AI导读：

人工智能大模型正从通用走向垂直，成为产业变革的核心引擎。但要实现深度应用，需解决高质量数据供给不足、精准化应用不足和算力成本高昂三大难题。通过共建数据共享平台、建立行业评估体系和开发轻量化模型，可推动垂直大模型在细分领域精准落地。

■贾丽

当前，人工智能大模型正由通用向垂直领域迈进，成为驱动产业变革的核心力量。这一变革已从理论研究进入实际应用，垂直大模型在生产线、服务柜台等产业环节广泛应用。

加速垂直大模型的创新与应用，是推动我国产业智能化、高端化的关键，也是在全球AI竞争中占据战略高地的重要途径。然而，大模型落地面临挑战，需解决三大难题。

首先，增加高质量数据供给。数据是AI应用的基石。目前，我国高质量垂直领域数据供给匮乏，中文数据在全球训练集中占比低，行业私有数据开放不足。但我国拥有丰富的行业数据与应用场景，是垂直大模型发展的坚实基础。建议各地联合头部企业、科研机构，共建垂直领域数据共享平台，通过合规机制促进数据流通，增强模型与行业知识的适配。

其次，推动精准化应用是AI转化的关键。以金融大模型在风险预测中的应用为例，标准化推动技术实用化场景适配仍显不足。建议加快建立行业专属评估体系，明确硬指标，推动垂直大模型在细分领域精准落地。同时，以场景需求为导向，探索联合研发模式，促进AI创新从功能叠加向业务原生转变。

再者，算力成本制约中小金融机构采用AI模型。应加快开发轻量化垂直专用模型，通过领域知识蒸馏和边缘计算优化，降低部署成本。各地可建设垂直大模型产业园，整合算力资源，为中小企业提供低成本服务。通过高校验证、企业推广，率先在农业、汽车等领域形成示范。

垂直大模型的价值在于以算力培育行业新生产力，需聚焦痛点、务实深耕，实现从单点突破到生态繁荣。

（文章来源：证券日报）