由互联网和科技界掀起的大模型浪潮，迎来了新战事。
自今年3月以来，国内已有超过20家企业入局大模型赛道。从百度“文心一言”、阿里“通义千问”的发布，到360“红孩儿”、商汤“日日新”、网易“玉言”、科大讯飞“星火”、昆仑万维“天工”等的推出，再到腾讯“混元”、京东“ChatJ”、华为“盘古”等的预告。互联网巨头、科技公司纷纷秀出“肌肉”，谁也不想在这场大模型混战中掉队。
而在这场狂奔中，大模型的发展阶段已经从“通用”迈入“垂类”。
算力、大规模数据、高成本人才成为大部分企业入局通用大模型的拦路虎。但深度定制、广阔的场景应用等诉求，催生了国内垂直领域大模型的开发。
近两个月来，不少医疗、金融、教育、绘画等行业内拥有用户数据积累的中小型企业，已开始基于国内外大模型“底座”，训练适配自身的垂类模型。同时，已发布通用大模型的公司，也推出了针对特有行业的模型。
如果说通用大模型是大模型发展的初期阶段，那么垂直场景应用则可以视作其“中场战事”，在该阶段，应用与场景先行，倒逼垂直领域的大模型飞跃发展，并率先在不同产业中实现了落地价值。
短短两个月，分化已经出现。
在5月23日举办的文心大模型技术交流会上，百度智能云AI与大数据平台总经理忻舟介绍：“文心千帆大模型平台，是百度提供给客户的企业级大模型生产平台，不但提供包括文心一言在内的大模型服务及第三方大模型服务，还提供大模型开发和应用的整套工具链。”
即文心千帆可以文心一言为核心，提供大模型服务，帮助客户改造产品和生产流程；企业也可以在文心千帆上基于任何开源或闭源的大模型，开发自己的专属大模型。
多位接受全天候科技采访的业内人士认为，当前国内大模型赛道主要包括三类：一类对标GPT的通用大模型，聚焦基础层的公司；一类是在开源大模型基础之上训练垂类大模型，聚焦垂直行业的企业；另一类则是专注具体应用的纯应用公司。
“刚开始大家是一窝蜂扎进通用大模型，现在分化已经出现，不管是分化到具体行业的，还是不做研发直接调用接口做产品运营的，这个趋势是越来越清晰了。”前金山软件副总裁兼人工智能事业部负责人、现AI领域创业者李长亮告诉全天候科技。
通用大模型面临算力需求大、训练和推理成本高、数据质量不佳等挑战。一个成功的且可对外商业化输出的通用大模型要求厂商拥有全栈大模型训练与研发能力、业务场景落地经验、AI安全治理举措、以及生态开放性等核心优势。
在百度智能云副总裁朱勇看来，基础模型（通用大模型）的公司可能“只有那么几家”，但是上面会长出很多专业领域的大模型。
“训练一个基础模型，成本是非常高的，做一个千亿级的大模型，需要单机群万卡以上的算力。”朱勇说，从国内外来看，真正做通用模型的公司并没有那么多。相反，训练领域（垂类）模型所需要的代价和资源远远小于从零开始做通用模型。
因而，从商业逻辑的角度来看，大部分公司不具备做通用大模型的能力，巨头更适合做通用大模型，拥有丰富场景数据积累的公司更适合做垂域模型。
垂类大模型以深度解决行业需求为主，即企业在自己擅长的领域训练适合自己的“产业版GPT”。这类大模型生成的内容更符合特定垂类场景的需求，质量更高。
当前，已经可以看到不少垂类模型应用在金融、医疗、交易等场景中。比如，彭博社根据自身丰富的金融数据资源，基于GPT-3框架再训练，开发出了金融专属大模型BloombergGPT。
除了上述两种常见的模式，目前国内大模型创业赛道上还有一种专做应用的公司，它们没有研发团队，从现有大模型调用接口，做产品和运营。
路线分化
短短两个月，分化已经出现。
在5月23日举办的文心大模型技术交流会上，百度智能云AI与大数据平台总经理忻舟介绍：“文心千帆大模型平台，是百度提供给客户的企业级大模型生产平台，不但提供包括文心一言在内的大模型服务及第三方大模型服务，还提供大模型开发和应用的整套工具链。”
即文心千帆可以文心一言为核心，提供大模型服务，帮助客户改造产品和生产流程；企业也可以在文心千帆上基于任何开源或闭源的大模型，开发自己的专属大模型。
多位接受全天候科技采访的业内人士认为，当前国内大模型赛道主要包括三类：一类对标GPT的通用大模型，聚焦基础层的公司；一类是在开源大模型基础之上训练垂类大模型，聚焦垂直行业的企业；另一类则是专注具体应用的纯应用公司。
“刚开始大家是一窝蜂扎进通用大模型，现在分化已经出现，不管是分化到具体行业的，还是不做研发直接调用接口做产品运营的，这个趋势是越来越清晰了。”前金山软件副总裁兼人工智能事业部负责人、现AI领域创业者李长亮告诉全天候科技。
