睿財經訊（文/王蕾）360集團創始人周鴻禕在「GPT產業聯盟成立大會上」表示，既然國家的策略也是在產業數字化，那真正的機會就是面對政府、面對企業的企業級、行業級市場，是利用人工智慧技術來改變百行千業。然而，公有大模型不能直接用於企業級市場，中國重視數據安全，對數據的所有權計算地點都看得很重。因此，360集團針對這一問題提出了一套解決方案。
周鴻禕認為，目前來看，公有大模型有很多的不足，第一是其是個「通才」，但是缺乏行業深度。ChatGPT什麼都知道，但是對於行業領域的信息只能泛泛而論，知識深度不夠。公有大模型是萬事通，但不是行業通、企業通。此外，使用公有大模型容易帶來安全隱患，企業使用的話面臨著隱私泄露的問題。
360深度研發大模型
為了解決這些問題，360集團提出了企業級應用使用百億級基礎模型的建議。根據不同需求訓練不同的垂直小模型(如代碼、法律),這樣只需要負擔垂直訓練的成本。周鴻禕表示，大模型的定位引領了一場新的工業革命，第一是因為其是生產力提升的工具而不只是社交、社區。他可以用在內容上，但是更重要的是提升組織的勞動生產力，大模型是通用能力的賦能。
雖然現在很多大模型都還是Siri和智能音箱的水平，但是以後車上也都可以有大模型來幫你識別路況、在自動駕駛方面輔助。人工智慧的確熱，但是不能一直熱，現在明顯感覺到這個話題冷了一點，大家也在思考一個問題，其實ChatGPT的使用門檻還是相當高的。
前兩天朱嘯虎竟然在朋友圈和傅盛爭論了起來，我也看了，他們討論的還是到底ChatGPT對於創業公司來說出路在哪裡，說白了還是回到一個商業模式的問題，做大模型的公司都要一手抓住核心技術，但是也不一定就能成功了，如果每個人都想做中國的ChatGPT,都要把對方幹掉，那我們今天就沒有必要坐在一起開會，這個市場太大。
在周鴻禕看來，大模型不是只有成為ChatGPT這一條路，而是成為一個通用入口、操作平台的標配，就像大數據、物聯網一樣，以後在每一個數字化系統里成為一個標配。因此，未來大模型的發展模式到底是什麼樣，我認為是無處不在。
在中國要把大模型做好首先要順應國家的戰略，既然是產業數字化，就應該想想大模型如何聚焦產業和行業，成為重要的推動者、參與者，這就是順勢而為。很多人問我和ChatGpt有啥差距，至少在刷題層面我已經超過他們了！但是和ChatGpt4比，我們的產品和他們的差距也比我預想的小多了，我覺得也就還有幾個月吧，就能超過他們。
總之，大模型作為人工智慧的重要領域之一，具有巨大的市場潛力和發展空間。隨著技術的不斷進步和應用場景的不斷拓展，大模型將在未來發揮越來越重要的作用，推動各行各業的數字化轉型和升級。
大模型百花齊放
大型語言模型也逐漸成為了研究和應用的熱點。國內開發大模型的公司也越來越多。
百度：百度是中國最大的搜尋引擎公司之一，也是國內最早開始研究大型語言模型的公司之一。百度開發的ERNIE(Enhanced Representation through kNowledge IntEgration)模型是目前國內最先進的自然語言處理模型之一，它在多項自然語言處理任務中都取得了非常好的成績。
騰訊：騰訊是國內最大的網際網路公司之一，也在大型語言模型領域有著廣泛的探索和應用。騰訊推出的TNN(Tencent Neural Network)模型是一種基於深度學習的神經網絡模型，它可以用於自然語言處理、圖像識別等多個領域。
阿里巴巴：阿里巴巴是中國最大的電商公司之一，也在大型語言模型領域有著不少的研究和應用。阿里巴巴推出的ALPA(Alibaba Language Processing Assembler)模型是一種基於深度學習的自然語言處理模型，它可以用於文本分類、情感分析、機器翻譯等多個任務。
商湯科技：商湯科技是一家專注於計算機視覺和人工智慧技術的公司，也在大型語言模型領域有著不少的研究和應用。商湯科技推出的AROMA(Ancestral Representation through Observation and Multimodal Fusion)模型是一種基於深度學習的自然語言處理模型，它可以用於文本生成、機器翻譯、問答系統等多個任務。
華為：華為是中國最大的通信設備製造商之一，也在大型語言模型領域有著不少的研究和應用。華為推出的MindSpore是一個全場景AI計算框架，它可以支持多種硬體平台和多種算法模型，包括大型語言模型。
除了以上這些公司之外，還有很多其他的公司在大型語言模型領域也有著不少的研究和應用，比如小米、京東、滴滴等等。隨著人工智慧技術的不斷發展和應用場景的不斷拓展，相信未來還會有更多的公司加入到這個領域中來。
無處不在的大模型應用
大型語言模型是人工智慧領域中的一個重要研究方向，其未來應用方向非常廣泛。以下是一些可能的應用方向：
自然語言處理(NLP):大型語言模型可以用於各種NLP任務，如文本分類、情感分析、機器翻譯、問答系統等。隨著NLP技術的不斷發展，大型語言模型將會在這些任務上取得更好的效果。
語音識別：大型語言模型可以用於語音識別任務，如語音轉文字、語音合成等。隨著語音技術的發展，大型語言模型將會在這些任務上取得更好的效果。
對話系統：大型語言模型可以用於構建對話系統，如智能客服、智能助手等。隨著對話系統的不斷發展，大型語言模型將會在這些系統中發揮越來越重要的作用。
推薦系統：大型語言模型可以用於構建個性化推薦系統，如電商平台的推薦系統、音樂、電影等娛樂內容的推薦系統等。隨著個性化推薦系統的不斷發展，大型語言模型將會在其中發揮越來越重要的作用。
知識圖譜：大型語言模型可以用於構建知識圖譜，將結構化和非結構化數據進行融合，從而實現更加智能化的知識表示和推理。隨著知識圖譜的不斷發展，大型語言模型將會在其中發揮越來越重要的作用。
大型語言模型具有廣泛的應用前景，未來將在各個領域發揮越來越重要的作用。