【前瞻產(chǎn)業(yè)研究院-首鋼基金CANPLUS-華為云】2024年中國AI大模型場(chǎng)景探索及產(chǎn)業(yè)應(yīng)用調(diào)研報(bào)告-大模型“引爆”行業(yè)新一輪變革

2024年中國AI大模型場(chǎng)景探索及產(chǎn)業(yè)應(yīng)用調(diào)研報(bào)告——大模型“引爆”行業(yè)新一輪變革前

瞻

產(chǎn)

業(yè)

研

究

院

出

品

本報(bào)告由深圳前瞻產(chǎn)業(yè)研究院、首鋼基金CANPLUS聯(lián)合華為云共同撰寫，并于2024年4月下旬正式聯(lián)合發(fā)布。

報(bào)告顯示，2023年我國AI大模型行業(yè)規(guī)模已達(dá)到147億元。AI大模型的行業(yè)應(yīng)用及技術(shù)進(jìn)步能有效提升各行業(yè)生產(chǎn)要素的產(chǎn)出效率并提高了數(shù)據(jù)要素在生產(chǎn)要素組合中的地位。供給方面，當(dāng)前AI大模型企業(yè)主要通過深化通用大模型能力或打造垂類行業(yè)大模型兩種路徑為下游行業(yè)提供AI大模型應(yīng)用服務(wù)，商業(yè)模式則較為靈活且多元化；需求方面，企業(yè)需求特征表現(xiàn)為滿足可落地的前提下實(shí)現(xiàn)價(jià)格、私密安全性和大模型能力效果的三者平衡，因此大部分的規(guī)模企業(yè)用戶主要選擇參數(shù)規(guī)模在100~200億之間的AI大模型和本地化部署的落地方式。

應(yīng)用現(xiàn)狀，大模型賦能場(chǎng)景包括一般通用業(yè)務(wù)場(chǎng)景和行業(yè)應(yīng)用場(chǎng)景。截至2023年，我國大模型在各垂直應(yīng)用行業(yè)中，金融、政府、影視游戲和教育領(lǐng)域是大模型滲透率最高的四大行業(yè)，滲透率均超過50%。電信、電子商務(wù)和建筑領(lǐng)域的應(yīng)用成熟度較高。

面臨的痛點(diǎn)，首先是基礎(chǔ)算力不足；其次是數(shù)據(jù)獲取成本高；三是人才不足；四是潛在法規(guī)風(fēng)險(xiǎn)；五是市場(chǎng)認(rèn)知不準(zhǔn)確。

AI大模型行業(yè)是技術(shù)驅(qū)動(dòng)的行業(yè)，且仍具有巨大的挖掘潛力、技術(shù)更新進(jìn)步速度也較快，行業(yè)技術(shù)能力拓展上限尚未出現(xiàn)。行業(yè)發(fā)展的七大趨勢(shì)，一是技術(shù)趨勢(shì)，具備強(qiáng)大預(yù)測(cè)能力的預(yù)測(cè)大模型、強(qiáng)大決策能力的決策大模型和能夠自主學(xué)習(xí)、實(shí)時(shí)交互的具身智能大模型最有可能成為繼自然語言大模型和多模態(tài)大模型后的下一個(gè)大模型行業(yè)風(fēng)口；二是競(jìng)爭(zhēng)趨勢(shì)，AI大模型企業(yè)需將資源聚焦單一發(fā)展路徑，行業(yè)競(jìng)爭(zhēng)將開始分化；三是應(yīng)用場(chǎng)景趨勢(shì)，行業(yè)應(yīng)用場(chǎng)景數(shù)量也將爆炸性的多元化增長，且會(huì)逐漸從當(dāng)前的業(yè)務(wù)類場(chǎng)景向決策管理場(chǎng)景深入；四是應(yīng)用行業(yè)趨勢(shì)，前期信息化基礎(chǔ)較好，對(duì)新興技術(shù)接受度支付意愿也較高的金融、電商、教育和醫(yī)療領(lǐng)域是未來五年AI大模型應(yīng)用潛力最高的四大下游行業(yè)領(lǐng)域；五是AI大模型的應(yīng)用將反哺基礎(chǔ)科學(xué)技術(shù)的發(fā)展；六是AI大模型將輕量化發(fā)展助力終端智能化；七是基礎(chǔ)AI通用大模型將開源化賦能構(gòu)建國產(chǎn)軟件生態(tài)；

