“从2012年优图成立开始，我们就强调，研究和落地两条腿并重。”

腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声介绍，优图一方面坚持在技术方面做研究，为长期的发展做准备；另一方面会紧密地跟行业结合，把技术应用到行业中，产生实际的价值。

优图实验室的技术早就落地到工业、金融、传媒、政务、能源等行业。

去年，腾讯云与立铠精密达成合作，在了解到对方存在“硬件缺陷多样、成像复杂”等质检难题后，便开展了算法研究。

针对工业场景缺陷样本少、缺陷噪音多、产品型号广等问题，优图实验室通过小样本学习、域迁移学习、带噪学习和模板学习等方法提升了算法的鲁棒性与泛化性。

最终，立铠精密用AI工具替代了原有的目视检测，漏检率接近于0。

配合技术团队，解决客户的实际问题，腾讯组织体系灵活。其产品架构师直接对接客户需求，快速传递给后方，内部再给出解决方案。

“针对某些头部客户，我们甚至会驻场，提供贴身服务，到现场去看问题，更好地满足其需求，积累经验，沉淀到产品里。”吴永坚补充。

“对前方销售团队来说，大模型能够带来新订单，其有强劲意愿拉动后场产研去打胜仗。”吴永坚谈道，部门之间，沟通也顺畅。

这支团队，正深入千行百业，实实在在地提升生产力。

扎根行业，实用性优先

B端需求千变万化，落地大模型，并不容易。

吴永坚举了个例子，有位客户想做一个智能客服应用，对语言的精准度要求高，担心“说得多，错得多”。

“不说错话，这很关键。跟他的需求结合，（模型）的生成能力可以不用那么强，更重视安全。”

他解释，实用性，是CSIG（腾讯云与智慧产业事业群）最关注的一个点。腾讯云做大模型，不是为了强调自身技术有多强，而是为了解决客户的问题。

除需求各异外，企业的资源、禀赋不同，落地大模型也需要考虑自身实际条件。

“大模型要想真正做到量产实用，效率及成本控制必须是极致的，否则高昂的人力、计算成本容易让行业大模型落地成为纸上谈兵。”一位AI企业创始人说。

客户提需求，腾讯云扎根业务，量体裁衣，给出实用的解决方案。

比如，在内容创作领域，腾讯云和阅文集团达成合作。

阅文平台，用户有大量复杂的“文生图/图生图”需求，其需要处理海量的模型，投入算法和工程师团队进行维护，同时，千百亿级别的模型，推理部署成本高昂，推理吞吐和时延存在瓶颈。

该公司选用“商店”里的Angel加速引擎，推理能力提升30%。大模型提供动态batch和自动服务调度机制，大幅提高服务吞吐量。

腾讯云还将大模型与腾讯的行业解决方案、企业级应用结合，在生产、营销、售后服务、办公等多个环节，实现能力提升，达至降本增效。

例如，在能源领域，大量电网设备散布在偏远地区，依靠人工巡检方式，故障隐患无法及时发现和处理，影响电力生产安全。

腾讯云训练电力视觉大模型，可以适应不同电网场景，具有高检出率、低误检率、泛化能力强的优势，助力电网生产经营和减负增效。

在上海仁济医院，腾讯云将数智人与医疗大模型结合，合作开发了“数智人医疗智能客服”。

通过这个“虚拟护士”，患者可以用语音咨询看哪个科室，找哪个医生。系统的回复也更准确。这既保障了患者高效就医，又避免了三甲医院专家资源的浪费。

“现阶段，我们挑选若干个关键场景，结合客户的需求做深做透，形成标杆，希望往后能够往腰部覆盖、规模化。”吴永坚表示。

新生产力工具正对千行百业赋能、提效。