近期，“2024AI+研发数字（AiDD）峰会”成功举办，该峰会由AiDD大会组委会主办，中智凯灵承办，峰会主题为“AI驱动研发变革，促进企业降本增效”，汇聚了一众头部互联网企业及一线从业者和技术专家，为参会者带来了最前沿的主题内容分享。

此次AI盛会上，数据猿有幸专访了微软（亚洲）互联网工程院首席应用科学家李烨，与她一起探讨行业大模型热潮背后所隐藏的理论与实践之间的鸿沟。本文通过深度对话，展现了李烨对于行业大模型的现状、挑战与未来方向的独特见解，揭示了其探索理论与实践平衡的智慧与决心。

追根溯源，AI技术的发展演进之路

探寻技术发展之路不可避免要谈论到其萌芽之初，李烨首先带领我们一起回溯了AI的发展历程。

从上世纪50年代，人工智能的概念首次被提出，科学家们开始尝试用机器模拟人类的智能行为，那时AI技术尚处于萌芽阶段，如同初生婴儿，充满无限的潜力但又脆弱不堪。到了80年代，理论与技术的局限加之资金支持的枯竭，AI技术的发展陷入了一段时间的低谷，AI领域经历了所谓的“AI寒冬”。然而，正如春天总是在冬天之后来临，90年代末期，随着神经网络和机器学习技术的兴起，AI技术开始回暖，逐渐走出了低谷。

进入21世纪，深度学习的革命成为了AI技术发展的转折点。深度学习技术的出现使得AI技术迎来了爆发式增长，从图像识别到语音识别，从自然语言处理到机器翻译，深度学习技术在各个领域展现出惊人的能力，极大地推动了AI技术的发展。而2022年底，ChatGPT的横空出世，更是将AIGC技术推向了新的高度，引发了全球范围内的关注与热议，AI技术不仅在自然语言处理领域取得了突破性进展，其强大的生成能力也使其在内容创作、智能对话等场景的应用前景变得更为广阔。

每一次技术的突破，都是对过去理论与实践的一次深刻总结。

李烨表示，ChatGPT的横空出世，也推动了行业大模型的进一步发展，标志着AI技术从实验室走向现实应用的重要一步，它提升了AI技术的应用效率，降低了应用成本，为AI技术的普及与推广提供了可能。

然而，正如硬币的两面，行业大模型的热度背后，也隐藏着理论与实践之间的鸿沟。

落地之难，行业大模型理论与实践的鸿沟

实践与运用的诸多挑战如同一道道难以逾越的障碍，阻碍着行业大模型从理论走向现实的落地。

李烨指出，数据隐私与安全、计算资源、成本控制，以及不同行业数据的特殊性，是行业大模型落地过程中的主要障碍。以传统制造业为例，尽管行业大模型在理论上能够提升生产效率，但在实际应用中，由于数据的非结构化和采集的难度，导致大模型难以直接应用到生产流程中，从而限制了其在制造业的落地。

制造业企业往往拥有大量的非结构化数据，如图像、视频和声音等，李烨表示，这些数据的处理和分析对计算资源的要求极高，这在很大程度上增加了大模型的落地难度。虽然技术的进步较大程度上解决了第一步输入的问题，但由于每个行业数据拥有不同的特性导致输出困难仍然成为行业大模型难解之题。

不过，也有表现较为突出的行业，如法律和金融行业，它们成为了行业大模型应用的先行者。

在法律行业，大模型的应用主要集中在文本分析和智能检索上。“法律行业的文本具有高度的统一性和规则性，这为大模型的训练和应用提供了良好的基础，”李烨解释。大模型能够快速理解和分析法律文本，从而为用户提供精准的法律信息检索服务。

在金融行业，虽然其数据相比法律行业稍具复杂性与多样性，但相关行业大模型的应用的丰富性也不在少数。从风险管理到客户服务，从投资决策到市场分析，大模型都发挥着重要作用。

不过，李烨指出，由于金融行业对数据的隐私性和保密性要求较高，这也在一定程度上影响金融行业稍落于法律行业大模型的发展。但由于金融行业的充足预算，其相关技术的发展仍然是未来最富潜力与前沿的行业之一。

多方努力，共绘行业大模型未来蓝图

在与李烨深入的对话与探讨中，我们对行业大模型的发展趋势与国内落地现状有了更为全面而深刻的认识。行业大模型虽已迈出坚实的一步，但要实现其在各行业的全面应用，仍需跨越数据隐私、成本控制与行业特性的挑战。

面对这些挑战，多方共同努力的重要性不言而喻。要推动行业大模型的健康发展，实现其在各行业的广泛应用，需要政府、企业、学术界与产业界的共同协作，形成一股强大的合力。

首先，政府层面的政策支持对于技术的发展是不可或缺的。政府可以通过制定有利的政策和提供资金支持，鼓励企业进行技术创新和应用探索，为行业大模型的落地创造良好的外部环境。同时，政府还可通过加强数据安全和个人隐私的保护，为行业大模型的应用提供坚实的法律保障。

企业层面，技术创新是推动行业大模型应用的关键。企业的研发投入对于不断优化行业大模型的性能，降低计算成本，提高应用效率有着重要影响。同时，企业还可积极探索行业大模型在不同领域的应用，挖掘其潜在价值，为用户提供更加智能化和个性化的服务。

而学术界与产业界的交流合作，在推动行业大模型发展上也至关重要。学术界可以为行业大模型提供前沿的理论指导和技术支持，产业界则可以将学术成果转化为实际应用，推动行业大模型的商业化进程。通过学术界与产业界的紧密合作，可以加速行业大模型的落地进程，促进其在各行业的广泛应用。

综上而言，政府的政策支持，企业的技术创新，学术界与产业界的交流合作，每一环节对于未来行业大模型跨越理论与实践的鸿沟而言都至关重要，它们共同构成了行业大模型未来发展的蓝图。

展望技术发展的未来，行业大模型的发展前景广阔，但道路漫长且充满挑战。正如李烨所言：“行业大模型的运用任重道远，还有很长一段路要走。”不过正是这些挑战孕育着无限的机遇，推动着AI技术不断进步与行业应用持续深入，为社会带来更多的创新与变革。