引言:
在人工智能的浪潮中，大模型技术正逐步成为推动行业发展的关键力量。然而，大模型在实际应用中的落地难题，也引起了行业的广泛关注。为了深入了解大模型技术的发展现状和未来趋势，安徽科教频道走进安徽小竹信息科技有限公司，与全国首家财税大模型 —— 小竹财税 AI 的创始人袁林进行了深入对话。
对话实录:
记者: 袁总，您好，感谢您接受我们的采访。当前大模型技术虽然发展迅猛，但在实际应用中似乎遇到了一些难题。您认为主要的挑战是什么?
袁林: 您好。大模型技术确实在理论上具有强大的潜力，但在实际应用中，它面临着资源消耗大、泛化能力有限和可解释性差等问题。这些问题限制了大模型在更广泛领域的应用。
记者: 在这样的背景下，小竹财税 AI 如何找到自己的定位和突破口?
袁林: 我们认为，专业模型是大模型应用的最终归宿。通用大模型的出路在于差异化，谁最早做差异化，谁就能最先突破。小竹财税 AI 就是在百度千帆大模型的基础上，融合了我们海量专业的财税数据库，经过精心微调而成。
记者: 您如何看待通用大模型和专业大模型之间的关系?
袁林: 因为耗费巨资训练的大模型，如果都在通用领域，第一竞争大，市场就那么大，分食就不够吃。第二，通用大模型本身找不到具体应用场景，本身没有办法变现。第三，通用大模型随着时间的推移，聪敏程度会很接近，聪敏度的提升也会出现边际递减的规律。所以，通用大模型的出路是作为专业大模型的底座，在通用基础上研发出能解决具体问题的专业模型。
记者: 您能否用一个比喻来形象说明通用大模型和专业大模型的区别?
袁林: 当然可以。如果把通用大模型比作一个优秀的高中生，那么专业大模型就像名校某个专业的博士生。你觉得哪个更值钱? 小竹财税 AI 就是在通用大模型基础上训练的财税专业大模型，我们的目标是让天下没有难懂的财税。
记者: 小竹财税 AI 在财税领域的回答正确率高达 92%, 远超通用大模型。这一成就是如何实现的?
袁林: 这一成就得益于我们高质量、多样化的垂直 (专业) 数据库。在模型的 embedding 过程中，我们探索了多种中文 embedding 模型，总结出适合财税领域的向量 embedding 检索方法，从根本上解决了财税领域标准化知识快速获取的难题。
记者: 在大模型的“三国杀”中，清华系的百川智能、智谱 AI 和月之暗面等公司竞争激烈。小竹财税 AI 作为财税领域的专业大模型，您如何看待这种竞争态势?
袁林: 竞争是行业发展的必然现象，也是推动技术进步的重要动力。清华系的大模型公司在各自的领域内有着深厚的技术积累和创新能力，这对整个行业的发展是有益的。小竹财税 AI 专注于财税领域，我们通过专业模型的深耕，找到了自己的蓝海市场。
记者: 您如何看待小竹财税 AI 的未来发展?
袁林: 我们对小竹财税 AI 的未来发展充满信心。随着人工智能在国内的应用和普及，各垂直领域对专业大模型的需求日益增长。小竹财税 AI 作为财税领域的专业大模型，具有广阔的商业价值和行业价值。我们将继续深耕财税领域，推动小竹财税 AI 的创新和应用，为构建中国的财税生态圈贡献力量。
记者: 最后，您对大模型行业的未来发展有何展望?
袁林: 大模型行业仍处于快速发展阶段，未来将有更多的专业模型涌现。我们期待与业界同仁一道，共同推动大模型技术的发展和应用，为各行各业的智能化转型提供强有力的支撑。
结语:
通过与袁林的对话，我们看到了专业模型在大模型发展中的重要作用和广阔前景。小竹财税 AI 的成功，不仅为财税领域带来了创新和变革，也为大模型技术的应用和发展提供了新的思路和方向。未来，随着专业模型的不断涌现和应用，大模型技术将更好地服务于社会和行业，推动人工智能技术的深入发展。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。