作 者

人工智能與大數(shù)據(jù)研究中心

一、發(fā)展背景及環(huán)境

【政策體系加速完善，可信與安全成為大模型落地的硬性前提】全球主要經(jīng)濟(jì)體正加速構(gòu)建人工智能治理體系，推動(dòng)大模型從“野蠻生長(zhǎng)”邁向“規(guī)范發(fā)展”。中國《人工智能生成合成內(nèi)容標(biāo)識(shí)辦法》聚焦人工智能“生成合成內(nèi)容標(biāo)識(shí)”關(guān)鍵點(diǎn)，通過標(biāo)識(shí)提醒用戶辨別虛假信息，明確相關(guān)服務(wù)主體的標(biāo)識(shí)責(zé)任義務(wù)，規(guī)范內(nèi)容制作、傳播各環(huán)節(jié)標(biāo)識(shí)行為；歐盟《AI法案》將通用大模型納入高風(fēng)險(xiǎn)系統(tǒng)監(jiān)管，強(qiáng)制披露訓(xùn)練數(shù)據(jù)來源與風(fēng)險(xiǎn)評(píng)估；美國則通過NIST框架引導(dǎo)企業(yè)建立全生命周期風(fēng)險(xiǎn)管理機(jī)制。這些政策信號(hào)一致表明：未來大模型能否進(jìn)入金融、政務(wù)、醫(yī)療等核心領(lǐng)域，不再取決于技術(shù)先進(jìn)性，而取決于是否滿足合規(guī)要求。這倒逼企業(yè)將安全機(jī)制前置到模型設(shè)計(jì)階段，“可信AI”正從理念轉(zhuǎn)化為基礎(chǔ)設(shè)施。

表1 全球大模型監(jiān)管政策對(duì)比

【全球大模型生態(tài)加速分化，技術(shù)路徑呈現(xiàn)區(qū)域特色】中美歐在大模型發(fā)展上正形成各具特色的演進(jìn)方向：美國依托OpenAI、Meta等企業(yè)，構(gòu)建以Llama系列和商業(yè)API為核心的開放與閉源并行的生態(tài)體系；中國聚焦垂直場(chǎng)景深度適配，通義、文心、盤古等大模型體系注重與本土軟硬件基礎(chǔ)設(shè)施的高效協(xié)同，并在金融、制造、政務(wù)等領(lǐng)域加速規(guī)?；涞?；歐洲則以Mistral等為代表，強(qiáng)調(diào)數(shù)據(jù)隱私、算法透明與倫理合規(guī)。地緣環(huán)境變化推動(dòng)各方更加重視技術(shù)供應(yīng)鏈的穩(wěn)定性與長(zhǎng)期可持續(xù)性。在此背景下，開源成為生態(tài)競(jìng)爭(zhēng)的關(guān)鍵抓手，通過開放模型權(quán)重吸引開發(fā)者社區(qū)、培育工具鏈、定義接口標(biāo)準(zhǔn)，進(jìn)而影響未來產(chǎn)業(yè)格局。對(duì)國家和企業(yè)而言，構(gòu)建具有韌性的技術(shù)生態(tài)與可持續(xù)的創(chuàng)新體系，已成為戰(zhàn)略優(yōu)先級(jí)。

【技術(shù)重心從通用能力轉(zhuǎn)向場(chǎng)景實(shí)效，輕量化、專業(yè)化成主流】2025年，千億乃至萬億參數(shù)的通用大模型在性能提升上遭遇邊際遞減，訓(xùn)練成本高企而業(yè)務(wù)收益未同步增長(zhǎng)，企業(yè)不再為“更大”買單，而是聚焦“更準(zhǔn)、更快、更省”。這推動(dòng)產(chǎn)業(yè)重心從基礎(chǔ)模型研發(fā)轉(zhuǎn)向垂直場(chǎng)景落地，頭部廠商如阿里、百度已將資源重點(diǎn)投向金融、政務(wù)、制造等領(lǐng)域的專用模型方案。通過RAG、輕量級(jí)參數(shù)適配等低成本技術(shù)，在保留通用能力的同時(shí)快速注入行業(yè)知識(shí)。同時(shí)，混合架構(gòu)（如MoE+狀態(tài)空間模型）顯著降低長(zhǎng)文本推理成本，10億級(jí)小模型在金融、法律等場(chǎng)景實(shí)現(xiàn)更高精度；輕量化模型則在手機(jī)、工控設(shè)備等終端實(shí)現(xiàn)本地運(yùn)行，滿足離線與低延遲需求。開源基座（如Qwen、Llama）雖降低創(chuàng)新門檻，但真正的競(jìng)爭(zhēng)力已轉(zhuǎn)向工程化能力——包括部署效率、系統(tǒng)集成、人機(jī)協(xié)作流程設(shè)計(jì)等。技術(shù)價(jià)值的評(píng)判標(biāo)準(zhǔn)，正從實(shí)驗(yàn)室指標(biāo)全面轉(zhuǎn)向?qū)嶋H業(yè)務(wù)收益。

