“請問您用DeepSeek嗎？”

“我用，我本身專業(yè)是計算機專業(yè)，我對人工智能有偏愛?！痹?月4日舉行的十四屆全國人大三次會議的新聞發(fā)布會后，大會發(fā)言人婁勤儉面對現(xiàn)場記者采訪時的這句回應(yīng)火了。

今年春節(jié)期間，國產(chǎn)大模型DeepSeek憑借低成本、高效能、強智能的應(yīng)用體驗給人們留下了深刻印象。今年的全國兩會上，“國產(chǎn)大模型”“DeepSeek”也是被許多代表委員反復提及的高頻詞。

近年來，隨著我國人工智能大模型產(chǎn)業(yè)加速發(fā)展，越來越多的國產(chǎn)大模型表現(xiàn)驚艷。作為數(shù)字化時代的核心驅(qū)動力，人工智能正加速滲透進入國民經(jīng)濟的多個領(lǐng)域。在不斷向上突破性能天花板的同時，國產(chǎn)大模型應(yīng)如何扎根產(chǎn)業(yè)實踐，為產(chǎn)業(yè)升級賦能，成為代表委員們熱議的話題。

垂直模型扎根產(chǎn)業(yè)土壤

有問必答的快速響應(yīng)、清晰明了的思考過程、全面翔實的參考資料……通過通用大模型，許多人開啟了與人工智能的第一次“親密接觸”。作為人工智能領(lǐng)域的重要突破，通用大模型具備強大的語言理解和生成能力，能夠為多個領(lǐng)域提供智能支撐。

隨著我國產(chǎn)業(yè)數(shù)字化進程不斷加速，各行業(yè)對人工智能的需求也愈發(fā)精細化、專業(yè)化。傳統(tǒng)的通用大模型在落地產(chǎn)業(yè)場景時，往往無法與具體業(yè)務(wù)精準結(jié)合，導致“水土不服”。在此背景下，專為產(chǎn)業(yè)細分需求打造的垂直模型應(yīng)運而生，成為大模型技術(shù)落地產(chǎn)業(yè)應(yīng)用的新趨勢。

“我們做大模型第一天就確定了‘1+N’的戰(zhàn)略路徑，即‘1個底座大模型+N個行業(yè)大模型’。我們結(jié)合通用底座、工具鏈和知識工程，擁有了‘建算力、理數(shù)據(jù)、訓模型、落場景、保安全、精運營’的全套解決方案?！笨拼笥嶏w股份有限公司董事長劉慶峰代表認為，通用大模型底座的天花板正被不斷打破，應(yīng)用場景落地已進入紅利兌現(xiàn)期，需要以更少成本、更低算力、更高效率推動落地。

例如，借助阿里通義等通用大模型的底座能力，釘釘面向業(yè)務(wù)場景打造出AI助理產(chǎn)品，覆蓋制造、醫(yī)療、零售、教育等多個行業(yè)。在金石機器人常州股份有限公司，通過學習、沉淀大量機器人專業(yè)知識，釘釘AI助理直接服務(wù)全國1000余家經(jīng)銷商，高效解答各類產(chǎn)品售后問題；同時，它還可以根據(jù)問題描述，一鍵生成工單，并指派給對應(yīng)負責人，將售后問題的解決時間從半個月縮短至3天內(nèi)，顯著提升了企業(yè)運行效率。

“大模型在垂直領(lǐng)域大有可為?！?60集團創(chuàng)始人周鴻祎委員表示，中國大模型發(fā)展的重要方向應(yīng)該是借助產(chǎn)業(yè)和場景優(yōu)勢，將大模型與業(yè)務(wù)流程、產(chǎn)品功能相結(jié)合，尋求多場景應(yīng)用，實現(xiàn)垂直化和產(chǎn)業(yè)化落地。

加快形成“數(shù)據(jù)飛輪”效應(yīng)

我國擁有聯(lián)合國產(chǎn)業(yè)分類中的全部工業(yè)門類。在500個工業(yè)品種中，有四成以上產(chǎn)品產(chǎn)量位居全球第一，產(chǎn)業(yè)具有全、多、大的獨特優(yōu)勢。龐大的產(chǎn)業(yè)規(guī)模為行業(yè)垂直大模型落地提供了肥沃土壤，同時也帶來了風險挑戰(zhàn)。

產(chǎn)業(yè)數(shù)據(jù)是垂直大模型的“養(yǎng)料”。我國產(chǎn)業(yè)種類豐富，但也造成產(chǎn)業(yè)數(shù)據(jù)類型和結(jié)構(gòu)多樣、數(shù)據(jù)質(zhì)量參差不齊等難題。談及大模型落地產(chǎn)業(yè)應(yīng)用，多位代表委員提及，應(yīng)推動產(chǎn)業(yè)數(shù)據(jù)共享，加快高質(zhì)量數(shù)據(jù)收集利用，在產(chǎn)業(yè)領(lǐng)域形成“數(shù)據(jù)飛輪”效應(yīng)，即通過數(shù)據(jù)的不斷積累和利用，驅(qū)動大模型性能持續(xù)提升。

中國電氣裝備集團有限公司科技創(chuàng)新部部長張帆代表認為，許多制造企業(yè)數(shù)字化轉(zhuǎn)型起步晚、基礎(chǔ)薄弱，生產(chǎn)過程中的數(shù)據(jù)采集不全面、不及時；工業(yè)數(shù)據(jù)又往往存在噪聲大、格式不統(tǒng)一、關(guān)聯(lián)性差等問題，缺乏行業(yè)數(shù)據(jù)標準引導，難以為大模型訓練提供足夠的高質(zhì)量數(shù)據(jù)。同時，受限于數(shù)據(jù)安全風險、商業(yè)利益保護等因素，企業(yè)間筑起了高高的“數(shù)據(jù)圍墻”，數(shù)據(jù)共享存在瓶頸。

基于此，張帆建議，應(yīng)加快形成工業(yè)領(lǐng)域統(tǒng)一的人工智能數(shù)據(jù)格式規(guī)范和具體行業(yè)標準等，促使企業(yè)間對數(shù)據(jù)資產(chǎn)的交易基礎(chǔ)達成共識；龍頭企業(yè)要發(fā)揮鏈長作用，面向戰(zhàn)略性高價值場景，建立需求牽引、格式統(tǒng)一的高質(zhì)量工業(yè)數(shù)據(jù)集。

圍繞大模型產(chǎn)業(yè)落地中的數(shù)據(jù)瓶頸，多地已開始行動。例如，北京市發(fā)布的《北京市推動“人工智能+”行動計劃（2024—2025年）》中提出，依托北京數(shù)據(jù)基礎(chǔ)制度先行區(qū)，打造安全可信數(shù)據(jù)空間，引導企事業(yè)單位開放并匯聚高價值行業(yè)數(shù)據(jù)。