平台能力层面，针对过去大半年国内产业客户在大模型ToB落地摸索中，遭遇成本高、门槛高等普遍难题，
在应用层，腾讯云更新升级了包括腾讯企点分析AI助手在内的10款智能应用和解决方案
企业里的“表哥”“表姐”应该都尝过这种痛，明明只想简单了解“最近业务的销售情况”，却要花费大量精力和时间。对指标、拉数据，链路长，流程复杂，可能还需要拜托隔壁的专业数据分析团队，才能得到结果。
对话类客服、营销内容生成、跨模态检索、风控等企业核心的生产经营环节。除了智能应用升级，本次大会上，腾讯云沿袭产业应用为先的思路，还从技术底座shadowrocket安卓教程、平台能力维度升级MaaS能力。
实际上用大模型来解决什么问题，以多大成本来获得什么价值、多少价值，其实还没想得很清楚
大模型ToB如火如荼，当下正从狂飙期向理性应用转变。许多企业在思考大模型能解决什么问题，需要耗费多大的成本，获得怎样的价值等问题。此次腾讯云MaaS的三大升级，实际是从不同层面回应这些问题。
，底层模型能力升级，解决了用户对不同场景里大模型的需求和灵活配置的问题。而平台能力升级，则进一步降低用户使用大模型的门槛。
至于一系列智能应用发布，则回应了用大模型获得什么价值的问题。过去几个月里，行业客户经历了挖掘、寻找和适配的过程。一位电力行业的资深人士告诉数智前线，大模型ToB目前场景不少，但缺乏比较亮眼的应用。但在业内看来，行业落地本就不是一件性感的事，大模型对原有场景的智能化提升效果明显
腾讯云副总裁、腾讯云智能负责人华为怎么下载shadowrocket、优图实验室负责人吴运声在接受采访时提到，做应用层才能带来直观的反馈。比如在文旅行业场景里，要注入的数据和要理解的东西就不太一样，大模型要具备的能力也不太一样，有些需要有推理能力，有些需要有通用能力。做了应用层后，打穿从客户反馈到模型提升的链路，能针对性解决模型效能的一些问题。
“大模型能够给自身业务带来什么价值上了”。产业界对模型落地的态度也在逐渐回归理性。模型厂商们察觉到，大模型的应用还在初期，企业在模型选择、模型可靠性、应用成本、使用门槛等层面，存在各种考量和顾虑。
腾讯云也服务了不少行业客户，他们基于自身的实践，拆解了整个模型训练链条后发现，从需求判断到模型选择，到最终帮助客户行业化训练落地，整个过程涉及非常复杂的流程和机制，也需要强大的底层技术支持
以基底模型选择环节为例，目前可选的模型很多，要参考因素也不少，比如训练的数据量大小，客户是否自己提供机器，用什么类型的数据（格式、中英文等）训练，预算多少，希望训练时长等多个因素。
腾讯云TI平台提供了整个模型训练的完整工具链，来保障训练任务高效、稳定和顺利进行，并能评测和部署调用
。腾讯云此前打造的星脉网络是业内网络传输速度最高的网络之一。今年7月，腾讯云发布了AI原生向量数据库Tencent Cloud VectorDB，也是国内首个从接入层、计算层、到存储层提供全生命周期AI化的向量数据库，最高支持10亿级向量检索规模，延迟控制在毫秒级。吴永坚认为，这些都是相比其他厂商，腾讯云所具备的差异化关键技术能力。
目前，腾讯云与中国信通院开展了行业大模型标准体系及能力架构的研究，共同发布了行业大模型标准体系，参考腾讯云在行业大模型产业应用领域的实践和经验shadowrocket怎么更新节点，为客户构建行业大模型提供了标准化流程、综合评估方法，帮助大模型在产业更快落地。
在腾讯混元大模型正式亮相之前，外界普遍认为腾讯太慢了。但从腾讯云过去半年多的动作，大体能看到腾讯云发展大模型的三条路径。
相比于百度、阿里等厂商先发通用大模型，腾讯云选择了先从行业大模型路径切入
后来腾讯研究了万物识别的思路，构建一个更大的知识图谱，通过发现物体之间的关系来组成事件。这种抽象方式一方面有很好的学术价值，同时也是从之前的解决场景里问题的视角出发，在解决实际问题积累的经验与研究进步之间形成了良性循环。产业落地实效是腾讯云评判大模型价值的唯一指标。
汤道生在采访中提到，市场上大模型的选择很多，往往有不同侧重的场景，最近各种开源大模型发展也很快，客户需要选择与更新大模型的灵活性。
行业也在顺应这一趋势。最典型的就是微软，它从最初的投资并提供OpenAI闭源大模型服务，转而和Meta牵手上线。国内包括腾讯云在内的云厂商们在上个月也纷纷宣布支持接入开源大模型。
在这两类服务方式下，前一类客户是腾讯云希望作为标杆打造的客户。例如一些金融投顾类客户，他们研发能力强、经费足，对新技术的投入能力和意愿更充分。针对这类客户，腾讯云会与这些客户做更多场景合作打磨，最终形成标杆型的行业样例。
一方面能形成一定的准入门槛，另一方面能真正解决客户的痛点问题。吴运声介绍，具有端到端能力的产品，未来会是腾讯云重点发力的方向。结语
经历了前段时间的大模型狂飙之后，业内已经意识到技术的应用还要面对诸多困难：既有幻觉、成本高、部署难等现实苦恼，也有一些非技术层面的挑战需要克服。
