7月以來(lái)，數(shù)字開(kāi)物已收集超過(guò)百份"AI大模型應(yīng)用場(chǎng)景"案例報(bào)名申請(qǐng)及產(chǎn)業(yè)問(wèn)題，聚焦這些大模型應(yīng)用落地的真實(shí)產(chǎn)業(yè)問(wèn)題，8月6日順利召開(kāi)了"AI大模型應(yīng)用場(chǎng)景"產(chǎn)學(xué)研融通創(chuàng)新活動(dòng)——產(chǎn)業(yè)問(wèn)題專家研討會(huì)。

與會(huì)期間，中國(guó)科協(xié)企業(yè)創(chuàng)新服務(wù)中心、中關(guān)村產(chǎn)業(yè)技術(shù)聯(lián)盟聯(lián)合會(huì)與中國(guó)通信工業(yè)協(xié)會(huì)數(shù)據(jù)中心委員會(huì)相關(guān)領(lǐng)導(dǎo)，中國(guó)信息通信研究院人工智能所、北京智源人工智能研究院、清華大學(xué)、北京服裝學(xué)院繼續(xù)教育學(xué)院等科研機(jī)構(gòu)及院校專家，以及中國(guó)三峽集團(tuán)武漢科創(chuàng)園、電信安全、西云算力、火山引擎、科大訊飛、靈汐科技等各領(lǐng)域領(lǐng)軍企業(yè)代表展開(kāi)了深入探討，20多位各專家及企業(yè)代表從算力、數(shù)據(jù)、算法、產(chǎn)業(yè)生態(tài)和人才等多個(gè)維度，深入剖析當(dāng)前AI大模型應(yīng)用發(fā)展面臨的機(jī)遇與挑戰(zhàn)。

總的來(lái)看，我國(guó)大模型發(fā)展面臨著多方面的挑戰(zhàn)：

算力層面

國(guó)內(nèi)算力缺口問(wèn)題依然存在，尤其智能算力。隨著技術(shù)的不斷迭代，算力需求持續(xù)增加，導(dǎo)致算力缺口不斷擴(kuò)大。與此同時(shí)，通信、能源等相關(guān)領(lǐng)域的瓶頸也進(jìn)一步加劇了這一問(wèn)題。

國(guó)內(nèi)算力缺口問(wèn)題

從技術(shù)方面來(lái)看，高端算力的自主可控是一個(gè)關(guān)鍵問(wèn)題。盡管中國(guó)在總體算力規(guī)模上已位居世界前列，但在高端芯片等核心硬件方面仍存在較大差距，這直接影響了大模型的訓(xùn)練效率和規(guī)模。此外，國(guó)內(nèi)大模型在某些關(guān)鍵技術(shù)上依賴國(guó)外，缺乏原創(chuàng)性算法模型，導(dǎo)致產(chǎn)品技術(shù)水平出現(xiàn)同質(zhì)化競(jìng)爭(zhēng)。

從成本方面來(lái)看，盈利壓力對(duì)大模型發(fā)展構(gòu)成了挑戰(zhàn)。企業(yè)出于盈利考慮，難以將所有算力投入大模型研發(fā)。如果短期內(nèi)無(wú)法從大模型業(yè)務(wù)中獲得盈利，企業(yè)可能會(huì)放棄這條產(chǎn)業(yè)線，轉(zhuǎn)而發(fā)展其他業(yè)務(wù)。即使企業(yè)意識(shí)到算力缺口的存在，但為了保證盈利，他們也不可能無(wú)限投入到大模型研發(fā)中。

數(shù)據(jù)層面

當(dāng)前我國(guó)在行業(yè)數(shù)據(jù)積累方面還存在明顯不足，現(xiàn)有的數(shù)據(jù)質(zhì)量普遍不高，結(jié)構(gòu)化的高質(zhì)量數(shù)據(jù)相對(duì)匱乏，特別是專業(yè)領(lǐng)域高質(zhì)量數(shù)據(jù)不足。

高質(zhì)量數(shù)據(jù)相對(duì)匱乏

例如，國(guó)產(chǎn)模型生成視頻經(jīng)常出現(xiàn)外國(guó)人臉的現(xiàn)象，分析其背后的原因發(fā)現(xiàn)，一是國(guó)內(nèi)的視頻資源不夠豐富，所以必須用國(guó)外的影視資料來(lái)進(jìn)行訓(xùn)練，二是即使能夠獲取國(guó)內(nèi)視頻數(shù)據(jù)，企業(yè)也會(huì)擔(dān)心肖像安全隱私問(wèn)題，不敢使用。

多模態(tài)異構(gòu)數(shù)據(jù)的整理和處理是面臨挑戰(zhàn)，尤其是海量歷史數(shù)據(jù)的人工標(biāo)注工作非常耗時(shí)。

數(shù)據(jù)安全與隱私保護(hù)問(wèn)題，數(shù)據(jù)脫敏與安全管理能力不足，個(gè)人隱私數(shù)據(jù)買(mǎi)賣(mài)等問(wèn)題依然存在。

