AI大模型發展迅速，但在落地應用方面仍面臨挑戰，如何將大模型與應用場景結合，實現其在各行各業的落地，是全球性難題。

7月1日下午，在2024全球數字經濟大會人工智能專題論壇上，來自猿力科技、瑞萊智慧、開普云、拓爾思、京東方、中國司法大數據研究院等企業、機構代表聚焦“大模型應用落地的探索、挑戰與未來”展開深入交流。

2024全球數字經濟大會人工智能專題論壇

從工業、安全、法律、教育等不同垂類領域視角探討大模型如何在千行百業中落地生根。

圓桌主持人：王晟（英諾天使合伙人、北京市前沿國際人工智能研究院理事）

對話嘉賓：

程群（猿力科技黨委書記、副總裁）

朱萌（瑞萊智慧合伙人、高級副總裁）

嚴妍（開普云總裁）

林松濤（拓爾思副總裁）

李曉智（中國法研院政企事業群總經理）

劉玉宇（京東方人工智能技術中心副院長）

以下是本場圓桌的要點：

1.程群（猿力科技）：

教育與大模型天然契合，中國在教育垂類大模型領域具有獨特優勢。

教育垂類大模型發展需要關注準確性、可信度和價值觀對齊問題。

找到低成本、可規?；膽脠鼍笆顷P鍵。

以人為本，應用為王，尋找低成本、可規模化的應用場景。

2.朱萌（瑞萊智慧）：

人工智能安全與應用發展同樣重要，大模型安全需要全行業共同努力，共建安全生態。

大模型的應用正在重塑傳統生產流程，對技術公司提出了更高要求。

安全建設需要防患于未然。

3.嚴妍（開普云）：

大模型落地應用需打通“最后一公里”，技術與業務雙向奔赴，才能真正滿足用戶需求。

任何科技的發展都不能以犧牲安全為代價，需構建安全機制，確保模型輸出合規可靠。

4.林松濤（拓爾思）：

保障內容真實可控、構建高質量數據集、優化輸入內容質量是大模型落地應用的關鍵。

大模型落地應用需要與用戶共同探索合適的應用場景。

高質量、可控的內容生成是大模型場景化落地的關鍵。

5.李曉智（中國法研院）：

法律領域對大模型的準確性和嚴謹性要求極高，需構建多層次應用場景，服務不同用戶群體。

法律大模型領域需加強自律，維護良好行業生態，保障用戶權益。

在垂類大模型領域，堅持“一厘米的寬度，一公里的深度”，以應用為牽引，深耕細作。

6.劉玉宇（京東方）：

大模型在傳統制造業擁有廣闊的應用前景。

開發精確、安全可控的多模態大模型將是重要方向。

以下是本場圓桌實錄：

王晟：非常高興能參加精彩的活動，前面嘉賓做了密集分享，我們是本場活動唯一的對話，而且對話有六位行業大佬，所以我們接下來有半小時非常密集地輸出。我是英諾天使合伙人王晟，我也是北京市前沿國際人工智能研究院的理事。

2022年底ChatGPT發布到現在整整有20個月，20個月里人工智能大模型取得了非常突飛猛進的發展，能力上也有非常多的增強。但是大模型怎么能夠和應用場景結合，在千行百業中落地，卻是始終困擾全世界的問題。這個對話非常榮幸請到了幾位行業大佬，他們在各自領域中都非常出色，第一個環節請他們各自介紹一下自己的公司、做的業務和所處的行業，以便展開下一環節的討論。

林松濤：大家好！我是來自拓爾思的林松濤。拓爾思成立1993年，從2011年開始布局了數據業務，今天積累了超過2000億的數據。因為當年做了大數據的業務，今天回過頭看人工智能今天，拓爾思還有一個身份是我們做了30年的NLP，以前只專注于做NLP和數據。今天大模型到來后，我們發現曾經一直積累和積攢的經驗在今天為我們提供了很大的幫助。

因此，人工智能大模型時代到來，我們all in大模型，因為NLP+數據實際上就代表了大模型語言能力以及數據代表智力上線。拓爾思一直以來，我們為政府、企業做長期數智化的賦能，未來我希望我們繼續在人工智能賽道上把數據和智能作為一個基石，繼續為政府、企業以及各行各業場景提供賦能，謝謝大家！

