前言
近年来，大模型成为人工智能领域的最大热点。如何有效将大模型技术融入各行各业的实际应用，助力生产力革新和产业升级，成为业界越来越关注的核心问题，也促进了行业大模型的发展。
2024年政府工作报告明确提出，要“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”。
腾讯研究院发布发布《向 AI 而行，共筑新质生产力——行业大模型调研报告》，深入探讨了行业大模型的发展现状、应用前景及未来趋势。报告指出，大模型技术通过其庞大的参数规模和强大的泛化能力，展现出了类似人类的通用智能“涌现”能力，能够处理多个领域知识和多种数据类型。大模型的“规模定律”显示，模型性能随规模、数据集大小和计算量的增加而显著提升，引领着AI领域向通用人工智能（AGI）的迈进。
行业大模型的兴起源于通用大模型在专业性、泛化性和经济性之间的“不可能三角”问题。行业大模型通过针对特定领域数据和任务进行训练或优化，旨在提高模型的专业性、性价比，并保障数据安全。它们在数字原生行业和生产性服务业如广告、金融等领域应用进展较快，而在重资产行业如建筑、制造和能源领域进展相对较慢。
行业大模型的应用场景呈现出“微笑曲线”特征，即在研发/设计和营销/服务等高附加值环节应用落地较快，而在生产、组装等低附加值环节进展较慢。营销/服务环节因跨行业通用性强而进展最快，研发/设计环节则依赖于高质量专业数据集的可用性。生产/制造环节则主要利用大模型对人的辅助增强功能，如西门子与微软合作推出的Siemens Industrial Copilot。
不同行业虽应用大模型的重点和进展各异，但仍存在共性需求，包括内容生成与创意设计、信息提炼与专业辅助，以及任务调度与智能交互。衡量行业大模型应用成功的关键在于避免片面追求技术性能或短期收益，应关注降本提效、业务创新和体验增强的价值，并构建高质量数据飞轮模式。
行业大模型的实现方式主要包括提示工程、检索增强生成、精调和预训练，这些方法通常组合使用以达到最佳效果。而其负责任的部署和应用则需面对安全、治理及特定行业的监管要求，可通过AI沙盒等监管创新机制给予创新空间，确保AI技术的健康发展。
未来，行业大模型的发展将朝着更专业、更经济、更安全的方向前进，进一步促进人工智能技术在各行各业的应用和普及，为产业升级和新质生产力的形成注入动力。
