中小企业，离大模型有多远？
近日，中共中央、国务院颁布了《关于促进民营经济发展壮大的意见》，旨在促进民营经济发展，其中就明确指出要着力推动民营经济实现高质量发展，支持提升科技创新能力，加快推动数字化转型和技术改造。支持中小企业数字化转型，推动低成本、模块化智能制造设备和系统的推广应用。中小型企业是民营经济的重要组成部分，也是民营经济发展的关键力量。中小企业通过应用AI大模型可提高生产经营效率、提升竞争力，从而促进民营经济高质量发展。
AI大模型应用是趋势
AI大模型是指由大量参数构成的深度学习神经网络模型，通常由数百万到数十亿个数据样本训练出的百亿级参数构成，具备强大的学习能力和处理复杂问题能力，是人工智能发展历程中的里程碑式技术。
企业可以在以下几个方面应用大模型。
1.有助于数据分析和预测
大模型能从海量数据中发现趋势和规律，通过应用大模型技术自动对企业内部数据、外部数据、舆论监测、用户评论等大量的非结构化数据进行分析，可帮助企业快速了解市场趋势、用户需求等信息，从而提升市场策略的准确性。
2.自动化生产和内容制作
在生产过程中，企业需要处理大量的信息，包括产品设计、生产计划、原材料采购等等，通过大模型技术的应用，企业可以优化生产流程、实现自动化生产，提高生产效率。例如，通过对传感器数据进行分析，实现自动化检测和修正，提高产品的一致性和可靠性。此外，企业应用AIGC大模型，能更方便地制作客户需要的内容，降低生产成本。3.提供个性化服务
企业使用大模型技术可以生成客户的专属客服，通过拟人化的人机对话，了解客户需求和问题，并根据客户画像和行为偏好等特征，为客户提供个性化的服务和产品支持，满足客户个性化需求，提升用户体验。4.智能高效管理
应用大模型技术可以提升企业管理的智能化水平。例如在人力资源管理方面，可以利用自然语言处理技术对招聘信息进行筛选，提高招聘效率和成功率。中小企业构建和应用大模型遇到的困难
相比大型企业，中小企业通常在资源、成本、技术水平等方面存在诸多的限制和约束，因此更需要通过数字化转型，应用大模型技术，提高经营效率和竞争力。然而，在构建和应用大模型的过程中，中小型企业面临诸多挑战。1.构建大模型的成本较高
大模型需要大量的计算资源和硬件设备来进行训练。从下图可以看出，2016年至2021年，训练模型的参数量从200多万增长到了1.6万亿，平均每18个月翻了40倍，而与之形成鲜明对比的是大模型训练主要使用的GPU显存增长相对有限，每18个月只翻了1.7倍，模型训练还需要价格同样高昂的高性能计算机、数据存储、网络等硬件设备。同时模型的训练和优化通常需要数天甚至数周的时间，而且需要不断调整和迭代，增加了整个过程的时间成本。大量的数据、计算资源、硬件设备和时间成本。这些成本因素使得大模型的构建和应用对于中小企业和个人来说具有较高的门槛，中小企业难以承受。
2.中小企业尤其缺乏技术人才
当前，在大模型的训练和应用上，无论是大型IT企业还是中小企业都普遍缺乏这方面的技术人才，而中小企业尤为明显。大模型从训练到部署使用，需要经过数据准备、模型训练、微调、部署、评测五个环节，每个环节都需要专业的技术人才和技术储备，这正是中小企业所缺乏的，而且，中小企业很可能在很长时间内都难以组建这样的人才队伍。
3.数据资源有限
构建、训练大模型需要大规模高质量数据，相对大型企业，中小企业往往缺乏数据，因此很难训练出理想大模型。目前人工智能领域一个重要发展方向就是“以数据为中心的AI”，即在模型相对固定的前提下，通过提升数据数量和质量来提升整个模型的训练效果。
参数量和数据量是判断大模型质量和准确性的重要参数，自2018 年以来，大语言模型训练使用的数据集规模持续增长，2018 年的 GPT-1 数据集约 4.6GB，2020年的GPT-3 数据集达到了753GB， 而到了 2021 年的 Gopher，数据集规模已经达到了10550GB。
