6 月 19 日下午，腾讯云召开发布会。首次正式公布行业大模型研发进展，并发布面向 B 端客户的腾讯云 MaaS(Model-as-a-service，模型即服务)服务解决方案。
行业大模型精选店
腾讯云 MaaS 全景图（图片源自腾讯云官网）
会上，腾讯首次公布腾讯云 MaaS 服务解决方案。
腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生介绍，腾讯云 MaaS 是基于 TI 平台打造的行业精选模型商店，覆盖金融、文旅、政务、传媒、教育等 10 大行业，提供超过 50 个解决方案。在这些能力模型的基础上，客户只需要加入自己独有的场景数据，就可以快速生成自己的「专属模型」。
比如，腾讯云已经和国内某头部在线旅游公司，基于「文旅大模型」打造了机器人客服，后者可以自动判断用户意图，并调用相应的 API，高质量完成用户咨询及服务。
如果一个用户问，「节假日有哪些比较经济的旅游景点推荐?」基于通用大模型的客服机器人，只能给出一些简单的景点介绍和路线规划。但是当使用大量有针对性的行业数据来做模型精调之后，客服机器人的回答就变得更加细致，能够规划出每天的交通、景点安排，给出经济实惠的定制化推荐方案。
除了提供基础的行业模型，数据方面，腾讯云同时推出了基于腾讯云 TI 平台的行业大模型精调解决方案。
精调行业大模型是为了帮助模型开发者与算法工程师，解决数据的处理问题，高效率、高品质、低成本地创建和使用大模型。此外通过 TI 平台以及模型的私有化部署、权限管控和数据加密等方式，腾讯云还希望帮助开发者和企业客户解决数据安全和隐私方面的担忧。
比如腾讯云与中央电视台打造的「央视人工智能开放平台」。开发过程中也面临数据量庞大、形态复杂的问题，导致传统的数据标签体系都无法达标。
为此，双方重新构建了一套传媒专属的数据标签体系，同时也研发了创新的「标签权重引擎」，让数据标签颗粒度更细，并按照核心度排序。在这样的数据标签体系支撑下，视频编辑用自然语言就能实现跨模态检索。比如，输入「居民消费力」，系统可自动提供商场、超市相关素材，再搭配智能剪辑，就能快速生成视频。
最后是关于大模型持续运转的燃料——算力。在大模型的训练和使用过程中，需要大量异构算力的支持，对网络速度与稳定性要求也很高，加上 GPU 服务器比一般服务器稳定性更低一些，服务器的运维、问题的排查更频繁，整体运维的难度与工作量会高很多。
对此，腾讯云打造了面向模型训练的新一代 HCC(High-Performance Computing Cluster)高性能计算集群，搭载最新次代 GPU，结合多层加速的高性能存储系统，加上高带宽、低延迟的网络传输，整体性能比过去提升了 3 倍。汤道生表示，HCC 获得了很多客户的高度认可，几家 AI 独角兽都与腾讯云展开了合作。
除了计算集群，腾讯云还公布了更适合 AI 运算的「软能力」——向量数据库，它能更高效地处理图像、音频和文本等非结构化数据，支持单索引 10 亿级规模，比单机插件式检索规模提升 10 倍，数据接入 AI 的效率，也比传统方案提升 10 倍。
值得注意的是，腾讯云并没有像此前的谷歌、微软，或者国内的百度、阿里等大厂一样，公布一个基础的通用大模型。腾讯云 MaaS 的技术底座是一系列的行业大模型，包括金融、政府、文旅、传媒、教育等。基于这些基础模型，腾讯云的客户只要加入自己的场景数据，就可以生成契合自身业务需要的「专属模型」。
国内通用大模型的研发进程受算力紧张、起步较晚等因素制约，客观来说与 OpenAI 等全球领先的团队相比还有一定差距。但大模型在国内落地的需求却已刻不容缓，为了解决落地问题，推出更有针对性的行业大模型，并利用数据精调来满足业务需要，已经成为国内云服务商曲线解决当下困境的一种选择。
这背后的逻辑是：重要的是解决具体场景的需求，只要产品的效果够好，用户并不会关注技术底座到底是通用大模型还是行业大模型。
显然，腾讯云做出了相当务实的选择。会上，高管们介绍了一系列腾讯云 MaaS 的应用案例，其中既有针对腾讯企业端 SaaS 产品的智能化升级，也有与央视等外部合作伙伴一起探索的应用案例。