AI大模型发展迅速,但在落地应用方面仍面临挑战,如何将大模型与应用场景结合,实现其在各行各业的落地,是全球性难题。
7月1日下午,在2024全球数字经济大会人工智能专题论坛上,来自猿力科技、瑞莱智慧、开普云、拓尔思、京东方、中国司法大数据研究院等企业、机构代表聚焦“大模型应用落地的探索、挑战与未来”展开深入交流。
2024全球数字经济大会人工智能专题论坛
从工业、安全、法律、教育等不同垂类领域视角探讨大模型如何在千行百业中落地生根。
圆桌主持人:王晟(英诺天使合伙人、北京市前沿国际人工智能研究院理事)
对话嘉宾:
程群(猿力科技党委书记、副总裁)
朱萌(瑞莱智慧合伙人、高级副总裁)
严妍(开普云总裁)
林松涛(拓尔思副总裁)
李晓智(中国法研院政企事业群总经理)
刘玉宇(京东方人工智能技术中心副院长)
以下是本场圆桌的要点:
1.程群(猿力科技):
教育与大模型天然契合,中国在教育垂类大模型领域具有独特优势。
教育垂类大模型发展需要关注准确性、可信度和价值观对齐问题。
找到低成本、可规模化的应用场景是关键。
以人为本,应用为王,寻找低成本、可规模化的应用场景。
2.朱萌(瑞莱智慧):
人工智能安全与应用发展同样重要,大模型安全需要全行业共同努力,共建安全生态。
大模型的应用正在重塑传统生产流程,对技术公司提出了更高要求。
安全建设需要防患于未然。
3.严妍(开普云):
大模型落地应用需打通“最后一公里”,技术与业务双向奔赴,才能真正满足用户需求。
任何科技的发展都不能以牺牲安全为代价,需构建安全机制,确保模型输出合规可靠。
4.林松涛(拓尔思):
保障内容真实可控、构建高质量数据集、优化输入内容质量是大模型落地应用的关键。
大模型落地应用需要与用户共同探索合适的应用场景。
高质量、可控的内容生成是大模型场景化落地的关键。
5.李晓智(中国法研院):
法律领域对大模型的准确性和严谨性要求极高,需构建多层次应用场景,服务不同用户群体。
法律大模型领域需加强自律,维护良好行业生态,保障用户权益。
在垂类大模型领域,坚持“一厘米的宽度,一公里的深度”,以应用为牵引,深耕细作。
6.刘玉宇(京东方):
大模型在传统制造业拥有广阔的应用前景。
开发精确、安全可控的多模态大模型将是重要方向。
以下是本场圆桌实录:
王晟:非常高兴能参加精彩的活动,前面嘉宾做了密集分享,我们是本场活动唯一的对话,而且对话有六位行业大佬,所以我们接下来有半小时非常密集地输出。我是英诺天使合伙人王晟,我也是北京市前沿国际人工智能研究院的理事。
2022年底ChatGPT发布到现在整整有20个月,20个月里人工智能大模型取得了非常突飞猛进的发展,能力上也有非常多的增强。但是大模型怎么能够和应用场景结合,在千行百业中落地,却是始终困扰全世界的问题。这个对话非常荣幸请到了几位行业大佬,他们在各自领域中都非常出色,第一个环节请他们各自介绍一下自己的公司、做的业务和所处的行业,以便展开下一环节的讨论。
林松涛:大家好!我是来自拓尔思的林松涛。拓尔思成立1993年,从2011年开始布局了数据业务,今天积累了超过2000亿的数据。因为当年做了大数据的业务,今天回过头看人工智能今天,拓尔思还有一个身份是我们做了30年的NLP,以前只专注于做NLP和数据。今天大模型到来后,我们发现曾经一直积累和积攒的经验在今天为我们提供了很大的帮助。
因此,人工智能大模型时代到来,我们all in大模型,因为NLP+数据实际上就代表了大模型语言能力以及数据代表智力上线。拓尔思一直以来,我们为政府、企业做长期数智化的赋能,未来我希望我们继续在人工智能赛道上把数据和智能作为一个基石,继续为政府、企业以及各行各业场景提供赋能,谢谢大家!
