从2023到2024年，大模型的火焰越燃越高，也让我们充满了无限畅想，AI和大模型到底能够给行业智能化的未来描绘出何种颜色？

“加快发展新质生产力”，在今年的政府工作报告中，被列为2024年十大工作任务之首。

“新质生产力”的求新是抓手，质优是结果。AI和大模型技术可以成为“求新”的抓手，但却不代表“质优”的结果。所以，AI和大模型技术能不能成为新质生产力，最终还是要看大模型在行业落地的成果。

行业智能化要走出理想的“乌托邦”，就势必要落地产业端！

6月24日，由人民网研究院主持编写的《中国智能互联网发展报告（2024）》蓝皮书发布，联想的前沿研究课题《多模态大模型在企业智能化转型过程的应用研究》（简称《应用研究》）被收录其中，基于联想自身实践和长期以来的行业积累，本着“落地为先”的理念，为行业智能化的前景，指引了新的方向。

大模型走向企业落地，要面对四重大山

发展“新质生产力”不仅仅是生产力，还要形成与之相应的新型生产关系。AI技术之所以能够得到快速发展，与其帮助企业释放了生产力紧密相关。

如传统制造业通过智能制造升级大幅提升了劳动效率，商业企业通过对数据的深入挖掘，逐步向智能辅助决策方向迈进。智能营销、智能风控、智能仓储、智能物流等多个智能场景化的大规模应用，为企业智能化注入无限可能。

《蓝皮书》也指出，“大模型（Large Models）技术的成熟，为我国企业人工智能的应用打开了低开发成本和高效率部署的路径，企业的数据正成为核心资产，通过企业数据的模型化处理，企业的数字化创新也迎来新的发展阶段。”

当前，大模型要走到企业落地，前方仍然存在四重大山。

第一重山：大模型的需求错配之山。

行业中的多模态大模型，都是基于海量公共数据训练的神经网络系统，面对的是普通用户的生活和工作场景，与企业应用场景存在着较大的差距。与企业基于实际应用开发的小模型相比，大模型与企业实际的需求场景匹配度相差甚远。

第二重山：企业IT架构算力错位之山。

传统企业的算力部署错位，大模型所需要的算力是一种异构算力架构，融合了通用算力、高性能算力和AI算力的混合算力架构，与对企业传统IT架构严重不匹配。

第三重山：专属大模型难以落地之山。

通用大模型无法直接落地应用，大模型要在企业得到广泛的应用，就必须对基础大模型进行优化、剪裁和本地化训练，并重新进行本地化部署，打造企业自己的专属大模型，才能有效为企业所用。

第四重山：大模型背后的数据安全之山。

大模型的落地也面临着，在企业专属大模型的优化和训练过程中，如何保障企业的数据安全等难题。要解决这一系列问题，还需要以务实的态度，通过大模型技术实践在场景中不断碰撞，不断印证。

以“智”提质，联想总结出翻越大山的三条路径

归根到底，企业大模型要翻过这四座大山，落地场景还需要规范标准和方法论，并从实践经验中得出可行性的路径。

《研究》正是为了解决这些问题，推动大模型在企业端落地应运而来，这是基于联想自身实践和长期以来的行业积累，针对多模态大模型发展历程及其在企业中的应用价值、落地难点、生态体系建立和联想智能体解决方案及服务的典型案例进行了全面系统的分析，并在行业中率先实现落地应用。

联想集团高级副总裁、中国方案服务业务群总经理戴炜指出，“我国企业的数字化正在快速步入智能化阶段，企业的IT架构正面临着从传统架构向AI原生架构的巨大升级。企业的智能化转型，不仅在重构自身的业务系统，而且以人工智能（AI）为核心技术能力的重构，对建设中国特色的现代化工业体系，推动产业升级具有重要的意义。”

的确，当前大模型正与企业的数字化、智能化系统有效融合。以制造业为例，大模型在研发设计、运营管理和生产制造等诸多环节，不仅可以极大地提高业务效率，而且可以降低许多关键岗位的技术门槛，减少重复劳动，最大限度地提升企业数字化转型所带来的生产力的释放。

