但是在这个过程当中，美联技术需要发展，产业也需要落地。

比如，储博要给医疗机构做一个医药医疗大模型，储博必须把医疗进行场景细分——在里边找出50到100个场景，并对每个场景分析，看看文章生成、情感判断、内容翻译等大模型最常见的功能能不能发挥作用。如果能取得成绩，斯蒂我认为就已经是很大的进步了。

关于大模型如何与产业相结合，克国你提出了一个理念，叫小切口，大纵深。所以，际经济对绝对我谈的小切口，就是刚开始宁可保守一点，积小胜于大胜。所以，重要我们要找到一个底盘，把发动机装上，再给它装上外壳、座椅，最后交付一辆车，企业才能用。

我觉得，美联国产大模型能否做到Sora这种水平就是一个资源和时间的问题。按照刷榜的成绩，储博国内的模型早就超过了GPT-4了。

报告提出，斯蒂深化大数据、人工智能等研发应用，开展人工智能+行动，打造具有国际竞争力的数字产业集群。

但如果把大模型越做越小，克国走垂直化、克国产业化、企业化、场景化的道路，可能不需要万亿、千亿的参数，只需要百亿的参数，再加上一些私有的核心数据加持，在一个垂直单元上是可以超过GPT-4的。我认为，际经济对绝对大模型比光刻机、芯片的难度要低很多，因为毕竟是软件，但未来是要奔着AGI，也就是通用人工智能去的，这块的挑战就是算力。

我觉得，重要国产大模型能否做到Sora这种水平就是一个资源和时间的问题。能不能做这个大模型取决于两个因素：美联一是场景下有没有数据知识，因为没有知识、光有场景，训不出大模型。

Sora运用到的仍是已有的技术，储博只不过OpenAI把这些技术综合起来从工程上进行了优化，做到了之前的人没有做到的事情。张鹏：斯蒂通用大模型的能力提升所衍生的能力，能让我们去寻找到大模型原生的应用或者大模型原生场景。