【大模型普惠化加速，產(chǎn)業(yè)鏈分工深化推動(dòng)MaaS生態(tài)成熟】大模型產(chǎn)業(yè)正從“巨頭通吃”的垂直整合模式，轉(zhuǎn)向?qū)I(yè)化、模塊化的協(xié)同生態(tài)。上游算力芯片和高質(zhì)量數(shù)據(jù)服務(wù)商快速成長(zhǎng)；中游云廠商聚焦基座模型與智能調(diào)度平臺(tái)；下游大量垂直領(lǐng)域軟件商基于開源底座開發(fā)行業(yè)智能體應(yīng)用。以“模型即服務(wù)”（MaaS）為核心的商業(yè)模式日趨成熟，企業(yè)無需自建千億級(jí)模型，只需按需調(diào)用并微調(diào)即可實(shí)現(xiàn)智能化升級(jí)。據(jù)賽迪顧問預(yù)測(cè)，2025年中國MaaS市場(chǎng)規(guī)模將接近90億元，年復(fù)合增長(zhǎng)率超80%。這種分工不僅降低了中小企業(yè)使用門檻，也提升了整體產(chǎn)業(yè)效率，使大模型真正走向規(guī)模化落地。

圖1 大模型產(chǎn)業(yè)鏈架構(gòu)圖

二、發(fā)展趨勢(shì)研判

趨勢(shì)一

大模型市場(chǎng)持續(xù)爆發(fā)增長(zhǎng)，企業(yè)部署量與調(diào)用量雙雙躍升

2025年，中國大模型市場(chǎng)規(guī)模約490億元，預(yù)計(jì)2026年將超過700億元，三年復(fù)合增長(zhǎng)率超40%，這一增長(zhǎng)主要由MaaS服務(wù)、行業(yè)專用模型和智能體應(yīng)用驅(qū)動(dòng)。與此同時(shí)，企業(yè)部署數(shù)量快速攀升。截至2025年底，已有超8萬家中國企業(yè)完成大模型試點(diǎn)或生產(chǎn)部署；預(yù)計(jì)2026年將突破10萬家，覆蓋金融、政務(wù)、制造等核心領(lǐng)域。全球范圍內(nèi)，主流開源模型（如Llama、Qwen系列）的下載量累計(jì)突破500萬次，企業(yè)私有化部署占比超60%。值得注意的是，模型調(diào)用量正從“千億token級(jí)”邁向“萬億token級(jí)”，頭部平臺(tái)月均Token調(diào)用量已邁入萬億級(jí)，單個(gè)金融或制造客戶月調(diào)用量常超百億Token。這標(biāo)志著大模型不再是“演示玩具”，而是成為企業(yè)數(shù)字化基礎(chǔ)設(shè)施的標(biāo)配組件。

圖2 中國大模型市場(chǎng)規(guī)模及增長(zhǎng)預(yù)測(cè)

