5月13日，騰訊研究院發布《向AI而行，共筑新質生產力——行業大模型調研報告》（下文簡稱“報告”）。報告剖析了行業大模型發展、應用、實現、治理與未來發展趨勢，旨在為業界提供囊括學術、商業、政策等不同視角的全面參考。

“人工智能大模型正在催生新一輪技術創新與產業變革，也將為工業、金融、廣電等行業數字化轉型和高質量發展帶來新動能。當前市場以基礎大模型為主，通識能力強，但缺少行業專業知識。如何將大模型融入千行百業，是下一階段的發展重點�！敝袊�工程院院士鄔賀銓在報告序言中提出。

報告提到，所謂“行業大模型”，指的是利用大模型技術，針對特定數據和任務進行訓練或優化，形成具備專用知識與能力的大模型及應用。與通用大模型相比，行業大模更專注于提高性價比、增強專業性并保障數據（特別是私有數據）的安全性。

OpenAI提出的“規模定律”（Scaling Law）驅動了大模型的快速發展，傳統AI模型參數量通常在數萬至數億之間，大模型的參數量則至少在億級，并已發展到過萬億級的規模。大模型帶來了AI性能突破，也激發業界向通用人工智能（AGI）領域進發的新熱潮。

不過，大模型存在專業性、泛化性和經濟性“不可能三角”問題，導致目前行業實際落地應用進程并不快。例如，GPT為代表的通用大模型以發展通識能力為主要目標，更側重泛化性，在專業性和經濟性方面目前很難充分滿足具體行業的特定需求，因此需要行業大模型來針對性解決。

報告認為，目前行業大模型整體處于發展早期，尚未出現大規模成熟應用的范例。報告中主要聚焦三個問題：一是行業大模型既有模型、也含應用；二是行業大模型大多生長在通用大模型之上，基于通用大模型進行再開發；三是行業大模型具備定制特征，本質是解決方案，而非產品。

在實際應用方面，數字原生行業（如各類互聯網應用）是行業大模型應用的先行者，傳統行業中生產性服務業（廣告、金融等）進展相對快，而重資產行業（建筑、制造、能源等）進展相對慢�！秷蟾妗钒l現，其中有兩大核心影響因素是需求的適配度和數據的可得性，越高的行業進展越快。

報告還發現，行業大模型應用場景的快慢呈現“微笑曲線”特征。在產業鏈高附加價值的兩端（研發、設計和營銷、服務），大模型應用落地較快。造成這種情況的原因之一是，大模型帶來“智力即服務”的范式變化。這種服務特別適配微笑曲線兩端的知識密集型和服務密集型領域，而在低附加價值的中部（生產、組裝等），大模型應用進程較慢。

報告提出，行業大模型目前主要有四種技術實現方式，從易到難分別是：提示工程、檢索增強生成、精調和預訓練。實際應用中這些方式通常是組合使用，以實現最佳效果。

其中，提示工程適用于剛接觸大模型的企業新手，采用這種方式能以最小資源投入、快速探索應用。局限性也很明顯，若大模型內含的行業數據較少，效果較差。

檢索增強生成適用于處理企業自有數據，通過大模型外掛知識庫，更準確檢索并生成知識庫范圍內的內容。該方式模型本身不會調整，算力等投入就不會太大，已成為部署行業大模型應用的主流選擇，局限在于對知識庫外的專業問題反饋效果有限。

精調適用于解決行業特定任務，通常是基于特定數據集局部調整模型參數，提高任務處理的效果和效率。精調是對大模型定制優化和成本投入的折中選擇，算力和數據等投入明顯增加，但比預訓練更低。

預訓練適用于行業專業性較高、數據類型和任務與主流通用大模型差異較大的情況，例如生物/醫藥研發。這種方式投入最大，不僅需要收集大量數據，還需要對模型進行全參數訓練調整，甚至從頭搭建一個模型。

在“人工智能+”等重要政策指引下，行業大模型有望加速在傳統行業的落地應用。在“云智一體”的基礎設施支持下，行業大模型向多模態、人工智能體、端側及小型化等方向發展，將更深入嵌入各行業的工作流程中，從而提升生產力。

報告提到，一些與工作流程深度耦合的AI Agent已經開始涌現，有望逐步發展成為各行各業不可或缺的新型生產力工具。同時，隨著AI應用的深入，模型的規模、類型和復雜性將不斷增加，MaaS（模型即服務）將日益成為行業用戶云上用智的主流方式。

用戶或直接調用云端的大模型API，或借助全生命周期的大模型訓練工具，生成適用于自身場景的大模型，并托管在云上，為最終用戶提供高質量智能服務。為此，面向AI的、更高性能的算力底座不可或缺。通過計算、存儲、通信、訓練等各層面的優化，全面提升模型訓練、開發和應用效率。

AI大模型在各行業的應用，將會加速社會共同邁向智能新時代。中國廣告協會會長、國際廣告協會全球副主席張國華認為，大模型是效率、體驗和創造力的倍增器，它正在重塑著廣告行業的未來；中國工程院院士李伯虎提出，“AI+制造”能夠提高生產效率、提升產品質量、實現個性化定制、優化資源配置、促進綠色環保、實現人才結構優化等，進而加快推進中國工業的五個轉型升級，實現工業的數字轉型與智能化升級，促進新質生產力形成。