大模型发展按下加速键，小模型会被淘汰吗？

6月28日，为期三天的2024 MWC上海(上海世界移动通信大会)落下帷幕。5G、AI、大模型成会期探讨的高频热词。

“中国是全球最大的5G市场，预计今年年底中国5G连接数将突破10亿大关。”全球移动通信系统协会（GSMA）会长葛瑞德（Mats Granryd）表示，中国正在为5G-A（5G-Advanced，增强版5G）的演进奠定基础。

与此同时，工业领域大模型的发展也备受大会关注。此前毕马威中国发布的《工业大模型应用报告》指出，大模型有望成为驱动工业智能化的引擎。

中国5G商用已有5年，5G商业化对运营商业绩的贡献几何？随着生成式人工智能时代的到来，在工业领域，生成式AI（大模型）将对工业带来一场怎样的变革？

对此，小编专访了毕马威中国通信、媒体及科技行业管理咨询服务主管合伙人高人伯，以及毕马威中国企业数字化战略咨询主管合伙人李良，就当前电信行业发展转型及工业大模型前景展望进行探讨。

采访实录摘编如下：

5G和数字化助力中国运营商业绩增长

小编：中国5G商用已有5年，如何评价5G商业化对运营商业绩的贡献？预计5G-A投资规模将会有多少，商业回报如何？

高人伯：5G商业化无疑为运营商带来了显著的增长动力。5G网络的高速、低延迟和大连接数的特性，使得运营商能够为用户提供更为丰富的服务。此外，5G技术还在工业、医疗、教育、交通等多个行业领域发挥赋能效应，为运营商带来了新的业务增长点。

然而，5G网络建设的投资成本也非常巨大。虽然随着5G网络的商用化，用户规模不断增加，但网络建设和维护的成本也在不断增加。

5G-A的投资会持续增长，并有望为运营商带来更高的商业运营收益。5G-A在网络速度、延迟、连接数等方面实现显著提升，同时引入了通感一体、无源物联、内生智能等全新的革命性技术，能够更好地匹配人联、物联、车联、高端制造、感知等场景。

5G-A的发展不仅将推动运营商的商业运营收益增长，也将促进中国科技的持续发展。5G-A的发展将提升中国在通信技术领域的国际竞争力，推动相关产业链的发展和创新。5G-A的广泛应用也将为中国的经济发展和社会进步提供强有力的支撑。

小编：毕马威在2024MWC上海发布的《从电信企业向科技企业转型：电信业发展展望》显示，传统电信运营商面临成本上升、toC业务增长乏力、流程复杂等挑战。但中国的电信运营商近一两年来业绩向好，其驱动因素是什么？

高人伯：其驱动因素可以归纳为三个方面：

第一，中国运营商的数字化转型业务得到强劲增长，这不仅推动了传统业务的升级，也开拓了新业务领域，如云计算、大数据、物联网等。

第二，5G业务的快速发展也助力了运营商业绩发展。

第三，政府对数字化转型和网络强国战略的推动，为电信运营商提供了有利的政策环境。同时，各行各业数字化转型的深入推进，为运营商提供了广阔的市场空间。

小编：运营商传统业绩增长乏力，报告提出运营商向科技企业转型。中国的运营商也开始加码对智算中心、智算网络，以及对AI大模型的投资。您认为运营商向科技公司转型有哪些可为之处？

高人伯：随着电信业向科技企业转型的浪潮，企业应致力于构建更为灵活的组织架构，并将客户置于战略核心。

具体而言，企业以客户为中心，通过云架构设计以及数字服务的部署与应用，精心打造多样化的数字服务组合。这一转型不仅提供卓越的数字体验和前沿的自动化水平，更驱动数据导向的决策制定。这一转变使得企业能够迅速响应客户和市场的多元化需求，从而构建具备高度竞争力的综合服务。

同时，这些竞争力的提升直接服务于以客户为中心的服务和体验，进一步增强了客户的满意度。除了对内部系统和流程进行简化、集成化和自动化外，企业还需大力加强客户细分和数据分析能力。通过这一系列的变革，电信企业能够逐步迈向更加智能、高效和创新的未来。