趨勢(shì)二

行業(yè)大模型加速落地，金融、政務(wù)、制造領(lǐng)跑

行業(yè)大模型在高價(jià)值、高合規(guī)需求場(chǎng)景率先實(shí)現(xiàn)規(guī)?；渴稹ｎA(yù)計(jì)2026年，金融行業(yè)應(yīng)用率將達(dá)68%（覆蓋智能投研、信貸審核、合規(guī)問答），政務(wù)領(lǐng)域達(dá)61%（政策查詢、公文起草、市民服務(wù)），制造業(yè)達(dá)53%（設(shè)備預(yù)測(cè)性維護(hù)、工藝優(yōu)化、供應(yīng)鏈調(diào)度），顯著領(lǐng)先于醫(yī)療、教育、零售等尚處試點(diǎn)階段的行業(yè)。驅(qū)動(dòng)這一落地潮的核心，是“小而精”的技術(shù)范式：企業(yè)普遍采用參數(shù)規(guī)模在10億至百億級(jí)的專用模型，通過“開源基座+私有高質(zhì)量數(shù)據(jù)微調(diào)+檢索增強(qiáng)（RAG）”組合，在保留通用語言能力的同時(shí)，精準(zhǔn)注入領(lǐng)域知識(shí)。例如，某銀行信貸模型準(zhǔn)確率達(dá)98%，推理成本僅為通用大模型的1/5；工廠設(shè)備診斷模型可本地部署，滿足數(shù)據(jù)不出域與毫秒級(jí)響應(yīng)要求。行業(yè)大模型正以更高精度、更低算力消耗、更強(qiáng)合規(guī)適配性，成為企業(yè)AI落地的首選路徑。

圖3 2026年行業(yè)大模型滲透率預(yù)測(cè)

趨勢(shì)三

大模型架構(gòu)從密集同構(gòu)向稀疏異構(gòu)演進(jìn)，效率成競(jìng)爭(zhēng)焦點(diǎn)

2026年，大模型架構(gòu)將經(jīng)歷從密集同構(gòu)向稀疏異構(gòu)的系統(tǒng)性躍遷。面對(duì)超長(zhǎng)上下文處理、高并發(fā)服務(wù)與終端部署等現(xiàn)實(shí)約束，單純依賴參數(shù)規(guī)模擴(kuò)張的路徑已難以為繼。稀疏化成為主流技術(shù)方向——以混合專家模型（MoE）為代表，通過動(dòng)態(tài)激活部分子網(wǎng)絡(luò)，在維持甚至提升性能的同時(shí)，顯著降低推理計(jì)算開銷；結(jié)構(gòu)異構(gòu)化同步深化，研究者不再局限于純Transformer架構(gòu)，而是融合狀態(tài)空間模型（SSM）、改進(jìn)注意力機(jī)制或引入循環(huán)記憶單元，以更靈活地平衡建模能力、時(shí)延與能效。華為、阿里、Meta等企業(yè)已在合同解析、智能客服等高負(fù)載場(chǎng)景規(guī)模化部署此類混合架構(gòu)。這一轉(zhuǎn)變標(biāo)志著，2026年大模型的核心競(jìng)爭(zhēng)力，正從“誰的模型更大”轉(zhuǎn)向“單位算力下誰能提供更高智能密度與更強(qiáng)落地效能”。

趨勢(shì)四

世界模型從實(shí)驗(yàn)室走向工業(yè)仿真，AI開始理解物理規(guī)律

進(jìn)入2026年，世界模型正從學(xué)術(shù)探索加速邁向工業(yè)級(jí)應(yīng)用。過去，大模型擅長(zhǎng)處理語言和圖像，但對(duì)物理世界的運(yùn)行規(guī)則，比如“物體如何運(yùn)動(dòng)、機(jī)器如何故障、流體如何流動(dòng)”缺乏真正理解。而2026年，這一局面正在改變：世界模型通過融合傳感器數(shù)據(jù)、多物理場(chǎng)仿真與基礎(chǔ)科學(xué)知識(shí)，學(xué)習(xí)“干預(yù)—響應(yīng)”的因果機(jī)制，具備對(duì)現(xiàn)實(shí)世界動(dòng)態(tài)演化的預(yù)測(cè)與推理能力。例如，某汽車廠商用世界模型在虛擬環(huán)境中模擬千萬次碰撞測(cè)試，大幅減少實(shí)車試驗(yàn)成本；工廠則用它預(yù)測(cè)設(shè)備振動(dòng)異常是否會(huì)演變?yōu)橥C(jī)故障。與純數(shù)據(jù)驅(qū)動(dòng)的大模型不同，世界模型融合了物理規(guī)律與數(shù)據(jù)學(xué)習(xí)，更可靠、可解釋。雖然離通用智能還很遠(yuǎn)，但它正成為AI連接數(shù)字與物理世界的關(guān)鍵橋梁——不再是“猜答案”，而是“懂因果”，是大模型向具身智能、科學(xué)智能和可靠決策演進(jìn)的底層技術(shù)支點(diǎn)，屬于下一代AI核心能力的探索方向。