程群:大家好!我来自猿力科技集团,我们成立于2012年,我们是一家教育科技企业。我们致力于把人工智能推动教育的变革、推动学习方式的变革。我们自研教育垂类大模型现在已经用在了自主学习、客户答疑等一些学习场景中,包括搭载到了智能硬件小猿学习机上,现在有数百万的学生在常态化地使用。所以我们坚信,随着大模型的发展,我们一直追求大规模因材施教个性化学习正在成为现实。谢谢大家!
严姸:尊敬的主持人,各位嘉宾、各位行业同仁:大家好!我是开普云总裁严姸,非常荣幸能在今天数字经济大会圆桌论坛上跟大家做一个分享。
当下,大家应该都感受到人工智能浪潮席卷而来,不仅仅革新了我们对智能的认知,同时也开启了创新的无限可能。开普云在这样的背景下,将前沿技术转化为实际的应用,落地了服务政府、媒体和大型企业的大模型产品,产品叫做开物。开物这个名字寓意着人工智能启发下人类智慧的觉醒,它也代表了开普云对于生成式人工智能能够深度赋能产业,更好服务客户的期待和信心。
我们主要核心功能聚焦在四方面,文、图、引、问。在这四个方面,比如在生文方面,大家都知道大模型生文是很简单的,如果生成可读、可用、可发表的文章就特别有挑战,目前开普云在生文方面,具体客户落地场景里面,已经生成可供媒体直接发表的文章。
在生图方面,我们在前一个月深圳文博会上,已经成功复现齐白石大师的画作神韵,通过生成式人工智能展现中国传统文化的魅力。在生视频方面,在今年“两会”期间生产的新质生产力解读视频,在《人民日报》数字传播全网进行了播发。在问答交付方面,开物大模型充当了用户不可或缺的顾问,可以像一个智慧大脑一样理解用户的意图,生成个性化的解决方案,同时已经融入到了用户的学习和工作中,成为了用户深入理解复杂问题,全面辅助决策的最佳助手,谢谢!
朱萌:大家好!我是瑞莱智慧的朱萌。
瑞莱智慧是清华大学人工智能研究院孵化的一家企业,是由中科院院士张钹老师和他的学生,也是现任清华人工智能研究院副院长朱军老师团队为基础组建的,所以清华基因是瑞莱身上最重要的标签。
说到公司业务,安全可控真正人工智能也是瑞莱比较重要的标签。2018年的时候,瑞莱团队用一幅眼镜破解了市面上19款手机人脸识别的设备,第一次让大家认识到,人工智能这项技术本身存在安全的隐患,那也是第一次让大家意识到,我们可能要注重这项技术的安全性。在过去的五年当中,瑞莱也逐步形成了两大方面产品线,一是大模型安全基座,二是生成式人工智能检测基座。所以在这两方面业务线当中,瑞莱跟行业内很多大模型公司包括很多人工智能公司搭建了很多很多合作。瑞莱就是人工智能时代的安全卫士。
刘玉宇:主持人和各位嘉宾好!我是来自京东方的刘玉宇。
京东方集团成立于1993年,作为显示制造的龙头企业,也是见证了中国显示产业从无到有、从小到大、从大到强的整个过程。时至今日,全世界每四个显示终端里有一块显示屏来自京东方制造的。
2021年,京东方集团宣告了战略转型的新战略,我们叫“屏之物联”,通过进一步发掘显示屏的潜力,我们为屏集成更多的功能,为拓展屏更多的形态,进一步把屏植入更多的场景,通过物联网、人工智能、大数据以及云技术的牵引,让显示进一步助力生活,帮助我们更好地和显示器打交道。在这个战略下,所以京东方成立了AIOT组织,这个组织里在持续孵化各种各样人工智能技术,所以今天也有幸来到论坛跟大家一起交流,谢谢!
李晓智:我是中国司法大数据研究院的李晓智。中国司法大数据研究院2016年11月进行组建。
我们在成立八年中,主要服务智慧法研建设、经济社会发展以及智库建设。在大模型层面,我们推出了万法法律大模型,我们希望和法律行业共同推进法律垂类大模型有力发展,谢谢主持人!
王晟:第二个问题其实是围绕今天这个论坛的主题,大模型应用问题探索挑战和未来,我相信大家都是各自行业里面的龙头企业,这次AI都做了非常多实践。
我第一个问题想问一下程群总,教育大家都觉得是AI里面非常重要的应用领域,我的问题是说教育的垂类大模型它有什么独特特点?跟其他大模型有什么区别?你们在里面做的这些实践看到什么样的发展趋势未来和机会?
