通用大模型转向行业大模型：腾讯云、华为云们的下一个战场

前言

AI大模型从概念提出到应用落地成效显著，目前逐渐从C端“对话作诗”走向各行各业。
近期，腾讯云公布行业大模型研发进展，其立足不同企业的需求场景，依托腾讯云TI平台打造了行业大模型精选商店，为客户提供MaaS（Model-as-a-Service）一站式服务，助力客户构建专属大模型及智能应用。

无独有偶，在华为开发者大会2023（Cloud）上，华为云盘古大模型3.0正式对外发布，这是一个面向行业的大模型系列，其将围绕“行业重塑”“技术扎根”“开放同飞”三大创新方向，为行业客户、伙伴及开发者提供更好的服务。

腾讯云、华为云等头部云服务厂商领路，各行各业的龙头企业和创业公司跟随，行业大模型一时间热闹起来。不出意外，近几个月行业大模型会迎来一波密集发布的小高潮，大模型产业的垂直化、企业化也将更深入。

转战行业大模型

从市场现状来看，大模型的战争从通用大模型转向行业大模型是大势所趋。

正如腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生所说的：“通用大模型可以在100个场景中，解决70%-80%的问题，但未必能100%满足企业某个场景的需求”，通用大模型在解决特定场景的专业问题时存在一定的局限性。

一来，通用大模型有广泛的适用性但缺乏行业深度，在专业和更加细分的垂直领域几乎提供不了高价值的服务。

众所周知，通用大模型需要三大支柱支撑即算法、数据、算力，其中数据决定智能范围，影响数据分析的精准度和全面性，而通用大模型数据大多来自于公开文献与网络信息，专业行业数据积累不足，在医疗、金融等专业性较强的产业，通用大模型提供的服务价值有限。

二来，使用通用大模型需要上传数据到大模型方提供的服务器，存在数据泄露的风险和安全问题。
普通通用大模型并非本地部署也没有用户权限管控，对数据安全敏感的金融行业、G端客户在运用大模型时很难保证数据的安全，采取有效的控制措施提高通用大模型的安全性和数据保护迫在眉睫。

三来，通用大模型需要处理海量的数据与计算资源对算力、算法要求高，意味着更高的运营成本。据网络公开数据，以GPT-3的AI大模型为例，OpenAI使用了近1万亿个单词和45TB的数据量来训练它，单次训练成本达到140万美元。
相比通用大模型，垂直大模型在控制成本方面有很大优势，因为模型参数少，训练调试、优化和实施的成本更低，这对于追求“降本增效”的中小型企业更加友好。

通用大模型数据安全、算力成本、行业深度等多方面的不足，腾讯云、华为云等云服务厂商积极研发低门槛、低成本、高效率且安全，又适合落地的行业大模型。

腾讯云整合生态资源

在其他云服务厂商还在C端市场火拼的时候，腾讯云早早的瞄准了TOB 场景。
6月19日，针对通用大模型高成本、安全性低等问题，腾讯云推出了MaaS服务全景图，为客户提供一站式模型服务，涵盖完善的模型工具、成熟的流程方法、全面的配套服务以及领先的安全保障能力。

与此同时，腾讯云围绕自身产业生态优势去发展和壮大行业大模型业务，取得了一定的成果和反馈。

据了解，腾讯云行业大模型能力已经在腾讯企点、腾讯会议、腾讯云AI代码助手等多款产品中落地使用。此外，腾讯云联合行业头部企业，已为文旅、政务、金融等 10 余个行业，提供了 50 多个大模型行业解决方案。
不得不说，庞大的产业生态是推动行业大模型落地的重要资源。腾讯投资的业务大而广，而无论是社交、文娱、大健康，还是金融、汽车等产业都需要走向数字化，大模型又是产业数字化发展的标配，在应用行业大模型方面，腾讯云有先天优势。
除了产业生态资源之外，腾讯云发展行业大模型的竞争力还在于技术的积累和创新。

在技术方面，腾讯云背靠腾讯优图实验室、腾讯 AI Lab 等顶级实验室，底层算力、算法开发、AI 应用等技术能力不言而喻，而且腾讯云算力、算法等方面的实力不是一成不变而是一直在进步。

值得一提的有，腾讯云自研的星脉高性能计算网络、向量数据库，能提升40%的GPU利用率，节省30%~60%的模型训练成本，为AI大模型带来10倍通信性能提升，可为行业大模型的应用提供更坚实的算力底座。

据财报透露，腾讯还在自研数据库TDSQL、安全平台EdgeOne和大数据处理套件TBDS之类的技术，以及研究AI开发相关的TI平台等。腾讯2023年第一季度研发投入为151.81亿元，而且自2018年来5年累计超过2200亿元，研发投入只多不少。
在生态方面，腾讯云秉承开放共赢的理念将技术开放给更多合作伙伴，打造可持续创新发展的大模型生态。

对此，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表示：“AI大模型技术发展和产业探索，离不开产业链协同和生态共建，腾讯希望与行业伙伴携手，共同推进大模型在产业领域的创新和落地。”

总而言之，腾讯云基于自身生态资源优势、坚实的技术底座还有开放的技术平台，率先在行业大模型领域“落位”，随着技术的进一步精进和应用场景的扩大，腾讯云有望在行业大模型领域保持领先地位。

