中国科学技术信息研究所发布的一份报告显示，据不完全统计，2020年至2023年间，中国已发布了79个参数在10亿规模以上的大模型。
面对大模型时代带来的大机遇，企业纷纷奋勇争先抢占C位，但孙洪军也表示，并不是所有企业都有能力能在短期内快速推出一个大模型产品。
无论是聚焦在AI能力平台的厂商，还是提供行业解决方案的厂商，都需要确保自己的产品或解决方案能够提供这部分能力。而对于短时间内没有自研能力的厂商，以及没有AI研发积累的厂商，则无需考虑自研大模型，可直接利用市面上已有的能力来升级解决方案，形成自身业务升值溢价能力。
“目前行业大模型的产业结合仍处于早期阶段，下游应用如何认可理解新推出的大模型应用能力，模型与产业之间如何双向奔赴，实现场景与生态同频共振，或许还需要一定时间才能完成。”孙洪军称。
企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。基于行业大模型，构建自己的专属模型，也许是企业更优的选项。
“当下，软通动力正在多个行业领域进行大模型服务探索，并已沉淀数个成功案例。”孙洪军介绍，在保险行业，软通动力基于保险业务中台&保险中台解决方案，依托软通天璇2.0MaaS平台，贯穿全流程业务场景开发智能工具和助手，助力保险企业实现产品生态化、营销个性化、服务场景化、风控智能化，赋能保险客户冲破增长瓶颈；
在软件开发方面，软通动力将大模型融入“软件工程全价值链”，在某银行IT部门落地实践，借助AI大模型自动规划测试任务、测试数据生成和脚本自动执行，大幅提升测试的质量和效率；
在招聘方面，软通动力基于天璇2.0MaaS平台推出招聘AI Copilot应用，可作为需求助手、简历助手、面试助手，让招聘顾问秒变面试官。在软通动力自身的应用中，实现替代面试官80%基础面试工作量。
“我们通过测试发现，大模型能够为金融IT开发提升20%-30%的工程效率，技术带来的降本增效效果显而易见。”不过，孙洪军也表示，在享受技术带来便利的同时，也要把安全、所有权意识融入到为客户进行设计、开发和测试的全流程中。
以金融领域为例，金融机构拥有庞大的客户数据池，在应用AI大模型的过程中应格外注意数据泄露等风险防范。“我们和金融客户讨论后得到一个共识，只有私有化部署才能解决信息安全问题。”孙洪军称，AI大模型生产的代码本质上是机器生产，所有权划分目前尚未明晰。金融机构较多采用大模型私有化部署的形式，依照GitHub等开源社区的规章，引用了内部的知识产权，理应把产出贡献出去。因此，为金融机构部署私有可控的大模型时要做好技术路线、合规使用等方面的评估，避免产生所有权争议。
除此以外，孙洪军认为，在AI大模型发展的过程中，人才缺口也是当下面临的主要问题。“大模型的技术特性，决定了对高级算法技术人才的需求最为旺盛。从行业发展趋势来看，去年年中至今无论是大厂还是创业团队，都还是集中于给大模型打基础。也因此，现阶段底层的技术人才，如NLP算法工程师、深度学习等岗位，是大模型人才市场里最为急需的那一批人。”
孙洪军透露，目前软通动力在内部也会推出一些人才转型计划，类似培养出一批模型训练师。“但这需要一定时间，因为比起人才培养，我更愿意将它称之为人才的培训和应用，毕竟它需要大量的训练与经验，是一个由量变走向质变的过程。”
