诚然，目前行业对大模型的认可与接纳程度已经比较好，但智能化项目依旧是一个绝对的买方市场。技术供应商需要去适配最终用户的需求、能力、背景，甚至沟通话术和商业习惯。
但由于做AI大模型的公司，涌入了大量互联网领域的人才和资金。互联网的供需逻辑是单点供应对大量需求，我有一招鲜天下涌进来。而大模型在很多行业的适配又是很容易就能想到的。比如工厂需求配料分析，银行需要投资分析，那我的大模型不是都能分析吗？
于是，在这样的“风口思维”下，很多AI公司陷入了一个巨大的误区：他们认为我有大模型，各行业的客户都应该来找我。我推出两三个行业的案例，其他行业都应该认可。我的这个大模型哪里都能用，所以它就叫产业大模型。
无论这些AI从业者是真的相信大模型等于产业万金油，还是仅仅是故意吹成这样。在产业客户看来，这一幕就等于胡说八道。他们会觉得，金融业用的技术，关我煤矿什么事？如果有一种食品，说是猫能吃牛能吃人也能吃，你敢吃吗？
产业需要大模型做的第一件事，就是不要笼统的天差地别的各个行业归纳为“产业”两个字就结束了。即使在某个行业内，大模型都仅仅能解决行业的一个或几个问题，更不可能有一种模型能够“包治百业”。
做IT的都知道，有产品更要有服务，懂技术更要懂行业。但做AI的企业，尤其是拿着热钱涌入大模型赛场的企业，普遍对产业需求的差异性缺乏了解和尊重。
当然，不同行业对大模型的需求也有共通之处。比如对基础的对话、CV、多模态能力。但更多的情况下，每个行业的只能用意愿、基础数字能力，乃至安全需求、时延需求、运维需求都不相同。在今天的阶段，一种大模型能够在具体行业内复制推广已经非常不容易，更别想一口吃下几个甚至几十个行业。
产业智能化，优先级永远是产业大于智能
本站文章版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。
本文转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间删除内容
