“今天的人工智能（AI）大模型與一年半前相比沒有那么波瀾壯闊了，似乎有點平靜。”9月8日，在第五屆深圳國際人工智能展開幕式上，華為云marketing部總裁董理斌說道。他認為，大模型現在正處于靜水流深的狀態，海面平靜，但海面下的各行各業對AI的研究更加深入，都在考慮如何真正讓AI在企業核心場景發揮價值和作用。

一個行業共識是，大模型在走向行業應用時已變得更理性和務實。證券時報記者實探第五屆深圳國際人工智能展發現，相比于過往在技術層面“秀肌肉”“耍花拳”，投入、產出、效益如今成為企業更關心的話題。總體來看，大模型目前在很多行業中的應用滲透率依然不足，企業面臨著部署成本高昂、需求難以匹配、效益無法評估等問題。在前期的狂熱勁頭過去后，應用落地的“深水區”也隨之而來。

應用行業更廣泛

場景更聚焦

相比于去年大家更關注AI的能力有多強，普華永道AI解決方案咨詢服務團隊高級經理曹磊發現，如今大家更關心業務能否跟AI結合起來。“一方面，國內的大模型廠商都在和企業合作，開發應用類的工具和服務；另一方面，我們接觸的客戶在部署大模型時已經延伸到各個具體的場景，比如營銷、財務、合規等領域。”曹磊在接受證券時報記者采訪時表示。

從不同方向上看，大模型在橫向上拓展的行業更加廣泛，縱向上延伸的場景更加聚焦。記者在華為展區看到，自去年7月發布盤古大模型3.0版后，華為盤古大模型已迭代至5.0版。除了3.0版包含的礦山、政務、氣象、金融、醫學等行業大模型以外，5.0版還新增了鋼鐵、高鐵、具身智能、工業設計大模型、安全及媒體等行業。場景方面，傳送帶異物檢測、卷宗提審、商品銷量預測、偏光片質檢、財務異常檢測等多個模型，則聚焦行業內的細分任務。

從“通用”朝著“有用”發展，垂直化、專業化是一個必然趨勢。通用大模型以參數量大為特征，模型參數量往往決定著模型能力上限。但是，規模參數越高，消耗的資源和成本也越多，對企業而言，在綜合考慮成本與需求后，部署參數規模小一些、專業性更強的場景模型便成為一個更務實的選擇。

以物流行業為例，順豐科技在活動現場發布了物流行業垂域大模型“豐語”大語言模型。順豐科技AIoT領域副總裁宋翔強調，低成本、高可靠地解決行業的問題，是大模型技術產生價值的關鍵所在。例如，在退貨這一場景中，豐語大模型對真實的退貨可以自動截取下單信息，實現一張圖下單，還能實時攔截和預防虛假截圖；在來電提問環節，豐語大模型可以對所有客服信息進行自動摘要，節省人工摘要的時間。

場景滲透率的

“微笑曲線”

騰訊研究院近期發布的行業大模型調研報告指出，行業大模型應用場景的快慢呈現“微笑曲線”的特征：位于產業鏈高附加值兩端的研發/設計和營銷/服務，擁有更高的行業大模型滲透率；而位于中間的、低附加值的生產制造領域則應用得比較慢。

活動現場展出的各類行業應用場景，也印證了這條“微笑曲線”。在AI繪圖及視頻公司來畫的展區，來畫打造的可控AI視頻生成和可視化平臺，只需要將一段口播視頻、文案、圖片素材導入，并將視頻想要仿照的內容鏈接放到平臺中讓大模型“學習”，平臺就能自動生成一段連貫的視頻。無論是亞馬遜還是小紅書，都能與其風格相匹配。

營銷服務是行業大模型應用的先行領域，無論是電商行業的數字人(9.070, 0.01, 0.11%)，還是廣告行業的文案與圖片素材生成，都形成了較成功的應用案例。這些場景的特點是跨行業的通用性強，且數字化基礎較好，已積累了大量的行業數據，能夠基于通用大模型的底座優化自身性能。

但在生產和制造環節，情況則要復雜許多。在智能機器人(9.140, 0.01, 0.11%)廠商云碼通展區，一款由機械臂和仿生靈巧手組合而成的具身機器人系統頗受關注。啟動任務后，該機器人能夠自動識別樹上的蘋果，并移動至相應位置將其摘下。展區工作人員告訴記者，這一產品目前只是小批量生產，未大幅應用。“機器人應用還有很多痛點，比如摘果子，不同樹高低有所不同，一臺機器無法滿足所有需求。”除此以外，農業機器人往往只能部署在標準化的大棚中，在山地等復雜的場景，尤其是遇到道路崎嶇、傾斜路面等情況就無法作業。

企業顧慮多

投入產出比難題待解

經不經濟、可不可靠、實不實用，這決定著企業部署大模型的意愿。曹磊告訴記者，大模型無論是在模型部署、算力服務、人才招募等方面的成本都很高，企業如果沒有看到盈利或者對實際業務賦能，在投入上會比較謹慎。

在成本側，記者采訪了解到，算力是企業部署大模型時首先會遇到的“攔路虎”。中國聯通(4.550, -0.06, -1.30%)展區的工作人員告訴記者，企業在部署大模型，光租服務器就需要幾十萬元甚至上百萬元，目前全球算力市場被海外巨頭壟斷，企業在獲取可靠算力上存在頗多掣肘。

圍繞算力瓶頸，國內算力廠商正在加快布局，構建大模型計算所需的AI算力基石。本屆展會上，多家算力公司展出了為AI大模型打造的算力方案。在專注于AI芯片研發的中昊芯英展區，一幢幢搭載著服務器的機柜模型十分亮眼。據展區現場工作人員介紹，公司歷時近5年，自研了高性能的TPU架構芯片，已實現量產，可用于大模型計算場景，單位算力成本是海外領先GPU芯片的近一半水平。

曹磊認為，企業除了顧慮成本，還面臨大模型應用需求匹配難的問題。“AI到底如何賦能自身的業務，挖掘AI適用的場景，這需要AI和業務兩類專家協同配合。”除此以外，當前，雖然許多通用大模型廠商也研發了行業及場景大模型，但受限于高質量行業數據的缺失，適配度依然有限，準確率不足，企業往往還要在其基礎上進行二次訓練。但是企業要部署大模型，前提是要有良好的數字化系統，并且已有一定數據治理基礎，否則就會面臨數據龐雜、質量參差不齊等問題，而且還需要對海量數據(11.500, -0.08, -0.69%)（維權）進行清洗和預處理工作。

曹磊認為，未來無論大模型廠商還是軟件運營類的第三方服務廠商，需要進一步在具體的業務場景中做好AI能力集成，形成企業能夠直接采用的AI工具，解決好企業“從0到1”的投入問題。