加速大模型落地，腾讯云蹚出新路径
文丨魏薇 林可
距离OpenAI首次发布聊天机器人ChatGPT，已有285天了。
过去数月，企业对大模型的态度逐步转变。当下，如何将大模型的能力快速、低成本地应用到具体业务场景，成为产业界最关注的问题。
对企业来说，自己组团队开发大模型，成本高、耗时长，效果不一定好；干坐傻等，又没法升级业务，搭不上AI快车。
千行百业“想用大模型又用不上”的痛点，亟待解决。
瞄准产业界需求，腾讯云今年6月发布行业大模型，基于TI平台为广大用户提供MaaS（Model as a service）一站式服务。
9月7日，在腾讯全球数字生态大会上，腾讯云MaaS又宣布了最新升级，以更好地帮助产业客户既快速、又经济地搭建专属大模型。
腾讯自主研发的通用大语言模型——混元，也正式面向产业亮相。
升级后的MaaS，就像一个品类丰富的大模型“精选商店”。有需求的企业，步入商店，按需挑选产品，省时省心。
比如，企业可以选用行业大模型，自行训练数据，生成专属大模型；也可以直接选择OCR、数字人等智能应用。
技术升级，加速落地
国内大模型百花齐放，已经过了尝鲜期。
落地应用，赋能业务，在产业更深层次比拼“价值”，是大模型的下一个战场。
“C端火爆的大模型，本质上是个语言模型。大模型的定位不应只是辅助决策，给出一个参考答案。”
对比多家大模型产品之后，蘑菇物联工业 AI 科学家周子叶评价，向要求更高的B端发力，才是大模型真正的价值所在。
深入B端，腾讯云希望和行业客户一起落地大模型，重塑生产力。
“必须把大模型技术应用到企业场景中，为客户降本增效”——腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生早就做出如此判断。
汤道生
9月7日，汤道生再次强调，大模型需要基于产业场景，与企业数据融合，才能释放出最大的价值。
自6月推出“MaaS服务”，腾讯云MaaS快速成长，向内，修炼自身技术，向外，不断拓展落地场景。
“我们把腾讯的产品作为一个磨刀石，在内部先磨炼，再出来服务更多行业。”
腾讯云副总裁、腾讯云智能研发负责人、腾讯企点研发负责人吴永坚谈到，未来，还会将AI大模型能力应用到更广泛的PaaS、SaaS产品，一方面，验证MaaS服务的可用性、易用性；
另一方面，也将更多开箱即用的产品、服务，向客户开放，推动大模型在实际生产、运营场景发挥效用。
历练三个多月，在技术底座、平台能力、智能应用三个维度上，腾讯云Maas均有较大升级。
吴永坚
完善后的MaaS“精选商店”分为四层，能力更强，应用更广。
底层是以基础设施、腾讯混元大模型、行业大模型、开源模型组成的技术底座。
其中，基础设施包括算力（HCC高性能计算集群）、数据（向量数据库）和网络（星脉计算网络），性能强劲。
比如，若想在大模型中找到一张带“猫”的图片，向量数据库能在1百毫秒内，从10亿张向量化的图片中，返回查询结果。
中间层“TI平台”的货架上，摆满了工具。
企业可按需选用数据标注、训练、评估、测试和部署等“大模型”工具。
此次升级后，TI平台更易使用，比如其为客户内置了精选模型，可一键启动精调任务。
第三层是面向行业的MaaS层。
企业可以根据需要，选择合适的模型，再借助腾讯云的TI平台，导入专有数据，做进一步的训练与精调，快速生成更有针对性的专属大模型，满足企业个性化需求。
顶层是场景层，包含众多成熟智能应用。企业无需费时费力，可以直接选用AI助手、数智人、车载助手、AI绘画、OCR大模型等成品。
基础稳固，厚积薄发
按需定制、量体裁衣，考验平台实力。其不仅要把底层的算法、算力和数据扎扎实实做好，还需具备场景落地的能力。
输出一整套能力的背后，是腾讯数十年如一日的积累。
“大模型的本质就是深度学习。腾讯十几年前就已经进入深度学习赛道。”
