本期是通俗易懂大模型第十期，感谢大家持续关注。
上一期，给大家讲了什么是CPU、GPU、算力，英伟达为啥能一家独大。这一期，想给大家用通俗易懂的语言讲讲基础级大模型、行业级大模型、场景级大模型都是怎么划分的，之间的关系是什么，对应的大模型都有哪些特点。
1、先说一下大模型的分类
需要说明的这里的分类不是按照大模型的用途划分（之前在第一期的时候给大家做过一个不同大模型用途的类别划分），而是按照大模型的应用大类来进行划分。
大模型按照应用大类通常来讲分为基础级大模型、行业级大模型、场景级大模型。
2、基础级大模型的通俗解释及应用场景
基础级大模型，可以理解为知识渊博的”百科全书”，知识范围广而大，像读遍图书馆的学霸，通过海量通用数据（如书籍、网页、新闻）学习，能回答常识问题、写文章、翻译语言。训练这类模型需要超级计算机级别的硬件（上期提到的GPU算力），而且这个类型的大模型本身并不具备特别有针对性的专业领域知识，更多是具备一些通用能力，涵盖语言、视觉、多模态、问答等方向。
现在大家常见的一些大模型，比如美国Meta的Llama系列、OpenAI 的GPT系列、阿里通义千问、DeepSeek V3、百度文心一言、华为盘古大模型等都属于基础级大模型。其核心特点是通用性和高扩展性，它们通过海量数据训练获得广泛的知识储备，并可作为行业级、场景级模型的开发基础。
基础级大模型可以处理、解决通用性的事务，通常面向全部的用户群体，比如让智能客服回答”明天天气怎么样”等通用问题，帮你写朋友圈文案的AI助手，帮你生成通用型图片的文生图智能助手等都属于基础级大模型。
3、行业级大模型的通俗解释的应用场景
行业级大模型，就类似于某个领域的“领域专家”——专攻一个行业，能用专业术语高效解决特定问题。
行业级大模型通常是通过基础级大模型，在某一行业领域基础上，经过进一步专业领域知识训练、微调/精调（具体什么是微调/精调，上几期都讲过，本期不再赘述，大家感兴趣可以往前翻翻），从而得到的。
比如医疗行业大模型会学习病例、药品说明书，金融行业大模型会分析财报、政策文件、分析PE估值，政务行业大模型会帮助撰写公文、建筑行业大模型会帮助做建筑规划，它们就像行业里的“行业智能助手”，用专业知识帮人干活。比如医疗大模型，金融大模型。
以政务行业大模型为例，具体如下图：
4、场景级大模型的通俗解释的应用场景
场景级大模型是在基础级大模型、行业级大模型基础上，结合具体业务场景和数据，经过模型微调而构建的，专注于解决具体业务场景问题。场景级大模型不追求“全能”，但能在特定任务中做到精准高效，参数规模通常相对较小，适合部署在本地化，大多数情况下是与应用系统、终端设备等结合使用。
比如某医院的”CT影像辅助诊断系统”，就属于医疗行业级大模型下的细分场景应用。
除此之外，我们日常接触到的手机相册的”宠物识别”功能、快递柜自动读取取件码、商场导航机器人对话系统、工厂用的”工业质检大模型”、农业用的”病虫害识别大模型”、法律用的”合同审查大模型”、政务行业用的“公文排版”等都可以划分为场景级大模型范畴。
5、基础级、行业级、场景级大模型三者之间的关系
可以将三者理解为层层递进的”知识加工链”，如果把人工智能大模型比作一座金字塔，基础级大模型是地基，行业级是中层结构，场景级就是顶部的尖塔，它们各司其职又相互支撑，共同构建起智能化的未来世界。
基础级提供通用能力：好比面粉，能做成馒头也能做蛋糕胚。
行业级注入专业知识：像在面粉里加入可可粉，变成巧克力专用原料。
场景级塑造最终形态：用巧克力原料做成生日蛋糕上的装饰玫瑰花。
例如，某大型企业有一个典型的应用场景，先用基础级视觉大模型识别设备外观，叠加化工行业大模型判断反应釜温度异常，最终通过设备故障预测场景模型给出维修方案。
理解这三者的区别，可以帮助我们更好地使用大模型，让AI赋能我们生活、工作的方方面面，比如，需要通用咨询找基础级，解决专业问题选行业级，完成具体任务用场景级。
当它们协同工作时，才是人工智能真正的魅力所在。
以上就是本期要讲的内容，感谢大家的持续关注与支持，下期更精彩，敬请期待。
