.jpg)
近年来，预训练大模型技术迅速发展，AI生成在多个领域都有了广泛研究与应用。大模型增强了AI技术的通用性，进一步拓宽了人工智能技术落地的应用场景，如自然语言生成、对话系统、语音合成、图像生成和视频生成等等，目前，AI 已经在金融、医疗、智慧城市等多个场景实现了技术落地。但是，在人工智能技术快速发展的同时，业界普遍出现的担忧也不容忽视：
• 大模型具备理解能力后，还需要大量人力解决数据治理问题吗？
• 大模型训练数据是私域数据的无数倍，小量的私域数据有存在的价值？
爱数在数据领域深耕20年，在领域知识网络数据及其应用场景有着深厚积累，爱数研发副总裁杨宇在以“大语言模型释放全域数据价值”为主题的演讲中提出，大模型将成为爱数实现全域数据管理的有力助推器，通过数据运营和认知智能驱动，实现数据资产化、数据知识化、数据服务化和数据要素化。
.jpg)
杨宇以化工行业为例，介绍了领域大模型如何与领域知识如何互补并存。在第一个真实场景实验中，面对化工材料的生产制造工艺改善的问题，大语言模型能够进行概括性表达，起到思路启发、能力提升的作用，而领域知识能够做到完整、精细化、准确性的表达，指导实践操作不犯错。在第二个场景中，大语言模型有着良好的内容理解能力，但因背景知识缺乏，不能回答真实场景的问题。同时，化工行业最重视的两件事，也击中了大模型的短板：安全事故防范与商业机密保护。专家实践成果、结构化与规范化是化工行业的领域知识的两大特征，知识稍许的偏差都会导致成本提升、风险提升。
根据以上场景，爱数提出：
观点 1：通用大模型分裂为垂直行业的领域大模型
将私域数据与通用大模型结合，形成领域大模型，例如，化工领域大模型、证券领域大模型、政府领域大模型等。
.jpg)
观点 2：大模型能够降低领域知识网络的构建成本、提升质量
以大模型助力客户将私域数据构建为领域知识网络，将降低构建成本、提升领域知识网络质量。
.jpg)
所以，大模型与领域知识网络是必要的组合关系，大模型提供理解、推理能力，而领域知识网络提供专业领域的规范化、精准化的行业知识。根据人类的双系统认知理论，爱数将隐性系统类比为以大模型为首的统计模型，将显性系统类比为知识图谱为代表的知识网络，双系统的连续交互协作是实现高级认知能力的关键，由此，大模型、私域数据、领域知识图谱的互补共存将实现高级认知能力。
爱数认为，“领域大模型+领域知识网络”将解决专业领域问题，以数据重塑生产力。未来，爱数希望能与更多大模型厂商开放合作，与爱数行业客户共创打造“领域大模型”，并借助大模型革新爱数全系列产品使用体验，提供更高品质的产品和服务，赋能高质量发展。
