行业大模型的特点

1.行业大模型既有模型，也含应用

行业大模型是与通用大模型相对的概念。通用大模型侧重发展通识能力，行业大模型则侧重发展专业能力。从行业实践看，行业大模型不仅指开发-个行业专用的模型本身，更多还包括基于通用

大模型调整和开发的行业应用。因此，广义上行业大模型可以归纳为:利用大模型技术，针对特定数据和任务进行训练或优化，形成具备专用知识与能力的大模型及应用。此外，国际.上更多用垂直模型(VerticalModel )或垂直人

工智能(Vertical AI)来表示，国内还有用垂类模型、领域模型、专属模型等称谓，都可以认为与行业大模型等同或包含在内。

2.行业大模型大多生长于通用大模型之上

行业大模型大多在通用大模型基础.上构建。通用大模型具备丰富的知识和强大的泛化能力，不仅能为行业大模型提供广泛的知识基础并提升交互体验，还能显著节约从头训练模型所需的大量数

据和算力资源，大幅提升行业大模型开发及应用的效率和效果。通过对通用大模型进行提示工程、检索增强生成、精调、继续预训练/后.训练等方式，模型能够更好地处理特定数据或任务，从而

生成行业大模型的版本(模型有变)或具备行业大模型的功能(模型不变)，具体实现方式见报告第三章。今天市场.上很多行业大模型，如金融、法律、教育、传媒、文旅等，大多是在Llama、SD、

GLM、Baichuan等国内外主流开源大模型基础上构建。

3.行业大模型的本质是解决方案

行业大模型通常需要针对特定数据和任务进行定制开发或调整。行业大模型面向的是B端客户，每个客户都有独特的业务、数据、流程等,需要用大模型解决的具体问题也普遍存在个性化需求。因此，厂商提供的行业大模型不仅是产品和工具，更需要有定制服务与支持，甚至需要客户参与共建。可以这样理解，行业大模型中的产品通常是“毛坯房”，客户需要根据自身用途进行“装修”才能满足需要。例如，腾讯云2023年中就依托TI平台打造了行业大模型精选商店，推出了MaaS服务,为客户提供一站式的行业大模型解决方案，包括模型预训练、模型精调、智能应用开发等。

行业大模型应用场景分析

调研发现，多个行业都已经开始探索大模型技术在各生产环节的应用落地，具体涉及研发/设计、生产/制造、市场/销售、客户服务、经营管理等环节,典型场景总结如下:

终极之问:行业大模型怎样算成功?

随着大模型的发展及在行业中应用的推进，越来越多的行业机构开始关心一个核心问题:行业大模型做成什么样才算成功?这个问题也是当前业界普遍面临的挑战。大模型整体还处于发展早期阶段，一方面技术快速迭代蕴含了巨

大的创新价值，另一方 面在规模定律驱动下算力等投入还呈现指数级增长态势。许多行业机构几乎不知道从何入手，更不用说有充分的应用经验来衡量成功，然而如果缺乏衡量的标准和办法,又很难充分投入技术创新和应用，

容易陷入决策困境。基于本次研究对多方的实践调研，结合国际前沿的相关探索，我们尝试总结构建出.当前衡量行业大模型应用成功的2-3-1原则:避免两个误区、评估三类价值、构建一个模式。之所以是原则，是因为对于具体

的行业、机构而言，“ 成功”是一个相对概念、没有绝对标准。

行业大模型更需重视全生命周期的安全保障机制

大模型的数据处理流程相比传统模型复杂，许多不可控因素带来不容忽视的安全隐患问题，包括数据隐私安全、推理安全、内容安全、版权保护等，需要体系化的安全机制，对行业大模型而言更

是如此。腾讯提出的大模型安全框架，针对全生命周期安全风险提供原则和方法指引，包括内生安全及应用安全，协助系统解决大模型生产研发流程中涉及的基础设施、数据、模型、算法等方面

的安全风险，以及不合.理应用可能引发决策失控风险等。其中，对于大模型生产研发流程中的内生安全问题，应该由大模型研发团队及安全团队共同关注，通过安全评估等机制来保障大模型的应

用达到安全目标。总体而言，把安全措施落实到具体的研发、训练、测试、部署发布等全流程环节，是行业共识提升大模型安全的方向，可采取包括prompt安全测评、红蓝对抗演习、源代码安全

防护、基础设施漏洞安全防护等方式。

报告原文内容节选如下：