同时,其实前两天我刚跟一个教育行业的国内负责人了解一下,他们去年在AI加持下股价涨的很好,我也想知道中国的教育企业现在到底跟AI的结合,和我们这些国际同行相比处于一个什么样的状态?
程群:感谢主持人,从大模型逻辑来说,教育跟大模型有深度的契合,为什么呢?因为教育其实是一个通过对话、通过提问完成知识传递的一个过程,在这个过程当中,大模型它底层其实是人类的知识,而且它特别擅长通过人类的对话方式来进行交流,所以大模型跟教育一种深度的契合,可以看到非常多的通用大模型的企业包括OpenAI最开始做的应用,最开始投的企业当中一定会包括教育类行业,所以OpenAI最开始第一批投的企业当中就有一个语言学习的企业,一个教育企业,我们国家在教育垂类大模型上处于怎么样一个水平呢?
我们一直说叫很多领域通用大模型领域可能在追赶,但是教育垂类大模型是极有可能引领发展,甚至可以说在部分领域以及部分实现了引领发展的地位,为什么这样说?其实几个方面很明显:
第一点,高质量的数据,训练大模型特别是垂类大模型,高质量行业数据。在过去10年里面,我们国家教育信息化,特别是在线教育、教育科技企业头部其实都在中国,积累了大量的高质量教育数据。
第二点,我们有超大规模的刚需用户群体,2.93亿的学生群体,近1900万老师的群体,这些群体使用之后,推动大模型的正向强化反馈,推动迭代,飞轮效应就开始了,这个群体相当于很多国家总的人口数量。
第三点,在上一轮教育基础设施建设过程中,几乎绝大多数学校都已经有了比较好的基础设施硬件,比如说互联网百分之百入校,每一个学校都有互联网,几乎所有学校、几乎所有教室都有电子大屏,所以现在我们去布局一些垂类大模型产品去教室完全没有压力,所以很多在西部地区、农村地区的小孩他也可以通过大屏去体验大模型,了解大模型,所以我说这三个方面是我们国家独特的优势。
所以在这个行业里面来说,它一定能够形成引领发展的态势,但是教育行业垂类大模型还有一个不一样的,跟其他行业不一样的,它对于大模型的准确性、可信度的要求极高,极其严格,因为它是知识传递的,一定要解决幻觉的问题。
第二件事,它一定解决信赖度的问题,价值观对齐,教育立德树人,所以我们也在探索构建一个全域教育知识图谱,在训练过程当中、在结果输出过程当中进行约束。所以说通过这个方式我们也在不断的推进垂类大模型可解释性和信赖度,所以我们也相信我们国家在教育垂类大模型上一定会引领全球发展。谢谢。
王晟:我再稍微问一下,这个东西会不会更好解决现在教育资源的不均衡的问题?这是第一个问题。第二个问题是说会不会学生变得更卷?简单说一下。
程群:一定会促进教育的优质均衡,同时其实会让更多的师生提高效率,不会去重复的去做一些事情,而且更有价值的、更精准的不管是做练习也好,去学习也好、实践也好。
王晟:下一个问题想问一下瑞莱的朱总,其实我们跟朱萌老师之前也打很多交道,其实从全球范围来讲,AI安全都是特别重要的问题,所以一方面是落地应用探索实践,另外一方面能不能站在安全角度给我们讲讲瑞莱做的事情包括这个事情有多么重要?
