作为新一代智能终端，大模型加快在智能网联汽车上部署应用。除了在智能座舱里与人交互更自然、识别车内外的人与物更准确，大模型还能提升自动驾驶系统的效率和安全。“云端大模型的参数规模大、算力强，能够完成大量数据标注、数据融合等任务；车端大模型的参数量小，能节省车端计算的推理时间，助力自动驾驶技术开发应用。”受访专家表示。

　　软件行业也在“拥抱”大模型。浪潮集团副总裁魏代森表示：“当前，在大模型的赋能下，软件业正在加速演进。一是引发了软件生产方式的变革，大模型推动软件生产自动化、智能化，低代码成为热点，人工智能增强开发是趋势；二是软件形态在加速演变，走向平台化、可组装、云原生；三是软件产品高度智能，从嵌入智能到原生智能，赋能业务流程自动化、智能化。”

　　加快补齐短板

　　进一步加强资源与研发力量的统筹，强化大模型在发展中的场景牵引作用，实现大模型技术的高质量应用突破

　　移动应用发达、数据资源丰富、应用场景多元、人工智能产业链完整度高……产业化应用已成为我国人工智能产业的重要优势之一，也是推动人工智能加快发展的关键。

　　中国信息化百人会执委、阿里云副总裁安筱鹏认为，大模型在不同产业的应用落地一方面可以促进产品竞争力的升级，创造新的附加值；另一方面，它可以在更广泛、更复杂的场景中进行流程和决策的优化，提升企业创新的效率。

　　大模型的技术潜力与市场空间巨大，但技术门槛高、开发复杂、成本较高，与产业场景的深度融合离不开平台工具支撑。浪潮信息董事长彭震表示，“人工智能+”既是目标，也是机会。应用创新需要算法、算力和数据协同发展，要开展以系统为核心的全局创新，实现创新与应用并重，让智能应用以更快速度涌现并满足差异化需求。

　　当前，我国大模型发展存在一定挑战，如算力存在瓶颈、高质量的训练数据集仍需扩展、标志性应用尚未出现等。“比如，在公有云上部署大模型，能够让用户更加及时地获取大模型的最新功能和应用。这时公有云就不仅仅是单纯的计算或存储设施，也是大模型的应用设施。”单志广表示，我国算力基础设施建设要走共享化、高效化的路径，既重视硬件建设，也重视需求和应用发展，高效集约利用算力资源，进一步提高算法、算力和数据资源的服务水平和能力。

　　广东拓斯达科技股份有限公司总工程师张晓辉说：“以制造业大模型落地为例，很多工业控制系统数字化、智能化水平不高，工业数据采集困难、标准不统一、价值不高，数据利用不充分，使得不少企业较难借助大模型技术来优化生产流程。”中国信通院人工智能研究中心副主任巫彤宁认为，众多创新应用的出现，对人工智能软硬件支撑体系提出了更高的需求。新技术带来的需求增长，能够带动国内算力、算法、数据相关创新主体的发展步伐。

　　受访专家表示，大模型创造新价值、适应新产业、催生新动能，是加快发展新质生产力的关键要素。面向未来，我国需进一步加强资源与研发力量的统筹，强化大模型在发展中的场景牵引作用，实现大模型技术的高质量应用突破，驱动经济社会高质量发展。