案例背景
2026年11月18日,经济观察网报道,山东省地矿局发布「齐鲁地智」行业大模型体系,首批推出覆盖地质找矿、灾害预警等场景的四大AI模型,把人工智能引入这一高度传统的行业。地矿行业的数据特征决定了通用大模型难以直接套用:钻孔、物探、化探数据高度专业化,样本稀缺、标注依赖资深专家,一个训练样本的成本远高于互联网文本;而找矿与灾害预警属于典型的高后果决策,误判的代价是资金沉没乃至生命安全。
另一个差异在立项逻辑。公共部门的AI项目以公共服务为导向,考核的是灾害预警准确率、找矿效率与数据资产沉淀,而非商业回报;预算来自财政,失败容忍度与验收标准都和企业不同。技术供给不足与考核逻辑特殊叠加,使齐鲁地智成为一个观察传统行业与公共部门双重约束下AI落地路径的典型样本:它要回答的不是「模型有多强」,而是「模型如何进入几十年的老流程」。
核心分析
一、垂直领域小模型的数据护城河
垂直领域AI的竞争力不在参数规模,而在数据护城河。齐鲁地智的价值来自几十年积累的钻孔编录、区域地质图与灾害监测序列——这些数据不在公开互联网上,标注权掌握在少数资深地质专家手中,天然构成后来者难以复制的壁垒。构建护城河的路径可分三步:先做数据资产化,把散落在项目报告里的经验知识结构化入库;再做专家在环标注,用「模型预标注加专家校正」降低单位标注成本;最后以任务为锚定训练小模型,宁可窄而准,不做宽而泛。判断边界也很清楚:数据独占性强、任务边界清晰的领域适合垂直深耕;数据开放、迭代飞快的领域,通用模型加提示词往往更经济。护城河的本质是数据与专家时间的沉淀速度,而非算力投入规模。更重要的是,护城河是动态的:模型每处理一次新任务、专家每校正一批标注,壁垒就增厚一分,关键在于把这种增量沉淀为可持续更新的数据机制,而非一次性项目成果。
二、公共部门AI项目的立项逻辑与多任务代理
公共部门AI项目的绩效逻辑可用多任务委托代理框架理解:委托人(政府)同时要求代理人产出服务效率、公共安全与数据资产,且三者不可完全观测、不可完全互相替代。若考核只盯预警准确率,团队会倾向保守预报——宁可误报不可漏报,长期却损害公信力;若只盯立项数量,则会催生「为AI而AI」的演示工程。齐鲁地智的启示在于,公共AI项目需要复合指标体系:技术指标(准确率、预警提前量)之外,还应纳入使用率(一线是否真的在用)、复用度(模型与数据是否被其他单位调用)与成本效率。把使用率写进验收标准,是防止「发布即巅峰」的关键机制,也是对委托人考核能力的真正考验。
三、从模型到业务系统的「最后一公里」:流程、责任与人
模型发布只完成一半工作,剩下一半是接入业务系统的流程、责任与人的角色重构。地质人员的日常是填图、编录、会商,AI若不嵌入这些动作,就只是演示品。落地需要三件配套:一是把模型接进既有业务系统,让预测结果出现在日常工作界面而非独立平台;二是明确责任链,AI给出研判建议、人类专家签字负责,出错的问责归属必须事先写清,否则没人敢用;三是人才培养,让老专家学会喂标数据、让年轻队员学会质疑模型。成本账上,系统对接与组织培训的投入往往不低于模型研发本身,公共项目预算若只覆盖研发,注定止步于试点。
管理启示
第一,传统行业AI化的起点是数据资产盘点,而非模型选型。组织应先回答「我有什么别人没有的数据与专家经验」,再决定自研、共建还是调用。地矿案例的边界条件在于:越是数据独占、样本稀缺、后果严重的领域,越应走垂直小模型加专家在环的路线;通用能力则大胆借用外部模型,不必重复造轮子。
第二,公共部门AI要设计多任务考核,防止单指标扭曲行为。只考准确率会催生保守预报,只考立项会催生演示工程。使用率与复用度应成为验收硬指标,让「一线真的在用」成为预算延续的前提;对齐鲁地智而言,四大模型能否从发布走向日常,最终取决于业务部门的口碑而非发布会,这也要求主管部门具备跨期考核的耐心与专业判断力。
第三,最后一公里的预算占比是项目成熟度的试金石。凡是模型研发费用占九成、系统对接与培训近乎为零的立项,都要警惕。真正的落地成本藏在流程改写、责任划分与人的习惯迁移里,这部分投入省不得,也晚不得。
公共部门的AI项目还有一个与企业截然不同的约束:验收标准。企业看单位经济模型,公共部门看的是服务覆盖与责任可追溯,因此更合适的做法是以「场景清单」而非「模型参数」招标——先明确要解决的十件具体事项(如某类地质图件的自动解译、某类灾害隐患的筛查),再倒推数据、模型与流程。同时必须提前解决数据确权与跨部门共享的激励问题:地质数据分散在不同层级与不同主体手中,若没有明确的共享规则与收益分配,模型再强也只是在一个部门内部空转。最常见的失败模式,是把「模型上线」当成终点,而真正的成本发生在之后的流程改造、责任划分与人员再训练。
其他思考
- 当灾害预警由AI辅助生成,误报与漏报的责任应如何在算法、专家与机构之间分配?
- 地质数据涉及国家资源安全,行业数据护城河与数据开放共享之间的边界应如何划定?
- 如果各省都建行业大模型,是否存在重复建设?区域性行业模型应如何建立共享机制?
关键词:垂直大模型、数据护城河、公共服务
来源:经济观察网 | 整理:经管大课堂
原文链接:https://www.rcbom.com/aibps/7441.html