

阿里云：GenAI技术落地白皮书

求数科技

2025-08-08

导读：生成式人工智能（Generative Artiﬁﬁcial Intelligence, GenAI) 即

生成式人工智能（Generative Artiﬁﬁcial Intelligence, GenAI) 即将迎来全面爆发，各行各业必须为此做好准备。本报告从企业视角出发，聚焦技术，阐述GenAI在企业落地时的关键考量点，提出了“选-育-用”方法论，覆盖了从模型和技术路线的选择，到如何培育适合企业的大模型，并将其广泛应用在企业流程实现全面创新的全生命周期，为企业规模化GenAI落地提供指导。核心观点如下：GenAI技术落地白皮书

1. 企业应充分了解不同产品服务、技术解决方案背后的技术难度、成本及其能达到的效果，结合自身的技术实力、资金储备以及业务目标，作出合适的选择；特别是面向不同应用场景时，可以采取不同的产品服务模式而不必限于单一选择。

2. 选：企业需要结合自身情况选择构建GenAI能力的技术路线：深度研发大模型，或者基于现有大模型进行工程化适配，或者直接使用大模型服务。后两条路线适合大多数企业，此时要做好大模型的选择，形成自己的大模型池。面对具体的应用场景，选择大模型的关键是在成本、效果和性能的 “不可能三角”间进行权衡和取舍。

3. 育：定制适应企业的大模型需要基于基础大模型进行工程化适配，按照技术难度从小到大和投入成本从少到多，主要包括提示词工程、检索增强生成和微调三种方式。其中，微调会改变部分大模型参数，微调后还可以通过知识蒸馏、剪枝、量化等手段“压缩”大模型达到灵活的适应性，需要较高的技术门槛。

4. 用：广泛应用GenAI需要解决基础设施问题。相比传统的自建或租用数据中心方式，使用云基础设施或者采用云托管大模型的方式能够节约时间成本、降低现金流压力。企业可以通过Agent将大模型的能力与企业应用紧密集成，基于GenAIOps做好跨团队紧密协作、消除流程断点，从而加速 GenAI应用上线，并根据效果及时更新。此外，需要始终关注GenAI应用的信任、风险和安全管理，构筑可信任的基石。

随着GenAI技术的逐步成熟和市场潜力的不断显现，企业面临着多样化的产品服务和解决方案选择。在这一浪潮中，企业必须从自身的战略出发，综合考虑成本、效果和性能，制定合理的技术架构，以应对GenAI应用的快速发展和潜在的市场需求爆发。

GenAI技术的落地并非一蹴而就，而是需要企业进行周密的规划和持续的努力。通过综合考虑各种因素，制定合理的技术架构，企业将在GenAI应用的爆发中占据有利地位，实现可持续的创新和发展。