重塑千行百业的AI大模型，距离大规模应用还有多远？
经济观察网 记者 汪青 “尽管目前AI大模型发展势头很猛，但在实际落地上仍属于浅层次的理解式AI。随着时间推移，行业也将会更为理性地评估其实际效果和经济价值。”中关村科金副总裁胡建林在10月9日接受记者采访时表示，而距离AI大模型大规模普及则需要考虑多重关键因素。比如，行业数字化水平、任务容错率以及安全合规要求。此外，还需攻克大模型容易产生幻觉倾向、以往非结构化数据应用率低、企业流程性知识无法充分应用以及领域常识注入造成通用能力下降等技术挑战。
产业数字化在数字经济发展中持续主导，与不断创新的数字技术紧密融合，其规模和深度迅速提升，成为数字经济增长的引擎。
根据沙利文日前发布的《2023年中国AI技术变革企业服务白皮书》（以下简称《白皮书》）显示，中国数字产业化规模在2022年达到8.8万亿元，占据数字经济比重达到18.3%。与此同时，产业数字化规模攀升至39.3万亿元，其在数字经济中的比重高达81.7%。预计到2025年，整个数字经济市场规模将达到55.7万亿元。
在此过程中，AI大模型的落地应用备受各界关注。相较于传统AI技术通常需要大量的数据和计算资源，AI大模型通过自身的学习能力，可以在一定程度上自动地学习和提取数据中的特征，从而降低AI开发难度，也使得更多开发者和企业能够更容易地利用AI技术来解决问题。
“自从ChatGPT推出，生成式AI已经在整个技术产业中引起了广泛关注。尤其在资本和产品层面，整个行业的热度明显上升。此外，生成式AI的应用也不再仅局限于基础的聊天机器人模式，而是广泛渗透到企业服务、营销和金融等多个领域。”胡建林表示，通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作。
不过，就现阶段而言，AI大模型对各类产业的影响程度亦各不相同。
根据《白皮书》显示，在服务型产业中，AI能够实现5.8%的显著成本降低，主要集中在客户营销、客户运营、客户服务等获取和转化客户的成本方面，具有高替代潜力。在媒介型产业中，成本降低比例为2.8%，主要表现在销售渠道管理和营销内容等关键领域。对于产品型产业，AI有望减少1.6%的成本，这些企业通常在产品研发设计和市场营销方面投入较多，因此未来将通过自动生成产品模型、外观设计以及宣传材料来重塑工作模式。然而，在制造型和基础源头型产业中，AI大模型渗透率相对较小，成本下降幅度仅为0.5%。
需要指出的是，面对生成式AI技术的高热度，尽管许多企业热衷于拥抱这种新技术，但其实在落地应用层面仍面临诸多挑战。
“首先，大模型的训练复杂度高，需要大量算力和资源，虽然未来可能随着技术进步而得到解决，但近期仍是一个显著的瓶颈。其次，随着AI的应用，公民隐私和信息安全问题愈发凸显，这需要相应的法规来进行约束和管理。此外，大模型在处理异常或复杂场景时，其抗干扰能力和稳定性仍需提高。最后，虽然一些企业已经开始在垂直领域探索大模型的应用，但大部分仍然在初级阶段，怎样真正为客户创造价值、如何将技术与实际业务深度融合仍是一个巨大的挑战。”云蝠智能联合创始人兼CMO张亚慧在此前召开的2023沙利文新投资大会上表示，如何克服上述挑战，真正实现其应用价值，是各行各业企业需要深入思考和探索的课题。
胡建林也指出，尽管在语言生成上表现出色，但生成式AI在事实判断和过程生成方面仍存在问题，特别是在输出看似合理但实则不确切的信息时。虽然部分挑战已经得到解决，例如通过外挂知识库来增强事实判断，但某些问题，如伦理和心智问题，仍然难以解决。从应用角度上来看，如何有效地利用非结构化数据，如音视频内容，和如何在高频与低频问题中平衡模型的使用也是核心挑战。同时，数据安全和合规性也是行业需要面对的问题。
在技术不断迭代过程中，生成式AI的技术发展路径又将如何演变？未来又将有哪些新的落地产品形态及应用场景？
据胡建林观察，虽然大模型能力在不断增强，但未来的复杂任务无法仅靠单一大模型解决。解决策略将涉及多技术和多模型的融合，而多agent多智能体的开源框架为此提供了一个方向。
胡建林认为，未来，产品形态主要分为两类：基于聊天的工具类产品，如ChatGPT，这些泛工具类的产品具有广泛应用性，但缺乏行业特性；第二类是领域大模型，这些模型针对特定行业，如金融、政务、医疗和法律，为知识密集和高隐私性行业提供更具商业价值的解决方案。选择落地领域时，需要考虑三大维度：任务的容错性、领域的专业知识需求和场景的价值。例如，对于高风险任务，人机结合的方式是初步有效的选择。