“在国家提出新质生产力与新型工业化战略的大背景下，人工智能已然成为推动经济社会高速发展的核心引擎。”华院计算创始人、董事长宣晓华在2024年世界人工智能大会“认知世界智创未来”主题论坛上表示。当前大模型浪潮席卷各行各业，宣晓华却对此持冷静态度，在其看来，大模型在语言、图像、声音领域有显著优势，但在很多行业里难以解决核心问题，结合行业知识的小数据模型可以实现更低成本、更优效果。

　　华院计算技术(上海)股份有限公司(简称“华院计算”)成立于2002年，公司以算法研究、算法创新和算法应用为核心，为智能制造、社会治理、数字文旅、零售金融等行业提供AI+行业解决方案。2024世界人工智能大会期间，宣晓华接受南都记者采访时表示，大模型并不能解决行业应用尤其是工业领域的问题，除大模型外，其算法团队正深入研究小样本学习、多模态机器学习、鲁棒学习和知识推理等核心技术。

　　以下内容整理自南都记者采访宣晓华：

　　南都：您如何看待大模型的开源与闭源之争？

　　宣晓华：开源和闭源之间不是争议话题，而是路径选择。有些公司选择开源，有些公司选择闭源，我认为它是生态的不同方面，企业希望有一些独特的能力，也为了大模型投入了非常多，需要非常强的数据处理、算力投入，所以会选择闭源，因为它已经投了那么多，也希望构成一定的竞争力。但我觉得比较可喜的是，在软件领域，尤其在算法领域有非常多的公司愿意推动开源，本身是一个很好的生态发展环境。

　　也有些公司原本是开源，又在这个基础上叠加了很多数据、方法，之后再选择闭源，这个都是在生态过程中不同的方法。只要有更多的企业投入到大模型的开发，无论开源还是闭源，对整个生态都是非常好的。

　　南都：从应用角度来看的话，不同的场景什么类型的模型更有优势？

　　宣晓华：场景应用的角度来看，闭源和开源没有区分。哪些场景会适合大模型，哪些不适合大模型，这是大家更关心的问题。

　　大模型的应用，往往是跟语言、图像、声音有关。比如法律行业跟语言比较接近，是大语言模型的极佳应用领域。但另外一些领域，比如工业不太适合大模型，或者说大模型应用的过程中碰到困难非常大，比如数学也有类似的情况，大模型可能连非常简单的数学题都做不了。原因一方面在于这些领域里没有那么丰富的数据，不具备非常好的数据条件自然就限制了大模型的作用。第二是这些领域往往建立在非常多的科学或者非常强的演绎推理的基础之上。

　　这就需要相对比较小的模型，把逻辑推理的引擎引入。

　　举个例子，比如工业领域的表面检测，只用大数据模型方法很难解决好。很多不同次品的图像数据非常少，此时就需要叠加小数据模型，才能做好。对产品质量预判等与工艺密切相关的问题， 大模型很难发挥作用， 华院计算需要通过小数据模型解决。从而提前预防和调整参数，减少次品率，这样的方法往往能帮助一家钢铁企业节省上千万成本。

　　南都：当下中国人工智能的发展处于世界的什么水平？哪些细分领域处于引领的地位？

　　宣晓华：我们看到美国在人工智能领域有非常好的人才、扎实的基础能力，但中国也有同样的人才储备，同时国家也比较重视，中国的产业应用也比较丰富，且中国有非常多的企业也愿意尝试或者善于把技术应用到他们的工作和业务中。

　　第二是中国的电商领域是比较早地充分利用人工智能的领域。其次是金融领域，它本身就非常依赖于数据，以数据为基础，且信息化程度比较高，所以人工智能应用的比较快。此外，很多大型工业企业，包括新能源、汽车、钢铁等领域也都在大力投入。

　　南都：华院计算还关注人工智能在哪些场景应用，如何推动这些领域的转型和升级？

　　宣晓华：在工业领域我们已经取得了非常好的成果，让客户感觉到人工智能的确能够解决问题。比如智能制造方面，华院计算通过AI算法来提高良率、减少损耗，从而帮助企业降低生产成本、提高产品质量。此外，华院数据还针对钢铁，焦化行业开发了智能配料系统，利用基于小数据的算法，以成本和效益优先为指导进行资源配置。

　　在数字治理领域，华院计算利用智能算法和大数据技术，构建数字基层的智能化产品体系。譬如，利用法律大数据结合法律大模型，辅助基层干部更快速地解决老百姓的问题。

　　在数字文化领域，AIGC和数字人则是华院计算的侧重点。通过融合感知和认知智能技术，华院计算打造会交互、有个性的数字人，应用于文旅、文化教育等行业，可进行知识分享、虚拟直播等。宣晓华透露，华院计算正在与一些地方合作，共创城市文化IP。