2025年4月9日，中国信通院与AIIA联合发布《大模型应用交付供应商名录（2025年Q1）》，受访企业涵盖十四个省市，系统梳理了国内大模型应用交付供应商的能力分布，旨在为供需双方提供权威参考，推动产业链上下游高效协作，加速大模型技术价值释放。天云数据大模型Elpis成功入围，在政务、金融、能源、医疗等行业提供落地应用服务。
供应商中民营企业占主导，应用交付成核心赛道。分析显示，供应商中民营企业占比62.7%，超半数供应商聚焦“应用交付”，另外工程化平台是大模型落地关键，细分类型包括大模型应用开发、大模型调优、大模型API服务及模型资产管理等平台，助力企业降低开发成本。行业落地聚焦五大领域，场景应用百花齐放。政务、能源、工业、教育、医疗成为大模型落地前五大行业，占比达57%。
“大模型+算法”双重权威认证
天云数据大模型产品Elpis开启后训练时代
2025年斯坦福HAI报告重磅发布，456页深度剖析全球AI领域的最新趋势：中美顶级模型性能差距缩至0.3%。2023年，这一数字还是20%，中国模型正在快速追赶美国的领先地位！更明显的一个趋势，就是如今大模型的性能已经趋同！在2024年，TOP1和TOP10的模型的差距能有12%，但如今，它们的差距已经越来越小，锐减至5%。
在平台能力方面，基于强化学习的推理计算为大模型带来全新范式转换。在Deepseek R1和OpenAI o1之前，业界多侧重模型预训练，后训练方法仅有微调、RAG等少数几种。如今，在RL（强化学习）支持的推理计算模式下，模型能够不断探索优化、纠正问题，直至达到超越模仿学习效果的“顿悟”状态。
天云数据大模型Elpis祛魅基础大模型，开启后训练时代。强化学习与大模型的结合，实现“知识”与“决策”的融合，整体呈现的不仅是功能，更是关键指标和性能表现。大模型提供知识基础和语义理解，RL提供目标驱动的优化能力。一个做底层执行，一个做高层规划。大模型与强化学习协同，不仅可以填补彼此的能力缺口，在应用场景上实现从“工具”到“智能体”的进化，也是未来AI迈向通用人工智能（AGI）的必经之路。
此外，天云数据大模型产品Elpis通过互联网信息服务境内深度合成服务算法备案清单及网信办生成式人工智能服务名单，用国产AI技术进一步助力AI应用高质量发展。
AI模型已成为算力巨兽
天云数据提供MaaS平台服务
百模大战时，市场PK参数。AI的参数越多需要的训练数据也越多，但同时性能也更厉害。2017年的Transformer模型用了大约20亿个token来训练，2020年GPT-3 175B模型的训练数据已经飙到了约3740亿个token，而Meta在2024年夏天发布的模型Llama 3.3，更是用了大约15万亿个token来训练。根据Epoch AI的数据，大型语言模型的训练数据集规模大约每八个月翻一倍。
训练数据集越来越大，导致的训练时间也变得越来越长，成本越来越高。根据 Epoch AI 对前沿模型训练成本的分析，训练一个像 GPT-4 这样的顶尖模型，单次成本已然突破 1 亿美元，知名AI模型的训练算力大约每五个月翻一番。这不仅仅是金钱的燃烧，更是能源的巨大消耗。仅仅训练 GPT-3 就消耗了 1,287 兆瓦时电力，排放约 552 吨二氧化碳；而GPT-4 的能耗更是其 50 倍之多。据世界经济论坛的报道，如果全球每日90亿次搜索都由AI处理，其能耗将增长三倍。
算力焦虑，并不是杞人忧天，企业需构建MaaS（模型即服务）平台能力，参与智算中心建设。用AI促进行业高速发展，提高行业生产力水平；大模型向垂直化、产业化方向发展，催生新兴产业、促进就业，让AI与行业建立相互促进、均衡发展的良性合作关系。
天云数据MaaS平台通过强化学习自动化引擎与动态蒸馏接口，进一步释放硬件潜力，推出预训练CoT模型库，覆盖金融风控、医疗诊断、影视文娱等场景。例如，在医疗领域，平台提供基于CoT的临床决策支持模型，可自动解析患者病史、生成鉴别诊断链。天云数据MaaS平台内置近20款模型，包含Aquila、AquilaCode、Baichuan、BLOOM、ChatGLM、CodeLlama、InternLM、Llama、Mistral、OpenLlama、Qwen、Skywork、SQLCoder、XVERSE、Yi、Rerank、Deepseek等，又以api的方式接入第三方模型OpenAI、ANTHROP\C、HuggingFace、讯飞星火、通义千问、文心一言、ChatGLM等。
随着大模型后训练市场兴起，大模型不仅是对已有数据的智能解读，更是AI最终赋能千行百业的关键所在。归根结底，人工智能服务于谁？MaaS相当于移动互联网时代的安卓，能让更多的开发者自己生产AI模型，而不是依赖于大模型厂商或者是大云厂商的C端服务才能享用AI服务，面向千行百业做到开箱即用的人工智能服务。
