当前人工智能发展已进入大模型时代。今年《政府工作报告》部署开展“人工智能+”行动后，大模型技术与产业的融合不断加速，大模型在各行业场景的创新应用将对培育发展新质生产力发挥重要作用。但从落地情况看，大模型要融入实体经济、赋能千行百业，仍有“三个鸿沟”需要跨越。
一是认知鸿沟。新技术的应用落地，需求牵引是关键。如果需求侧对大模型缺乏认知，就难以产生对大模型的应用需求。从前期接触的一些政府、企业客户来看，不少人员对大模型认识还不全面，有些还存在认识误区：有的是意识不到大模型技术的底层支撑作用，对大模型技术融入各行各业的趋向没有前瞻思考，因而不会产生对大模型的主动需求；有的则是预期过高，期待大模型能解决全部问题，如果不及预期就放弃，对新技术的发展缺乏耐心。解决认知鸿沟，需要加强人工智能知识特别是大模型知识的普及，加强对政府部门、企业相关负责人的专业培训，逐步提升大模型技术接受度，从而扩大需求端市场。
二是数据鸿沟。大模型要落地各行各业，必须解决特定行业的具体问题。通用大模型虽然具备知识的广泛性，但要满足特定场景的需求，还需要使用更专注于某个领域或任务的数据集进行后期预训练和微调，形成针对特定任务的垂类大模型。尽管我国数据相关基础制度基本完善，公共数据向社会也进一步开放，但由于保密、隐私保护等需要，数据的全面性和质量距离训练垂类大模型要求还有差距。解决数据鸿沟，一方面要加强数据治理，进一步提升公共数据的质量和开放度，另一方面要探索新的垂类大模型开发模式，可以借鉴合肥市做法，政府牵头建立融合政务、社会和行业数据的数据集，面向社会提供“算力池+数据集+模型底座”公共服务，鼓励产业企业利用自身数据优势与大模型厂商合作开发行业大模型。
三是市场鸿沟。在ChatGPT引领的生成式AI浪潮下，国内人工智能企业纷纷入局大模型，目前国产大模型数量已经超过300个。大模型训练需要大量的数据和算力支撑，资金投入非常高，但目前落地的应用场景主要集中在金融、医疗、自动驾驶、政务领域，行业竞争愈演愈烈，大模型产出远远无法覆盖投入。与此同时，在医疗、政务等大模型重点应用领域，地方政府也更愿意扶持本地的大模型企业，不少国有企业也在数字化转型过程中成立信息化或数据子公司，导致大模型应用的细分市场进一步分割，垂类大模型产品的跨地区推广应用难度加大。解决市场鸿沟，既有赖于大模型厂商通过持续技术创新，以良性市场竞争推动优胜劣汰，也需要地方政府进一步落实建立统一大市场要求，开放应用场景，减少行政干预，推进优化大模型内卷式竞争格局。（济南市国资委 沈文涛）
