智通財經APP獲悉，IDC咨詢發文稱，大模型作爲政府和企業推進人工智能産業發展的重要抓手，已經具備較高的識別准確率和較強的場景遷移性，在多模態的任務下也有明顯的突破，並已在金融、電商、能源等行業“試水”。目前基礎大模型建設已經較爲完整，未來將會進入大模型應用跑馬圈地的階段。IDC預測，未來大模型將帶動新的産業和服務應用範式，在類ChatGPT等應用的推動下，基于上層應用開發和SaaS服務的商業模式將會逐漸明晰，迎來人工智能的新業態，人工智能發展瓶頸將會得到突破。
從長遠來看，隨着大模型的數據量級達到萬億規模，數據的多少和模型的性能收益之間容易出現邊際效應遞減的現象。如此來看，一套行業內認可的技術評估標准就顯得尤爲重要，需要通過技術評估推動大模型與行業深度融合，支撐起産業轉化。
IDC將大模型分爲叁層，服務生態、産品技術以及行業應用，對每一層的能力進行測評，主要考察指標爲算法模型、通用能力、創新能力、平台能力、安全可解釋、大模型的應用行業以及配套服務和大模型生態等，具體包括36項細顆粒度的評估標准。此次《IDC Technology Assessment：AI大模型技術能力評估，2023》報告受到了衆多大模型技術服務提供商的關注與配合，IDC對其中9家技術服務提供商進行了技術評估，分別爲阿裏巴巴(09988)、百度(09888)、第四範式、科大訊飛(002230.SZ)、瀾舟科技、雲從科技(688327.SH)、智譜AI、中國電信智科以及中科聞歌。除此之外，IDC還觀察到了360、MiniMax、華爲、商湯科技、騰訊等大模型。未來IDC會持續更新測評，涵蓋更多技術廠商。
IDC調研發現，AI大模型廠商不再局限于拼戰略和概念，而是追求模型的效率提升以及實際落地的價值，市場趨勢如下：
算力增強、算法優化、數據質量提升是加速AI技術發展的重要路徑之一。隨着計算機性能的提升和更高效的算法出現，AI大模型的訓練速度將會持續加快。未來使用GPU、TPU等芯片，通過並行計算和分布式計算等技術，將多個設備連接共享計算資源等方式將會推動AI技術的快速發展。此外，優化訓練算法和數據集，例如采用預訓練的神經網絡模型、利用深度學習框架中的自動微調技術等，也可以加速AI大模型的訓練，從而塑造競爭壁壘。
隨着數據規模的不斷擴大，AI大模型將會越來越擅長處理複雜的數據。大量的數據可以爲大模型提供更豐富的訓練素材，提高其場景遷移性。同時，大量的訓練數據也可以降低後期模型的訓練成本，減少對于數據標注和特征工程的需求。在大量數據的加持下，隱藏在數據中的規律和模式更容易被機器學習發現，進而提高AI的准確性和可靠性。
大模型的開放和開源是促進AI技術發展和商業落地的重要手段。AI大模型的開放使不同的模型之間可以共享底層數據、算法和代碼等，促進不同模型之間協作和更新迭代，並推動AI開發變的更加靈活和高效。同時，能力的開放能夠推進“技術+商業”閉環，以更豐富的數據反哺模型，打造更強的技術産品，加速商業化進程。
AI大模型的出現將會重塑企業軟件。未來軟件的升級迭代將不再停留在界面層面，而是在數據層面，大模型作爲新型生産力，已經明顯帶來了用戶體驗的提升，開發效率的提升，這些都和軟件市場息息相關。具體來看，員工操作軟件的流程將會得到簡化，技術廠商升級軟件也會更加快捷，所以以大模型基礎設施爲先導項目，改造整個軟件産業，整個行業的業務價值、商業模式都會得到明顯的提高，最終軟件將會被對話式的交互形式重新塑造。
基于IDC對AI大模型産品技術、生態服務等多方面的研究結果，IDC給出廠商和行業用戶以下行動建議，旨在幫助實現産品市場目標：
在大模型的生態系統中，安全可解釋與産品工具的易用是廠商集中發力的方向。大模型技術廠商對外提供各種工具和服務，例如模型訓練、部署和推理，以及相關的數據集、API和工具軟件等。幫助開發者更加高效地使用大型模型，從而快速實現各種應用場景的落地。在人工智能快速發展的背景下，技術廠商也應該關注AI的可控性和合規性。近日，國家網信辦聯合國家有關部門公布了《生成式人工智能服務管理暫行辦法》，界定了生成式人工智能技術的基本概念，規定了生成式人工智能服務提供者的制度要求，爲生成式人工智能的健康發展指明了方向。
對于行業用戶來說，選擇適合自身業務的廠商進行合作，盡早布局，爲後續大模型帶來的挑戰做好充足的准備非常重要。在關注廠商大模型技術棧完備性的同時，應着重考察技術廠商的産業應用經驗積累，主要發力點應集中在應用層，將技術應用到實際業務場景中，提前布局，積累行業、場景經驗和數據，“站在巨人的肩膀上”打造差異化競爭優勢。此外，類GPT産品的發展將會對人力産生一定的沖擊，簡單重複性的工作將會逐步被替代，企業也應提供更多新的崗位和學習機會，以適應技術發展變革帶來的挑戰。