異，都是利用基礎(chǔ)設(shè)施和行業(yè)理解的優(yōu)勢(shì)，提供一整套的開(kāi)發(fā)工具與套件，保證不同體量不同需求客戶的完美交付。

　　但是，2023年MaaS的發(fā)展還遠(yuǎn)遠(yuǎn)稱不上完備，最多只能說(shuō)是搭起了往后發(fā)展的模板，仍然還有著很多很多需要更迭的地方。

　　其中最讓廠商們頭疼的點(diǎn)，就是基礎(chǔ)大模型與行業(yè)大模型之間的鴻溝。俗話說(shuō)的好，“三百六十行，行行出狀元”，但在現(xiàn)實(shí)生活的行業(yè)中遠(yuǎn)遠(yuǎn)不止這個(gè)數(shù)字，讓大廠們?nèi)ゾ砘�礎(chǔ)大模型還好，但要讓那數(shù)萬(wàn)甚至數(shù)千的開(kāi)發(fā)人員去接觸每一個(gè)行業(yè)，定制每一個(gè)方向的專用大模型，無(wú)異于癡人說(shuō)夢(mèng)。

　　而這就需要真正的從業(yè)人員參與到其中，但這個(gè)難度也著實(shí)不小，可以說(shuō)這個(gè)問(wèn)題還將困擾廠商、行業(yè)甚至社會(huì)很久很久的時(shí)間。

　　此外，MaaS本身作為一種云服務(wù)模式，算力是其提供服務(wù)的基礎(chǔ)，隨著MaaS的發(fā)展，云服務(wù)市場(chǎng)對(duì)算力的需求呈現(xiàn)爆發(fā)式增長(zhǎng)趨勢(shì)，廠商們尚未跑通的商業(yè)化邏輯、大模型逐漸增長(zhǎng)的數(shù)據(jù)還有價(jià)格逐漸增加的算力，成為了限制MaaS發(fā)展的一大難題。

　　而在這兩大痛點(diǎn)之外，用戶的教育也需要時(shí)間來(lái)堆砌。

　　據(jù)腦極體報(bào)道，包括了數(shù)據(jù)標(biāo)注、訓(xùn)練、評(píng)估、測(cè)試和部署等全套工具的騰訊云TI平臺(tái)，即使交到了行業(yè)客戶和伙伴手中，沒(méi)有技術(shù)專家深入指導(dǎo)，沒(méi)有產(chǎn)品經(jīng)理、項(xiàng)目經(jīng)理、運(yùn)營(yíng)、程序員等手把手教學(xué)，很難搞定定制化需求。

　　但無(wú)論怎么說(shuō)，MaaS這樣的服務(wù)模式正處于發(fā)展的早期階段，尚未形成較為成熟的模式，未來(lái)大廠們?nèi)襞芡ㄉ虡I(yè)模式，算力緊缺問(wèn)題有所解決，客戶教育逐漸進(jìn)步，屬于MaaS的春天才正式來(lái)到。

　　4

　　寫在最后

　　2023年，對(duì)于國(guó)產(chǎn)大模型的發(fā)展來(lái)說(shuō)是充滿機(jī)遇與挑戰(zhàn)的一年。在算力、數(shù)據(jù)、算法等“AI三駕馬車”的推動(dòng)下，國(guó)產(chǎn)大模型取得了顯著的進(jìn)步，但同時(shí)也面臨著諸多困難。

　　但令人欣慰的是，大模型作為這樣一個(gè)新興事物，快速完成了商業(yè)模式的基礎(chǔ)閉環(huán)，雖然當(dāng)前仍有重重困難，但在起步之年能做到此種程度已經(jīng)體現(xiàn)了國(guó)內(nèi)互聯(lián)網(wǎng)、科技大廠們的實(shí)力。

　　而在未來(lái)，伴隨著底層技術(shù)、大模型能力、投送能力和商業(yè)化模式的進(jìn)一步發(fā)展，人工智能將不斷深入我們的生活當(dāng)中，成為每個(gè)人都可借用的強(qiáng)大生產(chǎn)力工具。

　　參考資料：

　　1.《MaaS，云廠商在打一場(chǎng)“翻身仗”》，腦極體;

　　2.《云計(jì)算服務(wù)新范式：MaaS有望改變?cè)品��?wù)廠商的商業(yè)模式》，賽迪顧問(wèn);

　　3.《英偉達(dá)A800、H800將被出口管制，國(guó)產(chǎn)GPU能否頂起一片天?》，科技云報(bào)道;

　　4.《AICC圓桌對(duì)話：打破跟隨，實(shí)現(xiàn)大模型創(chuàng)新能力突破 》，科技知多少;

　　5.《數(shù)據(jù)要素專題研究報(bào)告：大模型與數(shù)據(jù)共振，數(shù)據(jù)要素市場(chǎng)方興未艾》，國(guó)金證券;

　　6.《2023年中國(guó)AI大模型應(yīng)用研究報(bào)告》，頭豹研究院。