通用大模型面临算力需求大、训练和推理成本高、数据质量不佳等挑战。一个成功的且可对外商业化输出的通用大模型大模型，要求厂商拥有全栈大模型训练与研发能力、业务场景落地经验、AI安全治理举措、以及生态开放性等核心优势。
在百度智能云副总裁朱勇看来，基础模型（通用大模型）的公司可能“只有那么几家”，但是上面会长出很多专业领域的大模型。
“训练一个基础模型，成本是非常高的，做一个千亿级的大模型，需要单机群万卡以上的算力。”朱勇说，从国内外来看，真正做通用模型的公司并没有那么多。相反，训练领域（垂类）模型所需要的代价和资源远远小于从零开始做通用模型。
因而，从商业逻辑的角度来看，大部分公司不具备做通用大模型的能力，巨头更适合做通用大模型，拥有丰富场景数据积累的公司更适合做垂域模型。
垂类大模型以深度解决行业需求为主，即企业在自己擅长的领域训练适合自己的“产业版GPT”。这类大模型生成的内容更符合特定垂类场景的需求，质量更高。
当前，已经可以看到不少垂类模型应用在金融、医疗、交易等场景中。比如，彭博社根据自身丰富的金融数据资源，基于GPT-3框架再训练，开发出了金融专属大模型BloombergGPT。
除了上述两种常见的模式，目前国内大模型创业赛道上还有一种专做应用的公司，它们没有研发团队，从现有大模型调用接口，做产品和运营。
路线分化
短短两个月，分化已经出现。
在5月23日举办的文心大模型技术交流会上，百度智能云AI与大数据平台总经理忻舟介绍：“文心千帆大模型平台，是百度提供给客户的企业级大模型生产平台，不但提供包括文心一言在内的大模型服务及第三方大模型服务，还提供大模型开发和应用的整套工具链。”
即文心千帆可以文心一言为核心，提供大模型服务，帮助客户改造产品和生产流程；企业也可以在文心千帆上基于任何开源或闭源的大模型，开发自己的专属大模型。
多位接受全天候科技采访的业内人士认为，当前国内大模型赛道主要包括三类：一类对标GPT的通用大模型，聚焦基础层的公司；一类是在开源大模型基础之上训练垂类大模型，聚焦垂直行业的企业；另一类则是专注具体应用的纯应用公司。
“刚开始大家是一窝蜂扎进通用大模型，现在分化已经出现，不管是分化到具体行业的，还是不做研发直接调用接口做产品运营的，这个趋势是越来越清晰了。”前金山软件副总裁兼人工智能事业部负责人、现AI领域创业者李长亮告诉全天候科技。
通用大模型面临算力需求大、训练和推理成本高、数据质量不佳等挑战。一个成功的且可对外商业化输出的通用大模型要求厂商拥有全栈大模型训练与研发能力、业务场景落地经验、AI安全治理举措、以及生态开放性等核心优势。
在百度智能云副总裁朱勇看来，基础模型（通用大模型）的公司可能“只有那么几家”，但是上面会长出很多专业领域的大模型。
“训练一个基础模型，成本是非常高的，做一个千亿级的大模型，需要单机群万卡以上的算力。”朱勇说，从国内外来看，真正做通用模型的公司并没有那么多。相反，训练领域（垂类）模型所需要的代价和资源远远小于从零开始做通用模型。
因而，从商业逻辑的角度来看，大部分公司不具备做通用大模型的能力，巨头更适合做通用大模型，拥有丰富场景数据积累的公司更适合做垂域模型。
垂类大模型以深度解决行业需求为主，即企业在自己擅长的领域训练适合自己的“产业版GPT”。这类大模型生成的内容更符合特定垂类场景的需求，质量更高。
当前，已经可以看到不少垂类模型应用在金融、医疗、交易等场景中。比如，彭博社根据自身丰富的金融数据资源，基于GPT-3框架再训练，开发出了金融专属大模型BloombergGPT。
除了上述两种常见的模式，目前国内大模型创业赛道上还有一种专做应用的公司，它们没有研发团队，从现有大模型调用接口，做产品和运营。
“GPT+行业专家系统”的模式产生了新的垂直领域大模型。
大模型最大的价值在于革新商业模式，改造商业组织的每一个环节，进而起到降本增效的效果。这也是企业纷纷入局大模型的原因所在。
而Meta旗下LLaMA模型等大模型的开源为垂类模型的发展装上了加速器。
公开信息显示，LLaMA基于通用领域的开源数据集进行训练，训练数据涵盖40种语言，包含约1.4万亿tokens。LLaMA模型一经发布就对外完全开源，吸引了广大AI开发者。
作为完全开源的领先模型，LLaMA具备高度的灵活性、
