兴业证券孙乾在节目上表示，尽管国内大模型领域相较海外差距大，但是国内企业在垂类模型开发中仍有很多机会。上市公司中，很多行业的细分龙头，都在基于通用大模型做垂类模型的研发，比较典型的是在金融、医疗等领域。
　　以下为文字精华：
　　提问：国内大模型行业的格局和投资机会怎么看？
　　孙乾：国内大模型的发展情况，一个特点就是国内和海外的差距还是相对比较大。体验下来，国内大模型的效果，和海外比如OpenAI等领先大模型，在性能上还有较大差距。
　　但是国内厂商也在不断追赶，以互联网巨头为代表的很多厂商都在纷纷入局大模型，工程师红利方面的优势比较明显。除了腾讯、阿里巴巴、百度等互联网巨头，还有一些创业公司比如智谱，一些科研院所背景的公司比如紫东太初，还有上市公司比如科大讯飞等，都发布了相关的大模型产品。
　　这些大模型产品各有优劣势，普遍这些产品的最基本的优势在于数据足够丰富。我们国内人口众多，数据维度是比较丰富的。
　　此外，国内厂商之前一直有在做技术储备，只不过没有进行商业化落地。比较典型的例子是百度文心一言，2020年之前，腾讯和阿里巴巴也都有做相关的技术布局，现在产品呈现后就在找商业落地。国内厂商在落地层面是走得比较快的，都能快速抓住相关应用场景，去做场景接入，在这个过程中持续迭代和打磨自己的大模型产品。
　　虽然短期和海外有差距，但是大模型有个特点，随着数据的持续训练，大模型性能会持续提升，所以国内的产品随着时间的推移，性能一定可以追赶上海外的产品表现。
　　除此之外，其他一些厂商也有在做基于普通大模型的垂类模型的研发。因为开发大模型非常烧钱，没有10亿这种级别以上的投资，是很难支撑通用大模型的发展的，这也决定了大模型赛道上都是有相当体量的厂商，会有比较充足的资金。
　　那是不是其他厂商就没有机会了？不是的。上市公司中，很多行业的细分龙头，都在基于通用大模型做垂类模型的研发，比较典型的是在金融、医疗等领域。
　　垂类模型是基于通用大模型的，针对行业细分做一些微调和提取，所以这是不太需要初期投资大量资金的，但同时又能够更加匹配细分领域的一些场景需求。比如金融行业，会有一些金融监管规则、金融财务数据，从业人员在特定场景下会有数据需求，这都是能够充分应用垂类大模型的特点。而通用大模型可能在细分行业没有足够专业的数据的训练，性能未必能够比得上垂类模型。
　　未来互联网巨头和细分行业巨头，可能是一个分割市场的局面。通用大模型的厂商更多在一些标准化的面向c端的通用场景之下去抢占份额。而在垂类场景下，还是这种细分行业龙头通过训练垂类模型对外赋能更占优势。
　　未来的行业生态，可能是非常丰富的，包括互联网巨头、AI龙头、细分行业龙头等，将一起分享大模型带来的发展机遇。
　　郑晓曦：国内目前算力芯片供不应求的问题，今年还是比较难得到解决。所以从产业角度看，当下很多大公司手上还有很多算力芯片存货，但是对于新进入这个行业的，比如垂直类应用公司，已经遇到了算力芯片供应问题。
　　目前从海外供应商的供货节奏来看，供货期至少要40多周以上，所以在这种情况之下，大模型今年到明年的逐步渐进发展过程，主要还是受限于算力芯片的供应。
　　目前从大模型的尤其是通用大模型来看，现在对于训练的加速卡的需求比较强，推理芯片对于它的算力的要求相对比训练要低，但是推理的量也会有比较大的增长，所以这两年预计训练卡的需求比较集中，再往后就会有几倍的推理卡的算力需求。拉长看3-5年的维度，算力芯片需求的增长是比较确定的，这其中会存在供需差。