从通用大语言模型规模化竞争到开启垂直领域商业化步伐，这次的转向仅仅用了6个月。在对人工智能技术和商业理解的越来越成熟的科技领域，赛跑愈发激烈。行业各玩家不仅要在科技含量上站住脚跟，更要尽快探索出实际的应用价值。
但是越来越多的数据和预训练模型可供访问，导致模型在解决一般性任务上变得相似，而且对于不同行业、领域和用户具有独特的语境和需求，通用模型并不能提供最佳解决方案，需要个性化和定制化的模型来满足特定要求。
随着通用模型规模竞争逐渐冷却，大语言模型的同质化和商业化问题变得突出。解决这些问题需要进一步开发个性化和定制化的模型，以满足个人和企业的实际需求。此外，探索更多不同领域和行业的训练数据，以及与领域专家和用户的紧密合作，将有助于推动大语言模型商业化的发展，为各行各业提供更具价值的解决方案。
大语言模型商业化问题凸显，深兰推出硅基大脑SaaS平台
在AI领域会不会被一个通用大模型主导的问题上，前Google创始人Eric Schmidt在其参与的文章《Does One Large Model Rule Them All?》的核心结论是未来肯定是多个垂直模型或者多个垂直助理的模式。
深兰科技武汉研发中心基于深兰硅基知识大模型主导研发的“硅基大脑SaaS平台”，目的在于为用户提供一套创建企业级“超级智能助理”的快捷方法，满足企业在智能客服、数字员工和行业专家等多个场景的需求，并把这套方法形成SaaS化的服务。有专业人士评价称，“深兰的此种发展路径是非常直接而有效的，如果能够在这个方向持续保持领先，则会代表一个稳固的技术和商业发展路线而成为行业链上重要玩家。”
深兰科技武汉研发中心在自有7B基础模型的基础上，提供领域知识和个性化人设等高维数据的定制化训练学习功能，并提供可定制的个性化数字人形象，可以更加便捷地为企业和个人构建拥有个性化形象的超级智能数字助理，支持快速形成诸如智能客服、数字大使、智能导览、数字秘书等企业应用。
新品发布引发大模型领域产业链结构调整
深兰科技新产品的发布，使整个大模型领域再次显现出多层的产业链结构。目前国内外发布大模型的技术路线可以分为三种，第一种是例如OpenAI的ChatGPT、百度的文心一言、科大讯飞的星火认知、阿里的通义千问等大模型提供了一种模型即服务(Model as a Service, MaaS)的通用大模型服务模式;第二种是如提出“硅基大脑SaaS平台”的新服务模式的深兰科技，以及拥有工业大模型服务奇智孔明的创新奇智;第三种是一些直接用MaaS的小型公司，如利用提示词(Prompt)构建定制化的上下文进而进行简单应用，或提供基于提示词工程(Prompt Engineering)理念辅助工具的公司。
从深兰科技此次推出的“硅基大脑SaaS平台”能够观察到，走第二种路线的企业相比于走其他两种路线的企业来讲，代表了更加灵活的上下文训练能力，不仅针对提示词的优化，还可以进行更深层次地进行定制化训练，例如采用低秩适配等方法;同时提供更加标准化体系化的训练方法，流程方法在SaaS平台被清晰定义，可以让用户以极少的学习成本就可以生成高效的服务;同时能够更加保障数据安全，可以采用语言模型访问企业数据源并加以控制。通过将产品说明书、操作手册、常见问题等相关文档和数据导入平台，大模型自动生成针对产品、业务等的知识图谱，并可将其应用于客户服务、销售咨询等领域，这一功能大大降低了企业使用的门槛，帮助企业更好地应对行业挑战。
大语言模型商业化，市场巨大
虽然探索大语言模型商业化仍是一条未经验证路径，但是市场巨大已经是被公认的事实。预计大模型技术展现的巨大应用潜力与对认知智能应用的落地将促使中国市场规模高速增长，预计2024年市场规模将超460亿元，增速超30个百分点。当前大语言模型还存在诸多变数，兴许在不久的将来，还会诞生更多商业化路径。这种潜在的波动与可能性空间，也成为吸引我们持续探索AI技术应用的魅力所在。本身大模型商业化的路途就充满艰辛，但成功往往属于有实力的坚持者。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
