大模型产业应用落地范式、展望与挑战分析

下面总结出在当前大模型产业应用落地的几大范式：

1.大模型产业应用落地共性范式

关注“以产定销”多于“以销定产”

对大模型行业应用而言，“以产定销”对应的客户范畴， 即其业务存在明显的需求刚性，其中以能源行业为代表 的客户企业，在目前的情况下，无论是电力、还是石油 等能源，基本上属于供不应求，生产企业和网络销售运 营企业并不需要考虑能源能否销售出去，在产品供不应 求的前提下，他们更关注的是如何降低成本，提高效 率。另一维度的客户部门代表，则是程序开发部门，对 于大多数企业而言，只要其资金情况允许，永远有更多 的内外部IT系统等待研发人员开发，因此只要能够提高 程序开发效率，就会成为刚需。除了生产型企业，政务 服务也具有类似的特点，即社会大众永远都需要更多更 好的公共服务，只要在财政许可的前提下，政府也有足 够的意愿去提高服务水平。

而“以销定产”的客户范畴，主要代表之一为轻工业产品 的生产者，例如服装厂永远要考虑如何按照实际需求， 安排产能生产当季最流行的服装，多生产并不能天然带 来更多销售和更高的效益。对于这些客户，永远考虑的 是能否用大模型技术带来更多的潜在客户流量，并且把 这些流量转化为销售业绩。而这些能力，并不是当前大 模型的特长，除了在少数场景中，如智能产品推荐，以 及对营销人员的智能培训，大模型可以一展身手。这也 是由大模型的技术特点决定的，生成式AI大模型可谓是 天然的低成本高效率推荐系统，对于已经高度数字化运 营，特别是客户信息已经高度数字化的的企业，使用大 模型技术，可以将传统情况下，需要由人来匹配客户需 求与产品服务的工作，转化为机器工作，从而提高销售 业绩。 基于上述分析可知，将工作重心放在“以产定销”类客 户，更适合当前大模型的技术能力，也有助于应用落 地。

基于技术能力 和数字化基础解决实际问题

从技术供给维度，围绕大模型最擅长的文本理解、内容 生成、逻辑推理、编程语言处理等核心能力所搭建，并 且以知识问答、辅助决策、人机互动、内容生成等功能 为基础的行业应用，最容易快速落地，也最容易取得成 效。 从客户需求维度，其业务已经实现了较高的信息化， 乃至数字化的行业和客户，才具有较好的数据基础和 数字化环境，而大模型的训练和应用，必须依赖于大量 的优质数据，而完整的端到端数字化环境，才会衍生出 海量的数据处理和决策需求，而大模型可以帮助行业解 决这些难题，提高决策效率和准确度。 脱离技术能力，和客户数字化基础的应用，在实际中会 步履维艰。

基于企业特点选择细分赛道

不同类型的大模型技术供给企业，有不同的适应赛道， 一方面如前文所述，需要根据自身的技术特长选择细分 赛道，另一方面大型企业更适合选择具备较高通用性和 进入门槛的大赛道，投入更多资源换取竞争优势；而中 小企业更适合选择创新挑战性更强的细分赛道，虽然企 业综合资源有限，但在细分领域可以形成更高的资源投 入到，获得竞争优势。

2.大模型产业应用的展望与挑战

爱分析在《AI大模型专题：2023中国大模型市场商业 化进展研究报告》中，根据公开招标中标信息以及一 手调研数据测算得出，2023年中国大模型市场规模约 为50亿元人民币，其中服务部分和软件部分占比约为 35%。爱分析认为，产业用户2023年在大模型的采购 和应用上，还处于论证多、采购少的阶段，但在2023 年将开始大量释放大模型领域的预算，软件和服务部 分有所上升。 总体而言，大模型落地产业端进行应用是一个必然趋 势。大模型被普遍视为未来两年内产业数智化升级和 传统工业转型先进制造业的重要迭代方向，进而得到 了产业端的提前关注。经纬创投创始管理合伙人张颖 此前透露过一个数据：2023年3月到5月召开业绩电话 会议的标普500指数的公司中，有110家公司的高管提 到了AI，这是过去十年的3倍。

