2025-02-23 智能 0
周鸿祎指出，中国在大模型领域的发展仍需改进。目前公有大模型在企业级应用中存在四个主要问题：缺乏行业深度、数据安全隐患、无法保证内容可信性、以及训练和部署成本过高。这些挑战阻碍了大模型的广泛采用。
首先，大模型面临的数据安全问题是突出的。企业通常不愿意将核心知识共享给外部系统，因为这可能导致数据泄露或敏感信息被滥用。此外，大模型本身就有生成虚假信息的风险，这对于依赖准确性和可靠性的商业环境来说是一个严重的问题。
其次，关于可信性的大模型还需要进行改进。大型语言模型往往不能提供最新的信息或更新，而这种不足会对输出内容产生误导。这要求通过向量数据库、企业搜索引擎等方式来校正其输出，以确保所提供的信息准确无误。
最后，大规模机器学习算法（ML）的训练和部署成本极高，尤其是在资源有限的情况下。在企业级应用中，这意味着需要大量计算能力和专用的硬件设备，如GPU卡，以及昂贵的人工智能服务费用。此外，由于参数数量庞大的原因，即使是同样规模的大型语言模式，其表现也可能截然不同，从而影响到整个项目的经济效益。
为了克服这些挑战，周鸿祎提出了三个原则：安全性、大规模化解决方案必须坚持以人为本，同时注重易用性。因此，他建议采用数字人作为重要入口点，使得AI更容易被人们接受并使用。他还强调了数字人的潜力，并展示了北京市特定的数字助理解决方案，以此证明他们如何成为AI技术与人类合作中的关键工具。
除了科技巨头之外，还有许多创业公司致力于开发垂直领域的大型语言模式，他们专注于解决特定行业的问题，而不是追求通用能力。这一趋势表明，在未来，我们可以期待看到更多针对特定需求的小型化、大型化、高性能且高度专业化的大型语言模式出现，它们能够更好地满足市场上的具体痛点和需求。
随着政府政策支持，对AI大模型在政务服务中的应用日益增加，北京市正在推动构建具有全球影响力的AI创新中心。据报道，一些知名公司如阿里巴巴、华为及汽车之家已经参与其中，为政务服务提升效率提供技术支持。此举旨在通过利用开源接口实现精准管理，让海量民众诉求得到深入挖掘分析，最终为领导决策提供更加全面的支持。
