嘉宾在线对话丨大模型进工业：焦虑、探索、观望

大模型的性能比拼，是拼算法、拼算力、还是拼什么？

李华伟：

大模型的性能比拼不仅仅局限于算法和算力，还包括数据的质量、多样性、可用性和合规性。在垂域应用场景中，数据质量尤为重要。在安全领域，我们需要从海量数据中通过去除噪声、填补缺失值、标准化等清洗手段形成高质量数据用于模型训练，从而提高模型安全能力。多样性数据有助于模型学习到更广泛的特征，增强其泛化能力。

数据的可用性也同样重要，在某些垂域或交叉调用场景，如政府公开数据、企业数据中包含的个人信息、企业商业机密等，数据均受到监管管控，例如《数据安全法》、《个人信息保护法》等。因此，如何合法合规地获取和使用这些数据，成为提升大模型能力的一个重要挑战。此外，随着人工智能的发展，数据的治理和隐私保护也变得越来越重要。

在收集和使用数据时，必须遵守相关的法律法规，例如《生成式人工智能服务管理暂行办法》，保护个人隐私和企业机密。这不仅涉及到技术层面的隐私计算，也涉及到伦理和社会责任。因而，通过不断优化数据的收集、处理和使用，我们可以更好地发挥大模型的潜力，解决实际问题，赋能于业务的发展。

亚运会时安全大模型都应用在了哪些场景，有哪些可以复制到工业场景？

李华伟：

在亚运会期间，恒脑全面辅助服务于重大活动的安全运营工作，接入了态势感知、自动化响应等平台应用，服务于亚运的票务系统、媒体转播、场内计分系统等提供安全保障、安全防护，针对攻击做一些安全应急处置。这些应用经验可以被借鉴并复制到工业场景中，以提升工业系统的安全性和效率。

在工业场景中，恒脑可以应用于网络安全防护，例如通过识别勒索病毒、判断攻击载荷，实现自动化的拦截和隔离措施。这有助于防止工业控制系统遭受恶意软件的侵害，保障生产流程的连续性和稳定性。恒脑在工业数据管理方面也具有巨大潜力。通过对工业数据进行分级分类和敏感信息识别，可以帮助企业更好地管理和保护关键数据，防止数据泄露和滥用。另外，通过恒脑创建智能体，协调各类安全工具、查询数据库、执行自动化任务，从而提高安全运营的效率和响应速度。

本期直播对话亮点：

⭐生成式AI和大语言模型的差异，哪种更适合工业场景？

⭐工业里哪些场景可以用大模型？哪些重点行业是率先收益的？

⭐算力焦虑，当前算力究竟够用不够用？

⭐大模型时代如何理性看待当前的算力需求，如何实现更高效的算力资源分配？

⭐大模型的性能比拼，是拼算法、拼算力、还是拼什么？

⭐大模型的运营成本主要是哪些，真的是电费占到了总成本的50%以上？

⭐亚运会时安全大模型都应用在了哪些场景，有哪些可以复制到工业场景？

⭐听懂、读懂、看懂，未来工业大模型在人机交互的演进方向还有哪些？

⭐制约垂类大模型发展速度的原因有哪些？