零点有数

在应用算法界的努力呼吁和少数前沿城市的倡导下，算法产业化和算法要素价值开始引起了人们的注意，这本身是好事。算法产业化过去之所以被忽视，一方面是因为应用算法对应于繁多复杂的应用场景和具体问题，细碎专门，这就意味着有丰富而繁杂的开发任务和对深度细分领域的团队专业要求，这活儿变成了专业门槛要求高、实际见效要求高却又是碎银子式的低预算领域，因此这对过去动则干大系统大平台的技术开发商们来说，实在不算是一种好生意；而另一方面，高层概念驱动下的数字经济和数字化治理，在省市区县政府领导这一级，懂行的人实在太少，因此就可以挟技术大厂的名头去游说或博弈地方政府的数字化系统或者平台项目，这样的项目具有显著的复制化程度强和落地解决问题能力弱的特点，尽管在今天重复建设这样的系统本身不是问题解决方案，但就技术大厂挣钱来说可是一种好买卖。

几轮高浪费和高重复度的合作之后，甲方对数字经济和数字化治理模式的有效性要求正在变得苛刻，新一轮的数字化推动中也多少出现了虽不多但也有一些更讲究问题解决、注重落地实效的数字化方案。其中一个非常重要的转向，就是由只做系统平台建设转向还需要数据智能应用建设，由只讲究算力算量建设转向同时强调算法资源或场景解决方案建设。因此一些技术大厂提出了“大模型”或者“巨模型”概念，以表示它们具备提供整体解决方案和综合算法中心建设的能力。但就这样的概念本身而论，也许具有博弈甲方提供规模预算的可能考虑，却未必有真正名副其实的操作能力。原因就在于需要对各专门问题领域的突出问题场景提供具有判定、预测、分类、推荐、搜索、监测、控制、对策、评价功能和精度要求不断提升的垂直应用算法。无论是城市运行、执法领域、税费征缴、服务事项办理还是金融、供应链、零售、社交、在线服务、医疗领域，由于问题场景所具有的特定性和复杂性，因此在由功能性算法对于问题场景的解决方案矩阵中，无论是规模企业、地方政府、垂直管理系统，都需要有计划、有步骤、分阶段地开发出可观数量的算法矩阵，并给予应用算法开发以足够的预算和资源投入，这样的算法矩阵的高质量实现与完成，需要借助于问题所在业务领域骨干和算法开发技术领域精英的多维度密切而深入的合作。既不大可能存在一以贯之、包治百病的“大模型”，也不大可能存在毕其功于一役的单一大项目。这样的说法，要么很难兑现事前的价值承诺，要么就是又一个似是而非的技术公关——因为在以其他落地投资为交易获得甲方项目的情况下，或者在技术大厂领导与地方高层领导亲切会谈得到的确认之下，后来即使项目成效华而不实，但却不易追究出名堂。

当然存在着这样一种应用算法的服务性平台，提供各种可用于算法开发的工具性算法技术，各类开源的示范性算法模型，多种应用型算法的开发经验展示，从而支持多个应用算法团队所进行的更落地的算法应用开发。某些平台甚至也可以很好地支持向应用算法团队提供项目采购信息和助力算法开发供应商汇集过滤各类支持服务。通过足够的应用算法开发、交易、借用和聚集，在特定地域、行业或者组织，形成了数量较多、类型丰富的应用算法中心、算法货架或者算法池，这些应用算法也具有对比性、竞争性和PK性，以支持算法的优化和升级。但这依然不是所谓的“大模型”和“巨模型”。

应用算法的开发与发展，将极大地提高算力应用的价值，提高数据质量鉴别和数据治理的实用标准，提供数据价值判定的应用标杆。这将改变仅仅讲究数量级的数据汇融和算力建设，而产生高质量发展意义上的算法驱动型的算力、算量协同建设和应用方案。这也将有力地说明，我们不是需要一般意义上的大算力、大数据和大模型，我们需要的是有应用价值的合适规模的算法、算力、算量匹配，尽管有的时候我们看到的很多实用算力方案、有效可用数据、实际应用算法可能并没有那么大。