“大模型就像一个软乎乎的大脑，发挥作用必须有脑壳、眼睛、手、胳膊和腿。这背后必须要搭建多套软件来支撑。完整的软件栈和工具链才能让人工智能真正变成生产力。”在日前举行的清华大学数字经济系列沙龙第八期上，中国信息通信研究院人工智能研究所所长魏凯说，算法、数据、算力的规模效应仍在持续放大，但大模型并非“万能钥匙”。引入大模型只是“买图纸”，而要真正落地，需要配备专业“施工队”来完成大模型开发、调优、评估、部署及推理等全流程工作。

　　“以宠物经济为例，大模型可以通过分析宠物狗的声音和行为数据，为人与宠物互动提供新消费场景。但这不意味着企业买入大模型，就跑通了应用全流程。”魏凯分析，开源大模型打破了技术壁垒，使中小企业能基于底层模型快速开发衍生应用，大幅降低部署成本。然而要想推动人工智能转化为生产力，仍需跨越技术与场景的鸿沟，落地端有相当一部分工程性任务。完成这些任务需要“施工队”，他们既要深入了解行业，又要兼具技术性和经济性。

　　然而，培养“施工队”却并不容易。魏凯直言，许多企业用户往往需要先干活再立项做预算，这导致了“脏活累活”难解决、“施工队”动力不足等问题。此外，企业的数据治理能力弱也是制约人工智能产业发展变革的短板。“数据治理被视为‘下水道工程’，这方面做不好，即使把模型引入公司，‘施工队’也无处下手。”魏凯说。

　　对此，魏凯建议，企业应在大模型落地过程中加大预训练阶段投入，同时提升训练集群算力效率、加快代理型人工智能研发，充分发挥消费场景“练兵场”作用，以数据闭环优化数据供给，推动大模型优化。此外，应培养更多具备跨界思维的复合型人才。