大模型回归实业，少谈梦，多赚钱

大家都知道美国现在AI很火，但是现在火到已经有点看不懂的地步了。

苹果前脚在WWDC24上公布了自己在AI上的新进展，隔天市值就上涨了2142亿美元。而以微软为首的美股“Big 7”的市值更是达到史无前例的14万亿，占据标普500的32%。

冷静下来想想，疯涨的背后有多少泡沫？

也难怪Gartner在最新发布的AI技术成熟度曲线，把「生成式 AI」和「基础模型」放在期望膨胀期的巅峰，同时也提示大家，任何繁荣之下都可能掩盖巨大的潜在风险。著名投资人朱啸虎就说，他信仰AGI，但他信仰能马上商业化的。

就是少谈梦，多赚钱呗！

没错！因此在国内， 以政府、金融和央国企为代表的大型政企客户已经成为了AI落地的重要战场。

要知道，这类客户资金实力雄厚，自身积累也丰富，在利好政策的推动下，企业的智改数转已经形成了明显的趋势。他们明白，只要找准合适场景，大模型降本增效的作用可是十分明显。

有资金、有实力、有场景，怪不得政企市场成为大家追捧的对象。

但秋香深入了解发现，政企的大模型落地之路看起来并不容易，主要的难点有三个：

首先是大模型建设路线的选择。 大模型要怎么建？从0开发不仅时间周期长、投入资金大、人员要求高，还不一定能达到预期效果。所以，在成熟的、工程化能力强的商用基础大模型的基础上，开发和微调出适合自身特性的行业专属大模型对政企来说才是优选。

其次是数据安全的考虑。 行业专属大模型想要好用，企业自身的私有数据就需要参与训练。

投喂的数据越专业，模型自然就越懂行。但是大型政企因为自身的特殊性，不光对模型的安全性要求很高，而且更倾向于将数据留在本地，确保“数据不出域”。

最后就是算力挑战。 除了提高单点的性能，更重要的是，如何把有限的算力用好。尤其是把CPU、GPU、NPU等各种算力资源都能协同调度起来，并且自上而下考虑算子、存储、网络等多方面软硬协同创新，是突破算力瓶颈的必然之路。

由此看出，政企这门生意，不仅要求高、挑战大、还十分看重自主创新！虽然谁都想做，但真正做起来确实是困难重重，能做好的实属凤毛麟角。于是， 在一众解题思路里，大模型混合云不乏是一个绝佳选择。

为啥这么说？比如，基于混合云构建的大模型，可以直接部署在本地，解决数据不出域的安全问题；其次混合云还能让行业大模型在公有云上训练，充分利用云上充沛的算力资源，在混合云上结合企业本地数据微调，最后推送到边缘云进行推理。总的来说，就是既能满足业务创新的诉求，也能缓解企业对数据安全的担忧。

察觉到这点，华为云在去年就推出业界首个大模型混合云华为云Stack，在今年的华为开发者大会上，华为云还发布了大模型混合云十大创新技术，包括多样性算力调度、云边协同、大模型训练断点续训等等，瞄准大模型在政企落地的难点和堵点，从系统性创新的角度，解决这些业界难题甚至世界级难题。