垂直行业大模型帮助传统产业实现数字化转型，将有望破解各垂直领域的复杂业务难题，引领新一轮产业升级。然而，行业大模型发展面临数据处理成本高、模型执行能力弱、数字化人才供给不足等难题，建议：一是提升垂直行业数据采集、处理和流转能力；二是打造内生行业大模型服务，攻克实际生产难题；三是完善人才培养机制，重塑垂直行业工作模式。
垂直行业大模型现状
我国已进入中度老龄化社会，人口老龄化造成的劳动人口数量下降，垂直行业由传统的劳动密集型产业转变为技术密集型产业。行业大模型通过整合行业数据、算力和人才资源，赋能垂直领域，促进工业等垂直行业数智化产业升级。
随着党的二十届三中全会提出“加快构建促进数字经济发展体制机制，完善促进数字产业化和产业数字化政策体系”等重要任务，国内企业迅速跟进，积极推进大模型研发。截至2025年1月，根据国家网信办《生成式人工智能服务已备案和已登记信息》，全国已有302个大模型产品通过备案，最新一批行业大模型占比超50%。2024年11月，沙利文咨询公司发布《2024年中国行业大模型市场报告》称，2023年中国行业大模型市场规模达105亿元，预计2028年行业大模型市场规模有望达到624 亿元。
面临的挑战与风险
数据处理成本高，知识凝练难
行业大模型生长于通用大模型之上，紧密贴合垂直领域的任务需求，严谨精准地作出决策回应。高度凝练的知识是大模型的建立基础。目前，根据浪潮信息与国际数据公司（IDC）联合出版的《2025中国人工智能计算力发展评估报告》，70%的组织开始投入生成式人工智能的研究，17%的组织将其引入生产环节。在金融、医疗、教育等多个知识密集型行业，大模型已经实现了初步应用，并产生了明显的经济和社会效益。而对于工业、电信业等重生产的数据密集型行业，高敏感的海量数字型数据和多模态数据导致生产源端采集不全、数据流转压力大、数据标注效率低，这些行业数据体量虽大但难以形成知识有效指导行业大模型的学习。
2024年底至2025年初，我国密集发布数据领域政策措施，指导企业数据资源开发。为实现数据高效流通，2024年12月，《国家数据基础设施建设指引》对数据供给和行业数据应用等方向提出建设要求，指引建立以行业、区域数据基础设施为主体，以企业数据基础设施为重要组成的国家数据基础设施。在数据流通期间，海量的行业数据如何产生可复用价值是一项关键挑战。
模型执行能力弱，与高吞吐业务系统难协同
通用大模型的商业模式在探索初期困难重重，微软的GitHub Copilot产品接入GPT系列模型，在发布之初，平均每月在每个用户上的亏损超过20美元，每个重度用户亏损高达80美元。垂直行业大模型仍处于探索阶段，为快速落地，多与GitHub Copilot一样采用服务外挂形式，大模型普遍存在的推理时延高、可控性差，使其难以形成与原有业务系统深度融合的原生大模型操作系统。大模型在生成决策后，因与业务系统相互脱节，无法形成从决策到业务执行的完整闭环，这极大束缚了垂直行业大模型的价值释放。成本与收益的不均衡，阻碍行业大模型的深入应用与拓展。
人才供给不足，应用型人才缺乏
随着垂直行业产业升级不断推进，行业人力结构正经历重塑，劳动力面临着紧迫的技能提升需求。在此过程中，既精通生成式AI研发，又熟悉业务研发的跨领域应用型人才尤为稀缺，成为垂直行业数智化发展的制约因素之一。美国Indeed招聘数据显示，每40个正在招聘的软件开发人员职位中，就有1个职位需要与生成式AI相关的技能，该比例自2023年初以来已增长100多倍。《纽约时报》刊文称，AI研究人员正成为“地缘政治意义上全球最重要的群体之一”。当前，我国AI人才缺口高达 500 万人，进而引发企业间人才恶性争夺的潜在风险。
相关政策和建议
（一）提升垂直行业数据采集、处理和流转能力
一是拓展垂直行业数据来源的广度与深度。积极收集行业专家经验，扩充数据采集方法，运用数据因果推断等技术高效准确地提炼行业知识，对垂直行业数据链路，从初始的数据采集，到深度的知识凝练，进行全方位系统性优化，确保数据来源既丰富多元又具高价值性。二是构建更为完善的数据处理机制。围绕数据可复用和互操作价值，打造高效的多模态数据标注方法，统一行业标注标准，在海量源数据中挖掘、留存高质量数据，以此推动我国垂直行业数据要素价值的充分释放与高效利用。三是降低数据迁移成本。通过融合隐私计算、无损压缩、6G通信等关键技术，搭建可信、高速、稳定的传输通道，支撑数据高效流转和利用。同时，加速制定与国家数据系统对接的规划方案，推动数据在更大范围内的互联互通与协同共享。
（二） 打造内生行业大模型服务，攻克实际生产难题
一是聚焦垂直行业特色的软硬件协同攻关。软件层面，着力降低大模型推理时延，设计行业大模型与可执行智能体的工作链路编排；硬件领域，则致力于为垂直行业提升算力供给，夯实发展基础，共同打造原生行业大模型系统。二是整合企业资源，聚力核心场景。积极倡导AI基础能力复用，避免重复性研发工作，实现资源的高效配置与利用。三是激励企业创新，探索核心业务场景的全新模式。全力推动人机交互范式革新，加速构建系统自智的端到端全自动生产通路，打造具有国际竞争力的高端生产体系，助力我国数字化产业实现跨越式升级。
（三）完善人才培养机制，重塑垂直行业工作模式
一是推动垂直行业的岗位升级，培训现有人员，实施包容的企业劳动力转型，培养跨领域的复合型人才。二是引入低代码或无代码的AI开发平台，降低非AI专业但熟悉业务流程的人员的AI应用研发门槛，通过简单拖拽、配置操作，参与行业大模型部分开发工作，发挥其在专业领域的价值，提高整体研发效率。三是建立行业大模型研究的众包平台，将一些数据标注、简单算法测试等基础性工作分解成小任务发布在平台上，吸引 AI 爱好者、兼职人员参与。
