科技新闻讯7月7日，世界人工智能大会期间，腾讯举办以“无限可能”为主题的论坛。腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声发表《腾讯云MaaS，激活产业发展新动能》主题演讲，分享了关于大模型行业应用观点，同时介绍了腾讯云行业大模型技术解决方案的最新进展。
腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声
吴运声认为，产业场景已经成为大模型的最佳练兵场，但企业在应用大模型时，又会面临计算资源少、数据质量差、投入成本高、专业经验少等现实问题的挑战。
对此，腾讯云不久前公布了行业大模型技术解决方案。该方案依托腾讯云TI平台打造行业大模型精选商店，为客户提供MaaS一站式服务，客户只需要加入自己独有的场景数据，就可以快速生成专属模型，结合实际业务场景需求，开发低成本、高可用的智能应用和服务。
据吴运声介绍，继6月19日公布解决方案后，腾讯云MaaS平台能力敏捷迭代，在行业大模型技术底座、应用场景、助力科学计算等方向，均有所优化和提升。
在技术底座层面，腾讯不久前发布了自研星脉高性能计算网络、向量数据库，为大模型的行业应用提供更充沛的算力基础设施；在应用创新方面，腾讯云也将行业大模型的能力，应用到金融风控、交互翻译、数智人客服等场景中，提升智能应用效率；在科学计算方面，腾讯云始终坚持“AI for Science”，今年将大模型技术，应用在天文探索、甲骨文考释等科研场景。
吴运声最后强调，AI大模型技术发展和产业探索，离不开产业链协同和生态共建，腾讯希望与行业伙伴携手，共同推进大模型在产业领域的创新和落地。
以下为吴运声主题演讲全文：
尊敬的各位嘉宾、媒体朋友们，大家下午好，欢迎来到腾讯论坛！我是腾讯的吴运声。
作为国内规格最高、影响力最大的技术盛会，世界人工智能大会已经连续举办六届，很多新的技术趋势、创新方案、产业成果在这里发布，已经成为人工智能技术发展的风向标。回顾人工智能发展历史，这项技术自诞生之初，就始终伴随人们的期待与失望，呈螺旋式上升的发展趋势。今天，大语言模型驱动“智慧涌现”，又一次将人工智能技术推到了一个新的制高点。
在过去这段时间里，我们发现大语言模型在智能问答、内容创作、智能决策、智能风控等很多业务场景，表现出令人惊艳的应用效果。尤其是广泛的产业场景，已经成为大模型的最佳练兵常
快速了解、应用大模型能力，是新一轮人工智能技术浪潮中，保持市场核心竞争力的关键。这也成为越来越多企业家共同思考的方向，同时也存在一些焦虑。
实际上，大模型虽好，但用起来还是有很高的门槛。尤其对一些传统领域企业而言，通用大模型无法精准适配、达到降本增效的预期。企业需要的，是在实际场景中真正解决某个问题，而不是在100个场景中解决了70%-80%的问题。
相比之下，训练和部署专属行业大模型，让“通才”变“专才”，对企业来说或许是一个可行路径，但又普遍存在计算资源少、数据质量差、投入成本高、专业经验少等现实挑战。此外，安全、合规，也是企业需要考虑的关键因素。
针对这些问题，我们在6月19日推出了腾讯云MaaS一站式行业大模型解决方案：基于腾讯云TI平台，打造一站式行业大模型精选商店，TI平台内置多个行业高质量大模型，同时支持客户多模型训练任务，客户只需要加入自己独有的场景数据，就可以快速生成自己的“专属模型”，结合实际业务场景需求，开发低成本、高可用的智能应用和服务。
目前，我们已经联合金融、文旅、政务、传媒、教育等十多个行业头部客户，共同打造了超过50个行业大模型解决方案。
在金融领域，我们助力中金所技术公司，打造自有模型，降低技术开发与运营成本，支撑多部门业务。针对资源、开发等需求，基于腾讯云TI平台能力，实现资源统一调度，按需扩缩容，降低开发门槛、成本，提高模型开发效率，支持投服部等部门的舆情数据分析场景，每日调用峰值高达1亿次，整体调用成功率超过99%。
在文旅领域，我们联合一家线上旅游OTA公司，共同探索文旅行业大模型的应用。过去，传统智能客服需要人工进行对话配置：知识维护量大、耗时长，但运营人力有限、人力配置成本高，涉及订单等复杂业务场景，在无配置的情况下无法通过机器人闭环解决问题。精调后的客户专属模型，无需配置对话流程，即可实现端到端解决业务问题。提升任务完成率，降低对话构建成本。
在传媒领域，我们联合央视总台，打造了传媒大模型方案。央视总台积累了海量的音视频、图片、文稿等信息资源，但人工编目低效且成本高，传统检索方式召回率低，无法满足时效性和高质量需求。通过腾讯云智能媒体AI中台的大模型能力，央视总台实现智能标签理解、泛化能力提升，以及人脸、图像、视频和自然语言描述的精准检索，提高了资源管理效率和准确性，推动了媒体内容生产与传播的智能化进程。
