6

推动大模型 B 端落地,360 想怎么做?

 1 year ago
source link: https://www.geekpark.net/news/323150
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

推动大模型 B 端落地,360 想怎么做?

2023/08/14
85b0b5eca0507c80ab92734e0079e7f9.jfif

ISC 2023 上,360 发布首个安全行业大模型,并与 8 家企业达成大模型战略应用合作。

大模型正从理论走向实践,解决好安全、成本与可用性,抓住创新机遇,规避行业风险,是推动大模型落地的当务之急。

8 月 9 日,三六零集团在 ISC 2023 第十一届互联网安全大会上,发布了国内首个可交付的安全行业大模型——「360 安全大模型」,据称其目前安全攻防判断准确率已超 96%。

据介绍,360 安全大模型在私有化部署过程中,将匹配「企业安全智控系统」,利用智能中枢调度模型、知识库、专用插件,与企业私域数据相结合,从而实现安全问答专家、安全运营专家两大形式来辅助进行企业安全运营。目前这些都已在 360 内部和自有产品完成落地应用。

360 集团首席科学家兼 360 数字安全集团 CTO 潘剑锋表示:「360 安全大模型目前已在 360 内部及自有产品落地应用,并能面向市场和用户交付,帮助其真正提升安全运营效率。」

活动现场,360与 8 家企业达成大模型战略应用合作协议。360 智脑分别与奇富科技、英博数科、数引网、忽米科技、创业黑马、神州融安、出门问问和中税八家企业签署合作协议,将 360 智脑大模型深入落地至金融、汽摩、工业、税务等行业,共创企业级大模型解决方案。据了解,360 已牵头成立 GPT 产业联盟,将通过 API 向伙伴开放模型能力。

面对数字化浪潮,大模型已成为推动企业转型的新引擎。但直接应用通用模型难以释放业务价值,数据安全、专业知识、成本控制仍是应用难题。解决这些「痛点」,实现大模型的定制优化,将开启知识服务的数字化新时代。

同时,行业也需要建立生态共同发展。通过构建企业知识库、微调行业模型、应用场景化等技术手段,360 大模型在政务、制造业、金融科技等关键领域取得系统布局,实现从通用模型到定制解决方案的转化,为企业数字化提供了可复制的方法论与路径,体现了大模型要落地,需要技术、应用、商业多方协同创新,汇聚各方资源优势,共享科研成果,形成开放而良性的产业生态。

解决企业使用大模型的痛点

面对企业数字化转型的新机遇,大模型已成为重要的技术驱动力。360 集团副总裁彭辉谈到,在中国环境下,大模型不会出现单一垄断,企业级应用场景才是最大机遇所在。

50ed4a4a69b8514024cde4ef53261b86.png

一方面,要服务国家产业数字化发展战略,以提升政企效率为导向,通过企业级模型创新激发增长动能。另一方面,也要防止大模型成为中心化的力量,而是要通过企业定制化模型的灵活应用,让其「走进千行百业」,真正释放数字化红利。

大模型在企业级场景的应用目前也面临诸多挑战。业内人士指出,当前大模型应用于企业级场景在垂直专业性、安全合规性、使用成本、知识确权等方面均存在明显的短板和痛点。解决这些问题是企业级应用的当务之急。

具体来看,公有大模型难以满足企业级应用对行业专业知识的需求,也难以确保对企业内部数据的保护。此外,直接使用千亿级参数大模型的高昂成本也成为企业应用的障碍。大模型的「幻觉」问题也让企业用户难以信赖其生成内容的可靠性。快速迭代的企业数据也很难通过公有模型实现即时更新。对企业核心知识训练出的模型,如何保证知识产权是关键所在。

针对上述痛点,业内领先企业已经在积极探索解决方案。以 360 为例,其构建的企业级大模型产品体系,通过定制的垂直模型,以及围绕模型的知识库和安全监控模块,形成了面向企业场景的大模型解决方案。这可以帮助客户实现业务需求的精准化满足。

360 企业级大模型能通过行业领域的细致训练,解决公有模型对专业知识的欠缺。知识库构建也使模型「理解」了企业的内部业务流程和数据。通过内容检测和迭代更新,可以确保模型生成的可靠性,并随企业数据实时演化。相比直接使用庞大公有模型,中小型企业模型降低了应用门槛。私有化部署也保障了核心知识的所有权。

可以预见,针对企业实际场景进行定制和优化,将是大模型落地的关键所在。解决好安全性、合规性、成本控制等问题,大模型才能真正成为企业数字化新的增长引擎。业内期待更多案例的涌现,以解决应用中存在的各种「痛点」,释放大模型的产业价值。

系统产业化布局

企业级市场靠的永远不是单打独斗。除了做出好的产品,建立起一个互利共赢的合作生态,是当下大模型卡位战的关键。

研发大模型的同时,360 也在积极寻找各行各业的合作伙伴,推动大模型在政务服务、制造业、中小企业等重点领域的产业化应用。

在政务服务领域,360 与国内知名的中税集团作为合作伙伴,面向税务等复杂政务场景进行模型定制,辅助决策制定。具体而言,360 提供基础模型、算力支持、基础数据等技术优势,中税集团提供税务领域专业数据,如法规、案例等,双方将共同训练税务行业标准大模型,未来将通过样本优化、算法优化、训练优化等技术手段,优化模型在注册税务师考试等业界标准上的表现,模型未来可应用于智能咨询、智能风控、自动算税、智能培训等税务行业场景,提升行业效率。