这就是典型的以“智”提质。

如何打通“大模型应用最后一公里”，是大模型在企业应用中迫切需要解决的问题。联想服务也在《研究》中提出了自己“翻山越岭”的三条路径。

第一条路，是构建大模型在企业应用服务生态之路。

通过拉通基础多模态大模型供应商，应用企业，大模型精调和训练、部署的服务商，异构算力提供商，以及工业软件和管理软件供应商等不同类型的商业和企业机构，让不同“角色”能在生态体系中发挥各自的作用，以此推动大模型的普及。

第二条路，是构建大模型在企业应用中的服务体系之路。

企业大模型需要复杂的适配、部署、管理、评估、运营等流程，同时企业大模型的应用虽然可以大幅度降低开发成本和缩减开发周期，但由此也会带来的服务量的大幅增加，这需要大模型服务商从一开始就要构建可靠的服务体系。

第三条路，是大模型技术与场景不断磨练之路。

就是说，要将大模型的技术和应用方法论不断融入生产场景，融入行业实践，融入企业的业务流程，使之在实践中反复磨练，最终形成生产力的升级，而这恰是联想的优势。

越过山丘，联想对企业大模型的启示

越过山丘之后，就是大模型落地企业场景，创造新质生产力的海阔天空。面向大模型的行业落地，联想也给行业带了很多启示。

第一个启示：自身智能化转型的经验既可反哺自身，也可以赋能行业。

正是联想在自身的智能化转型和服务客户智能化转型的过程中，积累了丰富的行业经验，同时将广泛的新技术、新方案、新思路应用于企业的智能化转型。

例如，几年前联想通过AI技术的集成创新，将算法应用于智能“魔方”客服系统、智能营销预测、智能制造、智能质检系统以及智能仓储物流等系统，并将这些系统在生产经营活动中进行验证和改进，完成了自身的智能化转型。

到2024年，联想推出企业大模型应用的方法论，是目前我国在企业大模型领域为数不多的理论化、系统化的企业大模型实施和应用体系，这一体系依托以大模型为基础的AI原生技术架构，实现了大模型在企业应用中的落地。

第二个启示：行之有效的战略与产品力结合，能够生成对行业客户最有价值的能力。

通过自身实践的积累与方法论之间相互印证，联想打造出智能IT引擎——“擎天”，既服务联想中国的业务模式变革和降本增效，也是联想驱动产品、及联想自有IP解决方案更新的动力引擎，更是联想服务客户智能化转型的抓手。

如今，联想方案服务将擎天升级为以企业大模型驱动、智能体为核心的“擎天3.0”，并基于“擎天3.0”完成了对AI原生的方案服务的重构，将咨询、集成、部署、运维等传统IT服务，重构为由AI驱动的智能化转型全周期服务，将AI技术嵌入到企业核心生产业务流程当中，实现AI应用落地的规模化和可视化，切实帮助企业实现增长。

第三个启示：抓住能力细节，打造不可复制的优势。

比如在数据层，联想沉淀出的智能化转型方法论和行业经验，结合企业客户海量特定场景的数据，可实现训练数据的高质量化、精细化和定制化，这将显著提升大模型训练效；

在算力层，算力服务将从算力本身向AI服务、中间件服务、数据库服务等配套服务发展，并与它们绑定。联想推出的可订阅的、一站全包的“臻算服务2.0”，全面支持了这一需求；

在工具层，由联想开发的一站式交付智能服务平台Al Force采用组件化应用构建，用户可以按需选择Prompts、RAG、FunctionCalling的服务，将多组件自由整合，基于AI Force，联想以服务的方式为客户提供一站式安全可控的智能体交付，实现AI技术的高效利用。

总体而言，作为联想智能化方法论的精粹《研究》入选蓝皮书，也有助于大模型技术走出理想的乌托邦，走向行业的现实，走到具体的场景，走进生产和业务流程，走出大模型时代的新未来！