央广网北京12月29日消息（记者 万玉航）随着大数据与人工智能不断融合，行业大模型逐渐从通用走向深入，对产业的渗透日益加深，为经济增长注入了新的活力。当前，如何让大模型真正在千行百业中扎根、创造价值，成为产业智能化升级的关键课题。
近日，央广网记者专访了中国联通数据科学与人工智能研究院首席科学家、联通数据智能有限公司副总经理廉士国，结合中国联通在多个行业的实践经验，系统解读大模型如何从“通用智能”走向“专业能力”，并分析当前面临的挑战与未来发展趋势。
从“通识”到“专业”，如同人的学习历程
人工智能要服务实体经济，需要完成从通用知识到专业技能的跨越。廉士国用一个贴切的比喻解释这一过程：“人在中小学接受通识教育，大学进行专业学习，工作前还要经过岗位培训。大模型也是如此，经过海量数据训练的通用模型，好比具备基础知识和思维能力的‘毕业生’，但要胜任具体工作，还必须经过针对性的‘岗位培训’。”
这种“岗位培训”，体现在技术上就是基于行业数据的定制化训练。他以反诈领域实践为例指出，如果直接使用通用大模型识别诈骗内容，准确率不到80%。主要原因在于通用数据中诈骗相关样本太少。“就像一个人如果从未接触过诈骗手法，自然难以识别。”他表示，通过专门加入诈骗数据进行强化训练后，模型能学会识别相关特征，最终具备精准识别诈骗的“专业能力”，形成可用的反诈专用模型。
跨越落地难关：实现“既懂又会做”
然而，仅仅拥有经过专业训练的模型，仍不足以解决实体经济中的复杂问题。廉士国指出，大模型落地目前还存在两大挑战：一是大模型存在的“幻觉”问题，二是应用场景的执行操作还无法做到“闭环”。
“即便针对行业数据进行了训练，模型仍可能产生不准确或虚构的内容，也就是我们所说的‘幻觉’。”他表示。因此，还需要为模型配备“外部专业知识库”。“大模型在回答专业问题时，需要借助知识库中的标准话术和事实来约束输出，从而大幅提升可靠性。”他说。
但这还不够。廉士国告诉记者，在许多场景中，仅提供建议还无法形成完整闭环，还需要模型具备“执行能力”。以设备智能运维为例，模型分析出故障原因后，能否自动调用运维系统中的工具或流程来解决问题？廉士国指出，关键在于训练模型“使用工具”的能力——大模型在理解人的意图后，自动选择并启动相应工具，从而实现从分析到执行的完整闭环。
他认为，一个大模型要在实际场景中真正发挥作用，通常需经历三个阶段：一是通过专业训练提升基础能力；二是结合专业知识库，确保输出准确可用；三是训练其调用工具的能力，实现业务闭环。
展望大模型价值：不止“降本增效”，更要“从0到1”
谈及未来，廉士国认为人工智能在千行百业的应用将清晰分化为两类，释放不同层次的价值。
第一类是“职业技能型”应用。即利用人类已沉淀的经验数据训练模型，快速复制和替代重复性、流程化的人工劳动，实现显著的降本、提质、增效。这是当前许多已落地应用的核心逻辑。
他更为看好和倡导的是第二类——“超人专家型”应用。“这类应用瞄准的是人类尚未完全掌握规律、未能解决的复杂问题，比如精准天气预报、新型药物分子设计等。”廉士国分析，大模型具有持续运行、海量存储和强大分析的优势，在处理极其庞杂的原始数据时，可能比人类更早发现隐藏的规律，从而带来从无到有的突破性创新。
“每个行业都应深入探索这样的可能性，这才是人工智能推动产业升级的真正潜力。”他说。