由于大模型的复杂性和应用场景的多样性，如何评价其性能和效果成为下一阶段的一个极具应战性的问题。因而，树立一套科学、合理、完善的评价体系关于大模型的应用至关重要，它可以推进技术进步、促进产业开展，同时确保技术应用的合规性和社会效益。
其次，随着互联网和科技企业不时调整大模型参数，传统企业关于数智化转型需求的增加，算力需求增长。但是，由于高端芯片获取难度大，大模型的研发本钱进一步增加。北京大学智能学院副院长林宙辰教授提出经过协作共享资源和数据，以及创新锻炼办法和奖励机制，来更高效地开发和应用大模型的必要性。他提出经过股份和特别的奖励机制来鼓舞公司共享数据和算力，其中股份能够基于资金奉献或者模型精确率的奉献来分配，个人也能够提供数据，或者参与到锻炼过程中，经过数据质量和微调效果具有股份。这或许能协助中小企业移开面前的“本钱”“技术”两座大山。
在算法方面，国产大模型与国际先进程度相比没有基本性差别，根本都是盘绕深度神经网络、留意力机制、人工调劣等根底算法停止模型构造或部分算法优化，而在算力、数据等方面则与国际先进程度存在一定差距。艾瑞咨询产业数字化研讨院担任人徐樊磊引见，为提升整体算力效率和满足差别化需求，应树立支撑大模型万亿量级参数计算的“智算中心”。“智算中心”可应用现有高质量数据中心，经过提升组网才能、协同才能、软硬件适配才能等完成部署。当前，“万卡”级别的智算中心正在主要节点城市开展起来。
面向将来，企业不能自觉跟风，需求满足本身已有的根底产品和用户群体在AI范畴的诉求。从政产学研用通盘视角来看，政策端需求做好统筹调度，支持孵化大模型产业生态，提供相应的创新要素供应，促进科技成果转化和产业大模型落地成熟、成范围化；技术端需求进一步推进软硬件技术一体化，为大模型的产业端应用提供更结实的技术根底；产业端则需求促进产业对大模型和数智化应用晋级的学问认知、才能建立和人才培育，并分离当前产业大模型锻炼需求，辅佐和支持科研界将大模型成果落实落地。