大模型炒了两年，为什么到现在都没见到什么火起来的新应用？

欢迎关注诚诺科技秀

自从2022年11月30日发布ChatGPT以来，2年多的时间了，回头再看这个问题，抓到风口的企业已经做得算不错的了，但是大模型炒了两年却未见到火起来的新应用，这是为什么呢？主要原因可能包括以下几点：

一、模型能力问题

国内大模型的基础能力相较于海外模型仍存在一定差距。尽管国内在AI领域投入了大量资源，但在应对复杂场景和解决多个子任务时，国内模型的性能往往难以达到预期效果。这种能力上的不足，直接影响了大模型在实际应用中的表现，使得很多潜在的应用场景无法得到有效开发和利用。

二、使用成本与盈利模式

大模型的使用成本极为高昂，不仅包括模型训练所需的庞大计算资源，还有部署和维护过程中的持续投入。对于许多初创企业和中小开发者来说，这样的成本负担无疑是沉重的。此外，目前市场上尚未形成清晰且可持续的盈利模式，导致很多开发者在尝试将大模型应用于实际场景时，面临巨大的经济压力和风险，难以持续投入和推广。

三、技术门槛与用户接受度

大模型技术本身具有较高的门槛，需要开发者具备深厚的专业知识和技能。这不仅限制了开发者的数量，也增加了应用开发的难度。与此同时，普通用户对于新技术的接受度也需要一个逐步提升的过程。目前，大模型在普通用户中的普及程度仍然有限，用户对其功能和价值的认知不足，导致应用推广面临较大阻力。

四、工业界应用的挑战

在工业领域，大模型的落地应用面临诸多实际挑战。工业数据往往存在数据孤岛效应，数据质量和数量难以满足大模型训练的需求。此外，工业场景的复杂性和多样性也对大模型的适应性和鲁棒性提出了更高要求。这些问题不仅增加了应用开发的难度，也延长了从技术研发到实际应用的时间周期。

五、监管与政策环境

生成式AI技术因其潜在的社会影响和国家安全风险，受到严格的监管和政策约束。在应用开发过程中，开发者需要严格遵守相关法律法规和政策要求，进行数据合规、内容审核等多方面的合规操作。这不仅增加了开发的复杂性和成本，也可能在一定程度上限制了应用的创新和发展空间。

尽管大模型具有巨大的潜力和广阔的应用前景，但在实际应用中仍面临诸多复杂且多维度的挑战。随着技术的不断进步、市场的逐步成熟以及政策环境的逐步完善，相信未来会有更多具有创新性和实用性的新应用涌现，真正实现大模型的价值和潜力。

往期推荐：

分享前沿科技新知、体验评测