科技云报道原创。
国内大模型战场的比拼正在进入新的阶段。
随着产业界对模型落地的态度逐渐回归理性，企业客户的认知从原来的“觉得大模型什么都能做”的阶段，已经收敛到“大模型能够给自身业务带来什么价值上了”。
2023 年下半年，不少企业将目光锁定在行业模型上。如何降低大模型使用门槛，让大模型真正在行业里用起来，是业内普遍关注的焦点。
由此，国内厂商在大模型上的认知也在逐步统一——百度创始人李彦宏认为“卷大模型没有意义，卷应用机会更大”；腾讯高管汤道生表示“大模型只是开端，行业应用才是未来”；华为云CEO张平安明确大模型“为行业而生，聚焦B端行业客户”，更直言盘古大模型“没时间作诗、没时间聊天”。
这也意味着，更多大模型厂商将开始卷应用，这会是今年竞争最为激烈的板块之一。
大模型行业落地渴望 “开箱即用”
过去半年，大模型To B的落地应用摸索已经度过尝鲜期。
对于企业而言，他们希望更快使用上大模型，在市场竞争中获得优势。但大模型的技术门槛很高，因此企业并不会从头开始训练自己的基础大模型，更多是基于某个成熟的大模型做二次开发。
然而，想借用好现有的通用大模型，企业仍面临着三大难题：
首先，各类企业的场景需求、复杂程度、智能化程度千差万别，大模型能力边界与企业的场景需求如何快速、准确匹配；
其次，从模型到应用中间还需要诸多技术桥梁，诸如SFT、RAG、LangChain、Agent等技术，如何与大模型有机组合达成最优解；
第三，企业过去积累了大量IT设施、软件、企业数据、业务流程，如何让大模型与现有设施结合的情况下，保障企业数据信息安全。
换句话说，企业无论是基于开源或闭源的通用大模型来做行业化落地，都远没有到达开箱即用的程度。
不过这也成为大模型厂商在竞争中突围的方向，除了要在底层技术上继续夯实外，补足行业Know-how和成功经验也是重中之重。
在百度和阿里的发展经验中，似乎可以给大模型行业一些启示。
其中，百度用搭建行业模型、垂直场景模型和应用的方式赋能具体行业。
2023年3月，百度智能云推出千帆大模型平台，从算力、模型、到应用层层结合，为企业提供一整套大模型开发工具。
一年后，基于一线经验积累和实战反馈，百度智能云抽取出“研、产、供、销、服”环节中的典型场景，于近日推出了5款全新模型和7款应用产品，来解决企业用好大模型的“三大难题”。
以此次发布的国内首款大模型全面重构的智能客服——百度智能云客悦为例，相比传统客服，客悦可结合大模型的理解、推理、记忆能力，实现更友好的对话、更高效的运营。
比如，当用户提问“我的车总有吱吱吱的声音”，传统客服无法理解“吱吱吱”这种口语化的表达。
而客悦在大模型的加持下，会继续追问用户该问题持续的时间和频次，并通过推理反馈用户，可能是皮带老化或者张紧轮松动导致，建议到店检查。
若用户反馈没时间检查，客悦还会基于自身知识库，提醒不检修可能导致车辆失去动力、长期会引起发动机故障等问题，引起用户重视，守护行车安全。目前，用户问题自助解决率已超过90%。
在运营效率方面，上一代的传统智能客服进行业务办理、知识咨询、闲聊等能力，需要花费的人效约100人/天，而客悦仅需约15.5人/天，大模型客服运营效率提升6倍。
目前为止，百度智能云已经布局了电力、汽车、金融、政务等十余个行业大模型，并取得了不错的效果，客户中也出现了国家电网、浦发银行、泰康、吉利等知名企业。
相比之下，阿里采用了另一套逻辑：赋能于内部已有应用和服务，再技术外溢至行业客户。
除已经发布“通义千问”大模型外，夸克也发布了自研大模型，应用于通用搜索、医疗健康等场景；后加之内部推行“云钉一体”，作为办公一体化平台，钉钉上线AI魔法棒，推出17项与AI相关服务，也为通义千问大模型助力颇多。
同时，阿里也提供了不少类似于Anyone fit类型的图像模型解决方案，其工具十分贴合电商需求场景。
因在电商、物流层面的深厚积累，让阿里拥有了对不同领域的行业特点、业务流程和客户需求有了充分的认识。
基于此，阿里的产品便可以在 了解用户需求的基础上，为客户提供定制化的解决方案，满足其业务需求，提高其业务效率和竞争力。这让大模型有了其应有之意，不至于沦落为“无源之水”。
头部大厂领跑大模型行业落地
