央企国企等大型企业成为大模型落地的急先锋。
这些企业业务覆盖宽广，企业体量庞大。它们既可以为大模型提供用武之地的丰富场景，又能支付起早期大模型落地的巨大成本。不过，随着DeepSeek免费开源崛起，数据问题成为阻碍大模型落地进程新的拦路虎。很多央企国等大型企业业务数据分散且格式多样，需解决非结构化数据的清洗、标注和知识化问题。
“大模型应用场景市场刚刚开始，目前的应用还是冰山一角。企业会先拿出边缘性场景做尝试，逐步走到核心场景，也会从一些局部的部门或者局部岗位开始尝试，逐渐走到全部岗位，也就是所有系统都用大模型迭代。”亚信科技执行董事兼CEO高念书对记者表示。
落地大企业
大模型交付的业务，对冲了亚信科技传统业务的下滑。
三大通信运营商近年来缩减了对5G的投资，这直接影响亚信科技的相关业务。而另一方面，央企国企等大型企业正在积极搭建自己的大模型能力，这为亚信科技的转型提供了缓冲地带。
“垂直行业我们不想把摊子铺得太大，也不想踩太多坑，所以风险控制方面会非常关注，因此会聚焦在两个大的方向，一个是我们5G专网的应用，另外一个就是大模型应用交付。”高念书表示。
阿里巴巴、百度等企业的大模型是亚信科技向企业交付垂直产业模型的底座。2023年4月份，亚信科技跟阿里云签署合作协议，从当年6月份开始大量做场景部署。
“大模型交付商机主要在能源、电力、航空、烟草、金融、政务、医疗这些大的领域。”高念书对记者表示，“我们很多标杆案例，主要面向一些央企、国企。”
央企国企等大型企业落地大模型，也是从最初简单的问答、BI（商业智能）场景，逐渐做更深入的场景，比如亚信科技帮电网做的调度场景、网络规划等场景，以及航空领域的机务助手、零配件调度场景。
中关村科金总裁喻友平同样感觉到央企国企对人工智能的热情，该公司专注垂类大模型技术与应用，拿到不少做垂类场景的央企国企订单。
亚信科技和中关村科金有相似之处。它们目前都不做基础大模型，而专注于在基础大模型之上，帮企业落地垂类大模型应用，成为打通产业和模型的桥梁。
大模型还在不断迭代，落地过程尚处于探索阶段。企业在落地大模型的过程中，都必须投入不菲的成本。
算力底座是必需的花费，购买英伟达或者本土企业的算力卡，这就一笔高昂的开支。即便DeepSeek大模型，它的满血版所需要的算力投入“也得好几百万”。而此前，企业还需要购买闭源大模型，据喻友平观察，“大模型刚出来的时候，奇货可居，上千万价格都有”。
这么大额的投资，企业不得不考虑投资回报。
“投多少，能挣多少钱，能节省多少成本？企业得算账。”喻友平表示。在一些应用场景，比如智能营销和客服，企业的账目容易算出来，央国企和民企都愿意落地场景垂类大模型应用，甚至民企积极性更大。智能客服就是中关村科金最主要的产品之一。
但是在生产、研发和运维这些核心业务场景中，大模型如何发挥作用，企业还看不到清晰的图景。
“目前大家还在摸索阶段，很多人还处在不知道怎么做的阶段。企业去算ROI（投资回报率），可能算不清楚，就只能算长期账。”喻友平表示，“我觉得这就是央国企等大型企业的长处，它们基本盘大，敢于投入。在核心的生产、研发等业务场景中投入大模型，它们更积极。”
数据是难题
DeepSeek把大模型价格打下来，企业落地大模型的成本低了。
在大模型的价格战中，大模型价格从千万级下降。“后来百万级别也很多，再后来就是200万也卖、100万也卖。”喻友平对记者表示，DeepSeek出来之后，一个显著的变化就是，没有人去买一个闭源大模型了，“模型成本直接降到零了”。
“DeepSeek来了后确实对大模型交付工作产生了非常大影响，之前大厂提供的大模型基本上不会为客户提供微调和训练的服务，因为训练一圈大概是千万级以上投入，客户一般支付不起。而且训练需要海量数据，一般客户私有数据也不具备这个数量级。”亚信科技副总裁、云事业部总经理傅葳对记者表示。
价格不是大模型落地企业唯一的拦路虎。
大模型的能力日新月异。企业本身对于什么场景可以用大模型，这个大模型怎么用以及预期效果是什么，会带来什么样的新问题，这些方面的经验都不充足。
“在这里面更重要一点就是企业的数据问题。”傅葳说，数据是大模型的前站，也是企业的核心资产。
在人工智能浪潮里，应用大模型的企业通常既没有能力自产算力，更难以开发自己的基础大模型，只有经年累月积累的业务数据是自己的，而且是核心秘密。企业担心业务数据外流造成损失，所以大型企业往往愿意本地化部署大模型。但这些数据通常是初级和粗糙的，难以直接投喂给大模型。如果企业内部没有做过数据收集、整理、清洗，就很难一站式地部署大模型。
“我们接触很多客户，他举手说要做大模型，提出很多场景，但是我们入场第一站都还是帮助他做数据收集清洗，包括整理、标注这些工作。这些工作量比较大，也会带来比较大的成本。”傅葳表示。这些工作都需要亚信科技、中关村科金等企业去做。
“我们认为大模型应用场景市场才是刚刚开始，我们目前看到的应用还是冰山一角。”高念书认为，未来的石油、石化、机场等各个行业，都会有自己专业模型以及专有智能体。
喻友平认为，随着越来越多的企业将大模型应用到核心业务中，企业大模型的胜负手不再是模型参数大小，而是谁更懂用垂类知识和经验提升业务价值。垂类大模型作为大模型进一步商业化的关键，已成为企业数智化升级的必选项，无论是央国企还是民企，都一样。
0 条