2023中國(guó)人工智能大模型企業(yè)綜合競(jìng)爭(zhēng)力50強(qiáng)研究報(bào)告

2023中國(guó)人工智能大模型企業(yè)綜合競(jìng)爭(zhēng)力50強(qiáng)研究報(bào)告賽迪工業(yè)和信息化研究院(集團(tuán))四川有限公司2023年12月1第一章現(xiàn)狀分析：人工智能大模型發(fā)展現(xiàn)狀 31.1參數(shù)規(guī)模突破，模型能力不斷提高 31.2應(yīng)用邊界拓展，覆蓋領(lǐng)域持續(xù)擴(kuò)大 31.3產(chǎn)業(yè)創(chuàng)新驅(qū)動(dòng)，市場(chǎng)規(guī)模穩(wěn)步增長(zhǎng) 41.4產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，配套體系日趨完善 4第二章綜合榜單：人工智能大模型企業(yè)50強(qiáng)評(píng)價(jià) 62.1指標(biāo)體系 62.2評(píng)價(jià)方法 7 92.4競(jìng)爭(zhēng)力分析 第三章明星案例：大模型應(yīng)用典型案例分析 3.1工業(yè)領(lǐng)域大模型應(yīng)用案例 3.2金融領(lǐng)域大模型應(yīng)用案例 3.3交通領(lǐng)域大模型應(yīng)用案例 3.4醫(yī)療領(lǐng)域大模型應(yīng)用案例 3.5教育領(lǐng)域大模型應(yīng)用案例 第四章智領(lǐng)未來(lái)：人工智能大模型技術(shù)發(fā)展趨勢(shì) 4.1多模態(tài)大模型成為趨勢(shì) 4.2知識(shí)圖譜與大模型融合 4.3強(qiáng)化學(xué)習(xí)與大模型融合 4.4生成對(duì)抗網(wǎng)絡(luò)(GAN)與大模型融合 24.5模型壓縮與硬件加速技術(shù)結(jié)合 第五章建言獻(xiàn)策：人工智能大模型高質(zhì)量發(fā)展建議 5.1對(duì)政府 5.2對(duì)企業(yè) 5.3對(duì)投資機(jī)構(gòu) 3第一章現(xiàn)狀分析：人工智能大模型發(fā)展現(xiàn)狀當(dāng)前，全球科技革命和產(chǎn)業(yè)變革加速推進(jìn)，人工智能已成為國(guó)家間競(jìng)爭(zhēng)的關(guān)鍵領(lǐng)域。人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)，是推動(dòng)科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級(jí)、生產(chǎn)力整體躍升的重要戰(zhàn)略性資源。大模型作為人工智能的核心組成部分，以其強(qiáng)大的學(xué)習(xí)能力和巨大的應(yīng)用潛力，正在重塑千行百業(yè)。1.1參數(shù)規(guī)模突破，模型能力不斷提高大模型通?；谏疃葘W(xué)習(xí)算法，通過(guò)大量的數(shù)據(jù)訓(xùn)練，使得模型能夠更好地學(xué)習(xí)和理解數(shù)據(jù)，從而勝任各種任務(wù)。近年來(lái)，人工智能大模型的參數(shù)規(guī)模不斷突破，帶來(lái)了模型能力的不斷提升。例如，GPT-1到GPT-3,模型的參數(shù)規(guī)模從1.1億增長(zhǎng)到1750億個(gè)，GPT4模型參數(shù)規(guī)模據(jù)悉已達(dá)到萬(wàn)億級(jí)。隨著參數(shù)規(guī)模的增加，大模型可以捕捉到更多特征和模式，處理更多數(shù)據(jù)和更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，顯著提高處理語(yǔ)言、圖像和其他復(fù)雜任務(wù)的能力。1.2應(yīng)用邊界拓展，覆蓋領(lǐng)域持續(xù)擴(kuò)大隨著大模型的發(fā)展，其應(yīng)用領(lǐng)域也在持續(xù)擴(kuò)展和深化。最初，大型人工智能模型主要應(yīng)用于語(yǔ)言處理任務(wù)，如文本翻譯、情感分析和自然語(yǔ)言理解。目前，大模型的應(yīng)用范圍已經(jīng)延伸到醫(yī)療診斷、金融風(fēng)險(xiǎn)評(píng)估、智能制造、軌道交通等多個(gè)行業(yè)，在提高生產(chǎn)效率、優(yōu)化用戶體驗(yàn)、輔助決策等方面展示出巨大潛力。例如，在醫(yī)療領(lǐng)域，大模型可以通過(guò)分析醫(yī)學(xué)影像和患者數(shù)據(jù)，提供更準(zhǔn)確的疾病診斷和治療建議。在金融領(lǐng)域，可被用于評(píng)估信貸風(fēng)險(xiǎn)和市場(chǎng)趨勢(shì)，幫助企業(yè)和個(gè)人做出更明智的投資決策。1.3產(chǎn)業(yè)創(chuàng)新驅(qū)動(dòng)，市場(chǎng)規(guī)模穩(wěn)步增長(zhǎng)伴隨著人工智能技術(shù)的不斷成熟和應(yīng)用領(lǐng)域的持續(xù)拓展，越來(lái)越多的企業(yè)開(kāi)始采用人工智能技術(shù)來(lái)優(yōu)化運(yùn)營(yíng)，提升自身競(jìng)爭(zhēng)力。工信部最新統(tǒng)計(jì)數(shù)據(jù)顯示，我國(guó)人工智能核心產(chǎn)業(yè)規(guī)模已達(dá)5000億元，企業(yè)數(shù)量超過(guò)4400家。全球人工智能市場(chǎng)規(guī)模預(yù)計(jì)將在未來(lái)幾年內(nèi)持續(xù)高速增長(zhǎng)。