6月3日消息，近期，Claude 4、新版DeepSeek-R1 大模型相继发布，通用基础大模型又迎来新一轮竞争。

    不过，近期Gartner公布的一项预测显示：到2030年在企业使用GenAI模型中，将有50%以上侧重于特定领域（即用于特定行业或业务职能），2024年这一比例仅为5%。

    领域特定GenAI将迎来爆发。

    Gartner研究副总裁蔡惠芬（Tracy Tsai）表示，通用大模型难以满足垂直行业的精准需求，只有结合领域数据、知识和专家的领域特定GenAI，才能实现真正的商业价值落地。领域特定模型是一个非常“长尾”的场景，领域特定GenAI带给技术提供商诸多新的机会。

    蔡惠芬强调，领域特定GenAI和“垂直领域模型”不能等同，垂直领域模型比较受限于行业类别，但是领域特定GenAI可以是跨行业的流程。比如流程自动化，流程自动化并不是一个行业别、它就是一个系统。过去在用很多特定的这种解决方案，它并不是一个特定的行业。但是这个领域它也会需要一个领域的模型，才能够去落地。

    以制造业为例，每一个不同的制造业都有特定需求，而制造业的数字化转型相对落后，还有很多的数据并没有实现数字化。目前看到很多制造业想尽办法希望能够沉淀专家领域的知识去数字化，再做更有规模的智能推进，让一些新进者能够借助这个领域特定GenAI的能力去解决问题。

    蔡惠芬指出，目前在医疗、财务、安全、法务、新闻等领域，都有较为成熟的领域特定GenAI出现。Harvey AI就是一个专门专注在法务或者是税务方面的领域模型。腾讯跟迈瑞合作了一个“重症医疗模型”，百度有很多案例是在“智能城市”，智能城市的领域模型它会比较能够去支持。领域模型在未来会越来越多。而且会从甲方出来，因为甲方有这样的数据领域，技术提供方可能没有。

    蔡惠芬还举例介绍，Aitomatic是半导体跟能源相关的领域模型，用于工业应用的领域专家AI智能体(DXA)。使用领域专家AI智能体(DXA)，工程师可以立即获得步骤清晰的诊断和维修方案。DXA能够迅速找到问题，即使是罕见的阀门故障——这通常需要资深人员的专业知识。它让企业成本降低 10%，生产力提高15%，每天节省1000小时。

    “领域特定语言模型对于技术提供商可以带来非常优质的差异化的优势，可更有效地提高生成式AI的价值跟影响力。领域特定GenAI给模型构建者、软件提供商、解决方案提供商都带来新的发展机遇。”蔡惠芬称。

    对于领域特定GenAI模型构建者而言，首先要思考的是：有这么多的领域模型，到底应该要优先建构什么样的领域模型？Gartner提供了“AI的机会雷达图”来帮助模型构建者厘清自身优势。

    对于软件提供商而言，他们要面临的问题是：这么多的领域特定模型，是直接购买还是自建？Gartner也提供了购买领域特定语言模型与自建决策框架，来帮助软件提供商分析判断。