在近日的InfoQ技术大会上，多位行业专家围绕AI大模型从研发到落地的全流程展开深度探讨。与会者指出，当前大模型在推理成本、数据隐私和场景适配性方面仍面临显著挑战，企业需通过模型蒸馏、混合部署和领域微调等策略实现高效落地。

专家强调，企业应避免盲目追求大参数规模，而是根据业务需求选择合适基座模型，并结合私有数据构建垂直领域能力。同时，端侧推理和边缘计算的结合将成为降低延迟、保障数据安全的关键路径。