6月19日，騰訊云在國家科技傳播中心召開行業大模型及智能應用技術峰會，首次公布騰訊云行業大模型研發進展，依托騰訊云TI平臺打造行業大模型精選商店，為客戶提供MaaS(Model-as-a-Service)一站式服務，助力客戶構建專屬大模型及智能應用。

　　峰會上，騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生發表《模型扎根產業，共建智能生態》的主題演講，分別從模型、數據、應用與算力四個角度分享了對大語言模型在產業落地的思考。

　　騰訊集團高級執行副總裁、云與智慧產業事業群CEO 湯道生

　　首先，就模型而言，比起通用大模型，企業更需要針對具體行業的大模型，并結合企業自身的數據進行訓練和精調，以打造出更實用的智能服務。企業對提供的專業服務要求高且容錯性低，因此使用的大模型必須具備可控、可追溯和可修正的特點，并經過反復充分的測試。

　　其次是數據的重要性。數據是大模型的原材料，針對具體場景，數據的覆蓋和質量至關重要。在模型的開發過程中，需要關注敏感數據的保護和安全合規，并有效管理大量的數據和標簽，不斷進行測試和模型的迭代。騰訊云也推出基于TI平臺的行業大模型精調解決方案，幫助模型開發者和算法工程師高效率、高品質、低成本地處理數據，創建和使用大模型。

　　在應用方面，騰訊自身也應用行業大模型，優化自身企業級應用，為用戶提高工作效率。例如，通過基于行業模型的智能小助手，騰訊會議可以協助用戶進行日程安排、會管、會控等操作，并自動生成智能總結摘要，提升會議的效率。騰訊企點智能客服和AI代碼助手等應用也通過行業模型的訓練和精調，提供更精準、詳細的回答和高效的編程輔助。

　　最后是算力的支持。算力是模型持續運轉的基礎，高性能、高彈性和高穩定的算力對于大模型的訓練和使用至關重要。騰訊云也提供新一代高性能計算集群，為客戶提供穩定計算、高速網絡與專業運維。同時，推出面向AI運算的向量數據庫，支撐對圖像、音頻和文本等非結構化數據的高效處理，數據接入AI的效率，也比傳統方案提升10倍。

　　湯道生表示，大模型只是開端，AI與產業的融合，將綻放出更有創造力的未來。生態共建是AI發展的有效路徑，騰訊將堅持生態開放，為企業提供高質量模型服務，同時支持客戶多模型訓練任務，加速大模型在產業場景的創新探索。

　　以下為演講全文：

　　各位嘉賓、各位媒體朋友，大家好!

　　歡迎參加今天的技術峰會，非常高興有機會和大家一起探討產業智能化升級的機遇;也非常期待與客戶共建，以企業場景與行業數據為基礎的行業大模型。

　　過去半年，大家都為大語言模型的發展感到興奮，不少人已經試遍各個通用大模型的聊天機器人，但大部分互聯網用戶可能還只是有所聽聞。市面上的通用大模型在一些聊天問答上，確實有讓人驚艷的表現。基于大量知識與公開信息的訓練，通過推測下一個字的語言生成，它能回答不同領域的提問，生成人性化的回復，連貫地對話。

　　同時，許多企業管理者也在思考，如何把大模型技術應用到自己企業場景中。比如在客服與營銷環節，為業務經營帶來更多降本增效。但在具體的企業場景中，通用大模型可能還不能滿足企業很多需求，比如，它不一定懂行業的專業術語，不了解企業內部的獨特情況，回答會比較虛、比較籠統，偶爾還會一本正經地胡說八道，信息也不夠及時。

　　大家既期待著，能力越來越強大的通用大模型，同時也在思考，如何在使用大模型時，保護企業數據的產權與隱私?如何降低大模型的使用成本?這些都是企業需要考慮的現實問題。

　　借今天這個機會，我想講講，我對大語言模型在產業落地的思考，分別從模型、數據、應用與算力四個角度來探討。

　　首先是模型。雖然大家對通用大模型期待很高，但它不一定是滿足行業場景需求的最優解。

　　目前，通用大模型一般都是基于廣泛的公開文獻與網絡信息來訓練的，網上的信息可能有錯誤、有謠言、有偏見，許多專業知識與行業數據積累不足，導致模型的行業針對性與精準度不夠，數據“噪音”過大。但是，在很多產業場景中，用戶對企業提供的專業服務要求高，容錯性低。企業一旦提供了錯誤信息，可能引起巨大的法律責任或公關危機。因此，企業使用的大模型必須可控、可追溯、可修正，而且必須反復與充分測試才能上線。

　　我們認為，客戶更需要有行業針對性的行業大模型，再加上企業自己的數據做訓練或精調，才能打造出實用性高的智能服務。企業所需要的是在實際場景中真正解決了某個問題，而不是在100個場景中解決了70%-80%的問題。

　　另外，訓練數據越多，模型越大，訓練與推理的成本也越高。實際上，大部分的企業場景，可能也不需要萬能的通用AI來滿足需要。因此，如何在合理成本下，選擇合適的模型，是企業客戶所需要思考與決策的。

　　今天，我們也正式公布騰訊云MaaS服務解決方案，基于TI平臺打造行業精選模型商店，覆蓋金融、文旅、政務、傳媒、教育等10大行業，提供超過50個解決方案。在這些能力模型基礎上，客戶只需要加入自己獨有的場景數據，就可以快速生成自己的“專屬模型”。