高质量的大模型得益于高质量的数据，数据是大模型竞争关键要素之一，准确率越高的AI大模型需要高质量、大规模、多样性的数据集，1）高质量：高质量数据集能够提高模型精度与可解释性，减少训练时间；2）大规模：独立增加训练数据量和模型参数规模，模型训练出来的效果会越好；3）多样性：数据多样性能提高模型泛化能力。而海量的、高质量的数据在收集、清理和标注方面的工作是一项复杂，中小企业几乎不可能完成。
4.合作存在困难
中小企业在大模型的构建和应用上，都难以找到合作伙伴。中小企业单凭自身的力量难以完成理想大模型的训练和应用，因此需要合作，在算力、数据、模型、应用和投资等方面寻找合作伙伴，然而中小企业往往很难找到有实力和信誉保障的合作伙伴，很难找到符合自己需求的大模型。
运营商引导和帮助
中小企业构建及应用大模型
工信部颁布的《“十四五”信息通信行业发展规划》中提出，信息通信行业的功能和定位是构建国家新型数字基础设施、提供网络和信息服务、全面支撑经济社会发展的战略性、基础性和先导性行业。这就要求运营商要在全社会数字化基础建设中担任不可或缺的角色，一方面要为中小企业提供基于云、网、5G、大数据、人工智能的“一揽子”整体信息化服务，另一方面要依托云网融合优势打造智能算力体系，围绕各行各业的应用需求，量身打造行业应用大模型，促进中小企业数字化和智能化转型。1.建设面向通用智能的“人工智能大平台”
运营商从现在开始应致力于建设 “人工智能大平台”并加大力度，将其定位为新型人工智能基础设施，承载通用类和垂直类行业大模型等。大模型将进一步激发对高价值数据、高性能算力、高标准算法的迫切需求，同时对于运营商基础设施能力也提出了更高的要求。在国家东数西算大战略实施后，运营商要将自身定位为算力基础网络的建设者与未来服务的提供商，推动信息基础设施和信息服务体系向连接、算力、能力深度融合的方向加速演进，基于泛在的算网基础设施，实现数据的高质量利用，服务更多的中小企业。
2. 建立适应中小企业需求的MaaS模式
运营商现在有IaaS、PaaS、SaaS等商业模式，当前应顺应技术发展趋势和中小企业需求建立MaaS（模型即服务 Model as a Service）商业模式。MaaS是一种类云计算服务的新型AI商业模式，将人工智能大模型变成可服务化的产品，不需要用户具备很高的技术水平和底层设施，用户只需通过API接口调用即可使用，这样不但降低了中小企业的使用门槛，并且大幅度提高了模型的使用效率。比如OpenAI推出的ChatGPT、DALL·E 2等“工具”，其核心业务模式就是基于通用大模型底座为用户提供API接口或定制服务；国内的通用大模型、行业大模型其业务模式也是基于基础设施及NLP大模型底座，通过API接口和模型微调对外提供赋能及服务。
3.致力打造中小企业AI大模型生态
中小企业是运营商重要的客户，运营商应致力打造中小企业AI大模型生态，推动算力合作、数据合作、模型合作、投资合作。
1）算力合作。运营商提供一系列的人工智能开发增值服务工具，降低中小企业大模型开发的算力门槛；
2）数据合作。运营商联合同行业的中小企业，共同提供数据，从而实现训练数据的有效供给、共享；
3）模型合作。运营商在通用大模型基础上助力中小企业开发各自行业的模型，中小企业通过开放自身典型场景，支撑打造基于行业数据的精准模型，实现差异化竞争优势；
4）投资合作。运营商发挥孵化、引导、带动作用，驱动科技创新、促进大模型构建和落地应用。
“星标”一下，不错过每条精彩推送！
编辑：张琳、刘畅
执行主编：陈丽媛、茹彦杰
主编：高扬