垂直大模型融入产业仍要闯三关
■ 贾 丽
当下，人工智能大模型正从通用走向垂直，成为驱动产业变革的核心引擎。这一转变已从实验室走向实际应用场景——垂直大模型正在生产线、服务柜台等诸多产业的方方面面落地生根。
加快垂直大模型的创新突破与深度应用，既是推动我国产业迈向智能化、高端化的关键抓手，也是在全球人工智能竞争格局中抢占战略制高点的重要突破口。然而，大模型落地之路并非坦途，如何让技术深度融入产业“肌理”，笔者认为，行业各方仍需破解三大难题。
其一，增加“基础燃料”高质量供给。数据是AI应用的基础燃料。当前，我国高质量垂类数据的供给仍然不足。如中文垂类数据在全球数据训练集占比不高，行业私有数据开放度低，部分模型出现“营养不良”。但事实上，我国具有丰富的行业数据与应用场景，是发展垂直大模型的重要基础。
笔者认为，各地可联合头部企业、科研机构共建垂直领域数据共享平台，通过“数据沙箱”实现合规流通，并增强垂直场景行业知识与模型适配能力。例如，上海“模速空间”通过政策优先支持，已推动43个备案大模型落地，其“政企研”协同模式可复制推广。从“模速空间”聚集400家企业形成完整产业链，到医疗、金融等领域涌现的细分场景应用，垂直大模型已展现出重塑行业生态的潜力。
其二，推动精准化应用是AI转化的重要引擎。参考金融大模型在风险预测中的实践，以标准化倒逼技术实用化场景适配仍显不足，部分应用难以创造应有价值。
笔者认为，各地可加快建立行业专属评估体系，明确准确性、安全性等硬指标，从而推动垂直大模型在细分应用领域精准落地。同时，行业以场景需求为牵引，摸索联合研发模式，推动AI创新从“功能叠加”转向“业务原生”，可以在行业痛点中培育真正具有变革性的应用生态。
其三，垂直场景中，大量中小金融机构因受制于算力成本，仍依赖规则引擎而非AI模型。笔者认为，行业应当加快开发轻量化垂直专用模型，通过领域知识蒸馏和边缘计算优化，在保证性能的同时大幅降低部署成本。各地也可以根据自身优势产业，建设垂直大模型产业园，整合智算中心资源，为中小企业提供低成本算力服务。通过高校验证、企业推广等路径，率先在农业、汽车等优势领域形成示范项目。
垂直大模型的真正价值，在于以算力推动培育行业“新质生产力”，而唯有聚焦痛点、务实深耕，方能实现垂直大模型从单点突破到生态繁荣的跨越。