人工智能產(chǎn)業(yè)的創(chuàng)新發(fā)展將加速推動(dòng)人工智能大模型的商業(yè)化和產(chǎn)業(yè)化進(jìn)程。同時(shí)，政府也在積極推動(dòng)人工智能大模型產(chǎn)業(yè)的發(fā)展，出臺(tái)了一系列政策和規(guī)劃，為人工智能大模型的發(fā)展提供政策支持和保障。1.4產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，配套體系日趨完善人工智能大模型的產(chǎn)業(yè)鏈結(jié)構(gòu)不斷優(yōu)化，涵蓋了從數(shù)據(jù)處理、算力平臺(tái)搭建、算法研發(fā)到大模型應(yīng)用服務(wù)等各個(gè)環(huán)節(jié)，涌現(xiàn)出一批從事大模型研發(fā)應(yīng)用及提供相關(guān)配套服務(wù)的企業(yè)和機(jī)構(gòu)。例如，英偉達(dá)和華為正在研發(fā)更為高效的處理器，打造強(qiáng)有力的算力底座來(lái)支持大型模型的運(yùn)算需求。亞馬遜AWS和阿里云提供了強(qiáng)大的基礎(chǔ)設(shè)施來(lái)部署和運(yùn)行人工智能模型。產(chǎn)業(yè)鏈結(jié)構(gòu)的不斷優(yōu)化和配套體系的日趨完善5為人工智能大模型的發(fā)展提供了堅(jiān)實(shí)的基礎(chǔ)，并將促進(jìn)技術(shù)的快速迭代和優(yōu)化。圖1人工智能大模型產(chǎn)業(yè)鏈全景圖教育大模型金融大模型交通大模型醫(yī)療大模型多模態(tài)大模型單模態(tài)大模型文本、語(yǔ)音、視頻……計(jì)算機(jī)視覺(jué)自然語(yǔ)言處理語(yǔ)音識(shí)別機(jī)器學(xué)習(xí)深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)TensorFlowPyTorch-二二：======二：AI芯片AI服務(wù)器智算中心數(shù)據(jù)加工數(shù)據(jù)標(biāo)注數(shù)據(jù)訓(xùn)練行業(yè)大模型通用大模型應(yīng)用技術(shù)算法理論平臺(tái)框架應(yīng)用層模型層技術(shù)層基礎(chǔ)層算力資料來(lái)源：賽迪四川，2023.126第二章綜合榜單：人工智能大模型企業(yè)50強(qiáng)評(píng)價(jià)2.1指標(biāo)體系基于對(duì)人工智能大模型的研究，首次提出對(duì)人工智能大模型企業(yè)綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系，綜合考慮企業(yè)經(jīng)濟(jì)實(shí)力、技術(shù)水平、技術(shù)創(chuàng)新、合作生態(tài)、行業(yè)影響力5個(gè)一級(jí)指標(biāo)，市場(chǎng)營(yíng)收、融資與風(fēng)險(xiǎn)、開(kāi)放平臺(tái)等19個(gè)二級(jí)指標(biāo)、形成企業(yè)競(jìng)爭(zhēng)力綜合評(píng)價(jià)指標(biāo)體系，推動(dòng)人工智能大模型產(chǎn)業(yè)高質(zhì)量發(fā)展。表1人工智能大模型企業(yè)50強(qiáng)綜合競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系指標(biāo)說(shuō)明經(jīng)濟(jì)實(shí)力市場(chǎng)營(yíng)收開(kāi)發(fā)大模型的經(jīng)濟(jì)支撐融資與風(fēng)險(xiǎn)持續(xù)投入大模型相關(guān)業(yè)務(wù)的經(jīng)濟(jì)潛力技術(shù)水平人才梯隊(duì)研發(fā)創(chuàng)新團(tuán)隊(duì)的支持力量模型規(guī)模大模型參數(shù)開(kāi)放平臺(tái)開(kāi)發(fā)者或企業(yè)接入大模型服務(wù)的資源建設(shè)情況開(kāi)發(fā)工具大模型工程化能力數(shù)據(jù)支撐大模型訓(xùn)練的知識(shí)語(yǔ)料及特定行業(yè)的專用語(yǔ)料自有算力涉及自主研發(fā)AI芯片、AI計(jì)算設(shè)備或采買AI算力設(shè)備技術(shù)創(chuàng)新論文數(shù)量科研成果呈現(xiàn)專利數(shù)量研發(fā)成果呈現(xiàn)研發(fā)投入對(duì)大模型相關(guān)業(yè)務(wù)的重視程度、資金支持程度合作生態(tài)生態(tài)合作影響力生態(tài)建設(shè)、合作開(kāi)放程度生態(tài)體系建設(shè)科研合作開(kāi)放度運(yùn)維保障能力服務(wù)支持、大模型穩(wěn)定性支持能力開(kāi)源社區(qū)建設(shè)技術(shù)交流推動(dòng)技術(shù)發(fā)展與創(chuàng)新行業(yè)影響力行業(yè)標(biāo)準(zhǔn)貢獻(xiàn)度行業(yè)標(biāo)準(zhǔn)帶頭/參與制定情況垂直行業(yè)覆蓋度大模型落地所涉行業(yè)的類別行業(yè)認(rèn)可度大模型在各行業(yè)應(yīng)用的深度、廣度2.2評(píng)價(jià)方法在評(píng)價(jià)工作開(kāi)展過(guò)程中，按照科學(xué)合理的方式對(duì)評(píng)價(jià)指標(biāo)體系進(jìn)行拆解、分析，具體包含以下步驟：數(shù)據(jù)收集整理、8數(shù)據(jù)清洗、確立并賦值指標(biāo)權(quán)重、數(shù)據(jù)處理、建立計(jì)算模型、計(jì)算評(píng)分、結(jié)果分析等。