在科技飞速发展的当下，大模型技术正经历着深刻变革。以云南交投与华为联合推出的 “绿美通道・交通大模型” 为例，这一成果依托鲲鹏、华为云 Stack 等技术，构建起强大算力基础，涵盖自然语言、视觉、多模态和时空预测等多方面能力。其在交通核心业务领域评测表现超越通用模型，平均准确率达 84%，尤其在交通流量预测和拥堵事件识别上表现突出，且深度融合建设、管理、养护等业务场景，有力推动交通行业智能化转型。

从行业发展来看，大模型从通用向垂直、专项转变的趋势愈发显著。中国工业互联网研究院智能化研究所副所长顾维玺认为，人工智能在产业中已形成 “通用模型 + 垂直领域模型” 的协同应用范式。通用大模型虽凭借在海量无标注数据上的预训练，掌握了强大的语言理解、知识关联、逻辑推理与内容生成能力，如 ChatGPT、Claude、通义千问等，为整个智能生态提供核心驱动力，但在特定专业领域存在局限。像是在医疗、工业、金融等对专业知识和精度要求极高的领域，通用大模型常出现 “幻觉”、专业术语理解偏差、行业逻辑缺失等问题，难以独立承担高可靠性要求的任务。

反观垂直领域专项大模型，它们针对特定行业或任务场景深度优化，基于通用大模型底层能力，融合领域知识、专用工具与业务流程，成为细分领域的 “特种部队”。彭博社的 BloombergGPT 专攻金融数据分析和报告生成，谷歌的 Med-PaLM 2 专注于医疗问答与诊断辅助，都通过微调、领域知识注入、专业工具集成等方式获得专家级能力。在工业领域，这种趋势也十分明显。当前，人工智能模型发展路径逐渐从追求 “大而全” 转向深耕 “专而精”，以通用模型为底座，打造 “会技术、懂行业” 的垂直行业模型成为行业共识，且已在多个工业场景落地实践。宝武钢铁集团与华为合作，提升了钢板成材率；国家电网与阿里、百度共同打造光明电力大模型，推动能源电力科技创新与产业创新融合；京东工业发布行业首个以供应链为核心的工业大模型 Joy industrial，可利用 AI 技术赋能运维资源最优调度，助力企业提高运维效率、降低运维成本。

复旦大学计算机科学技术学院教授肖仰华强调，大模型产业发展焦点将从基础模型走向应用生态。当大模型具备人类智能基本能力后，如何用好它成为关键，而用好大模型的重点在于打造解决千行百业痛点的应用，这决定了大模型下一阶段发展重点是从通用走向专用。据 Gartner 预测，到 2027 年，中国 80% 的企业将使用多模型生成式人工智能以满足本地部署要求，这显示出企业对贴合自身业务的专业模型的强烈需求。2025 上半年我国大模型相关项目呈现爆发式增长，中标项目累计达 1810 个，金额突破 64 亿元，中标项目数超 2024 全年，且市场从 “通用竞争” 迈入 “行业深耕” 阶段，技术实力与落地能力成为关键，这也侧面反映出垂直领域专项大模型受市场青睐的程度在不断提升。

全国政协远程协商会上，周鸿祎指出，中国产业门类齐全、应用场景丰富，未来应在企业中选择垂直场景，训练有专业能力的大模型。以海洋石油工程股份有限公司与 360 公司合作打造的智脑系统 “小海” 为例，它将生产过程中的人、机、料等要素协同起来，快速给出准确调度数据，提升资源利用率、降低成本。专业模型无需从头训练，在通用大模型基础上结合垂直场景和内部专有知识打造，能有效降低参数要求和成本，实现精准服务。

随着各行业对大模型应用需求的不断深入和细化，未来大模型从通用模型向垂直领域专项大模型转变是必然趋势。各行业独特需求促使模型深入细分领域，挖掘行业深度知识，以提供更精准、高效的服务，满足专业场景复杂多样的需求，进而推动各行业实现智能化升级与变革 。