私域大模型建设实践指南（五）

路线思考

设计院的核心业务是设计，沿这条业务线延伸，实际蕴藏着服务业主方的潜在机会。若将数字化发力点锁定在主营业务上，具体会催生哪些需求？这些需求需要什么样的数据来支撑，最终形成怎样的应用服务，才能为客户创造可量化的价值？

从设计院的主营业务看，多数需求源自内部，少数来自外部。内部需求本质上是设计人员的辅助工具需求；外部需求则是市场与经营人员开展营销时所需的数字化武器。至于可服务的业主方具体有哪些，目前尚不明确，需要更多信息来厘清，比如体系内的其他单位。这背后往往牵涉复杂的利益关系网络，必须依靠进一步调研与协作才能推动。

眼下的重点并非急于上线某个应用，而是先理清布局——自上而下推导整个港航行业的大模型架构。从有限的资源条件出发，切入点的选择不以数据治理为主，而以语料收集为核心。语料大致分为三大类：公开数据、私有数据与用户数据。

公开数据方向涵盖专业文献、学术论文、政策法规及招投标信息；私有数据包括内部规范、各类标准化模板及工程案例；用户数据则指对话数据，这部分需待院内应用上线后才能沉淀。可以这样理解：通过一个私有化大模型AI平台，让全院全员共同参与AI建设——这才是真正应该推进的项目。用户在使用AI时产生的数据，对模型效果提升，尤其是微调环节，至关重要。

大模型本身的技术并非核心瓶颈，真正的关键卡在数据层面。直白地说，即便是一些头部企业，手中也缺乏港航领域的专业数据，或者根本无法搜集到设计院自身积累的私有数据。数据才是核心资产。等我们积攒了足够干净、可直接用于大模型训练与微调的数据，再去找具备大模型能力的厂商洽谈合作。那些做大模型的厂商缺什么？恰恰是行业一手数据。假设某家公司想做港航大模型，第一时间就得来找我们合作。国内外都有可能，这需要持续观察，毕竟整个行业的注意力都集中在AI上。

数据不能一次性卖出，而是要合作，真正成为意义上的“数商”。短期内不必急于开发外部应用，届时再与合作方洽谈安全、私有化保障方案以及多方协议的对比。一些小规模应用，例如基于公开论文和数据集做的越浪量预测，可以对外推广。但真正的数商，绝对不是卖数据，而是卖服务——无论是SaaS还是PaaS，形式不同，服务群体也不同。而且坦白讲，整个设计行业的数据量本身就极少，一旦卖完，增量几乎毫无价值。

接下来还有一个关键问题：究竟用来做什么？需要到内外部寻找真正有需求的用户：各专业的设计人员、经营人员、项目管理人员，以及业主方的各个岗位。只有梳理清楚他们的工作流，才能找到应用的切入点。通过科研项目做好大模型所需的数据沉淀，内部建设私有大模型，只采用“开源大模型 + RAG”方案，不涉及微调与训练，目的是尽可能压缩成本。同时，通过科研项目，再加上尽可能多内部人愿意使用的应用，收集一批数据。等到时机成熟，再做微调与训练，才能发挥真正价值。因此，一开始就把成本最高的环节排除在外。

核心问题在于：港航行业到底能有多少数据？与互联网每天PB级的数据量相比，比例是多少？数据量的大小，基本决定了所需基础大模型的参数量——根本不需要像ToC产品那样使用那么大的参数规模。至于小模型的选择，现阶段我的判断标准很简单：是否使用中文语料进行训练。这一点查看模型发布时的资料就能知晓。所以，优先考虑国内像智谱这类公司推出的小模型。

一些内耗

搞技术的人，与官僚机制之间存在天然冲突——快与慢的冲突。官僚机制讲究明确的自上而下流程，层层传递、环环相扣，下级通常不能违背上级，后面的人不能推翻前面的决定。

而技术强调快速迭代，行动优先，该重构就重构，甚至越早重构越好。这就导致一个问题：某个流程尚未走完，最初的想法就已经不成立了。

如果掌握变化节奏的是上层，那么底下的人会非常痛苦：领导/老板怎么一天一个想法？这让下属如何适应？到底该做什么？优先级怎么又变了？

如果掌握技术的是下面的人，他们可能经常陷入内耗：明明觉得不可行，却因为上层的命令不得不执行。这已经不是“选错了目标，努力只会让你错得更离谱”的问题，而是“明知道目标是错的，也只能硬着头皮走下去”，只是因为下级不能违背上级，后者不能推翻前者。

尝试过创业的人可能会发现：无论身处哪个组织，都很难专心按自己的想法行事，或者说很难做到。为了把自己的想法落地，需要花费大量时间和精力去沟通。吊诡的是，最后看到的结果是，除了内心想做的事以外，其他事一件也干不成。只不过那个结果，当时未必能得到上层的认可罢了。

思路就是那些思路，但要带动一群人坚定不移地行动起来，那是另一回事。你可能遇到领导换人、分工模式变化，开始有人把不属于你的任务安排下来，进一步放大了原本通过分工已经规避掉的不合理工作安排。简单来说，你失去了更多的自主权，也失去了更多的专注。战略和路线，很容易让人低估组织文化和工作模式带来的影响。大部分在规训时代成长起来的人，习惯了服从，又从上级指令的模糊性里，延伸出了一套中庸之道。大家努力地做着“面具下的工作”。

来源：互联网