以下重點(diǎn)展開(kāi)說(shuō)明確立并賦值指標(biāo)權(quán)重、數(shù)據(jù)處理、建立計(jì)算模型、計(jì)算評(píng)分四大步驟的過(guò)程。2.2.1確立并賦值指標(biāo)權(quán)重根據(jù)綜合評(píng)價(jià)指標(biāo)體系中的一級(jí)指標(biāo)、二級(jí)指標(biāo)，運(yùn)用德?tīng)柗?Delphi)法專家賦分并結(jié)合層次分析(AHP)方法，得到每一項(xiàng)一級(jí)指標(biāo)、二級(jí)指標(biāo)的相對(duì)權(quán)重。根據(jù)全國(guó)所有人工智能大模型企業(yè)的實(shí)際發(fā)展情況，得到每一項(xiàng)一級(jí)指標(biāo)、二級(jí)指標(biāo)的具體數(shù)值，并對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理，得到每一指標(biāo)的實(shí)際賦值情況。為消除各項(xiàng)指標(biāo)間單位不一、數(shù)值差異過(guò)大的問(wèn)題，需對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理。根據(jù)不同的指標(biāo)數(shù)據(jù)類型，選擇不同的無(wú)量綱化處理方式。記各項(xiàng)評(píng)估指標(biāo)的原始數(shù)值為Xei 為指標(biāo)編號(hào)),無(wú)量綱化后的值為Zei,指標(biāo)i的計(jì)算基值為xj?；档挠?jì)算：各項(xiàng)指標(biāo)體系的基值為人工智能大模型企業(yè)數(shù)據(jù)的平均值，計(jì)算操作如下：9數(shù)值類指標(biāo)的處理：為避免各項(xiàng)數(shù)值類指標(biāo)間數(shù)值范圍差異過(guò)大的問(wèn)題，采用取對(duì)數(shù)的方法對(duì)此類指標(biāo)進(jìn)行無(wú)量綱化處理，計(jì)算操作如下：指數(shù)類指標(biāo)的處理：此類數(shù)據(jù)各數(shù)值間差異較小，直接進(jìn)行數(shù)據(jù)歸一化處理即可，計(jì)算操作如下：2.2.3建立計(jì)算模型根據(jù)專家已打分(各級(jí)指標(biāo)體系權(quán)重總分為100)賦值的指標(biāo)權(quán)重，確立最終的指標(biāo)權(quán)重的平均值為λ。每個(gè)細(xì)分指標(biāo)的各級(jí)指標(biāo)指數(shù)的計(jì)算均采用加權(quán)平均法，即：2.2.4計(jì)算評(píng)分根據(jù)指標(biāo)的權(quán)重和具體賦值情況，運(yùn)用計(jì)算模型得出最終計(jì)算結(jié)果，反映人工智能大模型企業(yè)發(fā)展情況。2.350強(qiáng)榜單根據(jù)人工智能大模型競(jìng)爭(zhēng)力綜合評(píng)價(jià)模型，對(duì)全國(guó)人工智能大模型企業(yè)進(jìn)行評(píng)價(jià)分析，具體結(jié)果如下。表2人工智能大模型企業(yè)50強(qiáng)綜合競(jìng)爭(zhēng)力榜單排名1百度文心一言北京2華為盤古深圳3阿里巴巴通義千問(wèn)杭州4商湯科技日日新北京5科大訊飛星火合肥6騰訊混元深圳7第四范式式說(shuō)北京8浪潮信息源濟(jì)南9拓爾思拓天北京中國(guó)電信TeleChat,啟明，星辰北京星環(huán)科技無(wú)涯，求索上海抖音豆包北京云從科技從容廣州新華三百業(yè)靈犀杭州智譜華章智譜清言北京網(wǎng)易子曰杭州大華股份星漢杭州恒生電子杭州中科聞歌雅意北京思必馳蘇州達(dá)觀數(shù)據(jù)曹植上海云知聲山海北京百川智能百川北京云天勵(lì)飛天書(shū)深圳瀾舟科技孟子北京幻方AI杭州京東言犀北京中科創(chuàng)達(dá)魔方Rubik北京佳都科技佳都知行廣州中國(guó)電子云星智武漢小米北京航天宏圖天權(quán)北京虎博科技上海聯(lián)匯科技?xì)W姆杭州安恒信息恒腦杭州九章云極北京面壁智能北京智臻智能華藏上海超對(duì)稱乾元北京惟遠(yuǎn)智能千機(jī)百智深圳智慧眼砭石長(zhǎng)沙元年科技方舟GPT北京理想汽車北京漢王科技天地北京實(shí)在智能塔斯湖州眾合科技杭州開(kāi)普云開(kāi)悟東莞云問(wèn)科技云中問(wèn)道南京慧安股份蜂巢知元北京清博智能先問(wèn)北京2.4.1行業(yè)應(yīng)用分布2023中國(guó)人工智能大模型50強(qiáng)行業(yè)應(yīng)用共涉及13個(gè)領(lǐng)域，顯著集中于金融行業(yè)，隨后為工業(yè)、政務(wù)和交通等行業(yè)。從大模型的應(yīng)用領(lǐng)域來(lái)看，位居前三的行業(yè)具有以下幾點(diǎn)共性。一是行業(yè)數(shù)據(jù)豐富且數(shù)據(jù)結(jié)構(gòu)化程度較高，具有易于收集和加工處理的特性；二是行業(yè)體系成熟度高，具有將數(shù)據(jù)轉(zhuǎn)換為行業(yè)知識(shí)的明確路徑；三是行業(yè)本身市場(chǎng)前景廣闊，具有巨大發(fā)展?jié)摿?。圖22023中國(guó)人工智能大模型50強(qiáng)企業(yè)行業(yè)應(yīng)用分布2.4.2區(qū)域分布格局在區(qū)域分布上，2023中國(guó)人工智能大模型50強(qiáng)企業(yè)在京津冀和長(zhǎng)三角區(qū)域的集聚效應(yīng)明顯。