“百模大戰”中，騰訊大模型頗具獨特性。它的技術底座是一系列的行業大模型，客戶只要加入自己的場景數據，就可以生成契合自身業務需要的專屬模型。產品能力方面，它依托騰訊云TI平臺構建行業精調解決方案；產品應用方面，在騰訊會議多款頭部SaaS產品中應用；落地方面，智能客服、OCR、跨模態檢索等都有實踐。

騰訊云工業AI解決方案總經理鄭海清認為，能夠對企業產生長期價值的，應該是行業化的、專有的模型。“2024年一定是大模型應用爆發的一年，我們的方向是更清晰的，騰訊將堅持長期主義，一定要去進行規模化的復制。”

記者：騰訊云服務是一個很多年的業務，2023年是大模型落地的第一年，這給云服務業務帶來哪些新的發展機遇？

鄭海清：ChatGPT問世之后，搜索量出乎很多人的意料，對騰訊云來講，這是一個百年不遇的機會。

第一，從大型跨國企業、央國企，到一些初創企業、中小規模企業，都非常急迫地想知道，大模型能夠為他們帶來什么樣的變化，對大模型都有非常大的期待。他們更希望能夠從云計算公司、從騰訊這樣的互聯網公司知道，該怎么樣利用大模型、怎么樣利用AI，能夠更快速地跟他的業務產生關聯，這對我們這些做平臺公司而言，相當于打開了一扇門。

第二，我們有一系列的應用，比如騰訊會議，實現了用大模型去賦能。這表明，對云計算公司而言，可以把我們原來規劃的一些AI的能力、大模型能力，跟這些企業的應用做更多的結合。

第三，大模型背后有算力、有存儲，有對于高速網絡的需求。這也為云計算在傳統行業內的普及和推廣起到了加速作用。

記者：騰訊在2023年6月發布了大模型，它的特點、優勢是什么？

鄭海清：去年發布行業大模型時，很多客戶問：騰訊的通用大模型還沒有發布，為什么會先發布行業大模型？這背后是我們在做大模型或者做人工智能的時候的一貫思路。

我們認為，能夠對企業產生長期價值的，應該是行業化的、專有的模型。相對于萬金油、門門通那種“通才”，大部分的企業是依賴于領域內的專家、專業人士這一類的“專才”來幫他們提供推動產品的創新、研發的創新。行業大模型就是我們認為的這一類的“專才”。所以我們在一開始就堅持行業大模型加MaaS(模型即服務)服務，去做差異化。我們看中的，是怎么樣結合企業內部的數據，結合企業行業領域知識，把一個模型能夠跟某一個行業、某一個企業自身的業務形態、業務流程，做到緊密地耦合，幫助企業構建他們專屬的模型應用，實現提質增效。

第二，現在大部分企業在做AI、做大模型的時候，有著嚴重的“算力焦慮”，或者圍繞大模型的整個一套AI架構，看作是一整套的方案去進行優化的。所以我們有幾塊核心的技術。我們對于在大模型當中所應用到的高速網絡，推出了星脈網絡產品，它能夠把整個的帶寬做到3.25TB，把整個GPU的使用效率提升40%左右，而對于未來運營大模型，也能夠把整個的網絡成本降到30%—60%。

第三，我們行業化大模型產品，除了幫助企業構建基于混合云的一套大模型技術架構，最重要的是怎么樣把大模型的服務的能力提供給客戶，客戶要能夠把它用起來。所以我們推出了基于TI平臺的一整套全新的大模型工具鏈，企業數據提取、標注，模型的精調，都能夠做到接近于零代碼。

記者：發布至今，騰訊大模型產品取得哪些進展？在推廣中有哪些比較典型的案例？

鄭海清：我們做了一些比較有意思的嘗試。第一個是電氣行業的客戶，電氣柜柜體設計時，原來有大量的線下圖紙，需要很多的設計工程師，把電路圖、電路板，包括里面的銅板、開關，都要重新做一些設計。我們基于大模型，對此做了抽象化，幫助這些設計師能夠更快地完成設計，整個設計的效率提升了大概30%—40%。

第二個場景是國內的一家頭部的航空航天企業，利用大模型解決在飛機研發過程中結構仿真的問題。原來的結構仿真利用軟件、利用算子去做一些數學或者是物理的模型把結果算出來，需要非常多的算力去計算；現在把計算過程省略掉，用大模型把這個結果給預測出來。我們現在做了一些小規模的測試，至少有一到兩個量級的提升。

第三是騰訊云AI的團隊比較擅長的工業質檢領域。一類項目在冷啟動的時候，傳統上可能需要上千張的圖片來做樣本去訓練，需要告訴AI，有哪些種類的不良。現在通過大模型，它有很強的學習能力和泛化能力，可以把上千張不良樣本的需求，能夠降到大概十幾、幾十張，這使我們整個AI項目冷啟動大大提速。

第四類，在汽車、出行等行業，常用的傳統的客服機器人場景。提供一個AI大模型，幫助企業內部人事服務、售后工程師，面向客戶的一些問題的查詢去賦能。

記者：騰訊大模型落地了非常多的場景。項目落地的過程中，您感受到客戶最關心什么？

鄭海清：第一是安全。我們大模型在企業應用的時候，需要投喂很多企業自己的一些數據和語料，有一些他們自己的核心競爭力的數據。我們在這個過程中，一方面能夠幫助企業把一些敏感詞匯過濾掉，另一方面在整個架構上允許數據在本地，模型在公有云、也可以在線下，來解決企業在數據安全上的顧慮。

第二，企業不需要一個“胡說八道”的大模型，而是要有一個精準性的答案。我們通過基于TI平臺的工具鏈，確保企業可以在我們提供給他的模型基礎之上，以一個低門檻的方式，去進行模型的再訓練和精調。我們還會在一開始的時候，有一個陪跑的過程。

第三，關注成本。我們聚焦架構優化，幫助企業以更少的算力去幫助企業能夠跑出一個基本的模型，使大模型的算力需求跟目前市面上通用大模型相比，能夠降到30%左右。同時，還通過像QGPU的方式，通過騰訊的星脈網絡，能夠讓已有的資源的使用效率達到最大的提升。以星脈網絡為例，可以使整個通信的成本下降40%—60%。

記者：很多人認為今年是大模型落地應用的元年，騰訊云是怎么研判大模型的市場演進的？

鄭海清：2024年大概率是大模型應用爆發的一年。我們還在做一些準備工作，包括一些基礎模型的迭代，包括模型本身的調整和適配，也涉及一些場景的探索。我們2024年的方向是更清晰的。

首先，圍繞服務機器人，結合不同的企業的數據做優化，做到企業擁有自己的AI機器人，讓企業每一個研發人員、營銷人員，都有自己的AI助手。

第二，騰訊把AI的能力、把大模型能力，以API的方式輸出，現在有很多的合作伙伴，會把騰訊大模型的API植入到它的應用里去，圍繞一些營銷的SaaS應用、巡檢的SaaS應用等。這會帶來一些SaaS軟件的重構。我覺得這一定是未來非常關鍵的應用場景。包括我們周圍的生態，也會在這里頭作為重點發展的方向。

記者：騰訊2024年對大模型的發展目標是什么？

鄭海清：騰訊堅持長期主義，即我們一定要去進行規模化的應用。這是首要目標。

第二，我們的核心目標是怎么樣讓企業能夠用得好、用得便宜，所以我們還會圍繞GPU的調度、能力的優化、大模型輕量化等，做得更好。

第三，把周圍大模型生態構建好。