通用AI大模型在技術(shù)上的進步及社會對大模型應(yīng)用的高期待，使人們進入了又一個“亢奮期”。不擁抱AI的企業(yè)注定會被淘汰，但也不應(yīng)過分迷信于通用AI。

　　“聚焦垂直場景、創(chuàng)造價值才是大模型發(fā)展的王道。”叢力群認(rèn)為，目前，AI大模型還難以勝任千行百業(yè)的嚴(yán)肅決策類應(yīng)用需求，從開放閑聊到復(fù)雜決策仍有漫漫長路。

　　當(dāng)前，提到應(yīng)用大模型，一些鋼鐵企業(yè)會首先想到要建設(shè)一個用于大模型訓(xùn)練的算力環(huán)境。其實，對大多數(shù)企業(yè)而言，自己建設(shè)用于大模型訓(xùn)練的算力環(huán)境是不現(xiàn)實的，也沒有必要。叢力群認(rèn)為，拋開高端GPU卡受限的因素不談，建設(shè)一個訓(xùn)練足夠大尺寸（例如7B參數(shù)規(guī)模）大模型的算力中心所需要的經(jīng)費投入就是許多企業(yè)難以承受的，一般企業(yè)既沒能力又無必要。

　　“鋼鐵行業(yè)發(fā)展大模型應(yīng)堅持‘基礎(chǔ)大模型—行業(yè)大模型—企業(yè)大模型’的分層次發(fā)展路徑?！眳擦θ焊嬖V《中國冶金報》記者，具體來說，基礎(chǔ)大模型是國家產(chǎn)業(yè)發(fā)展基礎(chǔ)設(shè)施的組成部分，可以借助國家“東數(shù)西算”工程布局，以國家級的產(chǎn)學(xué)研合作機構(gòu)牽頭推進，或由大型科技公司去做；行業(yè)大模型在基礎(chǔ)大模型基礎(chǔ)上，“投喂”行業(yè)專業(yè)數(shù)據(jù)進行訓(xùn)練，而匯聚行業(yè)的數(shù)據(jù)將成為模型質(zhì)量的關(guān)鍵；有了行業(yè)大模型的基礎(chǔ)，企業(yè)可以“喂”以自身特定數(shù)據(jù)，將其泛化為企業(yè)大模型，形成面向具體場景和工作任務(wù)的個性化的專有模型?！斑@是一個更加合理的路徑，符合資源最優(yōu)配置的經(jīng)濟學(xué)原理，也體現(xiàn)出我國的體制優(yōu)勢，大家術(shù)業(yè)有專攻，不會造成資源浪費，同時降低了企業(yè)訓(xùn)練大模型的資金成本。”他說道。

　　大模型的三要素是算力、算法和算料（數(shù)據(jù)），算力資源和算法技術(shù)可以通過合作或獲取外部商業(yè)資源來解決，而企業(yè)自己的數(shù)據(jù)積累是數(shù)據(jù)的唯一來源?！安灰鲆晹?shù)據(jù)的重要性，數(shù)據(jù)質(zhì)量是大模型應(yīng)用的基礎(chǔ)，這或許是當(dāng)前的最大短板。”叢力群強調(diào)。

　　那么，如何獲取高質(zhì)量數(shù)據(jù)就成了重中之重。一方面，要全面采集數(shù)據(jù)。叢力群認(rèn)為，根據(jù)特定任務(wù)目標(biāo)選擇性獲取數(shù)據(jù)是傳統(tǒng)思維，而訓(xùn)練AI大模型要秉持“大數(shù)據(jù)思維”，即盡可能采集完整的數(shù)據(jù)樣本。不過，在數(shù)據(jù)采集完成之后，一般需要通過數(shù)據(jù)壓縮、減量解析等方式提高數(shù)據(jù)的價值密度，減小數(shù)據(jù)規(guī)模。另一方面，除去通常所說的企業(yè)經(jīng)營數(shù)據(jù)、設(shè)備運轉(zhuǎn)數(shù)據(jù)等以外，更要注重專家經(jīng)驗數(shù)據(jù)的采集，我們可以將各領(lǐng)域?qū)＜医?jīng)驗視為一種高價值密度的數(shù)據(jù)，這些數(shù)據(jù)的采集對于大模型訓(xùn)練更加重要。

　　“當(dāng)前，很多鋼企恰恰更加需要采集這樣完整、系統(tǒng)的數(shù)據(jù)做支撐，而不是盲目去訓(xùn)練大模型?！彼f道。

　　當(dāng)前，7B~13B（B=10億）規(guī)模的模型架構(gòu)已經(jīng)越來越成熟穩(wěn)定，這為大模型用于企業(yè)創(chuàng)造了必要的技術(shù)基礎(chǔ)。在工業(yè)中應(yīng)用大模型，企業(yè)需要重點關(guān)注數(shù)據(jù)可能存在的問題：一是AIGC（生成式人工智能）的幻覺現(xiàn)象是工業(yè)應(yīng)用所不能接受的。如果用于訓(xùn)練大模型的數(shù)據(jù)存在問題，生成的虛幻結(jié)果將是不可預(yù)知、不可重復(fù)和不可控的。二是歷史數(shù)據(jù)不完整?，F(xiàn)場采集的設(shè)備數(shù)據(jù)存在斷點（不連續(xù)）、制造管理和運營決策過程中諸多環(huán)節(jié)的人類經(jīng)驗數(shù)據(jù)等斷續(xù)的數(shù)據(jù)流在工業(yè)制造中廣泛存在。三是單一企業(yè)歷史數(shù)據(jù)樣本數(shù)量看似龐大，但未必能支撐大模型訓(xùn)練所需?！八衅髽I(yè)都將數(shù)據(jù)視為核心資產(chǎn)，目前企業(yè)間的數(shù)據(jù)封鎖并不支持更廣泛數(shù)據(jù)樣本的獲得，而單個企業(yè)的有限樣本數(shù)量能否滿足大模型訓(xùn)練的基本需求，也是一個有待驗證的問題。”叢力群認(rèn)為。

　　有業(yè)內(nèi)專家向《中國冶金報》記者補充強調(diào)，充分認(rèn)識數(shù)據(jù)的重要性是必要的，但與此同時，研發(fā)行業(yè)大模型還應(yīng)破除“數(shù)據(jù)迷信”，即除了數(shù)據(jù)，大模型的架構(gòu)設(shè)計、訓(xùn)練方法等也十分關(guān)鍵，需將規(guī)則、知識、機理等融入進去。