Tech Mahindra CTO Sham Arora 指出，企业不应过度痴迷于大语言模型（LLM）的数据驻留与边界安全，而忽视模型本身的行业适配性。若未经特定领域训练，通用 LLM 无法精准处理如金融合规、制药偏差等关键任务，甚至可能因“幻觉”带来巨大风险。文章强调，企业真正需要的是针对行业场景定制的小型语言模型，以提供细致准确的分析，确保护航业务而非仅构建“空保险库”。
切勿错过这些内容
您是专业人士吗？订阅我们的通讯
注册 TechRadar Pro 通讯，获取助力企业成功所需的最新资讯、观点、专题报道与专业指导！
秒速成为会员
即刻解锁专属会员功能。
请向我发送来自其他 Future 旗下品牌的新闻与优惠信息
接收我们代表可信合作伙伴或赞助商发送给您的电子邮件
提交您的信息即表示您同意《条款与条件》及《隐私政策》，并确认您年满 16 周岁。
订阅成功
您的通讯注册已完成
加入会员俱乐部
全面访问优质文章、独家专题以及不断丰富的会员权益。
探索
该邮箱地址已存在账户，请登录。
专为您的行业训练的小型语言模型，能为您的企业创造更大价值
观点文章
作者：Sham Arora 发布日期：2026 年 5 月 4 日
面向特定领域的小型语言模型在商业应用中表现优于大型语言模型（LLM）
（图片来源：Getty Images）
复制链接 分享至：Facebook | X | WhatsApp | Reddit | Pinterest | Flipboard | Threads | 电子邮件 分享本文 0 条评论 参与讨论
关注我们 在 Google 上将我们设为首选信息来源
通讯订阅 订阅我们的通讯
当被问及为何抢劫银行时，美国银行劫匪威利·萨顿（Willie Sutton）据称曾回答：“因为钱就在那里。”
这一视角虽显局限，却合乎逻辑。
然而，我观察到当今企业高管中存在一种趋势，恐怕会让威利摇头叹息：许多高管极度专注于为其大型语言模型（Large Language Model, LLM）寻找一个“安全的社区”——对数据驻留（data residency）和边界安全（perimeter security）痴迷不已，却对自己亟需保护的“宝藏”本身兴趣寥寥。
（作者简介：Sham Arora，Tech Mahindra 首席技术官）
实质上，他们试图建造一座固若金汤的保险库，里面却空无一物。一座没有现金的保险柜？这不仅提不起威利的兴趣，也不应引起企业高管的重视。
事实上，情况更为严峻：无论部署于何处，若大型语言模型未经过针对您所在行业具体场景的专门训练，反而可能为您的企业带来不成比例的巨大风险。
如果它无法告诉您真正需要知道的信息——例如，无法识别银行是否违反《巴塞尔协议 III》（Basel III）中的契约条款，无法检测制药生产过程中的纠正与预防措施（CAPA）偏差，或无法理解“不可抗力”（force majeure）在特定能源合同语境下的确切含义——那么，无论其部署位置多么安全，它对您的业务都难有实质助益。
企业真正需要的，是一个定制化语言模型，能够对其必须高度警惕的关键敏感点提供细致、准确的分析，而非泛泛而谈、甚至可能出错的肤浅概述。监管机构绝不会接受这样的解释：您的合规失误源于生成式预训练模型（GPT）在关键任务问题上随意“编造”答案。
您是专业人士吗？订阅我们的通讯
注册 TechRadar Pro 通讯，获取助力企业成功所需的最新资讯、观点、专题报道与专业指导！
请向我发送相关新闻
来源：techradar.com