趨勢(shì)五

智能體編排能力取代基座參數(shù)，成為平臺(tái)競(jìng)爭(zhēng)新焦點(diǎn)

進(jìn)入2026年，企業(yè)對(duì)AI的需求已從“單點(diǎn)問答”升級(jí)為“端到端任務(wù)執(zhí)行”，單一模型難以勝任復(fù)雜業(yè)務(wù)流程，因此智能體將從技術(shù)驗(yàn)證全面邁入規(guī)?；虡I(yè)應(yīng)用。目前，全球范圍內(nèi)已有大量企業(yè)開始構(gòu)建以智能體為核心的自動(dòng)化工作流，尤其在客服、辦公協(xié)同、電商運(yùn)營等領(lǐng)域形成可復(fù)用的落地范式。2025年，中國智能體市場(chǎng)規(guī)模達(dá)78.4億元，預(yù)計(jì)2026年達(dá)135.3億元，增速超70%。頭部云廠商和AI公司正通過開放智能體開發(fā)平臺(tái)，降低構(gòu)建門檻，推動(dòng)行業(yè)快速滲透。企業(yè)不再關(guān)注底層模型有多大，而是更看重平臺(tái)能否實(shí)現(xiàn)任務(wù)拆解、多工具集成、記憶管理與安全可控的端到端閉環(huán)。具備強(qiáng)大編排能力、可觀測(cè)性和系統(tǒng)集成能力的智能體平臺(tái)，正在成為企業(yè)AI落地的“操作系統(tǒng)”，并逐步構(gòu)建起下一代MaaS生態(tài)的價(jià)值高地。

趨勢(shì)六

原生大模型應(yīng)用用自然語言重構(gòu)傳統(tǒng)軟件交互邏輯

傳統(tǒng)將大模型簡(jiǎn)單嵌入傳統(tǒng)SaaS的“插件式”做法已被市場(chǎng)淘汰——其功能割裂、流程中斷和價(jià)值有限等問題難以滿足企業(yè)對(duì)深度智能的需求。2026年，取而代之的是從底層架構(gòu)圍繞大模型全新設(shè)計(jì)的原生應(yīng)用，它們以自然語言為統(tǒng)一輸入與控制接口，實(shí)現(xiàn)“意圖即操作”。例如，銷售人員只需輸入“識(shí)別上周流失風(fēng)險(xiǎn)最高的三位客戶并生成個(gè)性化挽回方案”，系統(tǒng)即可自動(dòng)完成數(shù)據(jù)查詢、行為分析與內(nèi)容生成。2026年，這一模式已在文檔協(xié)作、項(xiàng)目管理、開發(fā)工具等領(lǐng)域成熟落地，并快速向人力資源、法務(wù)合規(guī)、財(cái)務(wù)流程等核心業(yè)務(wù)擴(kuò)展。其核心價(jià)值不僅在于提效，更在于大幅降低復(fù)雜系統(tǒng)的使用門檻，讓非技術(shù)人員也能高效調(diào)用AI能力。軟件正從“功能導(dǎo)向”全面轉(zhuǎn)向“意圖導(dǎo)向”，人機(jī)協(xié)作邏輯迎來結(jié)構(gòu)性重塑。