大模型时代，如何为工业智能化赋能？

小编：有观点认为，未来制造业将是大模型应用的主战场，您怎样看这种观点？

李良：随着近两年快速发展，大模型现已渗透至众多行业，展现出其广泛的应用潜力。我认为制造业将成为大模型应用的一个关键领域，因为工业场景对智能化的需求日益强烈，而人工智能恰好能够精准满足这一需求。

目前，工业领域已经历了多年的成熟发展，累积了海量的数据、坚实的基础能力和丰富的场景需求。在此背景下，工业界正积极探寻一种既能节省人力物力，又能显著提升工作效率的新型工作模式。人工智能恰好展现出了类似人的理解和分析能力。这些能力与工业场景的完美结合，将智能化全面引入工业生产的各个环节，包括生产、运营和管理等，从而不断优化感知、认知和决策等流程。这一变革有望引领工业领域步入一个“自适应、自决策、自执行”的时代。

小编：人工智能进入了生成式人工智能时代，在工业领域，生成式AI（大模型）对工业将会带来一场什么级别的变革？是否类似于一场工业革命，其愿景是怎样的？

李良：生成式AI正改变着工业生产的模式，引领制造业由数字化阶段迈向智能化新纪元。过去，人工智能在工业中的应用多局限于质量检测、预测性维护等特定领域。然而，随着生成式大模型的崛起，迎来了“基础模型+多样化应用”的崭新格局。这些大模型凭借卓越的理解、生成及泛化能力，能够深入洞察工业领域的复杂问题，产生创新的知识和洞见，并在更广泛的工业场景中展现其影响力。

尽管庞大的参数和计算资源对大模型的训练构成了挑战，但随着新型技术和应用模型的不断涌现，大模型的训练成本正逐步降低。这一趋势无疑将加速大模型在工业领域的广泛应用，为未来的工业生产注入更多的智能化元素。

小编：生成式AI（大模型）和判别式AI（小模型）的应用有何不同，大模型未来是否会取代小模型？

李良：大模型与小模型之间存在本质区别，且各自具有独特的应用场景，因此大模型无法完全取代小模型。

小模型在工业生产制造领域展现出卓越的能力，其基于有限数据支撑的精准判别和决策，确保了模型的准确性和稳定性，这使得小模型在该领域的应用更为可靠和高效。相比之下，大模型则更适合于综合性和创造类的工业场景。

大模型凭借其强大的泛化能力和创造性，在研发设计、综合经营管理等方面发挥着重要作用。在综合型工业场景中，由于涉及多个系统、多个流程的协同工作，需要处理文档、表格、图片等多类数据，变量之间的关系错综复杂。大模型通过深度学习和复杂的网络结构，能够捕捉并模拟这些复杂关系，为全面理解和优化复杂系统提供了有力支持。

尽管大模型在成本收益比、稳定性和可靠性等方面存在问题，且其在工业领域的探索尚处初级阶段，但其强大的泛化能力和处理复杂任务的优势，使其在更广泛的领域展现出巨大潜力。与此同时，小模型以其高效、灵活的特点，在特定场景和资源受限的环境中发挥着不可替代的作用。因此，大模型与小模型将长期共存，共同推动工业领域的进步与发展。

小编：工业大模型目前应用情况如何？其落地还存在什么困难，应如何解决？

李良：大模型技术正处于蓬勃发展的黄金时期，尽管取得了显著的技术突破，但在安全、可靠性以及成本控制等方面仍面临严峻挑战。

当前，工业数据质量参差不齐，数据间的关联性和复杂性也极高，其来源、采集方式、时间戳等因素都可能影响数据的准确性和完整性。这种数据结构的多样性和质量的不均衡性，无疑给工业大模型的训练和应用带来了巨大的挑战。为了应对这一挑战，必须投入大量的时间和资源，对数据进行精细的清洗、预处理和校验，以确保数据的准确性和一致性。这一步骤对于构建高性能的工业大模型至关重要。

此外，工业大模型的应用场景要求极高的准确性和稳定性，以应对复杂多变的工业环境。因此，在追求模型性能的同时，还需要降低计算复杂度和内存占用，以实现高效的实时推理。同时，大模型的推理和训练成本相当高昂，长期运营更是需要持续的人力和算力投入。

然而，随着未来技术的不断进步，大模型的成本将逐渐降低，使其能够更广泛地应用于各类工业场景中，为行业的智能化和数字化转型提供有力支持。