怎樣打贏AI大模型競速賽

一石激起千層浪。

今年初，DeepSeek的橫空出世不僅顛覆了AI行業格局，更激起一股人工智能產業發展浪潮。

各地政務系統和大型企事業單位，紛紛開展AI大模型的培訓、對接和應用；很多省市密集出臺相關政策，全力推動人工智能產業發展。無論地區層面，還是企業層面，都積極行動起來，學AI、用AI，因地制宜發展AI，不甘落后、時不我待的緊迫感越來越強，帶動人工智能產業發展進程陡然提速。

在撲面而來的時代浪潮中，一場人工智能產業發展競速賽正在拉開帷幕。如何在AI新賽道上迎頭趕上，乃至打贏這場競速賽？

“要學會當博導”

3月18日晚上7點，一堂名為《從DeepSeek看人工智能發展趨勢》的公開課，在浙江省委黨校火熱開講。主講人、中國工程院院士王堅，面對浙江近30萬干部，首先拋出一句靈魂拷問，“未來十年，不懂AI的領導，還帶得動浙江嗎？”

這是浙江省人工智能通識及應用網絡專題培訓的開班第一課。聽課的有浙江各級黨政班子成員，也有省市縣三級黨校春季學期主體班次學員，還有鎮村干部。據統計，在線聽課總人數達29.6萬。

對于此次培訓，浙江高度重視，由省委主要領導提出明確要求并審定方案。培訓從3月到6月連開10期，均在晚上進行，從通用知識、產業應用、相關政策、企業案例等方面，深度解讀人工智能相關知識。課程包括“DeepSeek大模型實操”“AI政務案例分析”“產業智能化轉型”等硬核內容，甚至要求學員現場用AI生成公文、制作PPT、剪輯視頻。當地媒體形容，干部“夜學AI，如臨大考”。

“面對新技術、新業態、新知識，許多干部不同程度地存在‘本領恐慌’，干部對學習、理解、運用人工智能有著迫切的需要。”浙江省委組織部相關工作人員表示。

不僅是浙江，今年以來，安徽、山東、河南等多地“一把手”帶頭開展集體學習。蘇州、鄭州等城市以“新春第一課”的形式，組織領導干部學習DeepSeek。

深圳人工智能培訓起步更早。去年10月，深圳就啟動了覆蓋全員、分級分類、訓戰結合的人工智能培訓，并將“AI夜校”辦到了基層社區，在全市掀起“萬名干部用AI，百萬居民學AI”的新風尚。

培訓熱潮的出現，是時代發展的必然要求。學AI、用AI不僅可以緩解“AI焦慮”，更能讓干部迅速掌握與人工智能發展相匹配的素質能力。

從各地設立的培訓目標來看，僅僅會用還不夠，而是要“努力在人工智能科技創新和產業發展上走在前列”。這就要求領導干部要從“被動使用者”轉變為“主動創新者”，成為AI的領導者，才能抓住時代機遇，掌握人工智能發展和治理的主動權。

未來十年，將是AI時代到來的關鍵期。正如王堅院士所言，“AI不是一次工具的革命，而是一次科學革命的工具。”“當人們意識到AI可以作為革命的工具時，一輪偉大的變革將會到來。”

在這場變革中，各地既面臨前所未有的機遇，也面臨嚴峻挑戰。是落后于人還是迎頭趕上，將決定一個地區發展的未來。在這種背景下，通過學習和培訓，掌握人工智能這一“革命的工具”尤為重要。

“當有博士生水平的AI出現時，要學會當博導，這樣才不會出現‘AI焦慮’。”專家說。

搶抓下一階段“風口”

最近，武漢模態躍遷科技有限公司尤其忙碌。自DeepSeek發布以來，已有美國、日本、新加坡的20多家企業主動尋求合作，希望給大模型應用匹配一個基座方案。

“大模型基座是離千行百業應用最近的環節。以DeepSeek為代表的通用大模型，在產業應用落地，需要很多工具和相關硬件，這就是模型基座要完成的工作。我們在全球范圍內都屬于前列乃至于領先的水平。”模態躍遷公司首席運營官常元和說。

很難想象，作為企業創始人，常元和今年才23歲。其團隊平均年齡不到25歲，大多來自武漢大學。

2023年，模態躍遷成立時，這幫年輕人意氣風發，因為團隊上一個項目剛被收購，新項目又獲得投資，技術、人脈、資金樣樣不缺。手握先進的AI模型，他們滿懷信心地叩響近400家電商企業的大門，但現實卻給了他們“當頭一棒”：所有企業都只停留在“試用”階段，沒有一家愿意掏錢。產品無人問津，團隊很快陷入困境。

