我们从调研中收集到了一些有用的数据。例如，在一家典型组织使用的模型组合中，公开可用的大型商用模型(如
GPT-4)仅占约四分之一。公开专业商用模型(如GoogleMed-PaLM)占23%,开放模型(如Granite和Mistral)占16%,嵌入模型(如SAPJoule.SalesforceEinstein和AdobeFirefby)占14%,企业定制开发的专有模型占11%。除此之外，其他模型占12%。
在为工作流程选择生成式AI模型时，模型规模是技术高管的首要考虑因素之一。大型模型基于数千亿个参数进行训练，可提供更广泛和深入的专业知识，处理更复杂的任务，但其价格更高，碳足迹也更大。相比之下，较小的专业模型通常基于数百亿个参数进行训练，可以更精准、快速、高效地处理特定任务，例如将代码或内容翻译为特定语言。
模型所有权是另一个重要考虑因素。尽管公开商用生成式AI模型非常受欢迎，约占企业AI模型组合的一半，但存在其局限性。任何企业都可以购买或获准使用这些模型，因此所有企业都在使用相同的数据，也就无法有效建立差异化优势。公开模型可以帮助团队更加快速高效地工作，但这些模型在公共云上运行，因此无法为企业提供处理关键任务所需的隐私和控制。
而这正是企业专有生成式AI模型的用武之地。此类模型是由使用模型的企业开发、拥有和控制的，因此企业可以决定用哪些数据来训练模型，从而减少模型及其输出受到错误信息污染的可能性。这些专有模型还为技术高管提供了更高的灵活性，可决定是在本地环境还是云端运行模型，以及如何存储或使用用户提供的信息来调优模型性能，从而减少私有或敏感数据被不当使用或分享的风险。这是一项至关重要的能力，因为误用、隐私和准确性是高管在选择生成式AI模型时最关心的问题。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