城市分布方面，北京占有明顯領(lǐng)先地位，杭州、上海、深圳、廣州位列第二梯隊(duì)，其余城市呈現(xiàn)長(zhǎng)尾分布。形成此種格局的原因主要有以下幾方面：一是該區(qū)域政府前瞻布局戰(zhàn)略意識(shí)高，人工智能產(chǎn)業(yè)發(fā)展決心強(qiáng)，出臺(tái)相關(guān)產(chǎn)業(yè)優(yōu)惠政策多；二是該區(qū)域擁有較為完善的人工智能上下游產(chǎn)業(yè)鏈，信息技術(shù)和高端制造領(lǐng)域具有較強(qiáng)競(jìng)爭(zhēng)力，為人工智能的發(fā)展提供了堅(jiān)實(shí)基礎(chǔ)和需求牽引；三是該區(qū)域具備新興產(chǎn)業(yè)人才優(yōu)勢(shì)，擁有眾多國(guó)內(nèi)頂尖的高校和科研機(jī)構(gòu)，為人工智能產(chǎn)業(yè)發(fā)展提供人才儲(chǔ)備。圖32023中國(guó)人工智能大模型50強(qiáng)企業(yè)城市分布2.4.3自有算力布局2023中國(guó)人工智能大模型TOP10企業(yè)中，自有算力的企業(yè)占比達(dá)100%(本報(bào)告中所指自有算力包含自主研發(fā)芯片、自有計(jì)算硬件或采買算力設(shè)備等);TOP15企業(yè)中，自有算力占比為87%;50強(qiáng)企業(yè)整體自有算力占比為46%。從整體情況來(lái)看，不足半數(shù)的企業(yè)擁有自主掌握的算力資源，表明我國(guó)在整體基礎(chǔ)實(shí)力方面仍有待提高。從不同排名分階的自有算力占比來(lái)看，自有算力的企業(yè)具備更強(qiáng)的競(jìng)爭(zhēng)力。強(qiáng)大的算力資源不僅可以加速模型訓(xùn)練，提升市場(chǎng)響應(yīng)速度，測(cè)精度和整體性能。圖42023中國(guó)人工智能大模型50強(qiáng)企業(yè)自有算力占比分布2.4.4技術(shù)市場(chǎng)關(guān)聯(lián)度分析整體來(lái)看，國(guó)內(nèi)人工智能大模型競(jìng)爭(zhēng)力排名前五十的企業(yè)可分為三類。第一類是領(lǐng)跑者，在國(guó)內(nèi)市場(chǎng)上擁有絕對(duì)的優(yōu)勢(shì)；第二類是挑戰(zhàn)者，即在技術(shù)競(jìng)爭(zhēng)力或市場(chǎng)影響力方面具備一定的實(shí)力，在實(shí)際市場(chǎng)競(jìng)爭(zhēng)中占據(jù)一定的位置；第三類是追趕者，他們與挑戰(zhàn)者相比，技術(shù)實(shí)力并不顯著,客戶資源較為邊緣或者主攻較為單一的細(xì)分行業(yè)。市場(chǎng)影響力圖5人工智能大模型企業(yè)50強(qiáng)散點(diǎn)分布市場(chǎng)影響力資料來(lái)源：賽迪四川，2023.12從散點(diǎn)圖橫縱向布局來(lái)看，技術(shù)競(jìng)爭(zhēng)力方面，百度、華為、商湯科技、阿里巴巴、騰訊、科大訊飛處于明顯的領(lǐng)先位置，其余企業(yè)與其存在較大差距。除技術(shù)領(lǐng)先企業(yè)外，大部分企業(yè)技術(shù)水平參差不齊，多集中于榜單中部位置，頭部、尾部分布較少。市場(chǎng)影響力方面，百度、華為、阿里巴巴等榜單頭部企業(yè)遠(yuǎn)超其他處于榜單中部、尾部企業(yè)，中部、尾部企業(yè)間的市場(chǎng)影響力差異較小且整體市場(chǎng)影響力表現(xiàn)欠從散點(diǎn)圖區(qū)域分布來(lái)看，領(lǐng)跑者為百度、華為、阿里巴巴、商湯科技、科大訊飛5家企業(yè)，位于榜單頭部，遙遙領(lǐng)先于其他挑戰(zhàn)者和追趕者?？v向來(lái)看，拓爾思、騰訊位于領(lǐng)跑者、挑戰(zhàn)者臨界區(qū)域，雖市場(chǎng)影響力稍弱但技術(shù)實(shí)力強(qiáng)勁，有望進(jìn)軍領(lǐng)跑者位置。橫向來(lái)看，挑戰(zhàn)者和追趕者之間的差距主要體現(xiàn)在技術(shù)競(jìng)爭(zhēng)力方面，值得關(guān)注的是，十余家企業(yè)位于追趕者和競(jìng)爭(zhēng)者之間的臨界點(diǎn)附近，表明企業(yè)間的技術(shù)競(jìng)爭(zhēng)逐漸呈現(xiàn)白熱化的局面。2.4.5綜合競(jìng)爭(zhēng)力分析從企業(yè)成立年份來(lái)看，自2012年起，人工智能企業(yè)呈現(xiàn)出明顯聚集趨勢(shì)。2012年作為深度學(xué)習(xí)的元年，在技術(shù)創(chuàng)新和政策推動(dòng)的雙重影響下，人工智能企業(yè)如雨后春筍般涌入市場(chǎng)。結(jié)合模型規(guī)模和成立年限來(lái)看，大模型的發(fā)展通常需要企業(yè)具有長(zhǎng)期的技術(shù)沉淀，萬(wàn)億級(jí)以上的模型都集中在成立20年以上的企業(yè)。從行業(yè)覆蓋數(shù)量來(lái)看，百度遙遙領(lǐng)先，華為、訊飛、阿里緊隨其后。通用大模型的行業(yè)落地與企業(yè)實(shí)力和生態(tài)能力緊密關(guān)聯(lián)，盡管部分企業(yè)擁有萬(wàn)億級(jí)的大模型，但由于入市較晚，目前并未位列第一梯隊(duì)。圖62023中國(guó)人工智能大模型50強(qiáng)企業(yè)綜合氣泡圖成立年份第三章明星案例：大模型應(yīng)用典型案例分析3.1工業(yè)領(lǐng)域大模型應(yīng)用案例3.1.1文心大模型文心大模型是百度智能云開(kāi)發(fā)的一種強(qiáng)大的自然語(yǔ)言處理工具，是產(chǎn)業(yè)級(jí)知識(shí)增強(qiáng)大模型，因?yàn)樗诋a(chǎn)業(yè)，服務(wù)于產(chǎn)業(yè)，以此成為各行各業(yè)的首選基座大模型之一。