刚刚过去的2023年，被称为中国大模型的“元年”

文心一言、通义千问、讯飞星火、紫东太初……一年当中，AI大模型如雨后春笋般层出不穷。“百模大战”让大模型走上了市场“风口”，2024年，Sora横空出世，作为一个数据驱动的物理引擎、视频生成领域的大模型，Sora创造了几乎可以乱真的数字世界，又给整个行业带来了无比的震撼，同时也带来了疑问：为什么大模型越来越多，但智能产业并未看见拐点？

今年的政府工作报告中，加快发展“新质生产力”被列为2024年的首项政府工作任务。“新质生产力”的核心，是以科技创新驱动生产力向新的质态跃升，做到“以新提质”。

很明显，大模型技术可以成为“求新”的抓手，但却不代表有“质优”的结果。而发展“新质生产力”不仅仅是生产力，还要形成与之相应的新型生产关系。所以，大模型技术能不能成为新质生产力，最终还是要看大模型在行业落地的成果。

换言之，大模型技术要与垂直领域的场景和需求相结合，创造出符合行业应用特征的垂域大模型，并延伸到千行百业，才有机会让智能产业迈进拐点，以垂域大模型为帆，驶向新蓝海。

早在2016年，《智能时代：大数据与智能革命重新定义未来》就预言：传统的行业都将采用智能技术实现升级换代，也会改变原有的商业模式。

今天的智能化技术与产业的融合也的确变得越来越紧密，从智慧医疗，智慧金融，智慧城市再到无人驾驶，智能化正在改变千行百业的方方面面。

浪潮集团副总裁、浪潮通用软件有限公司总经理魏代森也表示，“人工智能应用越来越普及，从嵌入式智能到原生智能，赋能业务流程自动化，AI框架将成为软件的基础架构，使得智能化场景越来越丰富，同时对工作和生产效率也产生了巨大的提升。”

这种行业智能化的速度，随着大模型技术的火热，明显得到了加快。

麦肯锡的报告预测：到2040年，生成式AI每年可为全球经济带来2.6万亿至4.4万亿美元的增长；IDC也预测：到 2024 年全球将涌现出超过 5 亿个新应用，这相当于过去 40 年间出现的应用数总和。

大模型市场背后的市场潜力是如此之大，但市场的机会是否属于每一家大模型技术的提供商呢？答案显然不会是肯定的。

我们应该看到，通用大模型的迭代速度飞快，从去年3月到11月，仅仅用了3个季度的时间，GPT-4就快速升级到GPT-4 Turbo，更长的上下文、更强的控制、知识升级、多模态、模型微调和更高的速率限制……能力提升的速度让整个业界为之震动。

这意味着，如果国内的通用大模型，仍旧保持传统的创新模式，要追上GPT的创新步伐是非常不现实的。

但从行业的角度看，任何技术本身都是不具备行业属性的，脱离了场景的技术也无法称之为有用的技术。这又代表着，大模型技术可以通过融入场景来展现它的价值。

这其实不仅是垂域大模型的生存空间，更是发展机遇。大模型的能力需要行业场景反馈的数据支撑，大模型应用的行业场景越广泛，垂域大模型的发展空间就会越明显。

如魏代森所说，“去年开始大模型越来越热，同时对企业应用的作用也逐步加深，这意味着垂域大模型的场景会越来越丰富，能力也会越来越强。”所以去年9月发布的浪潮海岳大模型inGPT，就直接定位于企业服务垂域大模型，作为与行业场景深度融合的大模型，开启了大模型加速行业落地的先河。

有人把大模型比喻成蒸汽时代的发动机、电力时代的电动机，的确通用大模型可以扮演“引擎”的角色，具备重塑很多行业运行规则的能力。

无论“引擎”的创新多么具有革命性，行业客户其实希望看到的还是技术的普惠，是可以做到星火燎原的技术。要点燃这把“星星之火”，就要跨越大模型技术与行业客户的AI应用落地之间的那段很长的距离。

这正是垂域大模型诞生的使命和责任。

浪潮通用软件有限公司副总经理、首席技术官郑伟波说，“海岳大模型自去年的发布1.0版本之后，面向很多垂直领域做了落地，这个过程中我们发现大模型在企业落地的挑战，其中包括成本、数据、生态、适用性、安全等问题。”

确如此言，比如在成本方面，大模型训练和部署成本一直居高不下，意味着千亿级大模型在企业中的应用面临巨大的投入，这是企业应用大模型不可承受之重，大模型的投入产出比，未来将是大模型能否深入行业一个核心的话题。