數(shù)據(jù)確權(quán)和流通問(wèn)題，缺乏統(tǒng)一的數(shù)據(jù)安全分類標(biāo)準(zhǔn)，不同行業(yè)數(shù)據(jù)交易存在認(rèn)可度和安全性問(wèn)題，數(shù)據(jù)分散在不同機(jī)構(gòu)手中，由于缺乏有效的流動(dòng)和共享機(jī)制，企業(yè)數(shù)據(jù)共享意愿低。

應(yīng)用層面

模型在復(fù)雜業(yè)務(wù)場(chǎng)景中的應(yīng)用存在挑戰(zhàn)。當(dāng)前大模型在處理多步驟、多變量的復(fù)雜業(yè)務(wù)流程時(shí)，仍存在理解和執(zhí)行上的局限性。

行業(yè)垂直應(yīng)用落地難題不斷。不同行業(yè)有其特殊的知識(shí)體系和業(yè)務(wù)邏輯，如何將通用大模型有效地適配到特定行業(yè)，實(shí)現(xiàn)從技術(shù)到價(jià)值的轉(zhuǎn)化，仍然面臨諸多挑戰(zhàn)。

例如，在特定領(lǐng)域如醫(yī)藥、新能源等行業(yè)，構(gòu)建專業(yè)知識(shí)圖譜和智能問(wèn)答系統(tǒng)面臨技術(shù)挑戰(zhàn)，需要深度融合行業(yè)專業(yè)知識(shí)與AI技術(shù)。

再比如，大語(yǔ)言模型問(wèn)答形式在一些傳統(tǒng)制造業(yè)落地應(yīng)用中難以得到生產(chǎn)單位認(rèn)可。一些生產(chǎn)單位決策者會(huì)關(guān)心成本的問(wèn)題、人力的問(wèn)題，僅僅是問(wèn)答應(yīng)用意愿度不高，例如，有傳統(tǒng)制造業(yè)上產(chǎn)單位認(rèn)為一線的巡檢人員，能把業(yè)務(wù)要求流程背得滾瓜爛熟，為什么還要用這個(gè)問(wèn)答系統(tǒng)。

大模型應(yīng)用

產(chǎn)業(yè)生態(tài)層面

模型廠商方面，缺應(yīng)用缺場(chǎng)景。算力、模型做差不多了，應(yīng)用場(chǎng)景目前看不到爆發(fā)點(diǎn)，展開(kāi)來(lái)說(shuō)，廠商在探索場(chǎng)景時(shí)面臨一系列問(wèn)題，如算力能否支持、業(yè)務(wù)本身是否能做大模型、技術(shù)是否可達(dá)以及、數(shù)據(jù)歸屬問(wèn)題、安全性等因素都具有不確定性。

尤其是B端大模型應(yīng)用推廣效果不如預(yù)期，企業(yè)級(jí)客戶對(duì)模型精準(zhǔn)度要求最高，如何將模型適配到產(chǎn)業(yè)發(fā)展上？

企業(yè)客戶方面，一些B端客戶在引入大模型時(shí)候，對(duì)AI大模型能做什么，不能做什么，能做到什么階段沒(méi)有清楚的認(rèn)知，企業(yè)在實(shí)際部署模型時(shí)不能清晰提出需求，是否需要進(jìn)行教育培訓(xùn)？

此外，整個(gè)產(chǎn)業(yè)還面臨人才供需不平衡的問(wèn)題。一是人才短缺，高端人才嚴(yán)重不足。例如，技術(shù)方懂技術(shù)不懂業(yè)務(wù)，客戶懂業(yè)務(wù)不懂技術(shù)，懂技術(shù)又懂業(yè)務(wù)交叉型的人才少，再比如在算力方面萬(wàn)卡集群調(diào)優(yōu)高端人才短缺。二是行業(yè)人才有動(dòng)態(tài)需求，企業(yè)很難能在一個(gè)時(shí)段找到合適的人。

關(guān)于人才短缺的問(wèn)題是需要教育口來(lái)培養(yǎng)人才還是產(chǎn)業(yè)端自己培養(yǎng)人才來(lái)完成供給也面臨著矛盾。

針對(duì)研討會(huì)所探討的一系列算力瓶頸、數(shù)據(jù)困境、模型開(kāi)發(fā)落地挑戰(zhàn)、產(chǎn)業(yè)生態(tài)創(chuàng)新不足等問(wèn)題和挑戰(zhàn)，誠(chéng)摯邀請(qǐng)各企業(yè)參與“AI大模型應(yīng)用場(chǎng)景解決方案”征集活動(dòng)，歡迎能提供創(chuàng)新解決方案的企業(yè)踴躍報(bào)名。

“AI大模型應(yīng)用場(chǎng)景解決方案”征集活動(dòng)

-掃碼申報(bào)-

“AI大模型應(yīng)用場(chǎng)景”產(chǎn)學(xué)研融通創(chuàng)新活動(dòng)流程

解決方案征集：2024年8月8日-8月28日

解決方案專家論證會(huì)：2024年8月30日

供需對(duì)接洽談會(huì)：2024年9月3日

發(fā)布/參會(huì)時(shí)間：2024年9月26日