AI导读：

人工智能大模型正从通用走向垂直，引领产业变革。加速垂直大模型的创新突破与深度应用，对于推动我国产业智能化升级至关重要。本文探讨了增加高质量数据供给、推动精准化应用以及降低算力成本等三大难题的破解之道。

　　当下，人工智能大模型正从通用走向垂直，成为驱动产业变革的核心引擎。这一转变已从实验室走向实际应用场景，垂直大模型正在生产线、服务柜台等诸多产业的方方面面落地生根，引领着智能化、高端化的产业趋势。

　　加速垂直大模型的创新突破与深度应用，对于推动我国产业智能化升级、抢占全球人工智能战略制高点至关重要。然而，大模型落地之路仍需跨越重重难关，行业各方需共同破解三大难题，以实现技术深度融入产业。

　　首要难题在于增加高质量数据供给。数据作为AI应用的基础燃料，目前高质量垂类数据供给仍显不足。中文垂类数据在全球数据训练集中占比不高，行业私有数据开放度低。但我国拥有丰富的行业数据与应用场景，是发展垂直大模型的重要基础。为此，各地可联合头部企业、科研机构，共建垂直领域数据共享平台，通过“数据沙箱”实现合规流通，增强垂直场景行业知识与模型适配能力。

　　上海“模速空间”便是成功案例，通过政策优先支持，已推动43个备案大模型落地，其“政企研”协同模式值得复制推广。从“模速空间”聚集400家企业形成完整产业链，到医疗、金融等领域涌现的细分场景应用，垂直大模型正重塑行业生态。

　　其次，推动精准化应用是AI转化的关键。尽管金融大模型在风险预测中已有实践，但标准化倒逼技术实用化场景适配仍显不足。为此，各地应加快建立行业专属评估体系，明确准确性、安全性等硬指标，推动垂直大模型在细分应用领域精准落地。同时，行业需以场景需求为牵引，探索联合研发模式，推动AI创新从“功能叠加”转向“业务原生”，培育具有变革性的应用生态。

　　最后，算力成本是中小金融机构应用AI的瓶颈。受制于算力成本，大量中小金融机构仍依赖规则引擎而非AI模型。因此，行业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，在保证性能的同时大幅降低部署成本。各地可结合自身优势产业，建设垂直大模型产业园，整合智算中心资源，为中小企业提供低成本算力服务。

　　垂直大模型的真正价值在于以算力推动行业“新质生产力”的培育。唯有聚焦痛点、务实深耕，方能实现垂直大模型从单点突破到生态繁荣的跨越。

（文章来源：证券日报）