继前两期我们分享了大语言模型的概要简介及商业模式、商业价值之后，作为大语言模型系列的收尾篇，本期我们将聚焦在大语言模型的落地，结合案例简单分析拥抱大语言模型的思路，为企业提供ABeam见解。

摘要录

ChatGPT这一现象级突围产品的横空出世，拉开了大语言模型产业和生成式AI（AIGC）产业蓬勃发展的序幕，目前国内大语言模型市场也呈现百花齐放的盛况。

在政策层面，中央、地方陆续表态支持人工智能产业发展、扶持文化与科技产业深度融合。政策的持续落地，将促进大语言模型及AIGC加速落地各行各业，未来可期。

当然大语言模型的发展仍然面临着诸多挑战。在算力方面，我国的数据、算力、工程化能力等关键要素上存在短板，短期内难以对国外领先大语言模型实现赶超。在数据方面，国内数据资源虽然丰富但是挖掘较浅，缺乏优质中文数据输出。AIGC由PGC(Professionally-generated Content，专业生产内容)和UGC(User-generated Content，用户生产内容)进行内容支撑，缺乏过往内容将会直接影响AIGC，缺乏高质量的中文数据资料，将会影响到中文大语言模型在知识领域的能力。在人才方面，也缺乏大量顶尖AI人才。

那么，中国企业客户该如何拥抱大语言模型，在充满挑战的环境下正确调整航向、把握机会呢？我们结合实际案例，为大家提供一些参考。

01 龙头企业

对标国外企业，训练自己的大语言模型

龙头企业一般人力、财力资源较为宽裕，故而可以考虑训练自己的基础大语言模型。国内如百度、腾讯、阿里云等都正在提炼自己的通用大语言模型。

02 具备模型自研能力的企业

基于开源模型或海量数据，打造垂直基础大语言模型，建立垂直行业的平台生态

大语言模型具有很强的泛化能力，可能会导致企业以前的积累无效，但同时也会带来巨大机遇。

具有一定IT资源及相关业务场景的企业，可以基于对自身业务的改造，向其他企业提供知识管理、智能客服、合同拟定等服务，进而抓住AI时代带来的红利，扩展业务。

03 其余类型企业

使用大语言模型，赋能自身业务

中大型企业和小微企业则不建议从零开始训练自己的大语言模型。如有资金实力可以考虑联合头部厂商打造行业标杆模型。也可考虑直接使用头部厂商的大语言模型，提升自身业务效率。

►►►案例分享

某消费电子企业部署了微软企业专属GPT4服务，实现降本增效。自接入服务后，达成了预期以上的效果。

● 用AI工具作图和创作视频脚本，市场营销团队原本需要2小时的工作任务缩短至只需15分钟即可完成

● 用ChatGPT对资料进行翻译，包装团队每年节约翻译费40-50万元

● 将AI应用于邮件回复和邮件辅助功能中，客服部门每周提效累计150小时

● 广告部门平均广告收入再次提升8%，开发效率从5小时压缩至分钟级

04 ABeam自身实践

ABeam中国一直致力于深入研究中国的创新科技趋势，同时也是创新的实践践行者。目前，我们正以积极的姿态拥抱大语言模型，将这一热点趋势与业务进行整合，在智能化应用方面进行了一些尝试。

1、基于企业知识库搭建的智能问答机器人

► 数据库化信息管理：整合项目信息，在矢量数据库中管理知识点。

► 开发：通过大语言模型提供的开源插件或通过我们自身在其模型上做二次开发将其接入对应使用场景，可以通过它构建属于企业自己的知识问答系统。区别于传统的检索引擎，它可以实现更加优雅、精细化的问答式检索与知识信息归纳，为我们提供更加高效的知识库检索服务。

2、基于大语言模型的智能合同审查产品

►该产品基于大语言模型，结合自定义审查规则，对合同内容进行审查，对可能存在的潜在风险和漏洞进行预警提示。同时能够随着规则的变化及大语言模型的进化，提高自身智能程度。

结语

本篇我们分别介绍了各种规模企业如何拥抱大语言模型，构建自有生态，随着本文的结束，大语言模型系列文章就到此告一段落。

我们看到，随着大语言模型及其应用级产品的不断发展，人工智能行业进入了新的时代。在这个时代，企业客户可以凭借不同方式借助大语言模型来降低成本、提高效率，并探索创新的商业模式。

作为一家全球化咨询公司，ABeam拥有丰富的垂直行业知识和团队实力，我们从自身优势出发，结合对大语言模型的实践经验，致力于帮助每一个企业客户把握大语言模型机遇，实现更多业务拓展。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005