“大语言模型的兴起，让AI的大规模普惠有了更大可能。过去一段时间以来，我们的行业大模型产品得到了不少客户的肯定，切切实实帮助用户提升了各项能力。同时，客户的需求也推动了腾讯云MaaS的不断升级，我们的大模型商店也在不断‘扩容’，以满足不同企业的不同需求。”
9月7日，2023腾讯全球数字生态大会于深圳成功举办。在“行业大模型与智能应用”专场，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生发表主题演讲，重点分享了AI大模型等技术产品对于产业发展的深远影响，以及腾讯云行业大模型的最新战略思考、能力升级。
腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生
汤道生提到，行业大模型已经过了“尝鲜期”，目前正深入各类业务场景，推动企业全链条智能化。与此同时，在大模型产业化的落地过程中，客户关注的不仅是模型的大小、功能，而是更为关注如何选用并定制适合自身业务发展的模型产品。
基于客户的实际需求，腾讯云不断升级大模型精选商店，包括自研的通用大模型“混元”、20多种主流开源模型和更多行业大模型。企业可以根据自身需求选择合适的模型产品，并进行训练和精调，以满足个性化需求。
此外，汤道生还认为，模型的热潮导致各项成本攀升，拥抱大模型不能只是一时冲动，还要理性考虑落地成本。针对此，腾讯云也提供了从数据处理、多机多卡训练到硬件优化的一站式解决方案，以帮助企业高效、低成本地创建和使用大模型。同时，腾讯云TI平台还进行了全新升级，有效提升了大模型的训练速度和推理效率。
“AI大模型等产品的发展及落地将对千行百业产生‘质’的影响，我们也将持续开放产品能力、不断探索技术应用，助力产业实现更高质量的发展。”汤道生表示。
以下为演讲全文：
大家好！
欢迎来到腾讯全球数字生态大会“行业大模型与智能应用”专场，共同探讨AI驱动下的产业发展。
人工智能发展至今已经有70多年，在前几波浪潮中，AI虽然在一些产业应用中，实现了落地，但受到基础算法、算力、数据等限制，距离普遍的产业应用，还有一定距离。
大语言模型的发展，第一次让我们看到了，AI在产业中，大规模落地的可能。六个月前，很多企业惊叹于通用大模型的生成能力，迫不及待地尝试与业务结合。但很快发现，通用大模型在实际应用中，面临专业度、准确度、数据安全、成本等很多挑战。基于此，腾讯云在6月19日推出了腾讯云MaaS服务，通过“行业大模型+企业数据精调”方案，帮助产业伙伴打造适合自己的大模型产品。
三个月来，我们建设行业大模型的思路，获得了业界的普遍认可，很多企业通过我们的行业大模型，大幅提升内容生产、营销、客服能力，客户也和我们一起，挖掘出更多落地的创新应用。
技术变革和客户需求的快速发展，给行业大模型发展带来更多机遇，也推动腾讯云MaaS服务能力快速迭代，在这里，我也和大家分享一些我观察到的大模型发展趋势。
首先，行业大模型正深入各类业务场景，推动企业全链条智能化。
六个月前，客户来谈大模型，能想到的应用场景基本只是文字客服。但今天，应用场景已经快速扩展到各个领域，比如，在金融行业，大模型已经应用在开户、业务处理、风控等多个场景。
基于这些客户需求，我们尝试用大模型打造全栈产品能力，用于业务不同环节，助力企业全链条提质增效。
就拿金融行业来说，海量单据的处理是金融业务员的突出痛点，这项工作技术含量低、但又很重要，容错率低，每天都要耗费大量时间。一家国内头部商业银行找到我们，用搭载大模型能力的TI-OCR平台，只需要50张标注数据，就能识别回单、发票、申请书等多种表单，准确率超过95%，需要的数据也大大减少。不仅节约业务人员的大量时间，而且还能自动提炼核心标签，生成电子数据文件，进行后续商业分析。
而风险管理是金融业务的生命线，金融机构几个月就得升级一次风控模型，传统建模流程，耗时耗力，我们也将腾讯安全积累多年的多模态风控知识，沉淀到金融风控大模型中。金融机构通过小样本的提示，就可以根据客群和市场的变化，自动生成专属的风控模型，整个建模流程，从2周减少到2天，整体反欺诈效果提升了20%左右。