“技術再厲害，若不能融入產業，也稱不上真正的成功。”于是，他們放下“極客”的驕傲，不再埋頭搞技術，而是積極走出去，2024年一整年都在跑應用場景和路演現場。

沒想到，今年就迎來了轉機。模態躍遷研發的模型在某機器人企業成功應用，還在國內率先將大模型引入游戲電競行業。

春江水暖鴨先知。相對于地方上的焦慮，行業內企業更多的是興奮與期待。DeepSeek改變大模型發展格局的同時，更掀起了人工智能應用熱潮，讓業界看到了AI時代“風口”到來的巨大機遇。

過去，“百模大戰”拼的是技術和性能，參數量越大越好，計算能力越強越好，逐漸淪為少數巨頭的“燒錢游戲”。DeepSeek以開源和低成本，極大降低了AI進入門檻，加速了AI商業化落地進程，讓眾多開發者和企業可以一起參與其中，形成更為活躍的AI產業生態。

百度創始人李彥宏說：“人類真正邁入AI時代的標志不在于誕生眾多大模型，而在于涌現出大量的AI原生應用。只有應用直接創造價值。”大模型“六小虎”之一、階躍星辰副總裁李璟也預判：“商業化和應用落地接下來決定行業的競爭格局。”

當前，AI產業發展已從科學家推動轉為應用驅動，大模型逐漸向行業垂直深入。下一階段，機會將在行業大模型、垂類大模型，已成為行業共識。

中國工業體系完備、產業規模龐大、應用場景豐富，為AI應用提供了廣闊空間。未來在工業制造、醫療教育、城市金融等領域，都有可能涌現出一批在全國具有領先地位的垂類模型。這對有雄厚產業基礎和海量應用場景的地區來說，是發展AI產業的絕佳機會。各地應推動大模型在更多的場景中實現商業應用，力爭在行業細分領域打造一批“AI冠軍”。

目前，各行各業的垂類大模型競相涌現。專家預判：2025年將是AI大模型商業應用元年，真正的競爭才剛剛開始。對于大部分地區來說，幾乎都處于同一起跑線。新賽道上機遇無限，無需焦慮，只要找準時代的“風口”。

打通AI應用“最后一公里”

從事技術咨詢服務的深圳藍海優利科技發展有限公司創始人李自軍發現，2025年春節期間DeepSeek火爆出場后，很多企業也陷入焦慮之中，擔心如果導入大模型晚了，會不會喪失競爭優勢。但進入第二季度，這種喧囂有所減弱。

因為第一輪導入大模型的企業，反饋的消息似乎并不太樂觀。除了少數行業如文案生成、內容生成類的，可以產生立竿見影的效果，大多數行業導入大模型的試點，往往陷入泥潭。相對于政務領域，企業導入大模型迅速進入冷靜期。

從實地調研情況看，目前大模型應用還是以日常效率提升為主，真正要在工業領域得到深入應用，還存在算法精度低、通用性差、專業數據不足、應用能力有限等問題。特別對于中小企業而言，算力成本、部署成本、試錯成本高，投入產出比低。

“從企業角度，普遍期望擁有一個可以通用千行百業、快速復制的大模型，以降低成本。然而，由于各行業存在巨大差異，不同場景下開發的模型難以直接應用于其他場景，這使得定制化人工智能解決方案的成本居高不下，難以形成可持續的商業閉環。”專家分析指出，高成本、低回報的局面嚴重阻礙了企業采用AI技術的積極性。

如何破解這些痛點與難題，打通AI應用“最后一公里”，各地都在積極探索。目前來看，有兩種代表性的創新路徑：一是推動大模型與重點行業結合，在行業細分領域打造特色適用大模型，讓行業大模型成為制造業的“新基建”。

比如，山東省最近實施大模型產業“雙百工程”培育行動，聚焦“一行業一模型”開展揭榜掛帥，加快培育“100+”特色大模型企業，打造“100+”優秀的行業級大模型、場景級大模型。

行業大模型建成后，可以通過開放接口，以“云”的形式為行業內的中小企業服務，分享大模型建設成果。中小企業只需要付出少許費用，便可以享受到行業頂尖企業的模型搭建、算法優化等服務，從而破解中小企業在AI應用中的痛點。