大模型的产业应用已经形成一种共识。阿里云智能 集团CEO张勇认为，大模型让所有企业站在了同一 起跑线，将再次激活千行百业。腾讯云CEO汤道生 则判断，行业大模型已经过了“尝鲜期”，目前正深 入各类业务场景，推动企业全链条智能化。成都智 算中心CTO余明川预测，随着大模型应用加速进入 行业生产系统，未来两年将深入超过50%行业核心 场景。 长远来看，大模型在产业端的落地应用需要经历一定 的探索过程。挑战主要来自于几个方面：

就通用大模型和产业大模型本身而言，能力还有待进 一步提升，从满足“生成”任务进化到满足“决策”任务。 这就需要大模型和产业大模型克服训练成本高、推 理时间长、上下文限制大、提示词的脆弱性、自身 幻觉、可解释性低和无法有效评估等问题，达到提 升训练效率、提高反应速度、加强上下文记忆力、 优化提示词返回结果、提升准确度、让决策过程更 透明等目标。 从行业大模型应用来看，传统行业与大模型的融合必 然是从意识到执行、从系统到工具全方位进行，称之 为重构也不为过。这个过程中也存在一定的挑战。

首先，传统行业决策者还不够了解大模型技术，对大 模型理解处于两个极端（完全不了解也不感兴趣，与 我无关；或者过于迷信大模型，认为大模型无所不 能），以至于不可能真正使用大模型技术解决自己 的问题。 其次，大模型当前能力还不足以解决复杂的决策问 题，只能解决简单的助手、生成等问题；大模型自 身也还不足以解决用户全部需求，需要大量的工程化技术。 然后，大模型的行业应用需要大量懂大模型技术，又 懂行业需求的人才，如何快速培养能够了解大模型、 使用大模型、分析大模型的人才也是未来值得关注的 问题。

最后，在产业协同上，涉及不同领域的大模型如何进 行协同，大模型所收集的数据如何确保其准确，也是 未来大模型发展需要解决的问题。 从社会层面来看，大模型应用得越广泛，人们对其合 规性、数字安全和隐私安全的关注就越密切。如何在 大模型应用过程中保证技术合规，确保数据的安全性 和用户隐私的保护，建立起对于用户信息保障的堡垒 将是一个重要挑战。

面对这些挑战，政产学研用的多方协作和观点汇聚， 将成为破解问题、统筹规划、打通堵点的关键法宝。 在各方紧密协作的长效激励机制之上，在充分发挥国 家级政策引导作用的框架下，科研界和产业界的合作 与沟通活力将被进一步激发，为产业政策不断升级和 大模型赋能传统产业贡献更多新思维、新方案、新实 践、新视角，最终推动实体经济不断走向智能化、高 端化、绿色化升级，实现科技成果赋能传统产业，促 进经济社会高质量发展的根本目标。 面向未来，从政产学研用通盘视角来看，政策端需要 有序布局和优化科技创新赋能传统产业转型的全链条 框架，在生成式智能时代统筹政策调度、支持孵化大 模型产业生态和相应的创新要素供给，建设国家级和 地市级场景示范与落地应用，提升和激励传统产业转 型动力，配套落地流程与效果评估体系，促进科技成 果转化和产业大模型的落地成熟化、规模化；技术端 需要推动软硬件技术一体化的进一步提升，为大模型 的产业端应用提供更牢固的技术基础；产业端需要提 升产业对大模型和数智化应用升级的知识认知、能力 建设和人才培养，尤其加强融合型、复合型、跨领域 人才的培养，在产业内优先融合大模型的企业要深 度参与产学研用工作，并结合当前产业大模型训练 需求，协助和支持科研界将大模型成果务实落地，提 炼出更多产业内关键场景，商业痛点和行业数据。

察势者智，驭势者赢。在全球AI大模型时代，中国有 望在产业大模型应用落地的过程中抢得先机，发挥腹 地市场广阔和产业链条全面的规模化优势，抢先推动 人工智能和前沿科技赋能实体产业的全过程，这也将 是我国市场结构化增量被全面激发的全过程。 面向未来，产业大模型应用必然会为我国更快实现产 业升级转型、培育新质生产力提供强大的助力。