输入偏好、预算和大致路线，一份细到每天的交通、景点安排的旅行方案随即出现在手机上……在这个暑期，用“文旅大模型”安排行程，已经成为现实。

就在最近，腾讯云发布行业大模型解决方案，面向文旅、政务、金融等行业，一口气推出10多个行业超过50个大模型应用实例。

截至目前，阿里云、百度云等主流互联网厂商都已加入这场大模型混战。在面向下一个未来10年乃至30年的市场机遇，腾讯打出了一套怎样的“拳法”？

大模型有多智能？

对一家互联网公司来说，代码必不可少。数据显示，仅仅在2022年，腾讯新增代码行数29.4亿行，新增代码库21万个，日均提交代码12.7万次。

或许是深谙代码编写之痛，腾讯的大模型首先就拿代码“小试牛刀”。

腾讯结合大模型推出的“AI代码助手”，就几乎重塑了沟通、编码、排错、评审、调优等代码创作的各个环节。

“比如，在沟通环节，只需要在对话框中输入想问的技术问题，‘想使用Spring Boot生成一个MVC的Web应用’， AI代码助手就能理解对话上下文并给出合理的代码和步骤。”腾讯云开发者产品中心总经理刘毅说。

在编码环节，程序员输入了一段注释“实现一个流量识别用的腾讯云云函数”， AI代码助手识别意图后并给出了建议。这意味着，熟手程序员不需要一行行敲键盘输入这些代码，新手程序员也不用临时去查文档了。

在调优环节，开发者动动嘴就能指挥AI代码助手帮助修改代码。比如，产品经理想给云文档点赞功能添加一个动画效果，程序员输入指令，AI代码助手扫描相关代码，自动生成了待修改的代码。

不只是代码开发，在智能客服领域也有用武之地。腾讯云副总裁、腾讯云智能研发负责人、腾讯企点研发负责人吴永坚介绍，人的对话有随机发散、理性化的特点，特别是中文对话场景下，显得更加复杂。传统客服机器人往往“答得不准、不全和不够好”。

解决这类问题采取的常用办法是：通过大量的人工来搭建知识库，从海量的企业知识文档和接待会话中，提炼有效信息和答案。因此，行业内有一句话，“有多少人工，就有多少智能”。

吴永坚提到，整个知识库从搭建到投入使用平均费时2周以上，而当对话涉及到更加复杂的业务查询或者办理时，流程就更复杂：为了保证覆盖用户咨询场景下各种可能性，客服人员要设计并且枚举出分支场景、配置。

同样是面对“做短视频，推荐一款数字人”的提问，传统客服的回答命中了标准问“数字人类型介绍”，并给出了一个配置好的答案。“不能说是错了，但答案明确会显得生硬、机械。”吴永坚分析。

而新客服则捕捉到了一个关键信息——数字人是用在短视频制作场景，因此回答中提到了2D真人和3D写实数智人是最适合的选择。

面向ToB降本增效

和其它互联网厂商一开始就瞄准通用大模型不同的是，腾讯云选择了行业大模型。目前，腾讯云已经为传媒、文旅、政务、金融等10余个行业提供了超过50个大模型行业解决方案。

还是那一套熟悉的“打法”，腾讯云联合22家客户启动行业大模型共建合作，并携手17家生态伙伴共同发起了“腾讯云行业大模型生态计划”，借助生态的力量，深入产业。

在腾讯云看来，通用大模型无法满足特定行业的需要，而行业大模型在向客户提供服务时要求足够专业和精准，要在实际场景中真正解决某个问题，而不是像通用大模型一样在100个场景中解决了70%-80%的问题。

由此来看，腾讯云行业大模型走的还是实用路线。大模型要想落地，对行业来说，依然是需要更好用的模型，能用更低的成本部署，得到更好的效果。

腾讯云副总裁、腾讯优图实验室总经理吴运声就谈到，行业大模型的核心在于根据客户需求制定相关的模型参数，而不是一味追求“规模大”或是“参数高”。

他说，有的场景对用户来说，投入预算甚至会降低，因为不必像原来那样，部署多个模型或者部署多个方案，也不需要更多人力的投入；有的场景原来解决不了，但现在则可以找到合适的解决方案。

他举了个例子，印章抬头识别（OCR）涉及各式各样的印章形状、弯曲的文本内容以及千奇百怪的签名，盖章又与签字混合一起，传统OCR检测并不清晰，腾讯探索了OCR大模型，在银行单据处理场景中的应用，解决了传统的OCR深度学习模型不具备阅读理解和推理能力等问题，信息录入准确率提升50%。

“只要解决用户问题，提高了效率、节省了成本，我相信自然而然就能在大浪淘沙获胜。”吴运生说，希望能低的成本、合适的模型和好的服务把大模型真正做好，在预算和成本可控之间提供符合逻辑的模型。

从底层技术入手

让生态伙伴“唱主角”，腾讯云又扮演怎样的角色？

一年前，腾讯云与智慧产业事业群宣布成立政企业务线，深耕政务、工业、能源、文旅、农业、地产、体育、运营商等领域，提出加速数字技术在实体经济中的落地和应用。

回头来看，持续深耕的领域，与腾讯大模型的应用领域，也是高度吻合。“希望回归一家云计算、一家科技公司的初心。”腾讯公司副总裁、政企业务线总裁李强曾表示。

某种程度上，大模型掀起了科技公司领域的“云上战争”。

依托大模型渗入垂直领域，云厂商有天然优势：构建大模型是成本极高的系统工程，需要大量的高质量数据进行训练和优化，还必须经过清洗和预处理，同时，大模型需要较高的计算资源和存储资源。

全面进入AI大模型时代后，腾讯再次展现了其技术能力与战略能力。除了模型、应用，数据、算力是腾讯云对大模型在产业落地中着墨颇多的地方。

算力是大模型时代的硬件底座，高性能、高弹性和高稳定的算力，对于大模型的训练和使用至关重要。为此，腾讯推出了一条大模型“高速公路”。

腾讯推出适合AI运算的“软能力”——向量数据库，它能更高效地处理图像、音频和文本等非结构化数据，支持单索引10亿级规模，比单机插件式检索规模提升10倍，数据接入AI的效率也提升10倍。

今年4月，腾讯云还发布面向大模型训练的新一代HCC高性能计算集群，算力性能提升3倍。

在腾讯2023 年股东大会上，马化腾回应有关ChatGPT和AI提问时表示：“这是几百年不遇的、类似发明电的工业革命一样的机遇。但对于工业革命来讲，早一个月把电灯泡拿出来，在长的时间跨度上来看并不那么重要。”

此次大模型的发布，印证了腾讯一以贯之的策略：要把底层的算法、算力和数据扎扎实实做好，更关键的是场景落地。

◎内容链接

动嘴即可改设计，人人都能做“甲方”｜大模型冲击波

【文字】南方+记者 郜小平 实习生 郭峻豪

【海报】吴颖岚 谭唯

【统筹】程鹏 郜小平

【策划】陈韩晖

【出品】南方产业智库