在大模型的 toB 竞争中，本质而言，是取决于客户企业对商业价值的认知。和其他行业一样，在大模型领域，“多快好省” 和 “物美价廉” 难以两全，匆忙上阵的结果可能是一地鸡毛。
因此，企业客户在大模型的选择上更为审慎。尽管大模型的应用还在初期，但企业在模型选择、模型可靠性、应用成本、使用门槛等层面，已有各种考量和顾虑。
百度集团副总裁侯震宇曾在采访中表示：“最终能够让大模型服务推广开的只有两个原因：第一个是模型效果，第二个是成本。”
以百度智能云为例，其大模型的调用和训练成本一直在下降。文心一言开启内测后，一个月就迭代了四次。
根据百度披露的数据，文心一言的推理成本如今只有发布之初的十分之一，在发布的3个月内推理效率提升10倍，模型推理性能提升50%，模型算力利用率提升1倍。
侯震宇透露，随着技术迭代带来的成本下降，不管是在模型使用，还是在模型微调甚至在模型再训练方面，“价格应该不会成为大家使用或者拥抱大模型的瓶颈”。
与此同时，在SuperCLUE中文大模型7月最新榜单中，百度的大语言模型产品文心一言以62分的总成绩一举超越越GPT-3.5-turbo（59.79）和ChatGLM-130B（59.35）等，稳居行业头部。
除了成本和效果，大模型从开发、应用到调优的每一个环节如何落地，如何基于数据安全合规进行私有化部署等，都是企业客户重点关注的问题。
例如，很多企业需要的聊天机器人，并不是选择具备强大通用能力的大模型就可以，还要求大模型厂商能够提供易用性、完备度、安全性、稳定性都有保证的工具链。
在关注大模型技术栈完备性的同时，企业还需要选择适合自身业务的大模型厂商——既有充分的产业应用经验积累，也能够将技术应用到实际业务场景中。
目前，百度智能云推出的千帆大模型平台就拥有较为全面的数据服务能力，从生成、标注、回流再到模型训练（Post-pretraining、Fine-tuning、Prompt-tuning）、模型评估（主观评估、客观评估）和压缩、自动化 Prompt 工程、到插件应用编排，客户都可以在千帆上一站式完成。
这意味着企业客户可以将基于千帆平台从0开始训练自己的专属模型，同时训练好的模型也可以部署和托管在千帆平台上，获得极致的性能、企业级的高可用性和安全环境。
由于千帆平台已经制备了开箱即用的使用流程，用可视化产品界面的方式引导用户使用，极大降低了使用门槛。对于企业级市场比较担心的安全可靠问题，也内置了安全机制，确保模型的输入和输出的安全。
不久前，IDC发布的《AI大模型技术能力评估报告，2023》对国内主流大模型，包括百度、阿里、腾讯、华为、科大讯飞、360、商汤等14家厂商参进行了评估。
IDC分别对大模型的平台、创新、通用、算法、服务、生态合作、行业覆盖和安全可解释性等诸多方面进行了评价，其中百度 7 个满分，阿里 6 个满分。百度在算法模型、行业覆盖领域拿下行业唯一满分。
可以看到，头部大厂的大模型产品已经有所成效。相较之下，部分初创和腰部公司开始呈现疲态。
从光年之外退出竞争、讯飞大幅亏损难以支撑大模型投入便可以得知，一些 “笨鸟先飞” 的企业已逐渐落后于发展大势。
对于企业业务而言，现阶段更加稳妥的方式还是在大厂之间做出抉择。大厂大模型更能保证服务交付、运维和维保，这也是企业对自身向智能化方向转型更加负责任地选择。
结语
随着企业研发、生产、销售、人力等各项业务场景数字化深入，如何借助大模型的力量，发挥出应用的最大价值，正成为企业商业制胜的关键所在。
接下来的竞争，对于企业而言，不再是局限于大模型的追逐，而是如何基于大模型对应用产品进行自我优化和革新。
对于大模型厂商而言，比拼的不仅是算力、算法和数据，未来长期的发展比的更是落地应用、生态渠道、客户服务、运维等系统性、全面性的支持。
这需要厂商具备强大的技术水平，以及不断迭代升级的能力。要满足可控和合规的要求，也需要厂商有较强的综合能力，能够长期稳定的投入人力物力。
【关于科技云报道】
专注于原创的企业级内容行家——科技云报道。成立于2015年，是前沿企业级IT领域Top10媒体。获工信部权威认可，可信云、全球云计算大会官方指定传播媒体之一。深入原创报道云计算、大数据、人工智能、区块链等领域。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
