中经记者索寒雪北京报道

　　“年初，我们计划做一个行业模型，但没有企业愿意接。”近日，一位地质行业企业人士向《中国经营报》记者表示，“当时预算有几千万元，我们咨询了几家知名企业，对方都兴趣不大。”

　　该人士透露：“他们更愿意承接一些‘好做’的订单。行业大模型涉及大量专业内容，需要反复调试，而他们作为‘外行’，觉得这件事很麻烦。”

　　当前，人工智能进入产业“深水区”，通用大模型已难以完全满足专业场景需求。如何让行业专家成为AI落地的“领路人”，正在成为产业界亟待解决的问题。

　　寻找产业专家

　　近日，在国务院新闻办公室举行的“新征程上的奋斗者”中外记者见面会上，上海稀宇极智科技有限公司创始人兼首席执行官闫俊杰表示，人工智能研发过程中，依赖很多产业提供的帮助和支持。过去一段时间，编程以及图片、视频生成等领域之所以能取得较大发展，正是受益于相关产业长期积累的海量数据。如今，标准模型真正到了可以被大规模应用的阶段。

　　在他看来，人工智能深入融合到传统产业的过程中，需要算法服务于产业里真正的专家。“我们需要找到一种方式，和他们一起把问题拆解清楚，让每一步变成可以被学习、可以被验证的一套流程。把这套流程转起来，模型就可以在这些产业里变得越来越好，相关工作的效率、迭代效率也可以变得更高。”

　　闫俊杰表示：“过去三年，人工智能技术的进步速度非常快。我觉得未来三年的进步速度可能会和过去三年一样快。我们也会继续往这个方向努力，希望在这个过程中把智能扩展到更多行业。”

　　业内人士认为，随着AI应用从通用场景走向专业场景，企业面临的挑战已经不仅仅是投入多少资金的问题。通用大模型在产业落地过程中，往往还需要专业知识、行业数据、业务流程和应用场景的共同支撑。

　　澳洲会计师公会华东和华中区委员会会长、澳洲资深注册会计师金科曾向记者表示，AI基础设施，如算力、大模型研发和调优，前期投入巨大，一套AI一体机的投资规模可能达到数百万元甚至上千万元。根据澳洲会计师公会的调查，49%的中小企业更担忧AI投入的低投资回报率。

　　创造更多可能性

　　除资金投入外，人才问题同样是AI规模化落地面临的重要挑战。

　　金科表示，大型企业通常具备更成熟、更复杂的IT基础设施，更关心AI应用和大模型如何与现有技术架构深度融合，而不是成为独立于既有体系之外的单一应用；中小企业面临的主要问题则是技术人才短缺，部分中小企业甚至没有专职IT部门或IT人员，难以有效推进AI应用和规模化落地，因此更依赖直接采购成熟产品，或借助外部供应商提供支持。

　　与金科的担忧相比，闫俊杰对人才问题更为乐观。他表示，中国的优秀人才非常多。“我们发现，当真正开始深耕一个行业时，优秀人才比想象中更多。我们真正需要做的，是发掘出这些优秀人才，给他们提供更好的环境，尽可能提供足够多的试错空间，给予更多包容和鼓励。当良好的环境被营造出来，许多原本看似不可思议的创新自然会涌现出来。”

　　闫俊杰认为，只要有足够多的积累，并形成支持人才涌现的环境，中国科技创新一定会变得越来越好。

　　他表示，未来可以看到，当人工智能人才与产业专业人才深度结合、深度合作之后，将带来更多可能性。“实际上，我们在编程领域已经看到了这样的发展，这些尝试也可以拓展到更多行业。”