而在数据方面，事实证明越是精准的数据输出的模型效能越显著，因此如何将企业原本分散的数据集中、梳理、清洗为高质量数据，对于大模型在行业的应用上将会事半功倍。

适用性则是“垂域”这个“垂”字的关键，利用大模型的能力做出符合企业需求的应用，核心要看企业的“知识”。对特定行业的深入理解，找到真场景，形成有价值的行业、领域知识，会加速大模型在行业场景中的落地。

生态的意义就毋庸置疑，企业的应用环境本身就非常复杂，多个厂商的软件和大模型要相互融合，开放协作的生态系统必不可少；而数据安全是一个老生常谈的话题，无论任何技术创新，都离不开数据安全的保证，当然大模型的研发和应用过程中，也的确存在数据泄露的风险，无论是公共大模型还是私有部署的大模型，都要谨守数据安全关。

“海岳大模型内置六大原子能力，接入之后可以真正在企业落地应用大模型。通过数据，知识管理平台解决异构、分散数据难治理，隐性知识难挖掘等难题。通过生态，打造企业专属大模型技能生态、插件生态，并确保数据安全。”郑伟波说

同时郑伟波也表示，“垂域大模型就是企业落地的最佳途径。通用大模型很难解决企业内的应用场景，而垂域大模型，通过精调训练，融入到大模型里，形成客户私有的大模型，才能真正落地，所以说垂域大模型是支撑大模型在企业落地的非常重要的方式。”

客观地说，大模型的行业落地，要与垂直领域的场景相结合，不仅要求基础模型的综合能力，还要降低客户进入大模型的门槛，并兼顾到一些具体行业应用，打造出最佳实践，以做到缩短大模型落地行业的周期。

也就是说，要实现向企业提供服务领域的垂域大模型，需要有一整套从技术底座，到模型，再到智能体的完整方法论。

这也是浪潮通软将海岳大模型分为三个层次的原因。

底层是工具“基座”层，包含了数据训练、接入框架、知识管理框架、模型组装工具和调优、部署工具等，形成了公共技术基座。“一个通用大模型怎么把垂域大模型的知识融合进去，怎么把企业的知识融合进去，需要知识管理的工具，需要微调训练的工具，需要部署的工具，所有这一切都需要由基座来支撑。”郑伟波说。

而模型层，也就是垂域大模型，相当于整个体系的“大脑”，它可以提供核心的认知推理能力的，与应用结合后，形成具体行业应用的智能体，而智能体一方面对接了大模型的能力，理解推理能力，另一方面和应用结合形成可以在行业场景中落地的智慧应用。

郑伟波表示，“我们发布了智能体的架构，内置了很多智能体，和海岳软件融合，形成了一系列的插件库和数据库，以支撑行业的大模型应用。同时也布局了100多个智能体，进一步支撑企业在智能化场景的落地。”

从这个角度，浪潮通软不仅仅是一个大模型技术的服务商，更是行业智能化的解决方案提供商。浪潮海岳大模型作为垂域大模型的典型代表，能够迅速在众多行业和领域落地，主要有几个原因：

第一，知识的沉淀决定了数据基础。过去30年，浪潮通软积累了丰富的行业实践，例如在财务、人力、司库等业务领域，以及智能制造、粮食仓储、智慧水务、智慧矿山等垂域行业，沉淀了大量领域专有知识，形成了高质量的数据基础，这对于垂域大模型的精准度有较大提升。

第二，海岳大模型作为浪潮通软智能化服务的一部分，它天然具备客户视角，和很多业界的大模型仅能提供基础技术能力不同，海岳其实是垂域大模型+智能体的一体化解决方案，客户拿到的不只是大模型本身，而是一套建立在大模型技术逻辑上，可以开箱即用的智能化解决方案。

第三，大模型的未来之争，不单纯是模型技术之争和部署能力之争，而是生态体系之争。而浪潮通软的软件基因天然就具备生态属性，不仅要兼容并包，还会跨行业、跨场景提供解决方案，所以浪潮通软的生态意识，在未来也会成为海岳大模型的一个重量级砝码。

可以预见，大模型的发展曲线还远未到顶点，但大模型技术作为产业智能化的支撑点之一，我们更希望在到达顶峰之后，能够留给市场更多的长尾效应，这样的故事线，才是我们最希望看到的结果。