目前美国人工智能融资在全球处于领先地位。根据Crunchbase数据库，2011年至2023年迄今，融资公司所在地为美国的500万以上融资项目中，共有3658个为人工智能领域融资项目，且美国在这一领域的融资项目数及融资金额在稳步增长。

　　人工智能大模型早已掀起“百模大战”乃至“千模大战”。热潮之下，谁能率先落地、将技术变现，无疑成为大模型赛场上的关键赛点。在ISC 2023第十一届互联网安全大会期间，知名企业家、顶尖学者展开热议，讨论如何让大模型赋能百行千业、走进千家万户。

　　行业大模型加速涌现

　　个人或企业在进行税务申报、缴纳、查询等操作时，往往需要拨打纳税服务热线获得人工帮助，甚至高薪聘请税务师负责相关工作。以后，税务大模型将能够分担一部分税务咨询、智能风控、自动算税等工作。“我们的税务大模型在注册税务师考试中能获得55%的分数，超过GPT的45%。”中税集团高级合伙人陈秋武说。

　　积极拥抱大模型的行业不只是税务。8月9日，中税集团、奇富科技、英博数科、数引网、忽米科技等八家不同领域的企业与360集团签署战略合作，通过“自主研发+合作研发”大模型模式，为金融、汽摩、工业制造、协同办公、数字阅读等众多行业打造行业大模型。

　　携程发布旅游行业垂直大模型“携程问道”，天眼查推出的商查大模型“天眼妹”，云鼎科技联合华为云研发能源行业商用AI大模型“盘古矿山”……近两个月来，行业垂直大模型加速涌现，并且已经有落地应用的典型案例。

　　降门槛让大模型落地

　　“人们一般都说偏科不太好，但是在大模型里做偏科生挺好的。”360集团创始人周鸿祎说，“比如安全大模型，它需要懂奥数么?需要会作古诗么?需要自动翻译么?”通用大模型热了一阵之后，大家都在反思通用大模型存在的一些问题。

　　成本无疑是通用大模型规模化落地前要跨越的第一道“天堑”。周鸿祎认为，要真正打造一个超强的“全知全能”的通用大模型所需要的算力和训练成本都非常高，这对于中国市场而言还需要一点时间。

　　“超过千亿级别的大模型，训练需要投入的人力、电力、网络支出等，一年至少5000万美元到1亿美元。”昆仑万维CEO方汉认为，照此估算，中国底座类大模型的抢滩战，注定是少数玩家的游戏。

　　除了投入大、门槛高，通用大模型在大规模落地前还需要解决诸多难题。360集团副总裁彭辉将通用大模型落地的困难总结为七点：缺乏行业深度、不懂企业、数据安全隐患、知识更新不及时、“胡说八道”、投入巨大、无法保证训练大模型所需核心知识的所有权等。

　　以AI制药行业对大模型的需求为例，由于药物研发对高精度实验数据的获取成本较高，且公开数据库中有大量无标注数据，因此大模型在模型建构上的要求会更高，既要利用好大量无标注数据，又要利用好少量高精度数据，这样的需求对于通用大模型而言无疑是一种“灾难”。

　　周鸿祎说，当垂直类大模型在训练时间、调试成本、部署成本方面比通用大模型的低百倍以上，才有可能让大模型走下神坛，让大模型赋能百行千业，走进千家万户，真正掀起新一轮产业革命。