华为云深耕垂直产业

时间车轮滚滚，自2019年以来华为一直致力于研发和升级迭代盘古大模型，通过不断投入资金、人力和资源，提升了自己在行业大模型领域的技术实力。

2019年-2020年，华为内部投入AI大模型研发，立项做盘古大模型；2021年4月，华为云盘古大模型正式面世；2022年，盘古大模型升级2.0版本，落地行业应用；2023年，盘古大模型 3.0 正式发布，继续深入产业链。

盘古大模型3.0三层架构可以快速调整方向，快速适配客户的多变需求，为不断变化的产业数字化趋势提供可靠的解决方案。华为云这种兼顾通用大模型、行业大模型以及更细化场景大模型服务的能力背后，依仗的是多年来持续的技术研发。

一方面，华为云大模型技术实力强劲，体现在人工智能技术的持续投入和创新能力上。财报数据显示，华为2022年研发投入达到1615亿人民币，占全年收入的25.1%，十年累计投入的研发费用超过9773亿人民币。

这种投入力度和创新速度使得华为云能够在人工智能领域取得突破，为大模型的全面落地奠定了坚实的基础。财报数据显示，2022年华为提交了8440份专利申请，其中90%以上为发明专利，涉及电子通信、光技术、鸿蒙操作系统、计算存储、智能汽车等多个领域。

另一方面，华为云继续深耕政务、铁路、制造、药物等垂直行业的数字化，通过在这些垂直行业中提供安全、可靠、高效的AI大模型解决方案，树立自身良好形象，也彰显盘古大模型的价值。
在煤矿领域，盘古矿山大模型可以覆盖煤矿的采、掘、机、运、通、洗选等业务流程下的1000多个细分场景，已在全国8个矿井规模使用；在铁路领域，盘古铁路大模型能精准识别现网运行的67种货车、430多种故障，无故障图片筛除率高达95%……
不得不说，华为云盘古大模型3.0高度可定制化的能力，使其可以根据不同行业、企业和用户的需求进行定制，能够满足千行百业各种复杂的场景，这种灵活性和可拓展性让华为云盘古大模型在垂直领域收获“累累战绩”。

关于未来，华为轮值董事长胡厚崑表示，华为在人工智能发展上有两个着力点：“第一，打造强有力的算力底座，支撑中国人工智能产业的发展。第二，从通用大模型到行业大模型，让人工智能服务好千行百业、服务好科研创新。”
这样意味着，华为云要不断深化行业大模型技术研究与生态拓展，加速占领更大的市场份额，而这一过程也会遇到更多的技术挑战和场景竞争。
加速抢占B端“着陆点”
腾讯云、华为云之外，越来越多大厂投入到行业大模型的开发和训练以及商业化中，他们寄希望于采用更精准的行业数据、更低成本解决某些产业核心技术“卡脖子”问题，这也意味着一场行业大模型的“着陆之争”悄然到来。

首先，自动驾驶、医疗、教育、金融等领域的行业大模型层出不穷，一系列行业大模型的集中爆发，将推动行业大型模型的发展和应用，也必然会加剧市场竞争。
3月，网易有道推出国内首个教育场景下类ChatGPT模型“子曰”；4月，毫末智行发布全球首个自动驾驶生成式大模型DriveGPT；5月，我爱我家推出行业首个房产经纪大模型1.0版本；6月，东软面向医疗领域推出添翼医疗领域大模型；7月，中国移动宣布发布九天人工智能行业大模型……

其次，百度云、阿里云、腾讯云、华为云高喊大模型落的口号，并推出相关的行业大模型，在不同的行业、产业中落地已成为头部云服务厂商的新战场。
有人说，AI大模型只有大企业和资金充足的企业才能玩得转，确实如此。AI大模型的研发和训练需要海量的数据、高额的费用、优秀的科技人才，而具备这些条件的企业基本是互联网巨头或行业龙头企业，它们深入到产业中去的发展共识，亦是行业竞争风向标。

总结

最后，国内各行各业的数字化转型需求是多元而丰富的，行业大模型厂商正在探索多种行业大模型落地的可行性。IDC对基于大模型的AI市场规模进行了预测，预计中国人工智能市场规模在2023年将超过147亿美元，到2026年这一规模将超过263亿美元。

综上所述，行业大模型是当下云服务厂商绝对不能错过的风口，腾讯云、华为云已经凭借其产业生态基因和擅长的AI技术，提供差异化的行业大模型服务，行业大模型落地将成为云厂商们的下一个竞争的主场。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.2.1 什么是Prompt
  • L2.2.2 Prompt框架应用现状
  • L2.2.3 基于GPTAS的Prompt框架
  • L2.2.4 Prompt框架与Thought
  • L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
  • L2.3.1 流水线工程的概念
  • L2.3.2 流水线工程的优点
  • L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
  • L3.1.1 Agent模型框架的设计理念
  • L3.1.2 Agent模型框架的核心组件
  • L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
  • L3.2.1 MetaGPT的基本概念
  • L3.2.2 MetaGPT的工作原理
  • L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
  • L3.3.1 ChatGLM的特点
  • L3.3.2 ChatGLM的开发环境
  • L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
  • L3.4.1 LLAMA的特点
  • L3.4.2 LLAMA的开发环境
  • L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