人工智能快速崛起，因為擁有著巨大的商業(yè)前景，所以很多企業(yè)和機構(gòu)都在人工智能方面有極大的熱忱。通過調(diào)查了解，發(fā)現(xiàn)很多的從業(yè)者更加關(guān)注于人工智能接近“人”的這一面，比如人工智能的寫作能力、對話能力、創(chuàng)作能力等。當(dāng)下很多企業(yè)在引入人工智能的時候，會更偏向于智能客服類崗位。這種崗位的應(yīng)用其實存在對于大模型應(yīng)用上的局限性，并不能夠讓人工智能在產(chǎn)業(yè)界發(fā)揮出對應(yīng)的潛力。 基礎(chǔ)模型具有數(shù)據(jù)表示能力、知識理解能力以及推理能力，在各種不同的領(lǐng)域以及場景當(dāng)中，都能夠快速的適應(yīng)新環(huán)境，并給出想要的知識和總結(jié)。產(chǎn)業(yè)界的數(shù)字化平臺經(jīng)過大量的行業(yè)數(shù)據(jù)積累為基礎(chǔ)模型又提供了更加豐富的特定場景知識和信息，讓基礎(chǔ)模型能夠更加快速的融入到產(chǎn)業(yè)場景當(dāng)中，發(fā)揮出巨大的商業(yè)價值。 基礎(chǔ)模型強大的推理能力，可以幫助人們獲取到更加專業(yè)的數(shù)據(jù)分析信息，在大量的數(shù)據(jù)當(dāng)中可以快速定位，能夠提取出高價值的信息內(nèi)容，從而能夠得到更好的決策�；�礎(chǔ)模型出現(xiàn)之前每個行業(yè)的場景都需要用特定的數(shù)據(jù)來訓(xùn)練人工智能模型，在商業(yè)價值方面得到了很大的局限性。當(dāng)下的基礎(chǔ)模型具有一定的寬泛性，不需要每一個企業(yè)的特殊數(shù)據(jù)就能夠獲取到各個場景都適用的人工智能。 產(chǎn)業(yè)界商業(yè)價值無疑是最高的標(biāo)準(zhǔn)，基礎(chǔ)模型想要在產(chǎn)業(yè)界落地也會面對一系列的挑戰(zhàn)。比如我們?nèi)狈δ軌驈募姺鳖I(lǐng)域數(shù)據(jù)中理解復(fù)雜領(lǐng)域知識，且可以基于領(lǐng)域知識來構(gòu)建智能體的通用框架。在文本數(shù)據(jù)之外，基礎(chǔ)模型對于結(jié)構(gòu)化的處理和理解能力也不是很強，難以應(yīng)對當(dāng)下的一些需求。同時基礎(chǔ)模型的決策能力不夠穩(wěn)定和可靠，在數(shù)據(jù)方面，對于一些特殊領(lǐng)域還缺乏基礎(chǔ)數(shù)據(jù)的支持。