智通财经APP获悉，IDC咨询发文称，大模型作为政府和企业推进人工智能产业发展的重要抓手，已经具备较高的识别准确率和较强的场景迁移性，在多模态的任务下也有明显的突破，并已在金融、电商、能源等行业“试水”。目前基础大模型建设已经较为完整，未来将会进入大模型应用跑马圈地的阶段。IDC预测，未来大模型将带动新的产业和服务应用范式，在类ChatGPT等应用的推动下，基于上层应用开发和SaaS服务的商业模式将会逐渐明晰，迎来人工智能的新业态，人工智能发展瓶颈将会得到突破。
从长远来看，随着大模型的数据量级达到万亿规模，数据的多少和模型的性能收益之间容易出现边际效应递减的现象。如此来看，一套行业内认可的技术评估标准就显得尤为重要，需要通过技术评估推动大模型与行业深度融合，支撑起产业转化。
IDC将大模型分为三层，服务生态、产品技术以及行业应用，对每一层的能力进行测评，主要考察指标为算法模型、通用能力、创新能力、平台能力、安全可解释、大模型的应用行业以及配套服务和大模型生态等，具体包括36项细颗粒度的评估标准。此次《IDC Technology Assessment：AI大模型技术能力评估，2023》报告受到了众多大模型技术服务提供商的关注与配合，IDC对其中9家技术服务提供商进行了技术评估，分别为阿里巴巴(09988)、百度(09888)、第四范式、科大讯飞(002230.SZ)、澜舟科技、云从科技(688327.SH)、智谱AI、中国电信智科以及中科闻歌。除此之外，IDC还观察到了360、MiniMax、华为、商汤科技、腾讯等大模型。未来IDC会持续更新测评，涵盖更多技术厂商。
IDC调研发现，AI大模型厂商不再局限于拼战略和概念，而是追求模型的效率提升以及实际落地的价值，市场趋势如下：
算力增强、算法优化、数据质量提升是加速AI技术发展的重要路径之一。随着计算机性能的提升和更高效的算法出现，AI大模型的训练速度将会持续加快。未来使用GPU、TPU等芯片，通过并行计算和分布式计算等技术，将多个设备连接共享计算资源等方式将会推动AI技术的快速发展。此外，优化训练算法和数据集，例如采用预训练的神经网络模型、利用深度学习框架中的自动微调技术等，也可以加速AI大模型的训练，从而塑造竞争壁垒。
随着数据规模的不断扩大，AI大模型将会越来越擅长处理复杂的数据。大量的数据可以为大模型提供更丰富的训练素材，提高其场景迁移性。同时，大量的训练数据也可以降低后期模型的训练成本，减少对于数据标注和特征工程的需求。在大量数据的加持下，隐藏在数据中的规律和模式更容易被机器学习发现，进而提高AI的准确性和可靠性。
大模型的开放和开源是促进AI技术发展和商业落地的重要手段。AI大模型的开放使不同的模型之间可以共享底层数据、算法和代码等，促进不同模型之间协作和更新迭代，并推动AI开发变的更加灵活和高效。同时，能力的开放能够推进“技术+商业”闭环，以更丰富的数据反哺模型，打造更强的技术产品，加速商业化进程。
AI大模型的出现将会重塑企业软件。未来软件的升级迭代将不再停留在界面层面，而是在数据层面，大模型作为新型生产力，已经明显带来了用户体验的提升，开发效率的提升，这些都和软件市场息息相关。具体来看，员工操作软件的流程将会得到简化，技术厂商升级软件也会更加快捷，所以以大模型基础设施为先导项目，改造整个软件产业，整个行业的业务价值、商业模式都会得到明显的提高，最终软件将会被对话式的交互形式重新塑造。
基于IDC对AI大模型产品技术、生态服务等多方面的研究结果，IDC给出厂商和行业用户以下行动建议，旨在帮助实现产品市场目标：
在大模型的生态系统中，安全可解释与产品工具的易用是厂商集中发力的方向。大模型技术厂商对外提供各种工具和服务，例如模型训练、部署和推理，以及相关的数据集、API和工具软件等。帮助开发者更加高效地使用大型模型，从而快速实现各种应用场景的落地。在人工智能快速发展的背景下，技术厂商也应该关注AI的可控性和合规性。近日，国家网信办联合国家有关部门公布了《生成式人工智能服务管理暂行办法》，界定了生成式人工智能技术的基本概念，规定了生成式人工智能服务提供者的制度要求，为生成式人工智能的健康发展指明了方向。
对于行业用户来说，选择适合自身业务的厂商进行合作，尽早布局，为后续大模型带来的挑战做好充足的准备非常重要。在关注厂商大模型技术栈完备性的同时，应着重考察技术厂商的产业应用经验积累，主要发力点应集中在应用层，将技术应用到实际业务场景中，提前布局，积累行业、场景经验和数据，“站在巨人的肩膀上”打造差异化竞争优势。此外，类GPT产品的发展将会对人力产生一定的冲击，简单重复性的工作将会逐步被替代，企业也应提供更多新的岗位和学习机会，以适应技术发展变革带来的挑战。
