(相关资料图)

大模型经过几年的发展，在研发技术上已经较为成熟，但在全球范围内，大模型的落地都还处于早期阶段。国内大厂所研发的大模型固然有内部业务的落地场景，但整体上尚未形成成熟的商业化模式。

阿里张勇指出，大模型是一场“AI+云计算”的全方位竞争，超万亿参数的大模型研发，并不仅仅是算法问题，而是囊括了底层庞大算力、网络、大数据、机器学习等诸多领域的复杂系统性工程，需要有超大规模AI基础设施的支撑。

近日，昆仑万维在回复监管部门关注函时表示，数据规模和质量是人工智能能力的一个重要参数。研发过程中需要获取足够数据用户模型训练，并且进行模型更新迭代，具有一定的不确定性，若技术研发进展不及预期，可能导致产业化进程缓慢。

在应用实践商业化不及预期方面，该公司表示，如果产品不能有效与应用实践相结合，将对其进展产生影响。后续能否顺利实现商业化存在较大的不确定性。

回复提及，生成式人工智能(AIGC)、人工智能是产业的热点，未来商业价值显著，众多科技巨头公司在此领域布局，未来行业竞争可能会进一步加剧。同时预计随着国内产品上线，相关网络安全、数据安全等政策将延伸适用到人工智能算法领域，将对该类产品研发增加一定政策风险。

总结

大模型在内容创意生成、对话、语言或风格互译、搜索等方面的能力，将为各应用领域带来百花齐放的助力。而大模型基础平台，在数据层、模型层、中间层、应用层，都蕴藏着巨大发展机遇。

然而，在大模型创业的热潮下，一些容易被忽视的问题也浮现出来了。无论是大厂还是初创企业，在这个过程中都需要更加重视数据准备、算力支持、人才储备和风险管控等问题，才能在商业化上取得更好的成果。