生成式人工智能ChatGPT爆火之初，国内也掀起了兴建大模型的热潮，并且引发了“百模大战”的说法。可稍微理性一些就能明白，“大炼模型”不过是早期过于狂热的产物，不少大模型有“套壳”嫌疑，有机会上牌桌中终归只有头部几家。
大模型浪潮兴起后，不少人想要重走互联网的“老路”。可把视角放大一些的话，互联网的繁荣其实是网络传输技术落地应用的“果”，借用业内普遍将算力比作电力的比喻，算力和数据是“燃料”，而大模型对标的是蒸汽时代的发动机、电力时代的电动机，扮演的是“引擎”的角色。
早期是科研等领域的试水。2018年的时候，谷歌大脑团队就宣布完成了可识别蛋白质结晶的计算机视觉技术，用于辅助多种疾病的药物研发。预训练大模型诞生后，不少科研机构开始将大模型能力应用到药物研发领域。比如西安交通大学第一附属医院的刘冰教授团队，基于盘古药物分子大模型发现了全球40年来首个新靶点、新类别的抗生素，将先导药物的研发周期缩短至1个月，研发成本较传统方式降低了70%。对比新药研发“平均需要10年时间、花费10亿美元”的铁律，大模型的能力几乎可以用“降维打击”来形容。
然后是大中型企业的探索。不同于外界印象中的“守旧”形象，拥有丰富私有数据资源的大中型企业，在大模型落地应用中，可以说是名符其实的先驱。可以找到的案例也更多。蚂蚁金服发布了金融大模型，涵盖理财顾问、保险代理、投研、金融营销、保险理赔等业务；山东能源集团在华为云上搭建了“盘古矿山大模型”，涵盖9大专业40多个应用场景，推进人工智能大规模“下井”；广发证券通过盘古大模型大幅提升了预测精度，企业财务异常识别准确率高达90%……有别于自上而下的赋能，大中型企业已经学会了使用工具。
现在越来越多行业开始拥抱大模型。比起缺乏付费意愿的C端用户，一旦大模型释放的生产力被印证，B端客户对新技术的渴求要更加强烈。IDC曾在2023年第四季度进行过一场AI应用调研，结果显示超过九成企业已经布局了AI应用，已经接触大模型并且有明确预算的企业占比24%、34%的企业开始制定潜在应用场景、35%的企业开始进行试点，仅有7%的企业对生成式AI完全没有规划。历史上的每一次工业革命，都离不开新旧生产力迭代，只要大模型能够做出场景创新，大大小小的企业总能在权衡后做出正确的选择。
不过，大模型的落地是个相当复杂的系统工程，除了在方向上达成共识，还要找到更高效、更普适的路径。智能手机、PC、智能汽车、智能音箱等数量庞大的终端，俨然是大模型落地中不可或缺的一环。如果把大模型比作“超级大脑”，智能手机、智能汽车等终端就是人类走向AI时代的“器官”。所以在过去一年中，端侧AI的说法被频频提及。端侧AI的理念，让外界看到了人机交互再次被重构的可能。就像触摸屏淘汰了传统的键盘和鼠标，打开了超级APP的格局，大模型让“人机对话”成为现实，和智能助手聊聊天就能点外卖、打车、购物。倘若只是从“入口之争”的角度看待大模型和终端的关系，不仅和大模型走出对话框的趋势相悖，也低估了终端厂商的决心。
回顾每一次工业革命的历程，比发明更重要的是如何将新技术推广和落地到千行万业。大模型代表的新一轮工业革命也是如此。大模型的价值，不在于有多少参数，甚至不在于有多少强大的能力，而是让大模型被越来越多的人使用，在被广泛使用中产生价值。2024年也许就是大模型市场的拐点，不再是“炼模型”的时代，而是“用模型”的时代。
相关素材整理于Alter聊科技《大模型的现在进行时：走出对话框，走向产业端》一文
