以大模型为代表的人工智能技术已成为国家科技实力竞争的焦点，而垂直大模型较通用大模型而言，具有更强的领域专业性和需求针对性，训练和部署成本更低，是大模型发展的重要方向。

全国人大代表、东方财富董事长其实在调研中发现，目前，我国垂直大模型在开发和应用过程中仍面临挑战，建议加快推动高质量垂类语料数据的开放共享，进一步完善垂直大模型的评测标准体系，积极打造垂直大模型的创新应用场景。

据不完全统计，截至去年11月，我国国产大模型中垂直大模型占比已高达76.3%，涵盖医疗、金融、政务等多个领域。

当前，全球大模型产业正普遍面临训练数据的瓶颈，其中中文数据尤为匮乏。在全球通用的 50 亿大模型数据训练集中，中文语料仅占 1.3%。垂直领域公共数据的来源较少、私有数据开放程度偏低、对数据处理的专业要求较高等因素，使我国专业垂类数据稀缺的问题日益凸显。 

此外，国内大模型评测标准体系建设目前仍处在初级阶段，针对具体行业或应用场景的大模型能力评估方法和基准尚不丰富。产业对于数据合规、专业能力、隐私安全等方面的顾虑，是影响大模型实际应用的难题之一。目前，国内大模型的应用更多是在原有传统人工智能应用场景的基础上，重新搭载大模型，暂时相对缺乏原生性、高价值、颠覆式的大模型创新应用场景，大模型的经济效益和商业价值还有待挖掘。

其实建议，首先可进一步引导来自不同领域的主体，组建地方级、国家级的大模型数据联盟，联合打造开放的垂类语料产品。同时，可考虑建立国家大模型数据资源服务平台，与公共部门、产业机构、数据联盟等开展数据合作，向满足条件的大模型研究人员和开发者提供数据支持。

他还建议，进一步鼓励各类主体积极参与垂直大模型评测体系的构建和测试，丰富评测指标、方法及工具，在金融、医疗、汽车、政务等典型应用领域，建立相对权威的垂直大模型专业能力和安全性评测标准，指导模型开发主体有针对性地提升模型质量，完善垂直大模型的评测标准体系。

2023 年 8 月，工信部在组织开展未来产业创新任务揭榜挂帅工作中，已针对通用人工智能方向开放了工业制造、民生服务等四大领域典型应用的项目申报。北京、上海、深圳等部分地区也陆续开展了大模型应用场景需求及解决方案的征集工作。

其实建议，由工信部牵头，进一步面向垂直大模型在细分场景中的创新应用，培育一批全国性典型案例。同时，鼓励更多地方政府、央国企以及领军企业，通过揭榜挂帅、案例征集、供需对接平台等形式，开放场景机会、拓展合作渠道，并对优秀案例和立项项目给予一定补贴支持，集中力量打造更多高价值的创新应用场景。

“上海可考虑进一步强化要素供给与服务保障，从而进一步优化大模型产业发展生态，厚植大模型创新发展沃土。”其实表示，算力支持层面，上海已经相继推出算力资源统一调度、发放“算力补贴券”等政策举措，着力推动降低企业的算力获取成本。“建议未来可考虑进一步加强相关政策的落地监督与效用评估，确保政策能够有效惠及具有核心竞争力的创新创业企业。”