程群：大家好！我來自猿力科技集團，我們成立于2012年，我們是一家教育科技企業。我們致力于把人工智能推動教育的變革、推動學習方式的變革。我們自研教育垂類大模型現在已經用在了自主學習、客戶答疑等一些學習場景中，包括搭載到了智能硬件小猿學習機上，現在有數百萬的學生在常態化地使用。所以我們堅信，隨著大模型的發展，我們一直追求大規模因材施教個性化學習正在成為現實。謝謝大家！

嚴姸：尊敬的主持人，各位嘉賓、各位行業同仁：大家好！我是開普云總裁嚴姸，非常榮幸能在今天數字經濟大會圓桌論壇上跟大家做一個分享。

當下，大家應該都感受到人工智能浪潮席卷而來，不僅僅革新了我們對智能的認知，同時也開啟了創新的無限可能。開普云在這樣的背景下，將前沿技術轉化為實際的應用，落地了服務政府、媒體和大型企業的大模型產品，產品叫做開物。開物這個名字寓意著人工智能啟發下人類智慧的覺醒，它也代表了開普云對于生成式人工智能能夠深度賦能產業，更好服務客戶的期待和信心。

我們主要核心功能聚焦在四方面，文、圖、引、問。在這四個方面，比如在生文方面，大家都知道大模型生文是很簡單的，如果生成可讀、可用、可發表的文章就特別有挑戰，目前開普云在生文方面，具體客戶落地場景里面，已經生成可供媒體直接發表的文章。

在生圖方面，我們在前一個月深圳文博會上，已經成功復現齊白石大師的畫作神韻，通過生成式人工智能展現中國傳統文化的魅力。在生視頻方面，在今年“兩會”期間生產的新質生產力解讀視頻，在《人民日報》數字傳播全網進行了播發。在問答交付方面，開物大模型充當了用戶不可或缺的顧問，可以像一個智慧大腦一樣理解用戶的意圖，生成個性化的解決方案，同時已經融入到了用戶的學習和工作中，成為了用戶深入理解復雜問題，全面輔助決策的最佳助手，謝謝！

朱萌：大家好！我是瑞萊智慧的朱萌。

瑞萊智慧是清華大學人工智能研究院孵化的一家企業，是由中科院院士張鈸老師和他的學生，也是現任清華人工智能研究院副院長朱軍老師團隊為基礎組建的，所以清華基因是瑞萊身上最重要的標簽。

說到公司業務，安全可控真正人工智能也是瑞萊比較重要的標簽。2018年的時候，瑞萊團隊用一幅眼鏡破解了市面上19款手機人臉識別的設備，第一次讓大家認識到，人工智能這項技術本身存在安全的隱患，那也是第一次讓大家意識到，我們可能要注重這項技術的安全性。在過去的五年當中，瑞萊也逐步形成了兩大方面產品線，一是大模型安全基座，二是生成式人工智能檢測基座。所以在這兩方面業務線當中，瑞萊跟行業內很多大模型公司包括很多人工智能公司搭建了很多很多合作。瑞萊就是人工智能時代的安全衛士。

劉玉宇：主持人和各位嘉賓好！我是來自京東方的劉玉宇。

京東方集團成立于1993年，作為顯示制造的龍頭企業，也是見證了中國顯示產業從無到有、從小到大、從大到強的整個過程。時至今日，全世界每四個顯示終端里有一塊顯示屏來自京東方制造的。

2021年，京東方集團宣告了戰略轉型的新戰略，我們叫“屏之物聯”，通過進一步發掘顯示屏的潛力，我們為屏集成更多的功能，為拓展屏更多的形態，進一步把屏植入更多的場景，通過物聯網、人工智能、大數據以及云技術的牽引，讓顯示進一步助力生活，幫助我們更好地和顯示器打交道。在這個戰略下，所以京東方成立了AIOT組織，這個組織里在持續孵化各種各樣人工智能技術，所以今天也有幸來到論壇跟大家一起交流，謝謝！

李曉智：我是中國司法大數據研究院的李曉智。中國司法大數據研究院2016年11月進行組建。

我們在成立八年中，主要服務智慧法研建設、經濟社會發展以及智庫建設。在大模型層面，我們推出了萬法法律大模型，我們希望和法律行業共同推進法律垂類大模型有力發展，謝謝主持人！

王晟：第二個問題其實是圍繞今天這個論壇的主題，大模型應用問題探索挑戰和未來，我相信大家都是各自行業里面的龍頭企業，這次AI都做了非常多實踐。

我第一個問題想問一下程群總，教育大家都覺得是AI里面非常重要的應用領域，我的問題是說教育的垂類大模型它有什么獨特特點？跟其他大模型有什么區別？你們在里面做的這些實踐看到什么樣的發展趨勢未來和機會？

