■賈麗

    當下，人工智能大模型正從通用走向垂直，成為驅動產業變革的核心引擎。這一轉變已從實驗室走向實際應用場景——垂直大模型正在生產線、服務柜臺等諸多產業的方方面面落地生根。

    加快垂直大模型的創新突破與深度應用，既是推動我國產業邁向智能化、高端化的關鍵抓手，也是在全球人工智能競爭格局中搶占戰略制高點的重要突破口。然而，大模型落地之路并非坦途，如何讓技術深度融入產業“肌理”，筆者認為，行業各方仍需破解三大難題。

    其一，增加“基礎燃料”高質量供給。數據是AI應用的基礎燃料。當前，我國高質量垂類數據的供給仍然不足。如中文垂類數據在全球數據訓練集占比不高，行業私有數據開放度低，部分模型出現“營養不良”。但事實上，我國具有豐富的行業數據與應用場景，是發展垂直大模型的重要基礎。

    筆者認為，各地可聯合頭部企業、科研機構共建垂直領域數據共享平臺，通過“數據沙箱”實現合規流通，并增強垂直場景行業知識與模型適配能力。例如，上海“模速空間”通過政策優先支持，已推動43個備案大模型落地，其“政企研”協同模式可復制推廣。從“模速空間”聚集400家企業形成完整產業鏈，到醫療、金融等領域涌現的細分場景應用，垂直大模型已展現出重塑行業生態的潛力。

    其二，推動精準化應用‌是AI轉化的重要引擎。參考金融大模型在風險預測中的實踐，以標準化倒逼技術實用化場景適配仍顯不足‌，部分應用難以創造應有價值。

    筆者認為，各地可加快建立行業專屬評估體系，明確準確性、安全性等硬指標，從而推動垂直大模型在細分應用領域精準落地。同時，行業以場景需求為牽引，摸索聯合研發模式，推動AI創新從“功能疊加”轉向“業務原生”，可以在行業痛點中培育真正具有變革性的應用生態。

    其三，垂直場景中，大量中小金融機構因受制于算力成本，仍依賴規則引擎而非AI模型。筆者認為，行業應當加快‌開發輕量化垂直專用模型‌，通過領域知識蒸餾和邊緣計算優化，在保證性能的同時大幅降低部署成本。各地也可以根據自身優勢產業，建設垂直大模型產業園，整合智算中心資源，為中小企業提供低成本算力服務。通過高校驗證、企業推廣等路徑，率先在農業、汽車等優勢領域形成示范項目。

    垂直大模型的真正價值，在于以算力推動培育行業“新質生產力”，而唯有聚焦痛點、務實深耕，方能實現垂直大模型從單點突破到生態繁榮的跨越。