垂直行業大模型幫助傳統產業實現數字化轉型，將有望破解各垂直領域的復雜業務難題，引領新一輪產業升級。然而，行業大模型發展面臨數據處理成本高、模型執行能力弱、數字化人才供給不足等難題，建議：一是提升垂直行業數據采集、處理和流轉能力；二是打造內生行業大模型服務，攻克實際生產難題；三是完善人才培養機制，重塑垂直行業工作模式。

垂直行業大模型現狀

我國已進入中度老齡化社會，人口老齡化造成的勞動人口數量下降，垂直行業由傳統的勞動密集型產業轉變為技術密集型產業。行業大模型通過整合行業數據、算力和人才資源，賦能垂直領域，促進工業等垂直行業數智化產業升級。

隨著黨的二十屆三中全會提出“加快構建促進數字經濟發展體制機制，完善促進數字產業化和產業數字化政策體系”等重要任務，國內企業迅速跟進，積極推進大模型研發。截至2025年1月，根據國家網信辦《生成式人工智能服務已備案和已登記信息》，全國已有302個大模型產品通過備案，最新一批行業大模型占比超50%。2024年11月，沙利文咨詢公司發布《2024年中國行業大模型市場報告》稱，2023年中國行業大模型市場規模達105億元，預計2028年行業大模型市場規模有望達到624 億元。

面臨的挑戰與風險

數據處理成本高，知識凝練難

行業大模型生長于通用大模型之上，緊密貼合垂直領域的任務需求，嚴謹精準地作出決策回應。高度凝練的知識是大模型的建立基礎。目前，根據浪潮信息與國際數據公司（IDC）聯合出版的《2025中國人工智能計算力發展評估報告》，70%的組織開始投入生成式人工智能的研究，17%的組織將其引入生產環節。在金融、醫療、教育等多個知識密集型行業，大模型已經實現了初步應用，并產生了明顯的經濟和社會效益。而對于工業、電信業等重生產的數據密集型行業，高敏感的海量數字型數據和多模態數據導致生產源端采集不全、數據流轉壓力大、數據標注效率低，這些行業數據體量雖大但難以形成知識有效指導行業大模型的學習。

2024年底至2025年初，我國密集發布數據領域政策措施，指導企業數據資源開發。為實現數據高效流通，2024年12月，《國家數據基礎設施建設指引》對數據供給和行業數據應用等方向提出建設要求，指引建立以行業、區域數據基礎設施為主體，以企業數據基礎設施為重要組成的國家數據基礎設施。在數據流通期間，海量的行業數據如何產生可復用價值是一項關鍵挑戰。

模型執行能力弱，與高吞吐業務系統難協同

通用大模型的商業模式在探索初期困難重重，微軟的GitHub Copilot產品接入GPT系列模型，在發布之初，平均每月在每個用戶上的虧損超過20美元，每個重度用戶虧損高達80美元。垂直行業大模型仍處于探索階段，為快速落地，多與GitHub Copilot一樣采用服務外掛形式，大模型普遍存在的推理時延高、可控性差，使其難以形成與原有業務系統深度融合的原生大模型操作系統。大模型在生成決策后，因與業務系統相互脫節，無法形成從決策到業務執行的完整閉環，這極大束縛了垂直行業大模型的價值釋放。成本與收益的不均衡，阻礙行業大模型的深入應用與拓展。

人才供給不足，應用型人才缺乏

隨著垂直行業產業升級不斷推進，行業人力結構正經歷重塑，勞動力面臨著緊迫的技能提升需求。在此過程中，既精通生成式AI研發，又熟悉業務研發的跨領域應用型人才尤為稀缺，成為垂直行業數智化發展的制約因素之一。美國Indeed招聘數據顯示，每40個正在招聘的軟件開發人員職位中，就有1個職位需要與生成式AI相關的技能，該比例自2023年初以來已增長100多倍?！都~約時報》刊文稱，AI研究人員正成為“地緣政治意義上全球最重要的群體之一”。當前，我國AI人才缺口高達 500 萬人，進而引發企業間人才惡性爭奪的潛在風險。

相關政策和建議

（一）提升垂直行業數據采集、處理和流轉能力

一是拓展垂直行業數據來源的廣度與深度。積極收集行業專家經驗，擴充數據采集方法，運用數據因果推斷等技術高效準確地提煉行業知識，對垂直行業數據鏈路，從初始的數據采集，到深度的知識凝練，進行全方位系統性優化，確保數據來源既豐富多元又具高價值性。二是構建更為完善的數據處理機制。圍繞數據可復用和互操作價值，打造高效的多模態數據標注方法，統一行業標注標準，在海量源數據中挖掘、留存高質量數據，以此推動我國垂直行業數據要素價值的充分釋放與高效利用。三是降低數據遷移成本。通過融合隱私計算、無損壓縮、6G通信等關鍵技術，搭建可信、高速、穩定的傳輸通道，支撐數據高效流轉和利用。同時，加速制定與國家數據系統對接的規劃方案，推動數據在更大范圍內的互聯互通與協同共享。

（二） 打造內生行業大模型服務，攻克實際生產難題

一是聚焦垂直行業特色的軟硬件協同攻關。軟件層面，著力降低大模型推理時延，設計行業大模型與可執行智能體的工作鏈路編排；硬件領域，則致力于為垂直行業提升算力供給，夯實發展基礎，共同打造原生行業大模型系統。二是整合企業資源，聚力核心場景。積極倡導AI基礎能力復用，避免重復性研發工作，實現資源的高效配置與利用。三是激勵企業創新，探索核心業務場景的全新模式。全力推動人機交互范式革新，加速構建系統自智的端到端全自動生產通路，打造具有國際競爭力的高端生產體系，助力我國數字化產業實現跨越式升級。

（三）完善人才培養機制，重塑垂直行業工作模式

一是推動垂直行業的崗位升級，培訓現有人員，實施包容的企業勞動力轉型，培養跨領域的復合型人才。二是引入低代碼或無代碼的AI開發平臺，降低非AI專業但熟悉業務流程的人員的AI應用研發門檻，通過簡單拖拽、配置操作，參與行業大模型部分開發工作，發揮其在專業領域的價值，提高整體研發效率。三是建立行業大模型研究的眾包平臺，將一些數據標注、簡單算法測試等基礎性工作分解成小任務發布在平臺上，吸引 AI 愛好者、兼職人員參與。