图灵汇官网

【TechWeb报道】6月3日消息，Claude 4和新版DeepSeek-R1大模型相继推出，新一轮通用基础大模型的竞争再次拉开帷幕。

然而，最近Gartner的一项预测揭示了一个趋势：到2030年，企业采用生成式人工智能（GenAI）模型时，超过半数将聚焦于特定领域，服务于特定行业或业务职能。而在2024年，这一比例仅为5%。这意味着领域特定GenAI将迎来快速增长期。

Gartner研究副总裁蔡惠芬提到，通用大模型难以完全适应垂直行业的具体需求。只有结合领域内的数据、专业知识以及专家经验的领域特定GenAI，才能真正实现商业价值的转化。领域特定模型的应用场景十分广泛且多样，为技术供应商带来了许多新机遇。

她进一步解释说，领域特定GenAI与传统的“垂直领域模型”不同。后者往往局限于某一行业类别，而前者则可以跨越多个行业流程。例如，流程自动化就是一个典型的例子。它并非针对某个特定行业，而是一种系统化的解决方案。过去，这类问题常依赖于定制化方案，但如今也需要领域模型的支持才能有效实施。

以制造业为例，不同类型的制造企业有着各自独特的需求。同时，制造业的整体数字化进程相对滞后，大量数据尚未实现数字化转换。目前，不少制造企业正努力将专家的知识转化为数字形式，以便推动更大规模的智能化发展，从而让新进入者也能利用领域特定GenAI解决实际问题。

蔡惠芬指出，在医疗、金融、安全、法律及新闻等行业，已经出现了较为成熟的领域特定GenAI产品。比如Harvey AI专注于法律和税务领域；腾讯与迈瑞合作开发了重症医疗模型；百度则在智慧城市方面积累了丰富的经验。未来，这样的领域模型数量将会不断增加，并且更多地由需求方发起，因为他们掌握了相关领域的数据资源，而技术供应方可能不具备这些条件。

此外，蔡惠芬还分享了一个具体的案例——Aitomatic是一款面向半导体和能源行业的领域模型，用于工业应用中的领域专家AI智能体（DXA）。通过使用DXA，工程师能够快速获取详细的诊断和维修建议。DXA不仅能够迅速定位问题，甚至包括一些罕见故障，还能显著降低企业成本，提升生产效率，并大幅节省时间。

她认为，领域特定语言模型能为技术供应商提供显著的竞争优势，有助于更高效地提升生成式AI的实际效益与市场影响。领域特定GenAI也为模型开发者、软件服务商以及解决方案提供商创造了全新的成长空间。

对于领域特定GenAI模型开发者来说，首要任务是明确优先级。究竟哪些领域模型最值得投入资源？Gartner为此设计了一种“AI机会雷达图”，帮助开发者梳理自身的优势所在。

而对于软件服务提供商而言，面临的挑战是如何选择合适的路径：是直接采购现成的领域特定模型，还是自行研发？对此，Gartner同样提供了一个评估框架，旨在协助他们做出明智的选择。