大模型只能聊天写代码？看到这句话的时候瞬间就OUT了
不少业内分析指出，大模型时代，人人获利的只有Chat-GPT这类大语言模型为人类写文章写代码做攻略。此言差矣，这并不是大模型应用的唯一方向，面向垂直产业的模型会成为大模型价值的引爆点。
专有模型、垂直行业模型的训练成本和难度其实并不低。因为行业模型并不意味着小模型，也不意味着单独某一个领域的数据，而是通用公域数据加上行业数据一起，构成了产业大模型的训练数据来源。因为如果只用行业数据训练，会导致人机交互能力的不足。产业模型也需要有足够的基础常识作为背景，才能真正提供较高的沟通交流体验。
当然，无论是行业的垂直大模型，还是大模型未来的发展趋势，不难预料一定是落地，是真正“人人通用”。但“通用”更多的拦路虎是在更加微妙的细节上，这些细节往往决定了最后产品技术的价值，或者是用户的使用体验。
谈及国内外大模型的差距，其实并没有想象中那么大。算法其实是整个技术社区一起发明的，每一个算法都建立在其他人的基础之上，其中也有很多中国人的贡献。算法一旦发表之后，是属于全人类的科学。值得关注的反而是一些细节，从Transformer到GPT，中间还是走过了一段路，怎样组成这样的团队，里面各种各样技能的人都得有。这样才能把这个事情做起来，而且还得有足够的冒险精神。
中国不乏有许多行业垂直大模型做得不错的，例如实在智能，一家通过自研AGl大模型＋超自动化技术，领跑人机协同时代的人工智能科技公司，近期就发布了自己自研垂直领域的大语言模型：TARS塔斯。实在智能为赋能千行百业数字化转型，与AI的融合又上了个新台阶：RPA技术可以有效帮助企业减少重复、繁琐的人工操作，而AI纳入后的实在TARS大模型在AI自然语言理解及逻辑知识能力归纳泛化的优势以及智能屏幕语义理解技术（ISSUT）的双重加持下，只需通过文字简单描述业务流程，即可生成一个自动化业务流程，生成一个数字员工，让流程的自动化更加简单，让自动化流程的生成更加智能、高效。
作为赋能政企的RPA企业，安全稳定也是重中之重。因此，实在TARS大模型全面支持私有化部署，用户可完全自主掌控数据和模型，确保内部敏感数据的安全性，并可根据业务需求进行定制化开发。
现在各行各业都在结合大模型的技术，落地场景多元丰富，呈现出“百花齐放”的状态。只有更多尝试和更多投入，才能让人们对大模型的刻板印象从“只能聊天写代码”变为“拥有更多可能性”。
