大部分人都不看好创业公司的通用模式，远望资本的创始人程浩曾在公开场合表示，大企业的流量和资金肯定要比创业公司多得多，更重要的是，大企业的核心优势就是场景化，无论是百度的问答、搜索、腾讯的微信，还是阿里的天猫精灵，都有成熟的场景化。

由于通用型大模型的机会并不多，很多创业公司都将目光投向了垂直型大模型。

目前，通用大数据的数据来自于公开的网络，但网络数据与世界范围内的数据不同，尤其是垂直领域，还有大量的私人数据。

而那些专注于垂直领域的初创企业，积累了大量的数据与知识，拥有核心优势。范特科技首席技术官郭长柱认为，大数据模型对于大厂来说，是一种不能同时兼顾的选择，“大厂想要构建一个生态系统，需要大量的企业接入它的大数据模型，并以它的大数据为基础，为其他行业提供帮助，如果大厂在这个时候插手，那就不符合大厂的身份了，所以他们不会轻易这么做。”

如果说互联网时代的每一个行业，都值得利用互联网重新做一遍的话，那么大模型时代的每一个行业，也是如此。

这让投资人们都很激动，在2022年11月的奇绩创新论坛上，陆奇投资了五十五个项目，其中十六个都是在 ChatGPT还没发布的时候，就被他投了进去。

今年的前4个月，国内人工智能行业已经完成了243笔融资。面对越来越火热的市场，创业者们纷纷使出浑身解数，想要抓住这一次机会。

对于初创企业来说，训练大型模型的成本降低，只是一张门票而已。对于纵向大模型来说，其核心与关键在于计算能力、算法与数据。

从某种意义上来说，用钱可以买到算法，但用钱买不到数据，尤其是一些垂直行业，很多数据都是私密的，用钱买不到也没什么意义。

这是一种天然的优势。

蔡志森对猎云网说，“三维家”已经拥有了全国范围内的二千八百万套户型数据，八千一百万套软硬装、家俱、家用电器、材料、装饰材料的素材库，十六亿三千万套风格多样的设计方案库，另外，三维家还拥有一套真正的定制柜体数据库，拥有数千万套参数数据。”

同时，随着用户的不断使用，这些数据也会自动生成，以三维家为导向。

与三维家一样，极睿科技也是一家专注于电商内容的公司，每年都会产生几百万甚至上千万条的电商内容。

除了数据壁垒之外，明确应用场景，掌握垂直大模型落地的全过程，也是其核心竞争力。

在实践中，大型模型提供了基本的功能，而具体的业务则包含了多种功能。

郭长柱认为，当前以大模型为基础的“模型即服务（MaaS）”是一种创新模式，也就是将大模型作为基本能力对外标准输出，实现对用户需求的端到端解决。但很少有人能直接用大模型来解决这个问题，尤其是在 CV领域，他们一般都是在基础能力的基础上进行定制。

“比如，用大模型对垂直领域中的小模型进行自动标注，用大模型中更通用的特征进行二次开发，比如 VQA，检测，分割，识别等。此外，一些业务还可能涉及到多个大型模型功能的集成，甚至需要多模态的语言与视觉特征匹配。这就需要在实际业务中支持多个大模型的定制业务流程，实现大模型的自由组合与深度定制。”

OpenCSG还在实践中积累了大量将大模型落地到通用行业的实践经验，包括垂直行业语料生成、大模型调整、业务融合等。

尽管大型模型看起来“很香”，但是我们都知道，在过去，大型模型的一次投资是非常昂贵的。此前市场上有消息称，GPT3单次训练成本高达四百万美金，所以很多人认为，训练大型模型的门槛至少是几千万美金。

但对于垂直行业来说，一味地追求“大”是毫无意义的， OpenCSG的创始人兼 CEO陈冉将大模型比喻为“玉”，“如何运用大模型的能力，可以说是雕琢这块玉石，才是最重要的。”

郭长柱还提到，大型模型的评判标准，不能从参数尺度上去概括，核心是看它是否具有“涌现”的能力，也就是它的精确度能否达到一个突飞猛进的程度。“而在垂直领域，一个普通的大型模型，需要数十亿的参数，而一个垂直的大型模型，需要数十亿的数据。”

再加上各种开源模型的出现，原本用来训练模型的“门票”，已经变成了用一百万块钱买来的。

不过对于初创企业来说，这也是一笔不小的开销，所以降低成本，提高效率，就成了他们的第一个目标。

最大限度地利用了最优的投入产出比，采取了弹性的计算环境，使前期的零星探索任务能够按量算完成。有了明确的方向，就可以转换成定期的训练了。

而极睿科技与清华大学人工智能研究院的合作，更是从学术团队的角度，提供了最大程度的运力支持，实现了投入产出比的优化。