腾讯云MaaS行业大模型精调解决方案，具备五大优势。基于腾讯深耕产业互联网的行业经验积累，我们在TI平台内置了高质量的行业大模型，同时我们提供完善的平台工具，成熟的流程方法，全面配套服务，领先的安全能力保障，可以为客户提供从模型选择、到落地部署的一站式服务。
同时，在过去两周多时间里，我们也在不断优化和升级腾讯云MaaS平台能力，旨在为客户提供更普惠的行业大模型解决方案。在技术底座层面，我们前几天刚刚发布了自研星脉高性能计算网络、向量数据库，为大模型的行业应用提供更充沛的算力基础设施。在应用创新方面，我们也将行业大模型能力，应用到金融风控、交互翻译、数智人客服等场景中，极大提升了智能应用效率。在科学计算方向，AI for Science一直是我们关注的重要方向。今年，我们也将大模型技术，应用在天文探索、甲骨文考释等科研场景，取得了不错的成果。
首先，行业大模型加持的金融风控解决方案，相比之前有了10倍效率提升。腾讯云风控大模型融合了腾讯过去20多年黑灰产对抗经验，和上千个真实业务场景，整体反欺诈效果比传统模式有20%左右的提升。企业可以基于prompt模式，迭代风控能力，从样本收集、模型训练到部署上线，实现全流程零人工参与，建模时间也从2周减少到仅需2天。
同时，很多企业受限于积累的样本有限，或者是新品刚刚上线，面临“零样本”搭建风控体系，制定策略非常困难。我们也可以基于腾讯云风控大模型丰富的场景样本快速搭建能力，助力客户跳过“冷启动”过程。
行业大模型在交互翻译场景，也有不错的提升效果。过去的同传技术，往往需要大量样本数据进行训练，尤其涉及一些特别专业领域的翻译，也需要人工加持进行调优，才能保障翻译效果。基于行业大模型技术，不再需要百万级的训练数据，使用小样本训练便也可以获得不错的翻译结果，让每一次交互翻译，都对下一句的翻译提升发挥实时作用，目前已经在多个垂直行业落地。大家看到今天会场，以及世界人工智能大会开幕式、主论坛的同传翻译，都是由腾讯同传进行的技术支持，我们已经连续6年为大会提供同传翻译服务。
今年早些时候，我们推出了小样本数智人工厂，仅需少量数据、24小时即可复刻2D数字分身，大幅提升了生产效率。接下来，我们依托AI生成算法，提升3D形象复刻速度，推进生成式动作驱动，结合行业大模型能力，让企业获得更“个性化、专业、自然逼真”的数智员工，让“面对面”专业服务成为可能。这几天，我们在展台设置了小样本数智人体验，现场拍摄3分钟素材，24小时就可以领取专属数字分身。
与此同时，我们也看到大模型在科学计算方面，也有非常惊艳的表现。在关注AI产业落地同时，AI for Science是我们一直关注的方向。早在2021年，我们将AI技术应用在天文领域，联合国家天文台、复旦大学计算机科学技术学院，发起“探星计划”，旨在通过人工智能技术，提升天文发现和科研的效率，已经帮助Fast发现30颗脉冲星。
在今年，我们首次通过AI技术助力，从巡天观测数据中发现了2颗快速射电暴。相比脉冲星，快速射电暴因为发现时间晚、AI训练数据少、出现频率低，发现难度相比脉冲星要大很多。为此，团队通过全新设计的端到端AI算法，提升数据运算速度。引入多示例学习、注意力机制，同时结合腾讯云行业大模型辅助AI训练，通过自监督预训练+数据精调，提升模型精度，降低数据标注成本。
在文化领域，我们与内外部多个部门携手合作，首次将文字检测、摹本生成、字形匹配等多种AI算法，综合应用于甲骨文研究。截至目前，已建立覆盖143万字的全球最大甲骨文单字数据库，提升甲骨内容提娶甲骨文识别与考释等效率，探索甲骨文研究的人机协同新模式。
大模型训练，算力是基矗腾讯云在大模型算力方面拥有领先优势，今年早些时候，我们发布了面向大模型训练新一代HCC高性能计算集群，整体性能比过去提升了3倍。就在过去一周，腾讯云首次完整披露了自研星脉高性能计算网络，能提升40%的GPU利用率，节省30%~60%的模型训练成本，为AI大模型带来10倍通信性能提升。基于腾讯云新一代算力集群HCC，可支持10万卡的超大计算规模。
最新发布的AI原生向量数据库最高支持10亿级向量检索规模，延迟控制在毫秒级，相比传统单机插件式数据库检索规模提升10倍，同时具备百万级每秒查询（QPS）的峰值能力。这些技术底座能力的持续提升，将为客户的模型训练提供强大的支持和动力。
当然，AI大模型技术发展和产业探索，离不开产业链协同和生态共建，这也是腾讯在AI发展方面一直坚持的态度。为此，我们也在早些时候发布了腾讯云行业大模型共建计划。我们愿与行业伙伴携手，去探索无限的可能性。谢谢大家！
