在人工智能领域，AI大模型成为了炙手可热的技术，引发了广泛的讨论和争议。众所周知，通用底层大模型和依靠巨头的大模型都具备其独特的优势和应用前景。然而，就AI大模型的正确发展方向而言，究竟是注重通用底层大模型的发展，还是依赖于巨头的大模型搭建上层应用，这一问题一直以来都引起了业界和学术界的广泛关注。
AI大模型作为一项高精尖科技技术备受关注，其正确方向是在通用底层大模型和依靠巨头的大模型搭建上层应用之间确实存在争议。而答案可能并不是非此即彼，而是综合两者的优势。
通用底层大模型的发展可以推动AI技术的进步和创新。这些底层大模型通过训练海量数据，具备了强大的泛化能力和智能处理能力。它们可以提供诸如自然语言处理、图像识别、机器翻译等通用功能，为各种应用场景提供基础支持。通用底层大模型的开源和共享也促进了全球开发者的参与和贡献，形成了一个充满活力的社区，推动了AI技术的快速发展。
然而，依靠巨头的大模型搭建上层应用也有其优势。巨头公司拥有庞大的数据资源、算力和技术实力，能够进行更深入的研究和开发，并将结果转化为实际应用。这些公司还拥有广泛的我们和市场渠道，能够将AI技术快速推广和落地。通过在巨头提供的大模型基础设施上开发上层创新应用，可以更加专注于解决具体的问题和满足我们需求，快速实现商业化。
因此，正确的方向是综合利用通用底层大模型和依靠巨头的大模型搭建上层应用。通用底层大模型提供了基础的智能能力和算法模型，而巨头的大模型则提供了更深入、更专业的领域知识和技术支持。创业者可以借助巨头提供的大模型基础设施，开发出创新的上层应用，结合特定行业或场景的需求，为我们提供有价值的解决方案。
同时，社会化的力量也是不可或缺的。创新来源于各个层面的人才和触角，包括基层的工作人员和来自创业者、小微企业以及技术开发者等多个角色的贡献。他们的创意和实践能够丰富AI大模型的应用领域和场景，让其变得更加灵活、敏捷和富有创意。
综上所述，AI大模型的正确发展方向既包括通用底层大模型的推动，也涵盖依托巨头的大模型搭建上层应用。这两种路径并非互斥，而是可以相辅相成、互相促进。