從2023到2024年，大模型的火焰越燃越高，也讓我們充滿了無限暢想，AI和大模型到底能夠給行業(yè)智能化的未來描繪出何種顏色？

“加快發(fā)展新質(zhì)生產(chǎn)力”，在今年的政府工作報告中，被列為2024年十大工作任務之首。

“新質(zhì)生產(chǎn)力”的求新是抓手，質(zhì)優(yōu)是結(jié)果。AI和大模型技術(shù)可以成為“求新”的抓手，但卻不代表“質(zhì)優(yōu)”的結(jié)果。所以，AI和大模型技術(shù)能不能成為新質(zhì)生產(chǎn)力，最終還是要看大模型在行業(yè)落地的成果。

行業(yè)智能化要走出理想的“烏托邦”，就勢必要落地產(chǎn)業(yè)端！

6月24日，由人民網(wǎng)研究院主持編寫的《中國智能互聯(lián)網(wǎng)發(fā)展報告（2024）》藍皮書發(fā)布，聯(lián)想的前沿研究課題《多模態(tài)大模型在企業(yè)智能化轉(zhuǎn)型過程的應用研究》（簡稱《應用研究》）被收錄其中，基于聯(lián)想自身實踐和長期以來的行業(yè)積累，本著“落地為先”的理念，為行業(yè)智能化的前景，指引了新的方向。

大模型走向企業(yè)落地，要面對四重大山

發(fā)展“新質(zhì)生產(chǎn)力”不僅僅是生產(chǎn)力，還要形成與之相應的新型生產(chǎn)關(guān)系。AI技術(shù)之所以能夠得到快速發(fā)展，與其幫助企業(yè)釋放了生產(chǎn)力緊密相關(guān)。

如傳統(tǒng)制造業(yè)通過智能制造升級大幅提升了勞動效率，商業(yè)企業(yè)通過對數(shù)據(jù)的深入挖掘，逐步向智能輔助決策方向邁進。智能營銷、智能風控、智能倉儲、智能物流等多個智能場景化的大規(guī)模應用，為企業(yè)智能化注入無限可能。

《藍皮書》也指出，“大模型（Large Models）技術(shù)的成熟，為我國企業(yè)人工智能的應用打開了低開發(fā)成本和高效率部署的路徑，企業(yè)的數(shù)據(jù)正成為核心資產(chǎn)，通過企業(yè)數(shù)據(jù)的模型化處理，企業(yè)的數(shù)字化創(chuàng)新也迎來新的發(fā)展階段。”

當前，大模型要走到企業(yè)落地，前方仍然存在四重大山。

第一重山：大模型的需求錯配之山。

行業(yè)中的多模態(tài)大模型，都是基于海量公共數(shù)據(jù)訓練的神經(jīng)網(wǎng)絡系統(tǒng)，面對的是普通用戶的生活和工作場景，與企業(yè)應用場景存在著較大的差距。與企業(yè)基于實際應用開發(fā)的小模型相比，大模型與企業(yè)實際的需求場景匹配度相差甚遠。

第二重山：企業(yè)IT架構(gòu)算力錯位之山。

傳統(tǒng)企業(yè)的算力部署錯位，大模型所需要的算力是一種異構(gòu)算力架構(gòu)，融合了通用算力、高性能算力和AI算力的混合算力架構(gòu)，與對企業(yè)傳統(tǒng)IT架構(gòu)嚴重不匹配。

第三重山：專屬大模型難以落地之山。

通用大模型無法直接落地應用，大模型要在企業(yè)得到廣泛的應用，就必須對基礎(chǔ)大模型進行優(yōu)化、剪裁和本地化訓練，并重新進行本地化部署，打造企業(yè)自己的專屬大模型，才能有效為企業(yè)所用。

第四重山：大模型背后的數(shù)據(jù)安全之山。

大模型的落地也面臨著，在企業(yè)專屬大模型的優(yōu)化和訓練過程中，如何保障企業(yè)的數(shù)據(jù)安全等難題。要解決這一系列問題，還需要以務實的態(tài)度，通過大模型技術(shù)實踐在場景中不斷碰撞，不斷印證。

以“智”提質(zhì)，聯(lián)想總結(jié)出翻越大山的三條路徑

歸根到底，企業(yè)大模型要翻過這四座大山，落地場景還需要規(guī)范標準和方法論，并從實踐經(jīng)驗中得出可行性的路徑。

《研究》正是為了解決這些問題，推動大模型在企業(yè)端落地應運而來，這是基于聯(lián)想自身實踐和長期以來的行業(yè)積累，針對多模態(tài)大模型發(fā)展歷程及其在企業(yè)中的應用價值、落地難點、生態(tài)體系建立和聯(lián)想智能體解決方案及服務的典型案例進行了全面系統(tǒng)的分析，并在行業(yè)中率先實現(xiàn)落地應用。