百度智能云在化工、制造、能源以及汽車等工業(yè)領(lǐng)域逐漸開(kāi)啟了新的版圖擴(kuò)張。在化工行業(yè)，中國(guó)石化與百度簽署戰(zhàn)略合作框架協(xié)議，雙方將在人工智能、互聯(lián)網(wǎng)+新業(yè)態(tài)、數(shù)字化轉(zhuǎn)型升級(jí)等領(lǐng)域深化合作。在能源行業(yè)，百度與其他大型央國(guó)企還有過(guò)深入合作。國(guó)家電網(wǎng)與百度聯(lián)合發(fā)布知識(shí)增強(qiáng)的電力行業(yè)大模型，建設(shè)更加適配電力行業(yè)場(chǎng)景的AI基礎(chǔ)設(shè)施，其模型基座也就是文心大模型，最終能夠達(dá)到降低數(shù)據(jù)標(biāo)注成本，提升細(xì)分場(chǎng)景模型應(yīng)用的效果。在航空航天行業(yè)，中國(guó)探月、航天工程與百度開(kāi)展合作，為文心大模型提供大量航天科研數(shù)據(jù)，使其從這些數(shù)據(jù)與知識(shí)中進(jìn)行融合學(xué)習(xí)，助力航天工作效率提升。在汽車工業(yè)領(lǐng)域，中國(guó)華晨寶馬與百度達(dá)成戰(zhàn)略合作，共同探索AI技術(shù)與汽車制造業(yè)的融合創(chuàng)新。中科創(chuàng)達(dá)作為全球領(lǐng)先的智能操作系統(tǒng)產(chǎn)品和技術(shù)提供商，在智能汽車與智能硬件領(lǐng)域擁有豐富的經(jīng)驗(yàn)。魔方Rubik作為其自主研發(fā)的大模型，與其主營(yíng)業(yè)務(wù)深度結(jié)合應(yīng)用。在智能硬件領(lǐng)域，中科創(chuàng)達(dá)將創(chuàng)達(dá)魔方大語(yǔ)言模型部署在TurboX,在2023上海世界移動(dòng)通信大會(huì)上展示了旗下首款集成魔方大語(yǔ)言模型的智能搬運(yùn)機(jī)器人，在大模型的加持下，機(jī)器人實(shí)現(xiàn)了更自然的語(yǔ)言交互，可以更好地理解人類指令。在智能汽車制造方面，中科創(chuàng)達(dá)開(kāi)發(fā)了以魔方Rubik大模型為基礎(chǔ)的RubikGeniusCanvas產(chǎn)品，實(shí)現(xiàn)了對(duì)智能汽車開(kāi)發(fā)周期全過(guò)程的覆蓋，包括對(duì)汽車的概念創(chuàng)作、3D元素設(shè)計(jì)、交互與視覺(jué)、特效及場(chǎng)景制作、應(yīng)用開(kāi)發(fā)集成等方面，極大程度提高了汽車開(kāi)發(fā)的效率。3.2金融領(lǐng)域大模型應(yīng)用案例3.2.1Aisino財(cái)稅大模型Aisino是航天信息在稅務(wù)領(lǐng)域所提出的一款財(cái)稅大模型，致力于將稅務(wù)服務(wù)智能化，實(shí)現(xiàn)稅務(wù)服務(wù)的數(shù)字化轉(zhuǎn)型。并且Aisino財(cái)稅大模型可以應(yīng)用于AI互動(dòng)、稅收預(yù)測(cè)、風(fēng)險(xiǎn)評(píng)估、稅務(wù)決策等多個(gè)方面。一是AI互動(dòng)。如AI數(shù)字人助手、稅務(wù)數(shù)字人交互終端、智能外呼助手、12366智能熱線電話咨詢、人工即時(shí)通訊和音視頻等，獲得在線咨詢辦理、電話咨詢辦理、在線支付、在線查詢、音視頻連線等服務(wù)。二是稅收預(yù)測(cè)。A大模型通過(guò)對(duì)歷史數(shù)據(jù)和經(jīng)濟(jì)指標(biāo)進(jìn)行分析，可以自動(dòng)挖掘數(shù)據(jù)中的模式和規(guī)律，提高預(yù)測(cè)準(zhǔn)確度，為稅務(wù)部門提供決策依據(jù)。三是風(fēng)險(xiǎn)評(píng)估。Aisino財(cái)稅大模型能夠分析大量數(shù)據(jù)和復(fù)雜的關(guān)聯(lián)關(guān)系，比如，納稅人的歷史納稅記錄、財(cái)務(wù)數(shù)據(jù)、經(jīng)營(yíng)情況等，通過(guò)這些數(shù)據(jù)信息，能夠識(shí)別出納稅人的異常行為和風(fēng)險(xiǎn)因素。四是稅務(wù)決策。傳統(tǒng)的稅務(wù)決策往往基于經(jīng)驗(yàn)判斷和少量的數(shù)據(jù)，這使得決策過(guò)程容易受到主觀因素的影響。而Aisino財(cái)稅大模型則能夠通過(guò)對(duì)大量數(shù)據(jù)和復(fù)雜關(guān)聯(lián)關(guān)系的深度分析，為稅務(wù)決策提供科學(xué)的決策支持。LightGPT是恒生電子自主研發(fā)的專為金融領(lǐng)域打造的大語(yǔ)言模型，該模型擁有專業(yè)的金融語(yǔ)料積累處理和高效穩(wěn)定的大模型訓(xùn)練方式，使用了超4000億tokens的金融領(lǐng)域數(shù)據(jù)(包括資訊、公告、研報(bào)、結(jié)構(gòu)化數(shù)據(jù)等)和超過(guò)400億tokens的語(yǔ)種強(qiáng)化數(shù)據(jù)(包括金融教材、金融百科、政府工作報(bào)告、法規(guī)條例等),并以之作為大模型的二次預(yù)訓(xùn)練語(yǔ)料，支持超過(guò)80+金融專屬任務(wù)指令微調(diào)，使LightGPT具備金融領(lǐng)域的準(zhǔn)確理解能力，所以該模型在金融相關(guān)問(wèn)題的理解和金融任務(wù)的處理上，比通用大模型更有優(yōu)勢(shì)。