“去年我们和很多客户聊，但他们下不了决心在本地部署大模型，DeepSeek出现后很快就下定决心，变化太大了。”从年后开始至今，大模型技术与应用企业北京中关村科金技术有限公司总裁喻友平每周都在出差，虽然“忙得不行”，但这种突如其来的忙碌也让他感到幸福。他和团队在客户现场做咨询、做培训、做部署，做服务，解答企业的困惑——企业部署大模型有何好处、如何才能又便宜又简单地用上大模型。
“DeepSeek就像高压锅，让很多人尝到了高压锅的威力。企业买了高压锅，但炖得好不好不清楚。从有的吃到吃得好，企业需要的不仅是高压锅，而是一个专业厨房。”3月13日，在2025大模型技术与应用创新城市论坛期间，喻友平对澎湃科技表示，DeepSeek降低了大模型的普惠门槛，加速推动各行各业的大模型应用落地，预计2025年将开启“垂类模型竞速”模式。
随着越来越多的企业将大模型应用到核心业务中，喻友平认为，企业大模型应用的胜负手不再是模型参数大小，而是谁更懂用垂类知识和经验提升业务价值。垂类大模型作为大模型进一步商业化的关键，已成为企业数智化升级的必选项。
“我们希望发挥垂类大模型真正落地产业的桥梁作用。”喻友平表示，中关村科金推出的得助大模型平台2.5便是这种探索的成果，该平台在原有算力统一调度、一站式模型训练推理、应用快速构建三大能力基础上，提升垂类大模型构建能力，支持DeepSeek等主流大模型的统一纳管，不同模态信息融会贯通；升级企业级智能体开发能力，并推出开箱即用的得助大模型应用开发一体机。
数据是企业最核心的资产。喻友平认为，如果数据是“食材”，算力是“燃料”，那么未来真正具备核心数据能力的公司必须要有自己的“厨房”，即大模型开发平台，通过本地化部署加工处理数据。在他看来，DeepSeek一体机仍是早期形态，企业真正需要的是企业级的大模型平台，由大模型平台提供算力、数据、模型、智能体的统一管理，满足安全合规等需求。
“当人们发现一个 ‘高压锅’做不出所有饭菜时，自然就会想要一个 ‘厨房’。”喻友平认为，为企业私有化部署大模型平台，是类似中关村科金这样的AI应用开发商的一个重要商业机会。
以金融行业为例，喻友平认为，未来每个金融企业的核心竞争力在于是否具备超强的金融大脑，金融细分行业的并购或能力整合也一定会发生。小型金融机构的挑战将越来越大，小机构更应该发挥灵活性优势，更快拥抱大模型。眼下，中关村科金正在联合头部券商构建大模型财富助手，帮助客户经理提升财富展业效率。
垂类大模型落地行业的两大挑战
但是，垂类大模型的构建仍然存在不少挑战，包括幻觉和以算力为主的投资成本。
大模型落地B端和C端的最大区别是容错率的差异，B端行业的容错率更低，高价值行业的低容错率非常考验大模型能力。仍以金融行业为例，当前大模型落地金融仍然不够深入，大模型仍未突破固有金融知识。大模型能力还需进一步优化，减少幻觉，促进合规使用数据。
喻友平认为，这是自然规律，大模型落地行业也需要时间来迭代。目前垂类模型的作用在于提高底线水平，“20个理财经理中肯定有做得好的和做得不好的。大模型无法在短时间内超过最好的理财经理，但可以提升平均水平。”
大模型交付落地涉及硬件成本、模型成本、平台搭建成本、算力成本等。DeepSeek尚未开源前，企业高价采购闭源模型。DeepSeek的出现将企业的模型成本降为零，但算力成本依然不低。如果企业希望拥有自己的“厨房”，规模性企业的模型落地投入仍在千万元级别。因此，企业的AI布局也是“一把手”工程，“一把手”的决心和洞见决定了企业的AI战略。
企业尤其关注大模型技术在研发、生产、运维等核心场景中的价值，目前各行各业仍在摸索，这种摸索是大模型与小模型结合并不断突破边界的过程。喻友平表示，距离各行各业像买电脑一样“即买即用”大模型应用服务还有很大距离，这需要产业链长期协同发展，“未来5-10年才有可能依托大模型逐步在各行各业实现智能化。”
还没有评论，来说两句吧...