从热潮到理性，大模型迎来产业「拐点」

前言

无人不谈大模型，是今年上半年科技界的真实写照。

从市场热闹程度来看，大模型已经成为各家科技厂商争先涌入的赛道，无论是互联网巨头，还是科技公司，甚至是研究机构，均已加入这场大模型混战，大模型俨然成了“兵家必争之地”。

就在国内大模型市场正如火如荼时，一举带动大模型热度的ChatGPT却出现访问量下降的情况。据第三方监测机构SimilarWeb的最新数据显示，今年5月，ChatGPT开始出现增长放缓的势头，当月增长率仅为2.8%，而2023年前四个月分别为131.6%、62.5%、55.8%、12.6%。这是自2022年11月30日发布以来，ChatGPT首次出现流量负增长。

这一现象或许反映出重要的行业动向，各方正在从初期对大模型的技术热情，转变为对商业化落地冷静思考。而大模型的落地，也正是所有大模型企业都需要认真思考的话题。

“京东认为，大模型的价值=算法×算力×数据×产业厚度的平方。”京东集团CEO许冉表示。京东不止追求技术的先进性，也格外关注产业厚度——看重技术能在多少产业场景切实应用，能为社会创造各种价值。

7月13日，京东推出言犀大模型。据京东介绍，这是参数达到千亿级的新一代模型，未来将深入应用于零售、金融、物流、健康、工业等产业场景。

当产业效率和产业的边界拓展得到质的提升后，大模型才有了更重要的实际价值和意义。在大模型的众声喧嚣中，我们更应该回归理性，认真思考大模型的真正价值。行业需要什么样的大模型？大模型应该如何实现落地商用，为产业降本增效？

逐鹿大模型：从通用迈向产业的共识

一夜之间，国内大模型纷纷“涌现”。

据科技部下属的中国科学技术信息研究所发布的《中国人工智能大模型地图研究报告》显示，截至5月28日，国内规模在10亿级参数以上的基础大模型，至少已发布79个。我国研发的大模型数量已经排名全球第二。

但在研发数量暴涨背后，如何实现大模型的商业价值，更值得探索。

目前来看，现在问世的更多是通用大模型，这类大模型具备强大的自然语言理解、语言生成和语音识别等能力，在聊天、娱乐等通识属性较强的场景上表现颇佳，但这些场景目前还难以实现大规模商业化。

而在细分的产业场景上，通用大模型回答准确度较低，这是因为产业本身数据样本量较少、数据分布不均、应用场景多变，导致大模型无法进行自我优化和改进，输出精度自然不高。

从商业化落地来看，企业或许并不需要一个“全能”的通用大模型，而是更需要针对细分领域场景、解决实际问题的产业大模型。

中国工程院院士邬贺铨曾指出，“Chat类的大模型引发新一轮热潮，但对话、写诗、作画绝不是大模型的全部。我们需要去深入思考大模型的应用方向，要将大模型切实投入到城市发展、金融科技、生物医药、工业制造、科学研究等领域，也需要专业的企业和组织加速其在实体产业落地，为产业刚需带来实实在在的价值，真正意义大规模服务社会。”

如今，大模型市场正在形成一种共识，那就是无法落地商用的大模型只是“娱乐工具”，只有深入产业、解决实际问题的大模型，才具备价值。深入思考大模型的价值，京东提出的一个公式，更符合大模型市场的动向，即：大模型的价值=算法×算力×数据×产业厚度的平方。

从大模型价值公式可以看到，产业大模型和通用大模型不是对立的关系，产业大模型是基于通用大模型的基础，训练而来，区别在于：产业大模型更关注产业厚度，生成的内容更符合产业垂类场景的需求，更有针对性。

在大模型的演进路线上，京东的前瞻性其实并不奇怪。自成立以来，京东就扎根于产业，自然对大模型在产业中的价值更加关注。

“京东看待大模型和其他技术创新，除了追求技术的先进性，还格外关注产业厚度——看重技术能在多少产业场景中切实应用，为社会真正创造价值。”京东CEO许冉表示。

事实上，现阶段大模型的发展，正在从“通用”迈向“产业”。

民生证券最新发布的研究报告提到，在经历二月至三月的大模型集中发布期、四月至五月的产品研发期和政策方向逐步明确后，六月起大模型的产品和应用，有望迎来集中发布。新一轮发布潮是基于大模型的应用产品，开始大规模升级上线，为走进千家万户做准备。

近期，国内科技企业最新发布的大模型，大多都面向垂类产业落地。在海外，各企业也陆续发布了不同规模的行业大模型，目的就是将其应用于产业领域。

从海内外各大厂商的实际动向不难看出，产业大模型将更能够帮助产业伙伴，来完成数字化转型和降本增效，为产业和社会创造更大价值。

产业大模型，难在打牢产业地基

产业大模型的建设难度，远比通用大模型高得多。

如果说通用大模型考验的是企业的算力、算法积累，那产业大模型更考验企业对业务场景的触达与理解，以及对产业数据的积淀与运用。

一个行业共识是，在产业大模型的训练中，最难获取的是产业数据。产业数据往往掌握在企业手中，出于数据安全等考虑，很少有企业愿意将私有数据公开。但这些产业数据往往直接或间接影响着产业大模型的技术迭代速度、模型精准度和业务专业度。
在这里插入图片描述

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。

在这里插入图片描述

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