9月份以來，互聯網（互聯網行業分析報告）大模型論壇和閉門會議層出不窮。面對廣闊的市場前景，相關企業和機構紛紛投入人力物力財力，試圖搶占先機。深耕大模型市場，首先要明確應用場景。新技術一旦進入商業化階段，抓住需求擴大需求是第一位的。在激烈的大模型競爭中，部分機構選擇“先入場再看路”，邊做邊改、邊研發邊挖掘客戶需求，導致用超高成本的大模型解決低級問題。

在大模型準確度還不夠高、構架還不夠穩的背景下，研發上先要明確應用場景，是做通用大模型還是行業大模型？是面向B端還是面向C端？當前大模型的主要商業場景集中在B端，這是基于規模化、規范化、實現難度等因素做出的抉擇。現階段，深耕B端企業客戶是務實之舉。當模型不斷精調、算力成本大幅下降后，未來的AI明星應用必將誕生于C端。例如ChatGPT快速迭代，也是基于海量的C端用戶基礎，并經過一輪輪測試和完善才實現的。

其次要考慮算力投入的邊界。毫無疑問，大模型之戰的第一道坎是算力比拼。不同時期的算力標準是不一樣的：去年10億參數的模型就能稱為大模型；隨著入局者不斷加碼，目前大模型參數動輒上千億。大模型有足夠多的參數才能呈現出“智能涌現”效應，進而在各個場景下具備通用能力。甚至有觀點認為，1萬張頂級顯卡才算是跨進了大模型的門檻。

公開資料顯示，GPT-4的模型擁有近1.8萬億參數、13萬億訓練數據，其訓練一次的成本高達6300萬美元。相對同質化競爭嚴重的通用大模型而言，成本投入相對較小的垂直大模型還有巨大的市場機遇。

盡管中國大模型發展如火如荼，但與以OpenAI（美國人工智能研究公司）為代表的一線機構相比，還存在不小的技術差距。中國需要抓緊時間，縮小與強者的差距。筆者建議，在政策支持層面，一是要加強對高端算力的支持，降低應用開發門檻；二是要加碼人才培養，促進高校與企業通力合作，產學研協同創新。大模型也不是投一筆錢、做一個模型那么簡單，它需要有算力、有數據、有經驗豐富的AI工程師在好的研發平臺上長期積累。

今年是大模型向上突破的一年，ChatGPT讓人們看到了大模型的巨大潛力，也推動了大模型的迭代進程。可以預見，基于我國龐大和多樣化的用戶基礎，我國大模型和其他AI技術將走向成熟，推動全社會向智能化和數字化轉型。