近年来，从应急救援、金融服务，到交通出行、能源电力，行业大模型如雨后春笋般发展。如何架构行业垂直大模型，适应千行百业的场景需求？业界人士表示，行业大模型的火热将助推数据收集、数据标注、数据治理等规范高效发展。那些能够服务行业痛点，通过场景应用不断迭代提效的大模型，将在发展中抢占先机。

　　行业大模型，指的是面向特定行业领域需求打造、适配行业场景的专用大型模型。与通用大模型相比，行业大模型通过对垂直细分领域的数据进行更有针对性地训练和优化，能更有效地完成专业性工作。天眼查数据显示，截至目前，全国已有210余条行业大模型相关专利和110余条垂直大模型相关专利布局。这一数据表明，我国正加速推进人工智能技术从通用化向行业化、场景化深度演进。

　　“通用人工智能大模型在应急管理行业适用性不强。”大数据与人工智能应用创新应急管理部重点实验室主任刘永强表示，面对危化品监管、灾害处置预案等专业性较强的问题，通用大模型的回答准确率偏低。目前，培育行业大模型需要将积累的高质量数据经标注加工后，通过后训练方式融入通用大模型的参数库，而非简单挂载知识库进行检索式问答。

　　百度智能云政务行业总经理傅鹏表示，通用大模型更多面向C端，提供问答、图片视频处理等通用能力。而垂类行业大模型，核心需求是支撑专业应用场景落地，提升管理效能和实战效果。

　　对于提高行业大模型的有效性，刘永强认为，要重点开展两方面工作，其一是构建高质量数据集，其二是基于微调技术对大模型训练调优。未来，要建强大数据和大模型底座，构建行业高质量数据集，带动应用场景的拓展。

　　“这就要求行业模型要达到多模态数据处理能力，整合图像、文本、视频、传感器等各类数据；提升高效响应能力，在短时间内完成数据处理、分析和决策支持；实现自主化流程编排能力，在复杂场景要自动完成多环节协同操作，提升工作效率。”傅鹏说。

　　此外，攻克大模型“幻觉”是业界关注的重点。“大模型的错误回答可能导致执法误判、救援失误等严重后果。我们正在构建大模型的自我评估能力，让模型根据场景应用效果自主判断回答质量，并进行自我迭代更新。”刘永强说，要基于知识图谱的检测技术，及时发现大模型的“幻觉”问题，采用插件化生成技术进行纠偏，暂时无法纠偏时则禁止输出。

　　业界人士表示，在大模型赋能行业发展的同时，行业也为大模型迭代升级提供了应用场景。前些年大家多是重视算力、芯片，如今对行业大模型的应用场景更为关注，要能解决行业实际问题。

　　未来，行业大模型要致力于理解和解读“复杂环境”的专业语言，并深度融入行业的核心业务流程与关键场景。以交通领域为例，中新数字科技（四川）有限公司董事长李河表示，应坚持以真实场景需求为牵引、以自主技术创新为驱动、以行业政策标准为依据，系统性提升从感知、决策到执行的全链条运营效率。随着技术与业务场景的深度融合，持续增强模型在多样化场景下的自适应能力、全周期数据安全治理能力以及产业链协同支撑能力，推动行业大模型实现从“单点技术突破”向“全场景业务协同”演进。