以ChatGPT为代表的通用大模型在过去一年赢得了空前热度，各专属领域的行业大模型随后也开始陆续面世。那么，在垂直领域，用户端需要的行业大模型具备哪些特征？

业内人士认为，大模型能否走进千行百业，首先取决于其能否降低生产要素的成本，提高整体效率。

“对于行业客户来说，行业大模型能否产生价值，让用户获得一个比较好的ROA（资产回报率），是最重要的。”某深耕交通和教育领域行业大模型的上市公司内部人士告诉第一财经。

他举例称，在高速（公路）客服领域，某省的投入一年约3000多万元，甚至达到4000万元，工作人员大约需要100-150人。在该场景中，接入行业大模型能够把成本控制到千万元级别。“第一阶段把需要150个工作人员降到只需要80个，第二阶段降到只需要20个，第三阶段降到只需要5个工作人员。总体上达到这样的效果，客户接受大模型落地的意愿就会比较强。”

其次，能否保障用户的数据安全和隐私安全，也是影响行业大模型落地的直接因素。

“大模型厂商能否在用户使用大模型的过程中持续提供技术支持和服务、持续优化和迭代模型性能，及时响应用户提出的问题，以确保大模型的稳定运行，是用户购买使用大模型的主要考虑因素之一。”思谋科技联合创始人兼技术负责人刘枢对第一财经表示。

第三，易于部署、易用也是用户端对行业大模型的需求。

以面向B端的工业大模型为例，“在使用大模型前客户已经拥有复杂的现有系统和流程，希望看到大模型能方便、快捷地与已有系统集成，并在现有架构中顺利部署，而这需要工业大模型具备良好的兼容性和可扩展性。”刘枢表示，“工业大模型也应该尽可能实现简单直观的交互方式，为用户提供易于理解的操作指南和反馈，让即便没有经过特殊培训或不具备高级技术背景的一线工人亦能即开即用。”

此外，个性化定制也是绕不开的需求。工业大模型在训练过程中已经学习了行业类专业数据，但在不同细分领域及企业的实际应用中也会面临特有性挑战，客户通常需要大模型具备模型参数、功能模块等定制能力，以满足特定场景下的生产制造需求。