朱萌:正如我刚才介绍,主持人对瑞莱也很了解,安全是瑞莱最重要标签,在大模型时代我们主要做两方面探索,我刚才介绍我是瑞莱是人工智能时代的安全卫士,但实际上最终我们目标是希望用更安全人工智能赋能行业,但是在我们解决人工智能安全问题之前,我们就必须得非常重视这项技术。
在这个时代主要是做两方面的工作,第一个,我们跟大模型行业企业一起,用瑞莱人工智能安全技术帮助他们赋能去提升人工智能安全性,刚才其实猿力的程总也介绍,说大模型容易出现幻觉,在一些严肃场景当中可能确实是要格外的重视它的安全性,瑞莱在大模型安全评测、安全加固方案方面我们都做了很多努力,我们也跟很多行业的大模型公司一起来推出一些这种解决方案,我觉得在这个方面确实是需要所有公司一起努力的,就像在网络安全时代,其实大家都有一些共享公测的机制,我发现这个问题,我把这个问题提供到共享空间里面,以后大家就会去规避。其实我们非常希望推动AI时代大模型企业共同来推动安全的发展。
第二个,其实也是瑞莱现在在做的,我们更希望用AI技术去赋能一些严肃的场景,也就是在行业领域当中落地,比如现在像跟金融、政务,我们认为是比较严肃的场景当中已经做了很多结合。
因为在政策预制、政策梳理、政策比对过程当中包括政策审核,是需要非常强的精准性,在严肃场景当中确实需要更严肃的技术,这是瑞莱主要我们的一些探索。现在也取得了一些不错的成绩。
第二个问题,依然是这样,AI这项技术就像硬币的正反面,正面是应用,反面是安全,应用的时候我们越来越感受到大模型不是一个对话框,不是问一个问题,答一个问题,而是对传统生产流程再造。过去我们可能看到把这个业务线做拆解,一二三四五,可能大模型时代变成了一三五六,整个做了一个拆解,所以在这个过程当中更需要懂技术的人当然也需要懂业务的人,这个对所有技术公司来说都是巨大的挑战。
第二依然是安全,性能虽然提升了,但是安全能力并没有提升,所以这方面也确实是我觉得要提前安全是要预知在建设之前,不能等到大模型已经深入到生活方方面面,孩子已经开始用上大模型了,生产生活已经用上了大模型,我们再发现它有安全隐患,那个时候可能有点亡羊补牢了。
王晟:接下来问一下两位本身就是在做模型的企业,问一下开普云的严总,刚才您也讲到有四类模型,其实我理解你们做了很好多模态大模型,能不能讲讲现在模型在产业上面都在往哪些方面应用呢?
严妍:其实我们发现,现在模型从可用到好用到能产生价值,实际上要打通应用的“最后一公里”,我其实刚刚也介绍的生文、生图、生视频甚至在问答交互方面一些务实的落地,这些落地其实离不开模型技术本身的高质量迭代,也离不开特定行业的语料高质量积累,更离不开我们在跟客户实际使用场景中不断听到客户的高质量反馈去驱动精准的智能和创新。
如果用一句话来讲,我们的技术和业务双向奔赴。如果说挑战,我的观点跟瑞莱朱总是一样的,我觉得任何科技的发展都不能以牺牲安全作为代价,所以我们开普云在不断的去追求模型高质量、高效率的同时,也特别重视安全。因为我们自己过去十多年积累了大量内容安全的错敏词库,首先应用在我们自己模型中,我们开发了一套内容安全检测的平台,首先确保我们的模型输出是合规的、是没有法律风险的、是尊重客户隐私的,所以我认为只有把科技的发展和安全的治理双轮同时驱动起来,这样才能面对未来更多挑战。
王晟:我理解严总是想说,第一,我们有很强的能力,企业降本提效,第二,放心用,我们很安全,我觉得这两点真的非常关键。也想问一下拓尔思,因为您刚才讲,我们其实已经做了30年NLP,但是这一次大模型其实也是语言突破,所以我想问一下,我们做了哪些不同的探索?因为这一次也涌现了很多做大语言模型的公司,包括提供平台能力,但是今天大家说的一个问题就是你们跟产业怎么结合,解决产业什么问题?