同時，其實前兩天我剛跟一個教育行業的國內負責人了解一下，他們去年在AI加持下股價漲的很好，我也想知道中國的教育企業現在到底跟AI的結合，和我們這些國際同行相比處于一個什么樣的狀態？

程群：感謝主持人，從大模型邏輯來說，教育跟大模型有深度的契合，為什么呢？因為教育其實是一個通過對話、通過提問完成知識傳遞的一個過程，在這個過程當中，大模型它底層其實是人類的知識，而且它特別擅長通過人類的對話方式來進行交流，所以大模型跟教育一種深度的契合，可以看到非常多的通用大模型的企業包括OpenAI最開始做的應用，最開始投的企業當中一定會包括教育類行業，所以OpenAI最開始第一批投的企業當中就有一個語言學習的企業，一個教育企業，我們國家在教育垂類大模型上處于怎么樣一個水平呢？

我們一直說叫很多領域通用大模型領域可能在追趕，但是教育垂類大模型是極有可能引領發展，甚至可以說在部分領域以及部分實現了引領發展的地位，為什么這樣說？其實幾個方面很明顯：

第一點，高質量的數據，訓練大模型特別是垂類大模型，高質量行業數據。在過去10年里面，我們國家教育信息化，特別是在線教育、教育科技企業頭部其實都在中國，積累了大量的高質量教育數據。

第二點，我們有超大規模的剛需用戶群體，2.93億的學生群體，近1900萬老師的群體，這些群體使用之后，推動大模型的正向強化反饋，推動迭代，飛輪效應就開始了，這個群體相當于很多國家總的人口數量。

第三點，在上一輪教育基礎設施建設過程中，幾乎絕大多數學校都已經有了比較好的基礎設施硬件，比如說互聯網百分之百入校，每一個學校都有互聯網，幾乎所有學校、幾乎所有教室都有電子大屏，所以現在我們去布局一些垂類大模型產品去教室完全沒有壓力，所以很多在西部地區、農村地區的小孩他也可以通過大屏去體驗大模型，了解大模型，所以我說這三個方面是我們國家獨特的優勢。

所以在這個行業里面來說，它一定能夠形成引領發展的態勢，但是教育行業垂類大模型還有一個不一樣的，跟其他行業不一樣的，它對于大模型的準確性、可信度的要求極高，極其嚴格，因為它是知識傳遞的，一定要解決幻覺的問題。

第二件事，它一定解決信賴度的問題，價值觀對齊，教育立德樹人，所以我們也在探索構建一個全域教育知識圖譜，在訓練過程當中、在結果輸出過程當中進行約束。所以說通過這個方式我們也在不斷的推進垂類大模型可解釋性和信賴度，所以我們也相信我們國家在教育垂類大模型上一定會引領全球發展。謝謝。

王晟：我再稍微問一下，這個東西會不會更好解決現在教育資源的不均衡的問題？這是第一個問題。第二個問題是說會不會學生變得更卷？簡單說一下。

程群：一定會促進教育的優質均衡，同時其實會讓更多的師生提高效率，不會去重復的去做一些事情，而且更有價值的、更精準的不管是做練習也好，去學習也好、實踐也好。

王晟：下一個問題想問一下瑞萊的朱總，其實我們跟朱萌老師之前也打很多交道，其實從全球范圍來講，AI安全都是特別重要的問題，所以一方面是落地應用探索實踐，另外一方面能不能站在安全角度給我們講講瑞萊做的事情包括這個事情有多么重要？

朱萌：正如我剛才介紹，主持人對瑞萊也很了解，安全是瑞萊最重要標簽，在大模型時代我們主要做兩方面探索，我剛才介紹我是瑞萊是人工智能時代的安全衛士，但實際上最終我們目標是希望用更安全人工智能賦能行業，但是在我們解決人工智能安全問題之前，我們就必須得非常重視這項技術。

在這個時代主要是做兩方面的工作，第一個，我們跟大模型行業企業一起，用瑞萊人工智能安全技術幫助他們賦能去提升人工智能安全性，剛才其實猿力的程總也介紹，說大模型容易出現幻覺，在一些嚴肅場景當中可能確實是要格外的重視它的安全性，瑞萊在大模型安全評測、安全加固方案方面我們都做了很多努力，我們也跟很多行業的大模型公司一起來推出一些這種解決方案，我覺得在這個方面確實是需要所有公司一起努力的，就像在網絡安全時代，其實大家都有一些共享公測的機制，我發現這個問題，我把這個問題提供到共享空間里面，以后大家就會去規避。其實我們非常希望推動AI時代大模型企業共同來推動安全的發展。

