“ 人工智能技術是以技術服務的形式存在”

在當今人工智能技術飛速發展的時代，怎么快速且有效的搭建一個人工智能服務是每一家企業需要解決的問題之一。

搭建人工智能服務有哪幾種方式？

人工智能是以網絡服務的形式存在的，而一家企業或個人想搭建人工智能服務有哪幾種實現的可能呢？

在這里總結了幾種方式，每種方式都有自己的優勢以及劣勢，而且幾種方式并不是完全獨立的，也可以根據自己的情況把幾種方式進行結合。

下面的幾種方式是從易到難。

調用第三方大模型服務接口

這種方式最簡單也最直接，開發者只需要在第三方平臺注冊一個開發者賬號即可使用。比如openAI，通義千問，文心一言等大模型平臺。

這種方式的優點是技術成本低，可以在完全不懂人工智能技術的情況下，有一個前端和后端就可以構建自己的人工智能應用。

缺點是有一定的接口使用成本，以及在對數據安全性要求比較高的情況下無法使用，以及在垂直領域可能表現較差。

使用開源大模型微調

這種方式就是使用一些開源的大模型，在其模型的基礎之上使用自己的數據對大模型進行微調。比如lora，p-tuning等。

其優點是技術難度低，只需要懂得簡單的機器學習技術即可，并且靈活方便，可以本地部署不依賴于第三方服務商，更加適合垂直領域的業務。

這種方式可以說沒什么缺點，是大部分企業選擇的方式。

完全自定義大模型

這種方式就是在有足夠技術底蘊的情況下，可以完全獨立設計和訓練屬于自己的大模型。比如openAI，谷歌，阿里云等巨頭企業。

其優點是完全自定義，可以滿足理論上任何業務場景，技術完全獨立自主可控，可以在業務領域內進行最完善的適配。

缺點就是技術難度大，成本高，對大部分企業來說都是無法實現的。

大模型+本地知識庫

這種方式可以說是在前面三種方式的基礎上進行的強化，大模型可以選擇前面三種的任何一種實現，不論是使用第三方，還是自定義或微調開源模型。

這種方式可以說是大數據技術和人工智能技術的結合，更多的是為了解決大模型天生的缺陷，那就是數據更新不及時，訓練的數據都是之前的舊數據。

而有了本地知識庫的加持，那么就可以讓大模型有了一個資料庫，只要這個資料庫更新及時，那么大模型在垂直領域和數據時效性的問題都可以被解決。

優點是解決了大模型本身的缺陷，通過外掛知識庫的方式，讓大模型能力得到增強。

這種方式也可以說沒什么缺點，或者說唯一的缺點就是選擇的大模型好不好和本地知識庫的數據是否豐富，并及時更新。

本地大模型+第三方服務

這種方式可以說是前面幾種方式的結合，就是為了數據安全性問題，可以本地部署訓練或微調大模型。然后把一些自己做的不好的或者做不到的功能，通過調用第三方服務來實現。

比如說，你是一個醫療領域內的人工智能應用，那么你可以專注于醫療模型的構建；但可以把一些常見咨詢等功能，通過第三方服務來實現。

最后，對大部分企業來說，他們不會僅僅選擇一種方式；而是自己把以上幾種方式相結合，自己實現一部分，調用第三方一部分；這樣既可以節省資金成本，也可以降低技術成本。

最后，把大模型作為后端服務，用戶端通過網站，APP，小程序等形式展示給用戶。

這也是現代企業最常見的哲學，合作共贏，專業的事交給專業的人，自己只需要負責自己的核心業務即可。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/5E_VGMbaPnAFNlJTWxl_uw??