在客户服务环节，大模型的应用也不仅仅是文字对话，专属大模型与数智人的结合，让虚拟客服用拟人化的方式，与客户顺畅地实时互动；再加上基于音视频，和图像识别的人脸核身技术，就可以高效在线办理金融业务。根据行业统计，金融客服中心的运营成本中，人力成本占到60%-70%。中信建投就运用腾讯云智能的解决方案，完成了95%的新用户开户工作。
其次，随着大模型的产业落地，大家更关注如何寻找与自身业务更匹配的模型底座，训练出符合自身需求的专属模型。
这驱使我们不断升级大模型商店，提供全新的“1+N+N”服务，满足不同企业的不同需求。
“1”代表我们的腾讯混元大模型。在大会的主论坛中，我们正式公布了自研通用大模型——混元，腾讯内部多个业务和产品，已经接入测试，并取得不错的效果，更多业务和应用也正在逐步接入中。混元不仅是腾讯行业大模型的重要支撑底座，也面向行业开放。通过我们的大模型商店，客户可以利用混元，来训练自己的专属模型，并借助API开放能力，与已有业务系统无缝融合。
然后第一个“N”，是指混元之外，我们在大模型商店中，提供Llama 2、Falcon、Bloom等20多种行业最新、最流行的开源通用大模型，供客户选择。同时我们的TI平台，也已经支持这些开源模型的训练和推理。客户基于Jupyter Notebook，就可以快速启动模型精调，模型部署通过低代码操作就可以完成。
第二个“N”，指的是我们的行业大模型。在通用大模型基础上，通过行业数据再次加工，为行业客户提供更专业和精准的服务。目前我们的行业大模型，从早期的文旅、泛互、零售等领域，快速扩展到能源、消费电子、医疗等20多个行业，并覆盖生产、销售、客服等多个环节。
企业可以在大模型精选商店中，挑选合适的模型为基础，通过腾讯云智能的TI平台，导入企业独有的专业文档与企业数据，做进一步的训练与精调，快速生成更有针对性的专属大模型，更好满足企业个性化需求。同时，不管是在公有云上搭建，还是私有化部署，我们都可以做好权限管控和数据加密，让企业用户在使用模型时更放心。
再次，模型的热潮导致硬件和人力成本攀升，更多的企业意识到，拥抱大模型不能只是一时冲动，还要理性考虑落地成本，训练、推理的效率。
企业专属模型的生成，涉及到数字资产资源管理、数据标注、训练、评估、测试和部署等很多环节。同时，根据业务发展，企业模型需要不断地调优、迭代，数据处理的整个过程，也要不断地重复。
如何帮助企业高效率、低成本地用好模型？我们通过基于腾讯云TI平台的行业大模型精调解决方案，帮助模型开发者与算法工程师，一站式解决数据处理问题，保障数据高质高效、安全合规地处理；通过多机多卡训练加速能力，高效率、低成本地创建和使用大模型。
这次，我们对TI平台的工具链进行了全新升级，全新升级的太极Angel框架，通过异步调度优化、显存优化、计算优化等方式，让大模型的训练速度提升30%，推理加速比达到了2倍。
行业大模型正在走进千行百业，大量新的场景、新的需求被激活，如何低成本获取底层算力，也是企业当前面临的突出难题。在大模型的底层基础设施上，我们对服务器、网络、数据这个“铁三角”不断优化，帮助客户降本增效。
我们的新一代HCC高性能计算集群，实现了GPU算力无损释放，服务协议等级（SLA）不低于99.9%。同时基于云原生架构，实现训练和推理业务的混合部署，大量节约大模型的部署、训练成本。
我们自研的服务器机间网络——星脉，做到了业界最强的3.2T带宽、支持10万卡集群组网，让GPU之间的通信更快，拥堵更少，计算效率更高。
我们也在国内云厂商中，率先推出向量数据库，提升海量非结构化数据的存储和检索效率，让大模型预训练数据的分类、去重和清洗，实现10倍的效率提升。1个月左右的数据接入时间，3天即可完成，极大降低了企业的成本。
毫无疑问，我们正在迈入被人工智能剧烈改变的时代，AI将通过与产业深度融合，创造更大的价值。腾讯将不断开放自身的技术和能力，助力产业拥抱智能升级，实现更高质量的发展。
