“生成式AI的未來(lái)不是在大語(yǔ)言模型，而是具體的領(lǐng)域特定語(yǔ)言模型。”2025年5月29日，Gartner研究副總裁蔡惠芬（Tracy Tsai）圍繞生成式AI的未來(lái)這一主題發(fā)表演講，強(qiáng)調(diào)通用模型難以幫助企業(yè)實(shí)現(xiàn)業(yè)務(wù)價(jià)值，并揭示AI落地的新方向。

領(lǐng)域特定語(yǔ)言模型是生成式AI的未來(lái)

傳統(tǒng)的軟件應(yīng)用，本質(zhì)上是依賴人工分步操作的流程化工具，但在未來(lái)，其將會(huì)變成一個(gè)代替人類工作的智能系統(tǒng)，大部分流程化步驟，都可以通過(guò)生成式AI來(lái)完成。正如蔡惠芬所言，這便是所謂的智能應(yīng)用，也是真正落地生成式AI，并推動(dòng)實(shí)現(xiàn)企業(yè)業(yè)務(wù)價(jià)值的具體方法之一。智能應(yīng)用的底層，便是具體的領(lǐng)域特定語(yǔ)言模型。此類模型嚴(yán)重依賴特定領(lǐng)域內(nèi)的專業(yè)知識(shí)和數(shù)據(jù)，創(chuàng)建方法包括預(yù)訓(xùn)練模型微調(diào)、從頭開(kāi)始訓(xùn)練、領(lǐng)域自適應(yīng)預(yù)訓(xùn)練、檢索增強(qiáng)生成、提示工程和模型蒸餾等，能夠支撐系統(tǒng)智能地判斷情況變化、產(chǎn)生決策和采取行動(dòng)。根據(jù)Gartner預(yù)測(cè)：到2030年，在企業(yè)使用的GenAI模型中，將有50%以上側(cè)重于特定領(lǐng)域（即用于特定行業(yè)或業(yè)務(wù)職能），高于2024年的5%。

（來(lái)源：資料圖）

目前，領(lǐng)域特定語(yǔ)言模型已經(jīng)在法務(wù)、醫(yī)療、制造等領(lǐng)域發(fā)揮作用。例如，專注于稅務(wù)與法律的領(lǐng)域模型Harvey AI，能精準(zhǔn)調(diào)用非公開(kāi)稅法條款，來(lái)幫助企業(yè)應(yīng)對(duì)政策變動(dòng)；騰訊與邁瑞合作開(kāi)發(fā)“重癥醫(yī)療模型”，通過(guò)整合重癥監(jiān)護(hù)病房的實(shí)時(shí)數(shù)據(jù)，提升病房協(xié)助、病患照顧等診療流程；聚焦半導(dǎo)體和能源的領(lǐng)域模型Aitomatic，利用問(wèn)答方式提取資深工程師大腦中未經(jīng)數(shù)字化的經(jīng)驗(yàn)，然后生成對(duì)應(yīng)的數(shù)字化知識(shí)庫(kù)，為初級(jí)工程師提供支持，在提高生產(chǎn)力的同時(shí)，節(jié)省時(shí)間和降低成本；專注醫(yī)療保健的領(lǐng)域模型Thoughtful AI，通過(guò)“多代理生成式業(yè)務(wù)流程管理”技術(shù)，自動(dòng)化處理病患咨詢請(qǐng)求，并快速生成精準(zhǔn)答復(fù)，可以解決醫(yī)療提供商在病患咨詢中耗時(shí)過(guò)長(zhǎng)的問(wèn)題。

（來(lái)源：資料圖）

能精準(zhǔn)回答特定領(lǐng)域內(nèi)問(wèn)題，加速生成式AI落地

那么，領(lǐng)域特定語(yǔ)言模型，和基礎(chǔ)生成式AI之間有著怎樣的關(guān)系呢？蔡惠芬指出，基礎(chǔ)生成式AI屬于通用型模型，大量數(shù)據(jù)來(lái)自公共領(lǐng)域，具有較為通用的推理能力，適用性和可擴(kuò)展性較強(qiáng)，但存在幻覺(jué)；領(lǐng)域特定語(yǔ)言模型屬于領(lǐng)域型模型，數(shù)據(jù)不易從公共領(lǐng)域獲得，受限于狹窄的領(lǐng)域知識(shí)，不具備良好的推理能力，但能夠精準(zhǔn)地回答特定領(lǐng)域內(nèi)的問(wèn)題。相較于前者，后者不再僅僅是新奇有趣，而是能在提供競(jìng)爭(zhēng)優(yōu)勢(shì)的同時(shí)，帶來(lái)深遠(yuǎn)影響，這大大加速了生成式AI落地。

（來(lái)源：資料圖）

因此，領(lǐng)域特定語(yǔ)言模型的出現(xiàn)，也一定能夠解決當(dāng)前面臨的“AI在新聞報(bào)道中很厲害，但在落地時(shí)卻經(jīng)常被企業(yè)吐槽”的窘境。這是因?yàn)椋瑐鹘y(tǒng)AI是通過(guò)關(guān)鍵字來(lái)理解問(wèn)題，不了解語(yǔ)義，所以無(wú)法給出正確回答。而生成式AI具備高度的語(yǔ)義理解能力，能夠解決一大半過(guò)去遇到的瓶頸問(wèn)題。在這種情況下，通過(guò)AI智能體即可生成任務(wù)鏈，進(jìn)而幫助用戶規(guī)劃步驟、交互數(shù)據(jù)、產(chǎn)生高度適應(yīng)性決策，并根據(jù)環(huán)境變化采取行動(dòng)。

另外，相較于領(lǐng)域特定語(yǔ)言模型，模型上下文協(xié)議（MCP，Model Context Protocol）和AI智能體的結(jié)合，也是AI解決復(fù)雜問(wèn)題的一種通用方案。談到如何看待“AI智能體+MCP”這一基礎(chǔ)大模型能力落地的方式和前景，蔡惠芬表示，未來(lái)會(huì)有更多AI智能體框架，采用MCP方式交互數(shù)據(jù)。不過(guò)，也需要注意安全問(wèn)題、持續(xù)觀察模型變化，以及持續(xù)集成和部署這三方面風(fēng)險(xiǎn)。否則，可能導(dǎo)致未授權(quán)結(jié)果、內(nèi)部數(shù)據(jù)泄露或引發(fā)新治安問(wèn)題。可以通過(guò)MCP編位實(shí)現(xiàn)有效的使用者授權(quán)，應(yīng)用程序編程接口廠商，也要符合企業(yè)的安全法規(guī)。

可以看出，領(lǐng)域特定語(yǔ)言模型的成功，離不開(kāi)領(lǐng)域數(shù)據(jù)、專家知識(shí)與業(yè)務(wù)邏輯的深度融合。這不僅是通用模型無(wú)法企及的，也是生成式AI真正落地的關(guān)鍵。對(duì)此，企業(yè)應(yīng)積極評(píng)估自身數(shù)據(jù)與技能儲(chǔ)備，盡力構(gòu)建良好的領(lǐng)域模型；技術(shù)提供商則應(yīng)通過(guò)對(duì)高價(jià)值商業(yè)場(chǎng)景的布局，來(lái)加速模型的分發(fā)。很明顯，只有深入了解所在行業(yè)的具體情況和需求，才能在智能應(yīng)用深入發(fā)展的時(shí)代，把技術(shù)方面的優(yōu)勢(shì)，轉(zhuǎn)化為業(yè)務(wù)發(fā)展的動(dòng)力。