近期,隨著Claude 4和新版DeepSeek-R1大模型的相繼問世,通用基礎大模型領域的競爭再度升級。然而,Gartner最新發布的預測報告揭示了未來AI模型應用的一個不同趨勢:到2030年,超過半數的企業GenAI模型將專注于特定領域,相比2024年僅5%的比例,這一增長顯得尤為顯著。
這一預測預示著領域特定GenAI即將迎來爆發期。Gartner研究副總裁蔡惠芬指出,通用大模型往往難以滿足垂直行業的具體需求,唯有結合領域數據、專業知識及專家經驗的領域特定GenAI,才能真正實現商業價值的落地。她強調,領域特定模型的應用場景極為廣泛且多樣,為技術提供商帶來了諸多新的機遇。
蔡惠芬進一步解釋說,領域特定GenAI與垂直領域模型存在本質區別。垂直領域模型受限于特定行業,而領域特定GenAI則可以跨越不同行業,應用于諸如流程自動化等通用系統。以制造業為例,每個制造企業都有其獨特需求,且數字化轉型進程相對滯后,大量數據尚未實現數字化。因此,許多制造企業正致力于將專家知識數字化,以構建領域特定GenAI模型,推動智能化進程,幫助新入職員工快速解決問題。
目前,醫療、財務、安全、法務、新聞等領域已出現較為成熟的領域特定GenAI應用。例如,Harvey AI專注于法務或稅務領域,騰訊與邁瑞合作開發了“重癥醫療模型”,百度則在“智能城市”領域擁有眾多案例。蔡惠芬指出,未來領域模型的數量將不斷增加,且更多將由擁有數據資源的甲方企業推出,因為技術提供方可能并不具備這些特定領域的數據。
Aitomatic是半導體和能源領域的模型應用之一,用于工業領域的專家AI智能體(DXA)。借助DXA,工程師可以快速獲得清晰的診斷和維修方案,即使面對罕見的閥門故障也能迅速定位問題。這一應用不僅降低了企業成本10%,提高了生產力15%,還每天節省了1000小時的工作時間。
蔡惠芬強調,領域特定語言模型為技術提供商帶來了顯著的差異化優勢,能夠更有效地提升生成式AI的價值和影響力。對于領域特定GenAI模型構建者而言,首要任務是確定應優先構建哪些領域模型。為此,Gartner提供了“AI機會雷達圖”以幫助模型構建者明確自身優勢。
對于軟件提供商而言,面對眾多領域特定模型,他們需要權衡是直接購買還是自建。為此,Gartner提供了購買領域特定語言模型與自建的決策框架,以協助軟件提供商做出明智的選擇。