​​大模型是由人工神经网络构建的具有海量参数的人工智能技术，通过自监督学习预训练海量数据，再经指令微调实现通用任务处理、遵循人类指令和复杂推理能力，包括大语言模型、多模态大模型及行业专用大模型等类别。​​

大模型最初指大语言模型，其技术基础可追溯至上世纪末的语言建模研究，但现代大模型概念因2017年Transformer架构的突破与2022年ChatGPT的流行而快速普及。这类模型需具备百亿至万亿级的参数规模，并通过大规模数据训练获得跨领域通用性，典型特征包括参数规模庞大、训练数据丰富及高算力需求。

从技术架构看，大模型以Transformer为核心，通过自注意力机制实现并行计算与长距离依存关系建模，较传统模型显著提升训练效率。预训练阶段采用自监督学习，利用海量无标注数据增强模型泛化能力，而指令微调和人类对齐技术则提升任务执行准确度。目前大模型已分化为通用与行业应用两类，后者如政务大模型通过融合地方政策数据优化公共服务流程，解决政务服务中的效率瓶颈。

在应用层面，大模型已渗透至搜索引擎、智能客服、城市治理等多个领域，例如政务大模型通过分析政策文本预测实施效果，动态调整政务流程。其优势在于打破传统模型对单一任务的依赖，支持跨场景迁移并大幅降低人力成本，但需针对不同行业需求定制训练以避免通用性与专业性的矛盾。

大模型作为AI技术发展的核心驱动力，兼具技术复杂性与应用广泛性，其迭代速度与场景适配能力将持续推动产业智能化进程，未来或进一步催生垂直领域专用模型及“模型即服务”的新模式。