第二個，其實也是瑞萊現在在做的，我們更希望用AI技術去賦能一些嚴肅的場景，也就是在行業領域當中落地，比如現在像跟金融、政務，我們認為是比較嚴肅的場景當中已經做了很多結合。

因為在政策預制、政策梳理、政策比對過程當中包括政策審核，是需要非常強的精準性，在嚴肅場景當中確實需要更嚴肅的技術，這是瑞萊主要我們的一些探索。現在也取得了一些不錯的成績。

第二個問題，依然是這樣，AI這項技術就像硬幣的正反面，正面是應用，反面是安全，應用的時候我們越來越感受到大模型不是一個對話框，不是問一個問題，答一個問題，而是對傳統生產流程再造。過去我們可能看到把這個業務線做拆解，一二三四五，可能大模型時代變成了一三五六，整個做了一個拆解，所以在這個過程當中更需要懂技術的人當然也需要懂業務的人，這個對所有技術公司來說都是巨大的挑戰。

第二依然是安全，性能雖然提升了，但是安全能力并沒有提升，所以這方面也確實是我覺得要提前安全是要預知在建設之前，不能等到大模型已經深入到生活方方面面，孩子已經開始用上大模型了，生產生活已經用上了大模型，我們再發現它有安全隱患，那個時候可能有點亡羊補牢了。

王晟：接下來問一下兩位本身就是在做模型的企業，問一下開普云的嚴總，剛才您也講到有四類模型，其實我理解你們做了很好多模態大模型，能不能講講現在模型在產業上面都在往哪些方面應用呢？

嚴妍：其實我們發現，現在模型從可用到好用到能產生價值，實際上要打通應用的“最后一公里”，我其實剛剛也介紹的生文、生圖、生視頻甚至在問答交互方面一些務實的落地，這些落地其實離不開模型技術本身的高質量迭代，也離不開特定行業的語料高質量積累，更離不開我們在跟客戶實際使用場景中不斷聽到客戶的高質量反饋去驅動精準的智能和創新。

如果用一句話來講，我們的技術和業務雙向奔赴。如果說挑戰，我的觀點跟瑞萊朱總是一樣的，我覺得任何科技的發展都不能以犧牲安全作為代價，所以我們開普云在不斷的去追求模型高質量、高效率的同時，也特別重視安全。因為我們自己過去十多年積累了大量內容安全的錯敏詞庫，首先應用在我們自己模型中，我們開發了一套內容安全檢測的平臺，首先確保我們的模型輸出是合規的、是沒有法律風險的、是尊重客戶隱私的，所以我認為只有把科技的發展和安全的治理雙輪同時驅動起來，這樣才能面對未來更多挑戰。

王晟：我理解嚴總是想說，第一，我們有很強的能力，企業降本提效，第二，放心用，我們很安全，我覺得這兩點真的非常關鍵。也想問一下拓爾思，因為您剛才講，我們其實已經做了30年NLP，但是這一次大模型其實也是語言突破，所以我想問一下，我們做了哪些不同的探索？因為這一次也涌現了很多做大語言模型的公司，包括提供平臺能力，但是今天大家說的一個問題就是你們跟產業怎么結合，解決產業什么問題？

林松濤：說到和產業結合，其實我覺得拓爾思還是有一定的話語權，因為我們是去年6月底的時候發布拓天大模型，到今天差不多基本上正好一年，這一年其實我們在大模型7個產業里面做了落地，最后歸納出7套垂直大模型，政務、媒體、金融、安全、公安包括輿情、網信、開源情報以及包括專利這7個大模型。

在這個模型的里面來說，其實在我們實踐場景落地里面我們發現真正的問題大家也都說了，如何讓這個內容真實可控，因為不同于C端面向用戶創意型生成，你不能真實可控，不光是教育，任何一個行業你都不可能落地，剛才我說的7各行業哪一個允許你出現任何一個不真實的信息？這種情況下這實際上是大模型在行業落地必須長期關注的一個問題，因為這個問題現在通過RIG方式來進行并不是大模型自身解決，是靠外力，怎么通過外力讓大模型減少幻覺不是跟上解決的問題，那么這個問題一定是長期存在，我覺得在落地以后是面臨第一個大的問題。

