丨内容简介

从基础模型到落地的生成式 AI 应用，需要经过模型训练、模型定制、模型部署、 模型推理等环节。各个环节上的行业参与者均面临着不同程度的基础设施、数 据集成、应用场景选择、安全与隐私以及负责任 AI 方面的挑战： 大模型提供商在训练基础模型的过程中，数据准备工作复杂而耗时，训练基础 设施的管理与优化有较高的门槛，且算力成本高昂。对于生成式 AI 应用开发者 而言，需要为应用场景选择最为适配的模型，也需要集成来自不同存储库、不同 格式的数据，还需要保障用户数据隐私、模型安全以及生成内容的安全。高性价比的基础设施、丰富而灵活的模型选择、使用私有数据实现差异化定制、开箱即用的生成式AI驱动的应用和负责任的AI。关于部署方式，现阶段用户更倾向于从云端开始部署:一方面大模型尚处于早期，模型能力不断突破，云服务能够助力用户快速使用到最新的模型能力。