中美在人工智能领域的竞争，一方面是对抗 Open AI的通用大模型基础战；另一方面是差异化、特色化的大模型应用战。当前，中国在通用大模型核心技术上赶超美国还需要时间，但在大模型应用方面，中国完全可以走出一条具有中国特色的大模型发展之路。今年是大模型应用场景元年，在许多垂直领域，并不需要千亿规模的大模型，百亿大模型足够赋能千行百业。中国发展大模型的一个重要方向应该是 借助产业和场景的优势，将大模型与业务流程、产品功能相结合，寻求多场景应用、垂直化和产业化的落地，助力加快形成新质生产力。

　　中国发展垂直化、产业化大模型十分必要。这是因为通用大模型在企业级场景中无法直接应用，发展垂直化和企业化的大模型可以更好地满足企业的个性化需求，提高生产效率和服务质量，促进产业升级。一是通用大模型是“通才”，但缺乏行业深度，试图用一个大模型解决企业所有问题不现实；二是通用大模型与组织内部业务结合不紧密，不能满足企业级应用场景的垂直性、专业性问题；三是通用大模型存在数据安全隐患，易造成企业内部数据泄露；四是通用大模型存在“幻觉”，无法保障内容真实可信、有据可查；五是垂直大模型相较通用大模型，调试和部署成本更低，训练时间更少，性价比更高，同时垂直大模型所需要算力更小，有助于应对当前算力卡脖子的问题。

　　中国发展人工智能应聚焦大模型。首先人工智能的场景很重要，大模型在垂直领域大有可为，建议政府、央国企率先提供更多应用场景，聚焦“小切口，大纵深”，推动大模型垂直化、产业化落地。企业用大模型不能冒进，而是要用AI逐步改造业务，循序渐进，积小胜为大胜。在实践中要拆分场景具体分析，在业务流程上找准切入点，选择与大模型成熟能力匹配的业务环节切入，切入点虽小，但纵深推进，对业务影响很大，改造收效更大。近期，国资委召开中央企业人工智能专题推进会，10家央企率先倡议社会开放应用场景，建议政府和央国企持续提供更多应用场景，为发展垂直化、小型化、低成本的大模型开放更多“小切口、大纵深”的落地机会，助力百行千业数字化转型，实现数转智改。

　　其次，知识很重要，基于“暗知识”的垂直大模型能更好解决企业问题。建议鼓励企业在定制AI前，做好知识管理，将企业大数据平台升级为企业知识平台。大模型的数据、知识只是人类知识的冰山一角，企业还有大量的“暗知识”，如战略规划、产品设计图等企业具有的独特知识，只存在于特定企业中，在互联网上难以找到。建议鼓励企业构建知识平台，将“暗知识”汇总起来，打造企业专属知识库，做好管理，在此基础上，通过垂直训练，深入企业级场景，满足企业需求。

　　此外，业务融合很重要，建议鼓励和引导企业将大模型与数字化业务系统深度结合，同业务流程相结合，充分发挥大模型价值。大模型像发动机，不是用来秀的，而是要与业务相结合，特别是传统制造业，大模型是推动数转智改的利器。大模型与业务场景的融合，关键是智能体应用与企业数字化系统的连接打通。在企业层面，通过打通组织、人员、业务、流程，构建业务协作平台，促进与大模型的全面融合；在国家层面，鼓励企业拿出一至两个业务场景与大模型融合，创造大量可落地推广的与业务紧密融合的大模型，推动这些大模型与数字化系统融为一体，这将对中国的产业数字化、新型工业化产生巨大作用，成为新质生产力的重要部分。

　　（作者：全国政协委员，360集团创始人）