第二個問題，剛才既然提到RIG，你一定要面向數據集的問題，拓爾思數據企業，我覺得這里面有兩個大家一說很簡單，第一個，比如說預訓練數據集，第二個，你真正面向行業的時候有沒有一批懂業務的專家來給你做指令的優化，針對性指令優化就是我說的，你們行業用的時候你的模型聽不懂行業會話，那你就不是行業大模型。

第三點，還是RIG，你這個解鎖把什么樣的內容輸入給大模型讓它做生成特別關鍵。比如在做輿情的時候，拓爾思輿情做了好多年，我們跟互聯網上開源一些很有名的知名大模型比，我就是比它效果好，并不是說模型能力比它好，而是說在模型有針對某一個輿情事件，我告訴它這一個事件來龍去脈怎么樣，核心媒體用什么表達的，我會把這么多年積攢出來哪些媒體經常有核心關聯，哪些媒體是官方真正發表的媒體，它在傳播力上哪些是它的傳播節點上的最核心的關鍵傳播節點，我會把它代表一些文章抽取出來給它，讓它做生成，而不是直接在百度上搜那些結果直接做生成，這樣的話我的內容生成出來的一定沒它好，這一點內容輸入上面非常重要。

第三點我想講的，因為說到挑戰，里面還有一個就是我們做了這么多項目以后，我發現現在大模型落地最大還有一個挑戰就是場景的困局，大模型很多用戶我簽了幾個項目，要求我在項目執行內完成不少于幾個場景的落地，沒有具體需求，不少于幾個場景落地意味著什么？項目在行業落地的時候需要跟用戶一起去探索場景，如何把大模型嵌入到業務。

王晟：光有大模型的能力還不夠，必須做一個懂行業懂產業的人。

林松濤：所以我再補充一句話，我特別同意周鴻祎老師說的，我怎么樣懂產業，大模型自己本身不懂產業，我要把懂產業的小模型跟大模型加持來做行業的落地。

王晟：下面請教一下法研院的李總，其實我們之前也看了一些法律的模型，但是我們發現這些法律模型有服務律師的，有服務一些遇到法律問題的老百姓的，也有服務一些法院政府機構，也有服務企業比如像審合同的，我其實特別想問一下，李總您剛才也提到我們做的模型我們是服務誰的，我們在這個里面為什么會選擇這個方向來去做？做了哪些實踐？

李曉智：感謝主持人，對于我們來說，我們對于業務場景分為G、B、L、C，政府端、B端、律師端跟社會大眾端，其實我們也分了三層。

首先一層，大家在提本身數據這個層面，知識這個層面上，因為法研院我們本身是歸集了比如說像公報案例、指導案例、法律法規、司法觀點等等，20多類法律知識進行匯聚整理之后形成三大場景的28小類的語料庫，這個語料庫是支撐專業垂類大模型基礎，有了這種預訓練大模型本身語料庫基礎上，也針對不同應用場景推出一系列的N個小模型應用服務。

剛才其實主持人也在說我們場景是什么，比如說我們對于法院側，因為全國有十萬多名法官，每年有三千多萬新增案件，大量情況下法律側是案多人少，我們大模型起到什么作用？我們可以進行裁判說理，甚至在這個里頭對案件本身研判情況下可以生成預裁判文書，對于我們數據源解決效率問題、解決公允性問題，以及相關案例法律法規合規問題。

比如說在社會端當中對于B端法務、合同智能審查、法條引用合規性等等這些東西，也是幫助提高我們企業生產效率，在我們企業數字化轉型當中提供了大量的支持。

對于社會大眾端，這個其實特別有意思的一點，因為法律的東西要嚴謹性，對于所有普通老百姓是低頻高決策，什么叫低頻？我一輩子可能不打一個官司，官司來的時候我很抓瞎，大家覺得身邊各種律師我都去問，但律師不是一個治百病或者包百病的一個全科醫生，它有它的專業性。

而通過大模型對當事人提出問題進行精準預測以外，對案情結果進行巖判，并且生成文書，以及對當事人案件當中下一段走勢法律建議書以及需要發多長時間、多少精力、多少費用全部通過大模型預測出來，當然在這里我們也希望當事人多元調節，但如果當事人還是要進行法院的話，能夠生動自動訴狀，這樣完成整個司法權鏈條，對于小白來說任何學習人生第一次低頻高決策通過大模型完整幫你完成，所以這里頭一系列的貫穿所有業務鏈條當中來說，我們的推動大模型全部都能支持。

