"大模型的未来在于行业应用"，对此业界已经达成了共识，下一步则是如何将大模型在行业中落地。

　　于是，我们能够看到，既前一阶段的基础大模型之后，近来又掀起了行业大模型的热潮。据粗略统计，仅在国内，已经和计划发布的大模型就达到上百个。

　　那么，对于有志于大模型业务的IT企业来说，是不是只有这两条路可走，是否存在第三条可达路径呢？

　　软通动力给出的答案是：不做通用大模型，而是为行业客户提供平台工具、专业人才和技术服务，与他们共创定制化的私有大模型，以此推动大模型行业应用的快速落地。

　　行业头部企业将扮演重要角色

　　在第一波热潮中，大模型的发布者主要是ICT企业，尤其以互联网公司为主导。最近一段时间，各个行业的头部企业也开始参与其中。

　　IDC前不久发布的报告预测，金融行业、能源行业等头部机构，会率先在1年内在相对成熟的场景中尝试引入大模型。而且，随着技术的普及，行业头部企业在该市场的角色，也不再只是最终用户，而有望成为新一代AI技术的提供商。

　　无论作为最终用户还是技术提供商，头部企业参与行业大模型的趋势已经建立，因为他们已经看到大模型能够为企业降本增效，建立起业务竞争优势。这些行业头部企业，正是软通动力所长期服务的客户，也在大模型领域走在前列。

　　软通动力数字化创新服务线副总裁霍宇认为，要做好行业大模型，企业需要在两个方面加大投入，一是算力，二是语料。对于算力的重要性，大家已经都认识到了，其实语料对于行业大模型的训练更为重要。

　　他表示，相比国外，国内的语料多集中在企业内部，可以公开获得的则比较少。因此，他建议，行业客户应该先"补数据的课"，把更多预算投入到提升大模型的输入质量上，这样不仅不耽误时间，反而可以节省成本。

　　当然，在这一过程中，如何治理数据、如何把数据语料化、如何更好地训练模型，都将是对企业能力的考验。软通动力正致力于帮助企业提升这些方面的能力，从而利用大模型来升级数智化转型战略，在外部产业链和内部企业管理两个领域实现全面数字化。

　　坚持走与客户共创的路径

　　在过去半年时间里，ICT企业都纷纷加入到大模型产业当中，发挥自身专长来获取一席之地。目前，围绕大模型的产业生态正逐步形成，虽然这一生态体系仍不稳定，处于快速发展演化的过程中。

　　霍宇认为，软通动力不做通用基础大模型，因为这需要巨额投入，是行业头部企业才能做的；也不会做通用行业大模型，因为软通动力虽然懂行业，但缺乏相应的数据资源。因此，在行业大模型赛道里，软通动力坚持走与客户共创的路径，为行业客户提供数学建模、规则设定、模型优化等服务，帮助他们定制自己的私有大模型。这也可以充分发挥软通动力的优势：定制开发能力强、技术服务能力强。

　　在这一路径中，软通动力也坚持生态合作，在底层基础设施和基础大模型方面，与微软、华为、亚马逊、阿里云等巨头合作——他们原本就是软通动力的长期战略伙伴。

　　在行业选择方面，霍宇介绍说，金融、零售两个行业是当前的重点。选择这两个行业，是因为他们的客户是个人消费者，数据量比较充足，同时也是软通动力长期服务的行业，对其业务逻辑非常熟悉。

　　在大模型的规模方面，软通动力则侧重在六七十亿到一百多亿参数量的行业大模型，因为这个规模的大模型最具性价比。

　　对于大模型这个新鲜事物，很多行业头部企业都表达出了强烈的兴趣，但需求并不明确，目前仍处于尝试阶段。对此，软通动力决定自己先探路，今年在基础算力方面预计会投入近亿元，同时，搭建服务工具平台，让工程师们去"练手"。"未来还会继续加大投入力度。"霍宇表示。

　　目前，行业大模型相对成熟的应用场景是软件开发和知识管理，其中软件开发是公司的主要业务。软通动力正在利用大模型，来优化软件工程研发及测试效率，争取在年内实现提效30%的目标。在知识管理方面，软通动力则开发了律师行业助手类应用LawCopilot，帮助律师进行文献检索、案例分析、录音分析和法律咨询。

　　不过，霍宇强调说，目前to B大模型的行业应用都处于Copilot的阶段，即辅助人工进行驾驶，而达不到脱离人工的完全自动驾驶。

　　围绕工具和人才进行能力打造

　　与传统ICT生态类似，在大模型生态系统中，技术服务商扮演着为客户提供贴身服务的关键角色。

　　IDC也认为，提供各种工具和服务，是大模型技术厂商的集中发力方向，包括模型训练、部署和推理，以及相关的数据集、API和工具软件等，以帮助开发者更加高效地使用大型模型，从而快速实现各种应用场景的落地。

　　软通动力前不久发布了自己的模型即服务平台——软通天璇2.0MaaS平台。这一平台包括三层，底层的大模型技术底座（L0级）、中间层的行业大模型（L1级）及管理、顶层的场景大模型应用（L2级）；除此之外，软通动力还为客户提供大模型一站式运营服务、数据治理及安全服务。

　　在天璇2.0中，软通动力训推一体化平台发挥了核心作用。其基于昇腾硬件底座+昇思MindSporeAI框架，采用软通G420K训练平台和G210K推理平台，整合欧拉操作系统等组件，搭载软通自有AI中台，为客户提供多种交互式AI模型，深度适配不同AI应用场景，支持多模态场景，提供了涵盖大模型训练、测评、部署的一整套端到端的安全可信体系。

　　霍宇介绍说，软通动力训推一体化平台，同时提供对商用和开源大模型的支持，客户既可以直接接入商用大模型，也可以基于开源大模型进行本地化部署。实际上，大模型的开源化趋势已经非常明显，正在成为大模型生态的主流。

　　除了工具平台，软通动力也加紧致力于AI专业人才的培养，这也成为其在大模型生态中的核心竞争优势之一。

　　毫无疑问，大模型的流行将带来人才结构的变革，未来会需要大量的AI训练师、机器学习工程师、数据科学家等新型人才。在霍宇看来，未来的AI人才，不仅需要懂AI，也需要懂架构。基于过去的业务积累，软通动力已经储备了一大批相关人才，目前正在加紧培训及在内部的算力平台上实践，帮助他们实现从编码逻辑到提示词逻辑的转换。

　　这些专业人才，将会帮助软通动力的行业客户构建自己的大模型，并最大程度地发挥大模型的作用，将其付诸落地实践。

　　当下，基础大模型的热潮正在逐渐消退，但定制化大模型和大模型应用才刚刚开始。随着应用的普及，大模型将带来新的服务范式和商业模式。霍宇也认为，未来SaaS会被基于大模型的SaaS所取代。整个软件领域甚至ICT行业生态的变革正在路上。