一是基于LightGPT金融大模型所打造的智能助手“光子”,在實(shí)際應(yīng)用中串聯(lián)了“通用工具鏈+金融插件工具+金融數(shù)據(jù)+金融業(yè)務(wù)場(chǎng)景”的智能應(yīng)用服務(wù)，可以為金融機(jī)構(gòu)的投顧、客服、運(yùn)營(yíng)、合規(guī)、投研、交易等業(yè)務(wù)系統(tǒng)注入AI能力。二是智能投研平臺(tái)WarrenQ也是基于LightGPT金融大模型所打造的數(shù)智金融平臺(tái)，該平臺(tái)賦能“搜、讀、算、寫”投研全流程場(chǎng)景，旨在提供更加高效、智能和精準(zhǔn)的投研服務(wù)。其衍生功能WarrenQ-Chat通過(guò)對(duì)話指令，輕松獲得金融行情、資訊和數(shù)據(jù)，且每一句生成的對(duì)話均支持原文溯源，確保消息出處可追溯，還可以生成金融專業(yè)報(bào)表，為金融機(jī)構(gòu)提供了更加便捷、快速、精準(zhǔn)的投研服務(wù)。3.3交通領(lǐng)域大模型應(yīng)用案例3.3.1佳都知行佳都知行交通大模型是基于行業(yè)知識(shí)庫(kù)、行業(yè)海量數(shù)據(jù)、軌交業(yè)務(wù)場(chǎng)景研發(fā)打造的超強(qiáng)邏輯推理、自然語(yǔ)言處理能力、反復(fù)訓(xùn)練應(yīng)用到生產(chǎn)環(huán)境的“強(qiáng)人工智能”行業(yè)大模型。該大模型在實(shí)際生活中運(yùn)用于兩個(gè)方向：一是在軌道交通治理上，佳都知行交通大模型能夠?qū)W習(xí)軌道交通各類系統(tǒng)的特征、模式和規(guī)律，形成“領(lǐng)域知識(shí)庫(kù)”和“領(lǐng)域工具庫(kù)”,為城市智慧軌道交通各大業(yè)務(wù)系統(tǒng)賦能，如智能客服、智能運(yùn)維、智慧節(jié)能、綜合指揮、應(yīng)急演練等。二是在城市交通治理上，佳都知行交通大模型在交管工作效率提升和業(yè)務(wù)問(wèn)題解決上更加智能，能夠?qū)Τ鞘薪煌ㄏ到y(tǒng)進(jìn)行全面、深入的分析和預(yù)測(cè)，實(shí)時(shí)監(jiān)測(cè)道路、公共交通、車道等各類交通設(shè)施的使用情況，精確評(píng)估交通流量、擁堵程度和出行需求，為城市規(guī)劃者、政策制定者和市民提供科學(xué)、準(zhǔn)確的決策依從容大模型是一款基礎(chǔ)大模型，能夠根據(jù)給定的文本或語(yǔ)音數(shù)據(jù)進(jìn)行學(xué)習(xí)和分析，并深度理解自然語(yǔ)言的含義和語(yǔ)義規(guī)則，具有高度智能化及自適應(yīng)性，在NLP領(lǐng)域具有諸多優(yōu)勢(shì)。在城市交通治理的實(shí)際應(yīng)用中，從容大模型基于對(duì)城市交通行業(yè)知識(shí)進(jìn)行持續(xù)訓(xùn)練和自學(xué)習(xí)，能夠形成交通行業(yè)思維，在交管工作效率提升和業(yè)務(wù)問(wèn)題解決上更加智能。更具體地來(lái)說(shuō)，基于從容大模型的應(yīng)用工具，能夠?qū)崿F(xiàn)城市交通系統(tǒng)全面深入的分析和預(yù)測(cè)，對(duì)道路、公共交通以及車道等各類交通設(shè)施的使用情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，以此精確評(píng)估交通流量、擁堵程度和出行需求，為城市規(guī)劃者、政策制定者和市民提供科學(xué)、準(zhǔn)確的決策依據(jù)。3.4醫(yī)療領(lǐng)域大模型應(yīng)用案例近兩年智慧醫(yī)療的概念在社會(huì)上不斷被提起，砭石大模型應(yīng)運(yùn)而生。該大模型是世界醫(yī)學(xué)領(lǐng)域首個(gè)支持多模態(tài)的大模型，它支持人臉視頻輸入、面舌診輸入、醫(yī)學(xué)圖像輸入、病例文本輸入、音頻輸入五種輸入方式，實(shí)現(xiàn)智能問(wèn)診、輔助閱片、面診舌診、生理指標(biāo)預(yù)測(cè)、睡眠數(shù)據(jù)監(jiān)測(cè)等多樣化的任務(wù)。它的輸出是結(jié)構(gòu)化的文本，包括健康狀態(tài)的簡(jiǎn)要描述、診斷描述和治療建議等，可以方便醫(yī)療機(jī)構(gòu)更好地理解分析，提高了醫(yī)療信息處理的效率和準(zhǔn)確性。在實(shí)際應(yīng)用上，一是以砭石醫(yī)療大模型為基底的智慧眼云慢病患者服務(wù)管理系統(tǒng)，賦能于醫(yī)保、醫(yī)院、藥房、科室和醫(yī)護(hù)人員，將醫(yī)療健康服務(wù)延伸到院外，提供以患者為中心，貫穿院前管理、院中就診、院后康復(fù)追蹤的“醫(yī)+診+藥+護(hù)”的連續(xù)性治療服務(wù)閉環(huán)，向患者提供全流程、多方位的一站式全生命周期健康管理服務(wù)。二是互聯(lián)網(wǎng)醫(yī)院，一種基于人工智能+互聯(lián)網(wǎng)技術(shù)的遠(yuǎn)程醫(yī)療服務(wù)平臺(tái)，通過(guò)數(shù)字療法，提供智能導(dǎo)診、輔助診斷、智能用藥等服務(wù)，貫穿預(yù)防、診斷、治療和康復(fù)的核心環(huán)節(jié)，給患者提供分層、協(xié)同、聯(lián)合、全程、連續(xù)的醫(yī)療數(shù)字化服務(wù)。