大模型的技术潜力与市场空间巨大，但技术门槛高、开发复杂、成本较高，与产业场景的深度融合离不开平台工具支撑。浪潮信息董事长彭震表示，“人工智能＋”既是目标，也是机会。应用创新需要算法、算力和数据协同发展，要开展以系统为核心的全局创新，实现创新与应用并重，让智能应用以更快速度涌现并满足差异化需求。
当前，我国大模型发展存在一定挑战，如算力存在瓶颈、高质量的训练数据集仍需扩展、标志性应用尚未出现等。“比如，在公有云上部署大模型，能够让用户更加及时地获取大模型的最新功能和应用。这时公有云就不仅仅是单纯的计算或存储设施，也是大模型的应用设施。”单志广表示，我国算力基础设施建设要走共享化、高效化的路径，既重视硬件建设，也重视需求和应用发展，高效集约利用算力资源，进一步提高算法、算力和数据资源的服务水平和能力。
广东拓斯达科技股份有限公司总工程师张晓辉说：“以制造业大模型落地为例，很多工业控制系统数字化、智能化水平不高，工业数据采集困难、标准不统一、价值不高，数据利用不充分，使得不少企业较难借助大模型技术来优化生产流程。”中国信通院人工智能研究中心副主任巫彤宁认为，众多创新应用的出现，对人工智能软硬件支撑体系提出了更高的需求。新技术带来的需求增长，能够带动国内算力、算法、数据相关创新主体的发展步伐。
受访专家表示，大模型创造新价值、适应新产业、催生新动能，是加快发展新质生产力的关键要素。面向未来，我国需进一步加强资源与研发力量的统筹，强化大模型在发展中的场景牵引作用，实现大模型技术的高质量应用突破，驱动经济社会高质量发展。 |
