在近日的InfoQ技术大会上，多位专家围绕大模型应用落地展开讨论，指出当前面临算力成本高、数据质量参差、模型可解释性不足等核心挑战。与会者强调，企业需结合具体场景进行模型微调与优化，而非盲目追求大参数量。

针对落地难题，专家提出构建混合专家系统、引入强化学习反馈、以及开发轻量化模型等路径。同时，数据隐私与合规性问题也被重点提及，建议采用联邦学习等技术保障数据安全。多位技术负责人分享了在金融、医疗等领域的实践案例，显示定制化方案能显著提升模型实用性与业务价值。