他顿了顿，看向在座的董事们：
“我知道，在座有些同事最初对盘古的定位有疑虑。
为什么不做一个像gpt那样的通用对话大模型？
为什么不追求千亿参数？
今天，我想用事实回答这个问题。”
屏幕切换，是一张对比图。
盘古vs.通用大模型：定位差异
目标用户：行业专家vs.普通消费者
核心能力：预测、分析、决策vs.生成、对话、创作
评估指标：业务指标提升率vs.对话流畅度
商业化路径：解决方案销售vs.会员订阅
“盘古从诞生第一天起，定位就是‘aiforindustries’，为产业服务，解决实际问题。”
辛玉良的声音很坚定，“我们不做聊天机器人，我们做的是能让煤矿工人穿西装打领带上班的工具，是能提前三天预测台风路径的系统，是能发现新药物分子的实验室助手。”
他切到下一张ppt，是盘古的“5+n+x”三层架构图。
“这是我们设计的架构：
l0是五大基础模型（nlp、cv、多模态、预测、科学计算）；
l1是n个行业大模型；
l2是x个场景化应用。”
辛玉良详细解释：
“这个架构的优势在于：
第一，基础能力可复用，研发效率高；