今年以来，人工智能领域话题不断，AIGC、?成式??智能、?模型等概念层出不穷。

虽然市场对大模型有良好的预期，吸引了全世界多个科技巨头做战略级投入，但大模型也面临着成长的烦恼。从技术上和产业应用两个层面来说，大模型的应用难点有很多。

在技术方面，比较典型的一个问题是，在实际的应用中，大模型会常常发生一些事实性错误。这是因为对于大模型的训练数据中未曾覆盖到的信息，大模型会按照上下文的概率进行事实编造，从而导致大模型产生“幻觉”。

让大模型变得更可靠，生成式AI和决策式AI的有机融合发展或许将是一个有效路径。比如针对生成式AI在权衡一些对冲性的信息时，不能做出正确取舍的弊端，可以在模型建设中加入决策式AI的决策树等算法，通过引入显性的逻辑规则来判断相互矛盾的信息，进而给出最优解。

在产业应用方面，很多产业机构还是将大模型当作“玩具”，还不足以作为“工具”使用。要真正实现大模型的落地，产业机构需要的不仅是大模型本身，还需要充分的行业Know-how、行业知识库，以及对于落地场景的深入挖掘。在实际的交互中决定需要哪些功能，以及可能以何种方式与这些功能产生链接，强化大模型的“工具”能力。

简而言之，大模型在产业领域的应用绝不是单纯的技术问题，能否打造“模型-行业理解-场景应用”的完整体系才是决定成败的关键。

随着技术的演进发展，行业也将发展出几大不同的路径，即以科技巨头为主的底层大模型、新兴创业公司主导的各类“小模型”，以及像百融云创这样的AI科技公司研发的行业大模型。后续，外界对于大模型的关注将转向其在垂直领域的落地，行业大模型势必将迸发出更多势能，垂类应用和模型能力的结合也会更为紧密。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：