从2023到2024年，大模型的火焰越燃越高，也让我们充满了无限畅想，AI和大模型到底能够给行业智能化的未来描绘出何种颜色？
“加快发展新质生产力”，在今年的政府工作报告中，被列为2024年十大工作任务之首。
“新质生产力”的求新是抓手，质优是结果。AI和大模型技术可以成为“求新”的抓手，但却不代表“质优”的结果。所以，AI和大模型技术能不能成为新质生产力，最终还是要看大模型在行业落地的成果。
行业智能化要走出理想的“乌托邦”，就势必要落地产业端！
6月24日，由人民网研究院主持编写的《中国智能互联网发展报告（2024）》蓝皮书发布，联想的前沿研究课题《多模态大模型在企业智能化转型过程的应用研究》（简称《应用研究》）被收录其中，基于联想自身实践和长期以来的行业积累，本着“落地为先”的理念，为行业智能化的前景，指引了新的方向。
大模型走向企业落地，要面对四重大山
发展“新质生产力”不仅仅是生产力，还要形成与之相应的新型生产关系。AI技术之所以能够得到快速发展，与其帮助企业释放了生产力紧密相关。
如传统制造业通过智能制造升级大幅提升了劳动效率，商业企业通过对数据的深入挖掘，逐步向智能辅助决策方向迈进。智能营销、智能风控、智能仓储、智能物流等多个智能场景化的大规模应用，为企业智能化注入无限可能。
《蓝皮书》也指出，“大模型（Large Models）技术的成熟，为我国企业人工智能的应用打开了低开发成本和高效率部署的路径，企业的数据正成为核心资产，通过企业数据的模型化处理，企业的数字化创新也迎来新的发展阶段。”
当前，大模型要走到企业落地，前方仍然存在四重大山。
第一重山：大模型的需求错配之山。
行业中的多模态大模型，都是基于海量公共数据训练的神经网络系统，面对的是普通用户的生活和工作场景，与企业应用场景存在着较大的差距。与企业基于实际应用开发的小模型相比，大模型与企业实际的需求场景匹配度相差甚远。
第二重山：企业IT架构算力错位之山。
传统企业的算力部署错位，大模型所需要的算力是一种异构算力架构，融合了通用算力、高性能算力和AI算力的混合算力架构，与对企业传统IT架构严重不匹配。
第三重山：专属大模型难以落地之山。
通用大模型无法直接落地应用，大模型要在企业得到广泛的应用，就必须对基础大模型进行优化、剪裁和本地化训练，并重新进行本地化部署，打造企业自己的专属大模型，才能有效为企业所用。
第四重山：大模型背后的数据安全之山。
大模型的落地也面临着，在企业专属大模型的优化和训练过程中，如何保障企业的数据安全等难题。要解决这一系列问题，还需要以务实的态度，通过大模型技术实践在场景中不断碰撞，不断印证。
以“智”提质，联想总结出翻越大山的三条路径
归根到底，企业大模型要翻过这四座大山，落地场景还需要规范标准和方法论，并从实践经验中得出可行性的路径。
《研究》正是为了解决这些问题，推动大模型在企业端落地应运而来，这是基于联想自身实践和长期以来的行业积累，针对多模态大模型发展历程及其在企业中的应用价值、落地难点、生态体系建立和联想智能体解决方案及服务的典型案例进行了全面系统的分析，并在行业中率先实现落地应用。