二是從算力、算法、語料等關鍵要素方面破題，構建助推垂類大模型應用落地的功能性平臺，降低大模型使用門檻。在這方面，上海已經率先開始探索。

今年初，上海發布人工智能“模塑申城”實施方案，核心舉措是聚焦重點行業應用，打造算力、語料、大模型評測與驗證中心，以及人才和融資五大公共服務平臺，為各類創新主體提供便捷、優質、普惠的公共服務，降低AI應用落地成本。

算力和語料是大模型最重要的“燃料”。隨著AI大規模應用，模型后訓練和推理需求可能很快會超過預訓練算力需求。為了提前做好算力保障和穩定供應的準備，上海市設立國資的算力平臺，一方面強化規模化智算集群建設，另一方面提供“訓推一體、混合部署”的智算云服務，在保障垂類應用的同時，降低算力成本。

在AI應用中，語料質量直接決定模型的性能。上海市組建了中國第一家人工智能語料公司，按照“一業一方法”建設行業語料庫，提供一站式高質量語料服務，讓開發垂類模型的中小企業能夠零門檻使用數據，從而大幅降低AI應用成本。

除了算力、語料等顯性成本，大模型垂類應用還存在基座選型、開發工具鏈與中間件、評估驗證、工程化落地等諸多環節。在這個過程中，企業常常會“踩坑”“交學費”。對此，上海市整合各方資源，在重點行業打造大模型評測與驗證中心，減少大模型試驗成本，幫助企業高效實現產品化，“企業選擇應用就像入店試衣、按需購買”。

在政府推動、各方共同努力下，大模型有望實現從通用場景向行業特定場景、從單點應用向多元化應用的跨越，加速邁向全面應用新階段，人工智能產業發展將迎來歷史性機遇。

延長線：什么是大模型？

大模型是大規模人工智能模型的簡稱。人工智能（AI）是涵蓋所有模擬人類智能技術的總稱，包括機器學習、機器視覺、自然語言處理等方向。大模型是AI中基于深度學習、海量數據和算力構建的特定技術形態，屬于AI技術的一種高級實現形式。

傳統AI專注于單一任務，如語音識別、圖像分類等，而大模型通過參數規模（通常達百億至萬億級別）、多模態能力（語言、視覺、跨領域推理等）突破了任務邊界，被認為是邁向通用人工智能（AGI）的關鍵路徑。

根據輸入數據（模態）類型不同，可分為語言大模型、視覺大模型、多模態大模型等。

語言大模型是指基于海量文本數據訓練、具備廣義自然語言理解與生成能力的大規模人工智能模型。在一般的認知中，大模型被認為是通用大語言模型的簡稱。這是因為自然語言處理（NLP）是大模型技術發展的核心驅動力，早期的AI研究主要集中在文本理解和生成任務上。此外，語言模型的通用性又使其成為其他領域大模型的基礎。

視覺大模型是指通過大規模圖像數據進行訓練，通常用于圖像處理和分析的人工智能模型。

多模態大模型是指能夠同時處理和理解多種類型數據的模型，如文本、圖像、音頻、視頻、3D等。核心是模仿人類多感官協同認知的能力，突破單一模態的局限性，實現更復雜的交互與應用。未來隨著AI技術的進步，多模態大模型將成為醫療、教育、娛樂等領域的核心基礎設施。

根據應用場景和功能不同，可分為通用大模型、行業大模型和垂直大模型。

通用大模型是指可以在多個領域和任務上通用的模型，通過在大規模無標注數據上進行訓練，以尋找特征并發現規律，進而形成“舉一反三”的強大泛化能力，可在不進行微調或少量微調的情況下完成多場景任務，相當于AI完成了“通識教育”。

行業大模型是指針對特定行業或領域的大模型，通常使用行業相關的數據進行預訓練或微調，以提高在該領域的性能和準確度，相當于“行業專家”。

垂直大模型是指針對特定任務或場景的大模型，通常使用任務相關的數據進行預訓練或微調，以提高在該任務上的性能和效果，相當于“一線員工”。

根據運行載體不同，可分為端側大模型和云側大模型。

端側大模型是能夠直接在終端設備上本地化運行的模型，如手機、平板、智能汽車等，無需依賴云端服務器進行計算。

云側大模型是部署在云端服務器集群上的模型，依賴云計算資源進行訓練和推理，通過應用程序接口（API）或云服務向終端用戶提供服務。絕大多數用戶直接使用的都是云側大模型。

根據開源性質不同，可分為開源大模型、閉源大模型和半開源模型。

開源大模型是將模型架構、訓練代碼、權重參數等核心技術資源公開，允許開發者自由使用。

閉源大模型僅通過API提供服務，技術細節不公開。

半開源模型是公開部分權重或訓練方法，但完整數據和代碼未開放。