.jpg)
“通用大模型缺乏細分領域的專業知識，所以需要訓練行業大模型，然後緊密結合業務系統實現可落地的智能應用。而且很多企業的私有數據是不允許對外泄露的，比如金融、醫療的客戶信息和交互行爲，所以還需要提供大模型的私有化訓練和本地化部署。
“模型需要進一步的分級，如L0-L1-L2等從基礎模型、垂直模型到某個領域專家，來逐步實現專業性的提升。所謂的垂直領域模型，更多是一個特定訓練數據的加入，比如占到10-15%的預訓練占比，從而輸出行業大模型。
一, 是高性價比
行業大模型能在較小參數量模型的基礎上，通過相對低成本的再訓練或精調，達到較好的性能效果。
十億～百億級參數量的行業大模型是目前主流選擇，相比通用大模型動輒千億級以上的參數量能明顯節省開發成本；
二, 可專業定制
行業大模型可基于開源模型開發，能對模型結構、參數等按需調整，更好地適配個性化的應用需要。
通過模型即服務（MaaS,Model-as-a-Service)方式，機構可以從平臺對接的多種模型中快速選擇合適的使用，包括廠商已開發的行業大模型初始版本
三, 數據安全可控
行業大模型可采用私有化部署方式，機構能更放心地利用私有數據提升應用效果，减少數據安全的疑慮。
Comentários