林松涛:说到和产业结合,其实我觉得拓尔思还是有一定的话语权,因为我们是去年6月底的时候发布拓天大模型,到今天差不多基本上正好一年,这一年其实我们在大模型7个产业里面做了落地,最后归纳出7套垂直大模型,政务、媒体、金融、安全、公安包括舆情、网信、开源情报以及包括专利这7个大模型。
在这个模型的里面来说,其实在我们实践场景落地里面我们发现真正的问题大家也都说了,如何让这个内容真实可控,因为不同于C端面向用户创意型生成,你不能真实可控,不光是教育,任何一个行业你都不可能落地,刚才我说的7各行业哪一个允许你出现任何一个不真实的信息?这种情况下这实际上是大模型在行业落地必须长期关注的一个问题,因为这个问题现在通过RIG方式来进行并不是大模型自身解决,是靠外力,怎么通过外力让大模型减少幻觉不是跟上解决的问题,那么这个问题一定是长期存在,我觉得在落地以后是面临第一个大的问题。
第二个问题,刚才既然提到RIG,你一定要面向数据集的问题,拓尔思数据企业,我觉得这里面有两个大家一说很简单,第一个,比如说预训练数据集,第二个,你真正面向行业的时候有没有一批懂业务的专家来给你做指令的优化,针对性指令优化就是我说的,你们行业用的时候你的模型听不懂行业会话,那你就不是行业大模型。
第三点,还是RIG,你这个解锁把什么样的内容输入给大模型让它做生成特别关键。比如在做舆情的时候,拓尔思舆情做了好多年,我们跟互联网上开源一些很有名的知名大模型比,我就是比它效果好,并不是说模型能力比它好,而是说在模型有针对某一个舆情事件,我告诉它这一个事件来龙去脉怎么样,核心媒体用什么表达的,我会把这么多年积攒出来哪些媒体经常有核心关联,哪些媒体是官方真正发表的媒体,它在传播力上哪些是它的传播节点上的最核心的关键传播节点,我会把它代表一些文章抽取出来给它,让它做生成,而不是直接在百度上搜那些结果直接做生成,这样的话我的内容生成出来的一定没它好,这一点内容输入上面非常重要。
第三点我想讲的,因为说到挑战,里面还有一个就是我们做了这么多项目以后,我发现现在大模型落地最大还有一个挑战就是场景的困局,大模型很多用户我签了几个项目,要求我在项目执行内完成不少于几个场景的落地,没有具体需求,不少于几个场景落地意味着什么?项目在行业落地的时候需要跟用户一起去探索场景,如何把大模型嵌入到业务。
王晟:光有大模型的能力还不够,必须做一个懂行业懂产业的人。
林松涛:所以我再补充一句话,我特别同意周鸿祎老师说的,我怎么样懂产业,大模型自己本身不懂产业,我要把懂产业的小模型跟大模型加持来做行业的落地。
王晟:下面请教一下法研院的李总,其实我们之前也看了一些法律的模型,但是我们发现这些法律模型有服务律师的,有服务一些遇到法律问题的老百姓的,也有服务一些法院政府机构,也有服务企业比如像审合同的,我其实特别想问一下,李总您刚才也提到我们做的模型我们是服务谁的,我们在这个里面为什么会选择这个方向来去做?做了哪些实践?
李晓智:感谢主持人,对于我们来说,我们对于业务场景分为G、B、L、C,政府端、B端、律师端跟社会大众端,其实我们也分了三层。
首先一层,大家在提本身数据这个层面,知识这个层面上,因为法研院我们本身是归集了比如说像公报案例、指导案例、法律法规、司法观点等等,20多类法律知识进行汇聚整理之后形成三大场景的28小类的语料库,这个语料库是支撑专业垂类大模型基础,有了这种预训练大模型本身语料库基础上,也针对不同应用场景推出一系列的N个小模型应用服务。
刚才其实主持人也在说我们场景是什么,比如说我们对于法院侧,因为全国有十万多名法官,每年有三千多万新增案件,大量情况下法律侧是案多人少,我们大模型起到什么作用?我们可以进行裁判说理,甚至在这个里头对案件本身研判情况下可以生成预裁判文书,对于我们数据源解决效率问题、解决公允性问题,以及相关案例法律法规合规问题。
比如说在社会端当中对于B端法务、合同智能审查、法条引用合规性等等这些东西,也是帮助提高我们企业生产效率,在我们企业数字化转型当中提供了大量的支持。
对于社会大众端,这个其实特别有意思的一点,因为法律的东西要严谨性,对于所有普通老百姓是低频高决策,什么叫低频?我一辈子可能不打一个官司,官司来的时候我很抓瞎,大家觉得身边各种律师我都去问,但律师不是一个治百病或者包百病的一个全科医生,它有它的专业性。
而通过大模型对当事人提出问题进行精准预测以外,对案情结果进行岩判,并且生成文书,以及对当事人案件当中下一段走势法律建议书以及需要发多长时间、多少精力、多少费用全部通过大模型预测出来,当然在这里我们也希望当事人多元调节,但如果当事人还是要进行法院的话,能够生动自动诉状,这样完成整个司法权链条,对于小白来说任何学习人生第一次低频高决策通过大模型完整帮你完成,所以这里头一系列的贯穿所有业务链条当中来说,我们的推动大模型全部都能支持。
当然在这个行业当中,我们也知道全国做法律课题大模型大概有二三十家,但是大家在自己的领域当中过于宽泛的发布自己大模型对于精细化场景并没有详细的说明,我们在这个行业当中要更加严谨严肃,以及对于所有老百姓和用户负责。
王晟:谢谢李总,最后要提问一下刘总,您这个是跟大家都不一样,我理解大家做的很多都是数字化产业里面的这些事情,不管是教育、法律这些大模型,过去京东方做的是制造业、电子、集成电路这个产业,所以我特别好奇,我把大模型怎么用到这么传统的实体产业里面去?
