自深度学习之后|大模型如何成功落地？( 三 ) 自深度学习之后

此外， “产业级”和“知识增强”也是飞桨文心大模型的两大特质。
文心大模型的训练数据来源于产业实际场景，积累了大量的知识规律，在应用时建设了一系列配套能力，比如怎样设计数据的标注、建议有多少数据、相应的迁移学习方法等，提升了大模型真实应用的可行性。在具体应用时，为了弥补一些涉及逻辑推理和认知的任务表现较差的缺点，文心大模型引入了大规模知识，通过“知识增强”的方法，将数据与知识融合，提升了文心大模型的通用性。
国网-百度·文心提升了传统电力专用模型的精度，而且大幅降低了研发门槛，实现了算力、数据、技术等资源的统筹优化。浦发-百度·文心也已在金融行业各类智能场景得到验证。
可以看出，百度在AI大模型的体系建设思路，与飞桨降低AI应用门槛如出一辙，而大模型的进一步普及，将加速推动人工智能产业的“大工业化” 。
（作者|张帅，编辑|盖虹达）