近期，随着Claude 4和新版DeepSeek-R1大模型的相继问世，通用基础大模型领域的竞争再度升级。然而，Gartner最新发布的预测报告揭示了未来AI模型应用的一个不同趋势：到2030年，超过半数的企业GenAI模型将专注于特定领域，相比2024年仅5%的比例，这一增长显得尤为显著。
这一预测预示着领域特定GenAI即将迎来爆发期。Gartner研究副总裁蔡惠芬指出，通用大模型往往难以满足垂直行业的具体需求，唯有结合领域数据、专业知识及专家经验的领域特定GenAI，才能真正实现商业价值的落地。她强调，领域特定模型的应用场景极为广泛且多样，为技术提供商带来了诸多新的机遇。
蔡惠芬进一步解释说，领域特定GenAI与垂直领域模型存在本质区别。垂直领域模型受限于特定行业，而领域特定GenAI则可以跨越不同行业，应用于诸如流程自动化等通用系统。以制造业为例，每个制造企业都有其独特需求，且数字化转型进程相对滞后，大量数据尚未实现数字化。因此，许多制造企业正致力于将专家知识数字化，以构建领域特定GenAI模型，推动智能化进程，帮助新入职员工快速解决问题。
目前，医疗、财务、安全、法务、新闻等领域已出现较为成熟的领域特定GenAI应用。例如，Harvey AI专注于法务或税务领域，腾讯与迈瑞合作开发了“重症医疗模型”，百度则在“智能城市”领域拥有众多案例。蔡惠芬指出，未来领域模型的数量将不断增加，且更多将由拥有数据资源的甲方企业推出，因为技术提供方可能并不具备这些特定领域的数据。
Aitomatic是半导体和能源领域的模型应用之一，用于工业领域的专家AI智能体(DXA)。借助DXA，工程师可以快速获得清晰的诊断和维修方案，即使面对罕见的阀门故障也能迅速定位问题。这一应用不仅降低了企业成本10%，提高了生产力15%，还每天节省了1000小时的工作时间。
蔡惠芬强调，领域特定语言模型为技术提供商带来了显著的差异化优势，能够更有效地提升生成式AI的价值和影响力。对于领域特定GenAI模型构建者而言，首要任务是确定应优先构建哪些领域模型。为此，Gartner提供了“AI机会雷达图”以帮助模型构建者明确自身优势。
对于软件提供商而言，面对众多领域特定模型，他们需要权衡是直接购买还是自建。为此，Gartner提供了购买领域特定语言模型与自建的决策框架，以协助软件提供商做出明智的选择。
文章采集于互联网