吴永坚表示，客户若直接用开源代码去训练和推理，时间长、成本高。
据吴介绍，腾讯一直在关注大模型相关技术，只是相对低调，没有对外说。
“比如星脉计算网络，是花费多年时间研发出来的，几个月的时间里，不可能有如此大的进展。”
技术有了，场景落地，还需要一支基本功扎实、灵活作战的队伍。
腾讯云内部，有跟进前沿技术的产研团队，背后有优图实验室。
“从2012年优图成立开始，我们就强调，研究和落地两条腿并重。”
腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声介绍，优图一方面坚持在技术方面做研究，为长期的发展做准备；另一方面会紧密地跟行业结合，把技术应用到行业中，产生实际的价值。
优图实验室的技术早就落地到工业、金融、传媒、政务、能源等行业。
去年，腾讯云与立铠精密达成合作，在了解到对方存在“硬件缺陷多样、成像复杂”等质检难题后，便开展了算法研究。
针对工业场景缺陷样本少、缺陷噪音多、产品型号广等问题，优图实验室通过小样本学习、域迁移学习、带噪学习和模板学习等方法提升了算法的鲁棒性与泛化性。
最终，立铠精密用AI工具替代了原有的目视检测，漏检率接近于0。
配合技术团队，解决客户的实际问题，腾讯组织体系灵活。其产品架构师直接对接客户需求，快速传递给后方，内部再给出解决方案。
“针对某些头部客户，我们甚至会驻场，提供贴身服务，到现场去看问题，更好地满足其需求，积累经验，沉淀到产品里。”吴永坚补充。
“对前方销售团队来说，大模型能够带来新订单，其有强劲意愿拉动后场产研去打胜仗。”吴永坚谈道，部门之间，沟通也顺畅。
这支团队，正深入千行百业，实实在在地提升生产力。
扎根行业，实用性优先
B端需求千变万化，落地大模型，并不容易。
吴永坚举了个例子，有位客户想做一个智能客服应用，对语言的精准度要求高，担心“说得多，错得多”。
“不说错话，这很关键。跟他的需求结合，（模型）的生成能力可以不用那么强，更重视安全。”
他解释，实用性，是CSIG（腾讯云与智慧产业事业群）最关注的一个点。腾讯云做大模型，不是为了强调自身技术有多强，而是为了解决客户的问题。
除需求各异外，企业的资源、禀赋不同，落地大模型也需要考虑自身实际条件。
“大模型要想真正做到量产实用，效率及成本控制必须是极致的，否则高昂的人力、计算成本容易让行业大模型落地成为纸上谈兵。”一位AI企业创始人说。
客户提需求，腾讯云扎根业务，量体裁衣，给出实用的解决方案。
比如，在内容创作领域，腾讯云和阅文集团达成合作。
阅文平台，用户有大量复杂的“文生图/图生图”需求，其需要处理海量的模型，投入算法和工程师团队进行维护，同时，千百亿级别的模型，推理部署成本高昂，推理吞吐和时延存在瓶颈。
该公司选用“商店”里的Angel加速引擎，推理能力提升30%。大模型提供动态batch和自动服务调度机制，大幅提高服务吞吐量。
腾讯云还将大模型与腾讯的行业解决方案、企业级应用结合，在生产、营销、售后服务、办公等多个环节，实现能力提升，达至降本增效。
例如，在能源领域，大量电网设备散布在偏远地区，依靠人工巡检方式，故障隐患无法及时发现和处理，影响电力生产安全。
腾讯云训练电力视觉大模型，可以适应不同电网场景，具有高检出率、低误检率、泛化能力强的优势，助力电网生产经营和减负增效。
在上海仁济医院，腾讯云将数智人与医疗大模型结合，合作开发了“数智人医疗智能客服”。
通过这个“虚拟护士”，患者可以用语音咨询看哪个科室，找哪个医生。系统的回复也更准确。这既保障了患者高效就医，又避免了三甲医院专家资源的浪费。
“现阶段，我们挑选若干个关键场景，结合客户的需求做深做透，形成标杆，希望往后能够往腰部覆盖、规模化。”吴永坚表示。
新生产力工具正对千行百业赋能、提效。