大醫(yī)是商湯科技發(fā)布的升級(jí)版醫(yī)療健康大模型，其功能覆蓋智慧大健康、智慧患者服務(wù)、智慧臨床以及數(shù)智建設(shè)四大領(lǐng)域，包括智能自診、用藥咨詢、診后隨訪管理、智慧病歷、影像報(bào)告結(jié)構(gòu)化等共13個(gè)細(xì)分醫(yī)療健康場(chǎng)景。一是體檢咨詢助手。面對(duì)日常健康咨詢，大醫(yī)提供疾病風(fēng)險(xiǎn)預(yù)測(cè)、檢驗(yàn)檢查分析、體檢咨詢、健康問(wèn)答等健康管理服務(wù)，經(jīng)過(guò)多輪對(duì)話后給出健康咨詢建議。二是陪診助手。面對(duì)患者的陪診需求，大醫(yī)可以更高效地實(shí)現(xiàn)智能導(dǎo)診、預(yù)問(wèn)診等患者服務(wù)功能。三是醫(yī)生助手。面對(duì)醫(yī)生的門診，大醫(yī)可以實(shí)時(shí)記錄、整理、識(shí)別醫(yī)患問(wèn)診對(duì)話內(nèi)容，并將提取總結(jié)的病歷信息上傳至電子病歷系統(tǒng)，解放醫(yī)生雙手，提高臨床效率。四是用藥助手。面對(duì)患者就診之后，大醫(yī)可為患者提供用藥指導(dǎo)，并幫助患者建立隨訪檔案及制定隨訪計(jì)劃，提高醫(yī)療服務(wù)質(zhì)量和患者獲得感。目前商湯科技已與鄭州大學(xué)第一附屬醫(yī)院、上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院、上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院等機(jī)構(gòu)開(kāi)展合作，實(shí)現(xiàn)大醫(yī)在具體醫(yī)療健康場(chǎng)景中的落地。除此之外商湯科技發(fā)布了以大醫(yī)大模型為基底的“SenseCareR智慧醫(yī)院”綜合解決方案，覆蓋智慧就醫(yī)、智慧診療、智慧醫(yī)院管理、智慧醫(yī)學(xué)科研、智慧醫(yī)療云五大場(chǎng)景，賦能醫(yī)院診療、科研、決策等各個(gè)層面，助力醫(yī)院智慧化轉(zhuǎn)型升級(jí)。3.5教育領(lǐng)域大模型應(yīng)用案例孟子是瀾舟科技研發(fā)的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，可處理多語(yǔ)言、多模態(tài)數(shù)據(jù)，同時(shí)支持多種文本理解和文本生成任務(wù)，能快速滿足不同領(lǐng)域、不同應(yīng)用場(chǎng)景的需求。孟子模型基于Transformer架構(gòu)，僅包含十億參數(shù)量，基于數(shù)百G級(jí)別涵蓋互聯(lián)網(wǎng)網(wǎng)頁(yè)、社區(qū)、新聞、電子商務(wù)、金融等領(lǐng)域的高質(zhì)量語(yǔ)料訓(xùn)練。相比于市面上已有的中文預(yù)訓(xùn)練模型，孟子模型具有輕量化和易部署的特點(diǎn)，性能上超越同等規(guī)模甚至更大規(guī)模的模型。目前瀾舟科技已與多家企業(yè)合作，聯(lián)合推出基于孟子一是中文在線利用孟子預(yù)訓(xùn)練技術(shù)構(gòu)建針對(duì)文學(xué)生產(chǎn)領(lǐng)域的專業(yè)模型，實(shí)現(xiàn)多屬性可控文學(xué)生成提供續(xù)寫、基于關(guān)鍵詞生成、基于用戶自定義模板生成、文學(xué)實(shí)體渲染等能力。二是新華智云將孟子大語(yǔ)言模型應(yīng)用在文化數(shù)字化的全技術(shù)鏈路中，提供具備專業(yè)的歷史文化知識(shí)的大模型服務(wù)及應(yīng)用能力，在角色扮演、文化知識(shí)問(wèn)答等實(shí)際業(yè)務(wù)場(chǎng)景進(jìn)行驗(yàn)證。3.5.2子曰相比于通用大模型，子曰大模型的定位從開(kāi)始就是教育垂類大模型，主打場(chǎng)景優(yōu)先，這也是國(guó)內(nèi)企業(yè)推出的首個(gè)教育場(chǎng)景下類ChatGPT模型。該模型能夠作為基座模型支持諸多下游任務(wù)，向所有下游場(chǎng)景提供語(yǔ)義理解、知識(shí)表達(dá)等基礎(chǔ)能力。在應(yīng)用方面，覆蓋翻譯、作文、語(yǔ)法、口語(yǔ)、AIBox、文檔問(wèn)答共六種細(xì)分領(lǐng)域。比如，有專用于英語(yǔ)口語(yǔ)練習(xí)的虛擬人教練HiEcho,模擬的語(yǔ)境貼合實(shí)際情況，可以幫助用戶更好地練習(xí)英語(yǔ)口語(yǔ)。此外，還有六大成果之一的“AI作文指導(dǎo)”,不僅可以批改作文，還有指導(dǎo)寫作的功能。針對(duì)學(xué)生在寫作過(guò)程中面臨的各種難題，如題目難以確定，寫作主旨不明等，該應(yīng)用都能夠給予指導(dǎo)，幫助學(xué)生逐漸掌握寫作技巧。在批改環(huán)節(jié)中，AI作文指導(dǎo)還會(huì)從表達(dá)、結(jié)構(gòu)、內(nèi)容深度、情感豐富度等維度全面提供改進(jìn)建議。第四章智領(lǐng)未來(lái)：人工智能大模型技術(shù)發(fā)展趨勢(shì)大模型是人工智能行業(yè)發(fā)展的新范式、新引擎，是支撐產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的重要基礎(chǔ)設(shè)施。人工智能正逐漸成為數(shù)字經(jīng)濟(jì)的核心引擎，未來(lái)隨著技術(shù)不斷演進(jìn)和升級(jí)迭代，大模型將與人工智能技術(shù)融合創(chuàng)新，實(shí)現(xiàn)更多產(chǎn)業(yè)端場(chǎng)景的落地。