SLM──2026年AI新浪潮（賴志偉）

本文作者賴志偉為香港電腦學會企業架構專家小組執行委員會成員，為《信報》撰寫專欄「科網人語」。

近年來，人工智慧（AI）快速發展，從大型語言模型（LLM）的突破，到生成式影像、影片與多模態應用的普及，已經深刻改變了日常生活與工作方式。然而，隨着技術逐漸成熟，人們開始思考：AI 是否能更貼近特定產業的需求，而不只是提供通用的答案？

答案是肯定的。小型語言模型（Small Language Models簡稱SLM），能結合客製化與微調（Fine‑Tuning），正是下一步的關鍵。2026 年，這股潮流將掀起新一波AI轉型，讓AI不再只是「聰明的工具」，而是能真正理解產業知識、解鎖更多商業價值的專屬助手。

為何SLM可成為趨勢？原因包括：

• 更省錢、更高效：大型模型雖然強大，但需要龐大的運算資源，成本高昂。而小型模型規模較小，運行速度快，費用低，讓更多企業和組織能負擔得起。

• 懂行業的AI：透過微調，SLM 可以吸收特定產業的專業知識，例如金融法規、醫療術語或零售流程，可讓AI的回答更精準，避免通用模型常見的模糊或錯誤。

• 安全與隱私：小型模型更容易在企業內部或政府專屬系統中運行，確保敏感資料不外流。在金融、醫療或公共服務等領域，這一點尤其重要。

• 隨處可用：由於規模較小，SLM 可以在手機、IoT 裝置甚至個人電腦上執行。這代表 AI 不再只是雲端的服務，而是能真正走進日常生活。

資料準備是成功的關鍵

要讓SLM發揮最大價值，資料準備（Data Readiness）是不可或缺的一環。，包括：

• 資料要乾淨：如果輸入的資料有錯誤或偏差，模型的答案也會失真。
• 資料要完整：必須涵蓋足夠的案例與場景，避免模型只懂部分流程。
• 資料要安全：在政府或企業場景中，如何保護敏感資料同時用於訓練，是一大挑戰。
• 資料要更新：產業知識不斷演變，模型必須持續吸收新資料，才能保持即時性。

換句話說，SLM 的成功不僅靠演算法，更取決於企業是否能做好資料治理。

以下介紹不同產業SLM的應用場景。

• 金融業：客製化SLM，能理解複雜的金融法規與產品結構，協助合規審查、風險評估。投資顧問或客服能快速獲得專業答案，提升服務品質。

• 醫療健康：醫院可建立專屬 SLM，支援臨床決策、病歷摘要、藥物交互檢查。在保障病患隱私的前提下，模型能提供更精準的輔助診斷。

• 製造業：SLM可整合生產流程與維修紀錄，協助工程師快速定位問題。在智慧工廠場景中，模型能即時提供操作建議，提升效率。

• 政府與公共服務：政府可利用SLM提供多語言客服，處理民眾申請與查詢。在政策制定上，模型能分析大量資料，提供決策支持。

• 零售行業：零售商可微調SLM，整合商品資訊、顧客偏好與庫存管理。模型能即時提供個人化推薦、客服回應，並協助供應鏈優化。

• 個人使用：個人用戶可建立專屬 SLM，管理知識庫、家庭事務或專業技能。例如律師可擁有法律專屬助手，音樂人可建立創作靈感模型。

新一波AI轉型浪潮

SLM的普及，將帶來第二波AI轉型的浪潮。主要包括：從「通用智能」走向「專業智能」；從「雲端集中」走向「分散落地」；從「技術展示」走向「商業價值」。此一波浪潮的核心，在於AI不再只是少數科技巨頭的專利，而是每個產業、每個組織、甚至每個人都能擁有的專屬工具。

2026年，客製化產業知識SLM，將成為AI的關鍵趨勢。它們不僅能降低成本、提升效率，更能真正解鎖產業價值，推動新一波AI轉型。然而，這一切的前提是資料準備。唯有具備高品質、安全且持續更新的資料，SLM 才能發揮最大效益。 對企業而言，這是一場資料治理與技術創新的雙重挑戰；對社會而言，這是一場AI普及化與價值落地的重大契機。當SLM與資料準備相互結合，AI將不再只是工具，而是推動產業進化的引擎。

更多賴志偉文章：

• 自律型AI代理革新醫療

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。