大模型推动人工智能向着什么方向发展？

大模型推动人工智能向着通用化、工业化、集约化发展。

一、场景应用中的通用性与泛化性

 通过学习海量数据，大模型可以不断丰富模型参数和模型结构。此外，通过引入相关知识，将数据 与知识相结合，大模型能拥有更高的识别水平和模型迁移性，在广泛的基础任务和特定行业任务 上均表现出较好的效果，仅需少量特定标注数据训练就可实现快速落地。换句话说，大模型作为 基础设施，在上面进行简单的微调优化，将能够建造不同的建筑。

二、工程标准化

深度学习平台本身已具备标准化特性，AI模型开发包括模型选择、数据处理、模型优化、模型迭代 等一系列环节。大模型的“预训练+精调”的范式，令AI模型开发变成基于预训练大模型+少量样本 数据精调参数的通用流程，进一步增强AI模型的开发标准化、简化流程。

三、大模型建设集约化

当人工智能技术从实验室环境走向企业生产环境，由于研发环境和开发目的不同，企业更关注技 术投入的高能效和低成本，但传统面向单点任务的模型反复开发和训练将不可避免地导致成本的 增加，这成为AI赋能千行百业的关键阻碍。大模型恰逢其时，带动整体产业结构以“倒金字塔”形 式更健康发展，但大模型本身的研发有数据、算法、算力的高门槛。因此，通过一部分具有领先的 数据、算力资源供给能力和算法人才的企业打造大模型基础底座，可以帮助上层各行业领域的服 务企业以更低的投入成本和更高的效率建设繁荣的产品应用生态。