4.1多模態(tài)大模型成為趨勢(shì)多模態(tài)大模型主要包括三類：一是以語(yǔ)音、圖像、文本為核心的多模態(tài)大模型，二是以視頻為核心的多模態(tài)大模型，三是以圖像、音頻為核心的多模態(tài)大模型。未來(lái)，多模態(tài)大模型將會(huì)成為一種趨勢(shì)，主要體現(xiàn)在以下幾個(gè)方面：一是數(shù)據(jù)模態(tài)的融合。多模態(tài)大模型的前提是多種模態(tài)數(shù)據(jù)的融合，多模態(tài)大模型需要將不同模態(tài)的數(shù)據(jù)進(jìn)行融合，以充分利用它們之間的信息。通過(guò)將不同模態(tài)的數(shù)據(jù)進(jìn)行拼接、轉(zhuǎn)換、融合等多種方式可實(shí)現(xiàn)數(shù)據(jù)模態(tài)的融合。二是跨模態(tài)轉(zhuǎn)換。不同模態(tài)的數(shù)據(jù)具有不同的特征和表達(dá)方式，因此需要進(jìn)行跨模態(tài)轉(zhuǎn)換，以實(shí)現(xiàn)不同模態(tài)數(shù)據(jù)之間的轉(zhuǎn)換和遷移?？缒B(tài)轉(zhuǎn)換通?？梢圆捎枚喾N方式，例如使用自編碼器進(jìn)行跨模態(tài)生成、使用對(duì)抗生成網(wǎng)絡(luò)進(jìn)行跨模態(tài)轉(zhuǎn)換等。三是多任務(wù)學(xué)習(xí)。多任務(wù)學(xué)習(xí)是指同時(shí)處理多個(gè)任務(wù)的學(xué)習(xí)方式，這些任務(wù)可以是不同的數(shù)據(jù)模態(tài)或者不同的應(yīng)用場(chǎng)景。多任務(wù)學(xué)習(xí)可以使得模型具有更好的泛化性能和魯棒性，同時(shí)也可以提高模型的效率和可用性。4.2知識(shí)圖譜與大模型融合知識(shí)圖譜是一種語(yǔ)義網(wǎng)絡(luò)，表示現(xiàn)實(shí)世界中各種實(shí)體、概念及其之間的關(guān)系，將其與大模型融合，可以有效地提高大模型的語(yǔ)義理解和推理能力。未來(lái)，知識(shí)圖譜與大模型的融合將會(huì)成為一種趨勢(shì)，主要體現(xiàn)在以下幾個(gè)方面：一是知識(shí)圖譜的嵌入。通過(guò)將知識(shí)圖譜中的語(yǔ)義信息嵌入到大模型中，可以提高大模型的語(yǔ)義表達(dá)能力。二是聯(lián)合學(xué)習(xí)。通過(guò)將知識(shí)圖譜中的數(shù)據(jù)與大模型聯(lián)合學(xué)習(xí)，可以提高大模型的泛化能力和推理能力。三是語(yǔ)義搜索。通過(guò)將知識(shí)圖譜與大模型結(jié)合，可以實(shí)現(xiàn)更高效和準(zhǔn)確的語(yǔ)義搜索。4.3強(qiáng)化學(xué)習(xí)與大模型融合強(qiáng)化學(xué)習(xí)是一種通過(guò)試錯(cuò)學(xué)習(xí)的機(jī)器學(xué)習(xí)方法，可以訓(xùn)練出具有復(fù)雜行為能力的智能系統(tǒng)，將其與大模型融合，可以有效地提高大模型的自主學(xué)習(xí)能力。未來(lái)，強(qiáng)化學(xué)習(xí)與大模型的融合將會(huì)成為一種趨勢(shì)，主要體現(xiàn)在以下幾個(gè)方面：一是深度強(qiáng)化學(xué)習(xí)。通過(guò)將深度學(xué)習(xí)技術(shù)與強(qiáng)化學(xué)習(xí)技術(shù)結(jié)合，可以訓(xùn)練出更具復(fù)雜行為能力的智能系統(tǒng)。二是分布式強(qiáng)化學(xué)習(xí)。通過(guò)將多個(gè)強(qiáng)化學(xué)習(xí)智能體分布在不同設(shè)備上，可以實(shí)現(xiàn)更高效的分布式強(qiáng)化學(xué)習(xí)。三是可解釋的強(qiáng)化學(xué)習(xí)。通過(guò)設(shè)計(jì)可解釋的強(qiáng)化學(xué)習(xí)算法，可以提高大模型的透明度和可解釋性。4.4生成對(duì)抗網(wǎng)絡(luò)(GAN)與大模型融合生成對(duì)抗網(wǎng)絡(luò)是一種通過(guò)競(jìng)爭(zhēng)游戲來(lái)生成新數(shù)據(jù)的技術(shù)，將其與大模型融合，可以有效地提高大模型的生成能力與大模型的融合將會(huì)成為一種趨勢(shì)，主要體現(xiàn)在以下幾個(gè)方面：一是更大規(guī)模GAN。隨著計(jì)算資源和數(shù)據(jù)量的增加，GAN的規(guī)模也將不斷增大，以達(dá)到更高的生成質(zhì)量和創(chuàng)新能力。二是多模態(tài)GAN。通過(guò)將GAN與其他技術(shù)結(jié)合，可以擴(kuò)展GAN的應(yīng)用場(chǎng)景，如文本到圖像的生成、視頻生成等。三是可控GAN。通過(guò)設(shè)計(jì)可控GAN的算法和技術(shù)，可以提高GAN生成結(jié)果的可控性和穩(wěn)定性。4.5模型壓縮與硬件加速技術(shù)結(jié)合隨著人工智能技術(shù)的廣泛應(yīng)用，模型壓縮和硬件加速技術(shù)已經(jīng)成為提高大模型性能和降低成本的重要手段。未來(lái)，模型壓縮與硬件加速技術(shù)將會(huì)更加緊密地結(jié)合在一起，主要體現(xiàn)在以下幾個(gè)方面：一是量化技術(shù)。通過(guò)將浮點(diǎn)數(shù)轉(zhuǎn)換為整數(shù)