趨勢(shì)七

輕量化大模型在終端設(shè)備規(guī)?；涞兀纬稍七叾藚f(xié)同

伴隨企業(yè)對(duì)數(shù)據(jù)隱私、實(shí)時(shí)響應(yīng)和離線可用性的剛性需求，大模型正大規(guī)模從云端下沉至手機(jī)、PC、工業(yè)控制器等終端設(shè)備。參數(shù)規(guī)模在10億以下的輕量化模型，通過先進(jìn)壓縮、低比特量化及與NPU等專用AI芯片的深度協(xié)同，已在終端實(shí)現(xiàn)高效本地推理。例如，新一代智能手機(jī)可實(shí)時(shí)完成會(huì)議語音轉(zhuǎn)寫與要點(diǎn)摘要，全程無需聯(lián)網(wǎng)；工廠邊緣設(shè)備則基于本地模型毫秒級(jí)識(shí)別設(shè)備異常振動(dòng)，支撐預(yù)測(cè)性維護(hù)。在此背景下，“云訓(xùn)練、邊調(diào)度、端執(zhí)行”的三級(jí)協(xié)同架構(gòu)正成為主流，云端專注模型訓(xùn)練與版本迭代，邊緣節(jié)點(diǎn)聚合區(qū)域數(shù)據(jù)并做初步分析，終端聚焦低功耗、高時(shí)效任務(wù)。2026年，終端側(cè)大模型的普及不再是個(gè)案，而是構(gòu)建起兼顧安全、效率與實(shí)時(shí)性的新型智能基礎(chǔ)設(shè)施底座。

趨勢(shì)八

開源模型權(quán)重普及，但核心推理與安全能力仍高度封閉

盡管Llama、Qwen、DeepSeek等開源大模型雖已廣泛普及，顯著推動(dòng)開發(fā)者生態(tài)繁榮，但企業(yè)級(jí)落地的關(guān)鍵能力，包括高性能推理引擎、內(nèi)容安全過濾、專屬工具鏈及高質(zhì)量領(lǐng)域微調(diào)數(shù)據(jù)，仍被商業(yè)公司高度保留在閉源體系內(nèi)。這是因?yàn)殚_源權(quán)重在長(zhǎng)文檔處理、事實(shí)一致性或合規(guī)輸出等場(chǎng)景中，往往難以滿足高可靠性與低幻覺要求。例如，同一架構(gòu)的開源版本可能出現(xiàn)事實(shí)錯(cuò)誤，而其商業(yè)版本則通過內(nèi)部事實(shí)校驗(yàn)、輸出控制與審計(jì)機(jī)制，顯著提升準(zhǔn)確性與合規(guī)性。2026年，“開源基座吸引生態(tài)，閉源服務(wù)兌現(xiàn)價(jià)值”已成為行業(yè)共識(shí)：開源用于建立標(biāo)準(zhǔn)、培養(yǎng)用戶習(xí)慣，而高價(jià)值功能則通過訂閱制服務(wù)交付。開源的價(jià)值，正從“技術(shù)開放”轉(zhuǎn)向“生態(tài)占位”，真正的競(jìng)爭(zhēng)力仍系于不可見的閉源層。

趨勢(shì)九

可審計(jì)、可溯源、公平性成為大模型進(jìn)入強(qiáng)合規(guī)領(lǐng)域的前提

在全球AI治理框架加速落地的推動(dòng)下，政府、金融、醫(yī)療等對(duì)合規(guī)性與可靠性要求較高行業(yè)已將“可審計(jì)、可溯源、公平性”作為大模型準(zhǔn)入的核心合規(guī)要求。模型若要用于信貸審批、診療輔助或政策咨詢等場(chǎng)景，必須能夠說明其決策依據(jù)、標(biāo)注信息來源，并提供完整的操作記錄。例如，當(dāng)系統(tǒng)拒絕一筆貸款申請(qǐng)時(shí)，需清晰指出所依據(jù)的合規(guī)條款；在回答醫(yī)學(xué)問題時(shí)，應(yīng)標(biāo)明知識(shí)出處并提示結(jié)論的不確定性。為滿足這些需求，企業(yè)正加速構(gòu)建“可信AI”能力：在訓(xùn)練階段引入數(shù)據(jù)均衡處理與公平性約束方法，在推理過程中嵌入內(nèi)容水印與溯源標(biāo)識(shí)，在運(yùn)行時(shí)自動(dòng)記錄決策鏈條。第三方評(píng)估體系也逐步建立，從公平性、透明度、魯棒性等維度設(shè)定準(zhǔn)入標(biāo)準(zhǔn)。2026年，可信性不再是附加選項(xiàng)或道德倡議，而是大模型能否真正進(jìn)入核心業(yè)務(wù)系統(tǒng)的硬性門檻和合規(guī)基礎(chǔ)設(shè)施。

