大模型火爆发展的过程中，蕴藏着哪些值得关注的创业机会？

从 ToB 视角来看，大语言模型有很多应用机会，但是在实际工程落地中也会面临一些挑战：

第一个，大语言模型存储的是压缩后的泛化知识。然而，每个企业都有自己多年积累的本地知识体系，这些知识可以以知识图谱、知识库或其他形式存在。因此，第一个要解决的问题就是将泛化的大模型与本地知识连接起来。

第二个，大模型在真正被使用的过程当中，任何的一个企业都要不断地去积累数据，把过程当中产生的中间结果和数据记忆下来，因此长效记忆的能力也是非常的重要。

第三个，大模型在企业真正落地的时候，它一定需要具备一定的可解释性，如何让不可解释的大模型具备可解释的智能，是大家一起要去探索和研究的课题。

第四个，如何结合本地数据，研发有特色的行业、领域的大模型。

第五个方向，利用大模型的能力和认知推理技术，在一些场景中颠覆 ToB 领域现有的产品。例如，通过结合已经建好的数据湖或数据仓库，将传统的 BI 系统提升到 Headless BI 阶段。再举个例子，对传统的客服系统进行改进，使其能够像一个了解本地知识的人工客服一样与用户进行顺畅的对话。这需要开展很多工作，但这也为我们带来了很多机会。我相信，在 AI 应用于工业领域的过程中，将会催生非常多优秀的 ToB 领域的高科技企业。这也是我们 Fabarta 最核心的定位之一。Terry，您可以分享一下您在 ToC 方向的看法。

这些大模型在应用层面落地过程中的弱点和遇到的挑战，就是值得我们关注的创业机会。