　　比如，我們和國內的頭部在線旅游公司，基于“文旅大模型”，打造了機器人客服，可以自動判斷用戶意圖，并自動調用相應的API，高質量完成用戶咨詢及服務。

　　如果一個用戶問，“節假日有哪些比較經濟的旅游景點推薦?”基于通用大模型的客服機器人，只能給出一些簡單的景點介紹和路線規劃。但是，當我們用大量有針對性的行業數據來做模型精調之后，客服機器人的回答就變得更加細致，能夠規劃出每天的交通、景點安排，給出經濟實惠的定制化推薦方案。

　　接下來談談數據。數據是大模型的原材料，針對具體場景，相關數據的覆蓋與質量都至關重要，標注數據的管理也是模型迭代中的重要工作。

　　模型最終要在真實場景落地，要達到理想的服務效果，往往需要把企業自身的數據也用起來。在模型研發過程中，既要關注敏感數據的保護與安全合規，也需要管理好大量的數據與標簽，不斷測試與迭代模型。

　　因此，我們也推出基于騰訊云TI平臺的行業大模型精調解決方案。幫助模型開發者與算法工程師，一站式解決數據的處理問題，高效率、高品質、低成本地創建和使用大模型。我們也可以通過TI平臺以及模型的私有化部署、權限管控和數據加密等方式，讓企業用戶在打造模型與使用模型時都更放心。

　　最近，我們攜手中央電視臺打造“央視人工智能開放平臺”。其間也面臨數據量龐大、形態復雜的問題，導致傳統的數據標簽體系都無法達標。我們重新構建了一套傳媒專屬的數據標簽體系，同時也研發了創新的“標簽權重引擎”，讓數據標簽顆粒度更細，并按照核心度排序。在這樣的數據標簽體系支撐下，視頻編輯用自然語言就能實現跨模態檢索。比如，輸入“居民消費力”，系統可自動提供商場、超市相關素材，再搭配智能剪輯，就能快速生成視頻。

　　接著講講應用。騰訊自身的企業級應用，已經率先應用了行業大模型，針對不同應用場景提供更智能的服務，為用戶提高工作效率。

　　例如，騰訊會議即將推出覆蓋會議全流程場景的智能小助手。通過簡單自然的會議指令，協助用戶進行日程安排、會管、會控等一系列操作。會后可以自動生成智能總結摘要，還能基于智能錄制的能力，幫助用戶高效回顧，提升用戶開會和信息流轉效率。

　　新一代的騰訊企點智能客服，基于行業模型，結合客戶業務需求進行訓練與精調，客服機器人可以提供更精準、更詳細的回答，甚至調用業務系統來提供實時數據。對比上一代智能客服的機械回答，用戶體驗有很大的提升。

　　在企點分析平臺上，銷售人員只要問一句“哪個產品賣的最好”，就可以實現準確的商業分析，不需要花費大量的時間，學習復雜的軟件、制作看板。

　　借助騰訊云新一代AI代碼助手，程序員也可以快速、高品質地完成代碼的補充、糾錯和解釋，覆蓋編碼、評審、測試等不同場景。

　　最后講講算力。算力是模型持續運轉的基礎，高性能、高彈性和高穩定的算力需要借助專業的云服務。

　　在大模型的訓練和使用過程中，需要大量異構算力的支持，對網絡速度與穩定性要求也很高，加上GPU服務器比一般服務器穩定性更低一些，服務器的運維、問題的排查更頻繁，整體運維的難度與工作量會高很多。

　　例如，在訓練集群中，一旦網絡有波動，訓練的速度就會受到很大的影響;只要一臺服務器過熱宕機，整個集群都可能要停下來，然后訓練任務要重啟，這些事件會使得訓練時間大大增加，投入在大模型的成本也會飆升。因此，騰訊云所提供的穩定計算、高速網絡與專業運維，可以為算法工程師大大減輕設備運維的壓力，讓他們把精力放在模型的構建與算法的優化上。

　　騰訊云也打造了面向模型訓練的新一代HCC(High-Performance Computing Cluster)高性能計算集群，搭載最新次代GPU，結合多層加速的高性能存儲系統，加上高帶寬、低延遲的網絡傳輸，整體性能比過去提升了3倍，獲得了很多客戶的高度認可，幾家AI獨角獸都與我們展開了合作。

　　在計算集群的“硬實力”之外，今天，我們也會推出更適合AI運算的“軟能力”——向量數據庫，它能更高效地處理圖像、音頻和文本等非結構化數據，支持單索引10億級規模，比單機插件式檢索規模提升10倍，數據接入AI的效率，也比傳統方案提升10倍。

　　回顧過去，人工智能的發展是結合開放數據的積累、算法的創新與算力的突破共同推動的;也是全球科技企業、高校與研究機構共同努力，通過代碼的開源與研究成果的分享，開放共建的成果。

　　騰訊云也將在大模型的產業應用上，堅持生態開放，支持多模型的選擇，提供訓練與推理的算力，滿足不同行業、不同場景的多樣化需求。

　　今天，我們再一次站在數字科技革命的奇點上，大模型只是開端，AI與產業的融合，將綻放出更有創造力的未來。在這個過程中，騰訊愿意貢獻自己的能力，與行業伙伴攜手，用智能照亮行業，讓AI普惠生活。