趨勢(shì)十

大模型人才需求從算法研究轉(zhuǎn)向AI產(chǎn)品與流程工程設(shè)計(jì)

隨著模型開發(fā)平臺(tái)化與工具鏈高度標(biāo)準(zhǔn)化，純算法研發(fā)崗位需求趨于飽和，而兼具業(yè)務(wù)理解力、AI任務(wù)定義能力和人機(jī)協(xié)作流程設(shè)計(jì)經(jīng)驗(yàn)的復(fù)合型人才成為企業(yè)爭(zhēng)奪焦點(diǎn)。2026年，企業(yè)更需要AI產(chǎn)品經(jīng)理，他們能將法務(wù)合同審核、供應(yīng)鏈預(yù)測(cè)等業(yè)務(wù)痛點(diǎn)轉(zhuǎn)化為可執(zhí)行的AI任務(wù)，并設(shè)計(jì)合理的“人機(jī)分工”機(jī)制（如AI初篩+人工復(fù)核）。同時(shí)，提示工程演進(jìn)為“流程工程”，需掌握Agent編排、工具集成、失敗回退等系統(tǒng)設(shè)計(jì)能力。高校與企業(yè)正共建“AI工程化”課程，培養(yǎng)兼具領(lǐng)域知識(shí)、產(chǎn)品思維與技術(shù)理解力的人才。這一轉(zhuǎn)變標(biāo)志著大模型從“科研驅(qū)動(dòng)”全面邁入“工程與產(chǎn)品驅(qū)動(dòng)”階段。

三、需關(guān)注問題及建議

問題一

“落地難”與“價(jià)值虛”并存

當(dāng)前，大模型發(fā)展已進(jìn)入從技術(shù)突破向產(chǎn)業(yè)深耕的關(guān)鍵階段，但“落地難”與“價(jià)值虛”問題并存，成為制約規(guī)模化應(yīng)用的核心瓶頸。盡管各類大模型應(yīng)用案例層出不窮，多數(shù)仍局限于演示性場(chǎng)景或非核心業(yè)務(wù)環(huán)節(jié)，缺乏可量化、可持續(xù)的商業(yè)閉環(huán)。部分企業(yè)陷入“為AI而AI”的實(shí)施誤區(qū)，導(dǎo)致投入成本高企而實(shí)際收益有限。建議大模型應(yīng)用從概念驗(yàn)證轉(zhuǎn)向?qū)嵭涞?。企業(yè)應(yīng)優(yōu)先選擇業(yè)務(wù)價(jià)值清晰、實(shí)施路徑成熟、投入產(chǎn)出可測(cè)算的場(chǎng)景推進(jìn)規(guī)模化應(yīng)用，例如合同輔助審核、設(shè)備預(yù)測(cè)性維護(hù)和高并發(fā)智能客服等。為避免盲目投入，有必要建立科學(xué)的評(píng)估框架，綜合考量場(chǎng)景匹配度、經(jīng)濟(jì)回報(bào)潛力與部署復(fù)雜度，并由行業(yè)協(xié)會(huì)牽頭制定統(tǒng)一的效果驗(yàn)證標(biāo)準(zhǔn)和最佳實(shí)踐指南，增強(qiáng)解決方案的可復(fù)制性與行業(yè)公信力。