刘玉宇:感谢主持人,实际上京东方现在和大模型结合也特别多,有是我们自己在做,有的和生态在做,比如其实显示屏除了常见的,现在有非常多的裸眼3D、16K超高清、高刷等等的显示屏,这里面现在都在用大模型生成内容,适配这样的显示模式。另外一块像手机、电视这样的显示终端其实也非常需要大模型赋能。
今天想跟大家分享一个我们在显示制造里面的一个大模型应用案例,也是我们组织内部自己去创新出来的。大家可能不太了解显示制造,其实是在玻璃上反复去刻,做各种各样晶体管,真正把这个显示做出来,所以大家可以想象玻璃上一点出现缺陷必然是非常多样,而且是弥散状,所以这样缺陷怎么样能够比较好的检测到,这个对我们质量至关重要。
这里面其实适用视觉大模型两种模型,第一个,当年meta提出分割一切,这个视觉大模型其实通过人的一些点击阵以及文本比方弥散式、条文状这样一些多模态的手段,可以比较快速把这个缺陷快速把它分割出来,这个大模型其实也是基于我们产量累计一些数据去训练。
第二个,现在生成模型,其实通过我们显示制造里面大量图片,我们可以去训练一个生成模型,我们通过指定是什么样的缺陷,大概发生在什么样的位置、什么样的层,能够去生成这样的模型。这个给我们带来的改造是非常巨大的,因为我们模型种类非常多,但是它是非常长尾的,有的模型可能一百万片才能遇到一片,如果我们始终依靠人去捞这样的缺陷非常难。
但是这种缺陷如果我们没有及时检测出来它会对我们的影响非常大,通过这种视觉大模型的组合手段,我们就能够很有效对这种长尾缺陷去进行适应,结果非常好,我们实际上后面整个人力就是在缺陷检测人力下降40%,精度提升3%,所以我们整个产线的产能通过这一套大模型的手段都得到了一个巨大的提升。
刚才主持人也在问挑战,从我们来讲,我们感觉到现有的大模型因为今天很多都是文本的大模型或者视觉大模型,其实对于工业制造场景来讲非常天然的渴望一个精确的多模态大模型,这个模型对整个工业制造是非常重要,所以觉得这可能是未来技术发展一个非常大的挑战。谢谢。
王晟:我想补充问您一下,现在这么热的人形机器人具身智能,京东方会觉得未来对我们生产有用吗?
刘玉宇:其实我们觉得可能比方像人形机器人,我们觉得可能对显示制造行业目前来讲,因为我们本身是在无尘车间去工作,整个显示产业目前自动化程度已经非常高,反倒可能帮助不是特别大。
王晟:非常感谢刘总,再请大家每位嘉宾给我们现在正在做大模型落地千行百业的这些不管是同行们还是创业者还是企业家们送给他们一句话,看看包括我们的建议或者我们在尝试中的感受,从林总这边开始。
林松涛:我认为高质量内容可控生成是大模型场景工程化落地的关键。
程群:以人为本,应用为王,真正找到低成本,规模化的应用场景。
严妍:我觉得就是要找准自己的优势领域,与你的用户一起,务实的创新,扎实的落地。
朱萌:路虽远,行将必之,我们愿意跟各位行业伙伴一起,共同携手,脚踏实地,一起迈向真正的人工智能。
刘玉宇:我们京东方有一句话叫显示无处不在,我们觉得有了大模型的加持,显示一定能更加友善的帮到我们每一个人。
李晓智:引用互联网的一句话,在垂类大模型当中,一厘米的宽度,一公里的深处,我们以应用为牵引。
王晟:谢谢大家,圆桌到此结束。