大模型“混战”下，互联网巨头、科技公司纷纷秀出“肌肉”，腾讯云则选择直接瞄准产业场景，参与大模型在行业端的应用。6月19日，腾讯云在行业大模型技术峰会上首次公布MaaS（模型即服务）解决方案，宣布将推出行业精选模型商店。

　　不过，专家认为，目前通用大模型落地行业场景，仍面临算力成本高、服务价格贵的挑战，想要走向好用、用得起的阶段，仍需降低成本、提高算力效率。

　　“虽然大家对通用大模型期待很高，但它不一定是满足行业场景需求的最优解。”腾讯集团高级执行副总裁汤道生在会上表示，通用大模型一般都是基于广泛的公开文献与网络信息来训练的，网上的信息可能有错误、有谣言、有偏见，许多专业知识与行业数据积累不足，导致模型的行业针对性与精准度不够，数据“噪音”过大。但是，在很多产业场景中，用户对企业提供的专业服务要求高，容错性低。

　　汤道生认为，企业更需要有针对性的行业大模型，能在实际场景中真正解决某个问题。他进一步表示，训练数据越多，模型越大，训练与推理的成本也越高。“如何在合理成本下，选择合适的模型，是需要思考与决策的。”

　　因此，腾讯云决定推出了MaaS服务。具体来看，该服务会为客户提供模型预训练、模型精调、智能应用开发等行业大模型解决方案，其次，企业可以根据腾讯云TI平台内置的大模型，加入企业自己的数据，生成专属模型。企业也可以根据自己的业务规模，选择不同参数、不同规格的模型服务。

　　会上，汤道生宣布打造行业精选模型商店，目前已经覆盖金融、文旅、政务、传媒、教育等10大行业，提供超过50个解决方案。

　　在现场，腾讯云副总裁吴运声用一个“文旅大模型”作为商业落地案例。“节假日有哪些比较经济的旅游景点推荐？”如果一个用户这样问，基于通用大模型的客服机器人，可能会给出一些简单的景点介绍和路线规划。但是，当大模型用大量有针对性的行业数据来做模型精调之后，客服机器人的回答就变得更加细致，给出经济实惠的定制化推荐方案。

　　“产业场景是大模型最佳练兵场。”汤道生表示，模型最终要在真实场景落地，在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签，不断测试与迭代模型。

　　记者注意到，早在2019年，腾讯云就宣布已打造了超过200个产品和90个行业的解决方案，覆盖了零售、金融、政务、医疗、文旅、教育等领域。

　　如今，腾讯云基于大模型的解决方案和此前的行业解决方案有何区别？对此，吴运声在采访时对记者回应称，以前一些在技术上不好解决或解决成本很高的问题，用了大模型的技术后可能有更好、更容易的一些解决手段。

　　“未来的大模型服务很可能将会是订阅式的付费模式。”业内人士表示，大模型尤其是私有化的大模型价格和硬件投入较高，短期来说，对企业来说是相当大的一笔支出，但从长期来看，企业运营和创新的整体成本可能会因大模型的效率提升而降低。“为平衡预算压力，企业很可能会向大模型服务提供商按需定制大模型能力，按需支付相应的服务费。”

　　近段时间，大模型赛道进入“百模大战”，云端竞争加剧。6月1日，阿里云推出AI产品“通义听悟”，成为国内首个开放公测的大模型应用产品。6月9日，科大讯飞升级“讯飞星火认知大模型”，宣布开放式问答取得突破等。

　　不过，目前通用大模型落地行业场景，仍面临算力成本高、服务价格高昂的挑战。英伟达的研究表明，GPT3最大规模的模型需要使用175 Billions的参数量，需要使用512颗V100显卡训练7个月时间，或者使用1024颗A100芯片训练一个月时间，大模型训练每月成本在数百万美元以上量级。据业内人士透露，由于训练成本高、数据筛选难度大，千亿参数模型的报价往往高达数十万元。

　　“一旦大模型聚焦在垂直行业领域发展，走向千行百业应用，会趋使模型变小。”某专注人工智能加速器资源池化的科创企业创始人对记者表示，垂直行业小模型和专业领域数据集可以缩小企业的训练范围与强度，降低整体训练成本。“一个产业的发展，一般会有可用、好用和用得起三个阶段，当前大模型正处于可用阶段，未来想要走向好用、用得起，降低成本、提高算力的效率将是必然之选。”