目录

在大数据领域，目前 LLM 大语言模型能做哪些工作？LLM 和 GPT 之间的区别是什么？它们跟以前的 NLP 有哪些不同？

您们是什么时候开始决定将 GPT 这样的大模型融入业务？您们是如何选择模型的，基于什么原因，当前模型跟 ChatGPT 的区别主要是什么？

在这些场景中，该模型存在什么优势？是否存在对准确性和可靠性的担忧？

您们是如何在工作环境中使用大模型的？在落地过程中，您们遇到的最大挑战是什么？

用于数据分析和商业智能的 AIGC，针对不同场景是否需要不同训练数据（以及使用数据进行模型微调的步骤）？怎么保证效果更好？

该模型在客户支持、潜在客户生成和数据分析等方面的效果如何？

是否可以估算下使用 “GPT”模型的相关成本？对比成本，您们如何看待它的价值？

使用“GPT”模型能写出比数据分析师更好的 SQL 吗？

您认为会对哪些岗位造成影响？AIGC 会让数据分析师失业吗？为什么？

有人认为 AIGC 对数据库 / 大数据产品的改进可能只占其所有功能 / 亮点的 1%，还有剩下的很多考量因素对于客户来说更加关键，您怎么看？

在辅助写代码方面，目前大家有两种看法，一个是认为写出来的不好用，另一个是觉得效果很好，那在您们内部使用过程中，是个什么情况？

提示工程是否非常重要？您们积累了哪些经验或心得？

InfoQ：从行业发展角度来看，您认为“GPT”和生成式人工智能会催生出一波新的人工智能公司吗？

自去年年底 ChatGPT 掀起一轮 AIGC 热潮以来，国内外科技企业扎堆发布大模型，大佬也纷纷为自家大模型站台，甚至不惜掀起“口水战”。我们不可否认大模型优化了人类与机器交互方式，是效率的革命，然而作为开发者，我们更关心的是如何让大模型深入落地，在更多场景中把大模型的能力真正用起来。

现阶段这种实践经验尤为宝贵，但好在如何落地也是惟客数据的关注焦点，自 ChatGPT 出现后，惟客数据就开始了探索，并将之应用到了内部开发人员使用的场景，以及给已有产品赋能的场景中。应用新技术有哪些门道，我们为此采访了惟客数据 AI 算法专家李翔博士，他从模型选择、应用搭建、提示工程、实践效果等多方面进行了解答。