在制造业领域,360 与工业互联网领域的领军企业忽米科技达成战略合作,双方联合发布了工业互联网数字安全解决方案,未来将强强联合,发挥各自专业特长,基于工业场景,建立一体化安全运营服务平台,构建以安全运营服务为核心的集中化、平台化、服务化的工业互联网安全解决方案;同时,双方将共同打造工业互联网平台与数字安全融合生态,面向办公信息网、生产管理网、工业生产网三张网,有效避免勒索导致的停产停工,数据泄密,商业受损,办公文档、数据丢失等问题,全面助力工业企业数字化转型。

在助力中小企业数字化方面,360 发挥创业黑马的社群和生态资源优势,以贴近中小企业实际痛点的解决方案,实现简单场景化。

此外,360 还与出门问问达成合作,涉及技术能力、商业化和生态等不同领域。360 将在自身通用大模型中集成出门问问的模型能力,增强 360 模型的表现;出门问问也可以借助 360 的业务场景和客户资源,推动模型落地。在商业化方面,出门问问的 AI 工具和产品将可在 360 AI 商店上架,利用 360 的用户规模进行流量变现。研发方面,双方在大模型技术研发和训练上开展深度合作,包括交换数据、技术交流、授权使用等,共同打造中国自主的大模型。在生态建设方面,360 正在发起 GPT 产业联盟,出门问问作为发起单位加入,双方聚合生态资源,探索大模型产业化应用,推动行业数字化转型。

02c3662ecaaec2ed33151d4b97c864c3.png

推动生态合作的目标,360 希望在大模型领域形成较为系统的产业化布局。在将模型能力转化为实际解决方案的技术实现上,360 采取了以下多种技术手段和方式:提供通用语言模型与核心算法技术支持,作为基础能力输出;构建包括政策、规程、文档等结构化知识图谱,以知识增强专业性;利用行业数据和反馈进行定制化模型微调,提高适配度;通过低代码等方式将模型能力应用场景化,输出 GUI 工具和 CUI 数字人解决方案;整合产学研各方资源,推动大模型技术持续进步。

360 在重点行业领域的产业化实践,为大模型走向落地应用提供了可复制的技术和实现路径。这些实践也将帮助更多企业利用大模型加速数字化进程,获得增长动力。

从概念赛道,到产业共赢辑

目前,大模型正处在一个快速演进的阶段,竞争重心正在从模型技术的概念竞争,向应用场景拓展和商业化实践转变。产业各方也在积极探索可持续的技术和商业发展路径。

彭辉在演讲里谈到,中国在 ToB 大模型市场上的发展与美国存在差异。美国公有云发展迅速,但在中国,数据所有权和服务器位置的问题制约了相关模式的广泛应用。大模型不会在中国产生垄断,不会只有 3-5 个大模型。大模型将无处不在,而关键发展机遇就在企业级市场。

8f6bebe2a97a2086c1c8294ac18f6a40.png

360 集团副总裁彭辉正在进行演讲

今天数字化已成为中国的核心发展战略,产业数字化将是一个巨大的去中心化的增量市场,所以更抓住战略机遇,以赋能产业为导向开发大模型,锚定企业级市场,摆脱大模型只能作为中心化平台使用的观念,要更具体地去提升各方的生产力与生产效率。

活动当天的圆桌论坛上,多位业内专家也就大模型技术的发展前景及产业化路径进行了深入探讨:大模型已在文本生成、问答等方面展现强大能力,作为企业数字化转型的新动力,大模型能为多种场景带来革命性影响。但是,直接应用通用预训练模型难以实现业务价值,必须进行深度定制,同时还需解决数据隔离、计算成本、商业变现等多方面问题。

1b6bfe3c294845dd44afcfe172583954.png

不同行业和应用场景对大模型提出了个性化的需求,「一刀切」的通用模型已难以满足。构建企业知识库,利用行业数据微调模型是非常关键的一步,但这需要投入大量的数据工程成本。与此同时,计算能力和向量数据库等基础设施仍比较薄弱,也限制了模型的规模和并发能力。

当前大模型应用还存在数据治理不足、知识孤岛严重等问题。这需要业内形成开放共享的共识,构建面向特定行业与企业的私有化模型。同时,还需持续完善包括向量数据库、专用芯片在内的数字化基础设施,以有效对接基础研究与产业需求。核心关键数据的归属权和保密问题也影响模型训练质量。构建面向特定行业和企业的私有化模型,是当前的重要选择。

此外,直接面向 C 端的模式易被头部企业垄断,真正能持续释放创新活力的,是立足提升企业效率的 B 端服务。大模型要切实赋能实体经济,就必须在数据安全与业务发展之间寻求平衡,提供真正可落地的解决方案。

展望未来,大模型技术的安全性、解释性、易用性等综合指标将成为竞争的关键。数据和算力作为基础资源,其治理和可持续供给能力将直接影响产业发展节奏。目前,向量数据库、专用芯片等基础设施建设还比较薄弱。完善数字化基础设施,实现基础科研与产业应用的有效对接,还需技术、产学各界以及政府部门的共同努力。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK