2024年，深度学习习引发了图像分类领域的突破人工智能的热潮。 随后，大规模预训练模型的兴起进一步推动了人工智能技术发展。 从最初的图像和语言任务到现在普遍大模型，AI技术不断发展，已经变得很多科技企业标准。
然而，尽管大型模型在各个领域都有广泛的应用，但目前却有很多普遍大模型还处于“开聊”阶段，很难给企业带来实际的生产力提升，娱乐产品也很难赢得企业的青睐。 因此，今年6月大模型的热潮流峰值过后，开始呈现下降趋势。
1.一般大模型的局限性
普遍大模型最初是为了满足人们的人机交互需求而设计的自然语言处理和其他任务，以便能够进行开放的闲聊对话。 然而，这种模型的局限性在于它解决了复杂的决策任务并改进了工作效率在生产效率方面，产能有限。
换句话说，公司需要一个能够真正解决复杂决策任务的大模型，而不仅仅是一个“聊天良好”的模型。 例如，在语音翻译领域，企业需要一个具有专业翻译人员能力的大模型，能够准确给出可靠的翻译结果，甚至能够识别方言并拒绝误译。 为了满足这一需求，大型模型需要遵守自己领域的规则，避免“错觉”问题。 然而，事实正是如此普遍大型模型难以具备的功能。
2. 大型模型的商业化
随着大型模型技术的发展，许多企业开始意识到普遍大模型的局限性，开始推动大模型在特定行业和应用场景的落地和商业化。 谷歌、Microsoft、阿里等龙头企业开始加速探索细分垂直领域的大模型商业价值。这些公司逐渐意识到，他们不应该仅仅满足于开发一个“聊得好”的大模型，而应该将其应用于实际行业和场景，以改进他们的工作效率和生产效率。
当有企业喊出“落地不了的大模型毫无意义”时，也预示着大模型已经进入了关键的拐点。 从技术竞赛到商业价值货币化，大模型的开发过程发生了重要转变。
3、大模型在垂直领域的应用
普遍大模型的发展导致了垂直大模型的出现。 除了普遍大模型，如金融、医药研发、零售等垂直大模型也在积极发展。 今年6月，新华三集团提出“私域模式”概念，发布具有行业和区域属性的私域模式——百叶灵溪（林赛尔）。 这种私域模式通过打通垂直应用数据，为特定行业和应用场景提供个性化的智能服务。
私域模式具有行业聚焦、区域独占、数据独占、价值独占等特点，可以满足不同行业的具体需求。 它可以被放置普遍大模型构建为企业和行业大模型进行领域适配和行业优化，实现专家解决专业问题。
在国内，数据量超过10亿的大型模型有80多个，但这些大型模型主要集中在普遍田。 跟普遍随着大模型的普及，企业需要更加冷静地思考，寻找那些不受既定客观因素限制的领域，以获得竞争优势。
从技术角度来看，大模型的数据属于客户，即使大模型功能强大，也无法读取企业的私有数据和信息。 就像公有云在中国无法称霸世界一样普遍大型模型也不能解决企业的所有需求。 因此，国内大型模型行业也面临着行业场景与国外大型模型相结合的实现效率需求增加。 由此可见，无论是从技术本身还是市场需求来看，企业都需要更快地将大模型推向具体场景和商业市场。 因此，新华三认为，未来大型模型大赛的制高点必须在“私域”中。
无论哪种方式普遍、垂直或私域大模型，其核心在于落地场景和商业化。 然而，私域模式在特定商业环境中寻找生存空间和增长点方面具有优势。 以新华三百业灵犀私域模式为例，具有行业聚焦、区域排他性、数据排他性、价值排他性等特点，能够为垂直行业、专属区域客户提供安全、定制、专属、可持续的智能服务，更精准地满足不同行业的特定需求。
通过整合垂直应用数据，百叶灵犀在私域打造精准、精准、高效的大模型，让大模型成为解决专业问题的专家。 提供数据处理、模型开发、模型训练、模型部署、模型微调等全流程服务，帮助企业实现智能化转型，提升特定领域竞争力。
对于企业来说，选择私域模式可以更好地满足自身需求，拥有更大的控制力和数据安全性。 同时，私域模式还可以与行业建立合作关系，实现合作共赢，促进行业协同发展。 因此，在大模型的发展趋势下，私域大模型将成为企业关注的焦点，将大模型应用于特定行业和场景，可以实现技术的商业化和价值最大化。
面对大规模模式热潮的趋势，企业需要冷静思考，从热潮中寻找自己的机遇和发展方向。 首先，企业需要对大模型有深入的了解，了解大模型的技术建筑，应用场景和商业化路径，选择适合您需求的大模型。
其次，企业应与科研机构、技术提供商等合作伙伴紧密合作，共同打造适合企业行业和场景的大模型溶液。合作伙伴可提供技术支持、数据处理、模型训练等专业能力，实现大模型的落地和商业化。 最后，企业需要积极挖掘垂直领域的商机，将大模型应用于特定行业和场景普遍具有大型模型限制的竞争优势。
简而言之，大型模型的开发是从普遍大模型正在向专业化和垂直化转变。 只有在大模型的热潮中冷静思考，从“通才”走向“专才”，将大模型应用到特定的领域和场景，才能实现落地和商业化的目标，提高企业的实际价值和竞争力。