當然在這個行業當中，我們也知道全國做法律課題大模型大概有二三十家，但是大家在自己的領域當中過于寬泛的發布自己大模型對于精細化場景并沒有詳細的說明，我們在這個行業當中要更加嚴謹嚴肅，以及對于所有老百姓和用戶負責。

王晟：謝謝李總，最后要提問一下劉總，您這個是跟大家都不一樣，我理解大家做的很多都是數字化產業里面的這些事情，不管是教育、法律這些大模型，過去京東方做的是制造業、電子、集成電路這個產業，所以我特別好奇，我把大模型怎么用到這么傳統的實體產業里面去？

劉玉宇：感謝主持人，實際上京東方現在和大模型結合也特別多，有是我們自己在做，有的和生態在做，比如其實顯示屏除了常見的，現在有非常多的裸眼3D、16K超高清、高刷等等的顯示屏，這里面現在都在用大模型生成內容，適配這樣的顯示模式。另外一塊像手機、電視這樣的顯示終端其實也非常需要大模型賦能。

今天想跟大家分享一個我們在顯示制造里面的一個大模型應用案例，也是我們組織內部自己去創新出來的。大家可能不太了解顯示制造，其實是在玻璃上反復去刻，做各種各樣晶體管，真正把這個顯示做出來，所以大家可以想象玻璃上一點出現缺陷必然是非常多樣，而且是彌散狀，所以這樣缺陷怎么樣能夠比較好的檢測到，這個對我們質量至關重要。

這里面其實適用視覺大模型兩種模型，第一個，當年meta提出分割一切，這個視覺大模型其實通過人的一些點擊陣以及文本比方彌散式、條文狀這樣一些多模態的手段，可以比較快速把這個缺陷快速把它分割出來，這個大模型其實也是基于我們產量累計一些數據去訓練。

第二個，現在生成模型，其實通過我們顯示制造里面大量圖片，我們可以去訓練一個生成模型，我們通過指定是什么樣的缺陷，大概發生在什么樣的位置、什么樣的層，能夠去生成這樣的模型。這個給我們帶來的改造是非常巨大的，因為我們模型種類非常多，但是它是非常長尾的，有的模型可能一百萬片才能遇到一片，如果我們始終依靠人去撈這樣的缺陷非常難。

但是這種缺陷如果我們沒有及時檢測出來它會對我們的影響非常大，通過這種視覺大模型的組合手段，我們就能夠很有效對這種長尾缺陷去進行適應，結果非常好，我們實際上后面整個人力就是在缺陷檢測人力下降40%，精度提升3%，所以我們整個產線的產能通過這一套大模型的手段都得到了一個巨大的提升。

剛才主持人也在問挑戰，從我們來講，我們感覺到現有的大模型因為今天很多都是文本的大模型或者視覺大模型，其實對于工業制造場景來講非常天然的渴望一個精確的多模態大模型，這個模型對整個工業制造是非常重要，所以覺得這可能是未來技術發展一個非常大的挑戰。謝謝。

王晟：我想補充問您一下，現在這么熱的人形機器人具身智能，京東方會覺得未來對我們生產有用嗎？

劉玉宇：其實我們覺得可能比方像人形機器人，我們覺得可能對顯示制造行業目前來講，因為我們本身是在無塵車間去工作，整個顯示產業目前自動化程度已經非常高，反倒可能幫助不是特別大。

王晟：非常感謝劉總，再請大家每位嘉賓給我們現在正在做大模型落地千行百業的這些不管是同行們還是創業者還是企業家們送給他們一句話，看看包括我們的建議或者我們在嘗試中的感受，從林總這邊開始。

林松濤：我認為高質量內容可控生成是大模型場景工程化落地的關鍵。

程群：以人為本，應用為王，真正找到低成本，規模化的應用場景。

嚴妍：我覺得就是要找準自己的優勢領域，與你的用戶一起，務實的創新，扎實的落地。

朱萌：路雖遠，行將必之，我們愿意跟各位行業伙伴一起，共同攜手，腳踏實地，一起邁向真正的人工智能。

劉玉宇：我們京東方有一句話叫顯示無處不在，我們覺得有了大模型的加持，顯示一定能更加友善的幫到我們每一個人。

李曉智：引用互聯網的一句話，在垂類大模型當中，一厘米的寬度，一公里的深處，我們以應用為牽引。

王晟：謝謝大家，圓桌到此結束。