問題二

核心技術(shù)受制于算力與工具鏈短板

核心技術(shù)能力的發(fā)展仍受到算力供給不足和工具鏈短板的雙重制約。一方面，人工智能芯片的全球供應(yīng)鏈格局正在重塑，國產(chǎn)算力平臺(tái)在軟件生態(tài)適配、系統(tǒng)兼容性以及大規(guī)模集群調(diào)度效率等方面仍處于持續(xù)優(yōu)化階段；另一方面，企業(yè)在部署大模型時(shí)普遍面臨工具分散、流程割裂的問題，從模型上線到持續(xù)運(yùn)維缺乏一體化支撐，顯著增加了技術(shù)門檻和實(shí)施成本。為此，建議加快構(gòu)建覆蓋全生命周期的模型工程基礎(chǔ)設(shè)施，鼓勵(lì)頭部企業(yè)與開源社區(qū)協(xié)作，共同打造輕量高效的推理引擎、智能體調(diào)度平臺(tái)和安全審計(jì)工具，通過標(biāo)準(zhǔn)化和模塊化降低中小企業(yè)落地難度，真正實(shí)現(xiàn)大模型從“能用”到“好用”的跨越。

問題三

治理滯后于技術(shù)演進(jìn)，合規(guī)風(fēng)險(xiǎn)積聚

人工智能治理體系建設(shè)明顯滯后于技術(shù)應(yīng)用的快速推進(jìn)，合規(guī)風(fēng)險(xiǎn)在金融、醫(yī)療、政務(wù)等對(duì)合規(guī)性與可靠性要求較高的領(lǐng)域不斷累積。目前，行業(yè)尚未就如何確保模型輸出的可解釋性、數(shù)據(jù)來源的可追溯性以及算法決策的公平性形成統(tǒng)一標(biāo)準(zhǔn)，企業(yè)在實(shí)際部署中常因規(guī)則不明而陷入法律與監(jiān)管的灰色地帶。有必要在強(qiáng)化頂層設(shè)計(jì)的同時(shí)，推動(dòng)“沙盒監(jiān)管”制度試點(diǎn)與合規(guī)認(rèn)證機(jī)制并行，在重點(diǎn)領(lǐng)域先行探索大模型準(zhǔn)入規(guī)則，并配套發(fā)布操作性強(qiáng)的技術(shù)指引，明確企業(yè)在內(nèi)容標(biāo)識(shí)、人工復(fù)核、風(fēng)險(xiǎn)披露等方面的義務(wù)，從而在保障公共利益的前提下，為技術(shù)創(chuàng)新保留合理空間。

問題四

人才結(jié)構(gòu)失配，復(fù)合型工程力量嚴(yán)重不足

人才供給結(jié)構(gòu)與產(chǎn)業(yè)實(shí)際需求之間存在明顯失配，具備跨領(lǐng)域能力的工程化人才尤為緊缺。當(dāng)前人才培養(yǎng)仍偏重于算法理論研究，而真正支撐大模型落地的關(guān)鍵角色，如“能夠理解業(yè)務(wù)痛點(diǎn)、設(shè)計(jì)人機(jī)協(xié)作流程、集成系統(tǒng)工具的AI產(chǎn)品經(jīng)理和工程實(shí)施人員”嚴(yán)重不足。建議推動(dòng)高校與龍頭企業(yè)深度合作，設(shè)立面向產(chǎn)業(yè)實(shí)踐的“AI工程化”培養(yǎng)項(xiàng)目，將行業(yè)知識(shí)、產(chǎn)品思維、系統(tǒng)設(shè)計(jì)與倫理規(guī)范融入課程體系，加快形成一支既懂技術(shù)又通業(yè)務(wù)的復(fù)合型人才隊(duì)伍，為大模型在實(shí)體經(jīng)濟(jì)中的深度應(yīng)用提供堅(jiān)實(shí)支撐。

IT趨勢(shì)

< <滑動(dòng)查看全文> >

更多行業(yè)案例及其特點(diǎn)，請(qǐng)掃描下方二維碼關(guān)注“賽迪顧問”公眾號(hào)，獲取最新動(dòng)態(tài)。

微信號(hào)：ccidconsulting

本公眾號(hào)提供的內(nèi)容用于個(gè)人學(xué)習(xí)、研究或欣賞，不可用于其他商業(yè)用途。如有關(guān)于作品內(nèi)容、版權(quán)及其它問題，請(qǐng)及時(shí)在公眾號(hào)留言。

如果獲得轉(zhuǎn)載授權(quán)，請(qǐng)注明作者姓名和轉(zhuǎn)載的出處，不修改文章的標(biāo)題、文字、圖片或者音視頻，以免曲解原文意思。