針對(duì)AI大模型行業(yè)應(yīng)用的四大發(fā)展建議，一是牢守安全底線、放開政策監(jiān)管力度，為行業(yè)創(chuàng)新發(fā)展打開政策空間；二是延續(xù)傳統(tǒng)高效的商業(yè)化應(yīng)用優(yōu)勢(shì)，加快AI大模型應(yīng)用落地；三是打造開源生態(tài)，促進(jìn)產(chǎn)業(yè)整體快速發(fā)展；四是加快人才培養(yǎng)，做好人才儲(chǔ)備工作；針對(duì)AI大模型行業(yè)應(yīng)用企業(yè)的三大發(fā)展策略，一是脫虛向?qū)?，?jǐn)防陷入“模型”規(guī)模之爭(zhēng)；二是加強(qiáng)企業(yè)合作，做大行業(yè)蛋糕是當(dāng)前首要任務(wù)；三是關(guān)注細(xì)分行業(yè)機(jī)會(huì)，尋求差異化競(jìng)爭(zhēng)優(yōu)勢(shì)。引言

01

AI大模型行業(yè)應(yīng)用概況

02

AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例

03

AI大模型行業(yè)應(yīng)用痛點(diǎn)及解決方案

04

AI大模型行業(yè)應(yīng)用前景趨勢(shì)及投資機(jī)會(huì)分析/

錄目CO

NT

E

NT

S1.1

AI大模型定義及概述1.2

AI大模型行業(yè)應(yīng)用價(jià)值1.3

AI大模型行業(yè)應(yīng)用實(shí)現(xiàn)路徑1.4

AI大模型行業(yè)應(yīng)用商業(yè)模式1.5

AI大模型行業(yè)應(yīng)用需求概述1.6

AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)格局1.7

AI大模型行業(yè)應(yīng)用投融資分析

1.8

AI大模型行業(yè)應(yīng)用的合規(guī)要求01AI大模型行業(yè)應(yīng)用概況產(chǎn)業(yè)規(guī)模160140147當(dāng)前整體AI大模型行業(yè)仍處120于萌芽期，市場(chǎng)規(guī)模并不大100但行業(yè)增速較快，根據(jù)相關(guān)8070公開統(tǒng)計(jì)數(shù)據(jù)顯示，2023年6040201537我國大模型行業(yè)市場(chǎng)規(guī)模初步估計(jì)將達(dá)到147億元，近三

年復(fù)合增速高達(dá)114%。02020202120222023EAI大模型定義AI大模型是指在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域中，采用大規(guī)模參數(shù)（至少在一億個(gè)以上）的神經(jīng)網(wǎng)絡(luò)模型，AI大模型在訓(xùn)練過程中需要使用大量的算力和高質(zhì)量的數(shù)據(jù)資源。

1.1AI大模型定義及概述資

料

來

源：沙利文、

《

20

23

年

A

I

大模型研究報(bào)告：人工智能大模型產(chǎn)業(yè)創(chuàng)新價(jià)值研究報(bào)告

》

前

瞻

產(chǎn)

業(yè)研究院整理行業(yè)發(fā)展歷程分類應(yīng)用占比多模態(tài)大

模型NLP大模

型其他大模型CV大模型Yf3Df2f1

f0(K,L,D)要素組合1二次價(jià)值數(shù)智決策數(shù)據(jù)流通打

破企業(yè)壁壘，

賦能整體行

業(yè)和社會(huì)，

為企業(yè)創(chuàng)造額外價(jià)值數(shù)字經(jīng)濟(jì)是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)

濟(jì)之后的現(xiàn)階段主要經(jīng)濟(jì)形態(tài)，數(shù)據(jù)要素已成為數(shù)字經(jīng)濟(jì)時(shí)代下的新型生產(chǎn)要素。2019年十九屆四中全會(huì)，數(shù)字要素首次被增列為生產(chǎn)要素，數(shù)據(jù)要素地位得到確立。我國成為首個(gè)將數(shù)據(jù)列為生產(chǎn)要素的國家。數(shù)據(jù)從企業(yè)內(nèi)部到外部的流通過程中可以創(chuàng)造三次價(jià)值：

1、數(shù)據(jù)支撐業(yè)務(wù)貫通；2、數(shù)據(jù)推

動(dòng)企業(yè)數(shù)智決策；

3、數(shù)據(jù)資源流通交易賦能社會(huì)創(chuàng)造額外價(jià)值；

1.2AI大模型行業(yè)應(yīng)用價(jià)值：提升要素效率及數(shù)據(jù)要素地位基于生產(chǎn)函數(shù)模型，

AI大模型的技術(shù)進(jìn)

步對(duì)生產(chǎn)函數(shù)的影

響如左圖所示，且

當(dāng)前的大模型技術(shù)

進(jìn)步對(duì)經(jīng)濟(jì)增長的

影響仍成發(fā)散態(tài)勢(shì)，

即AB<BC<CD。AI大模型的應(yīng)用從改

變數(shù)據(jù)要素的生成方

式和企業(yè)經(jīng)營決策驅(qū)

動(dòng)方式兩大維度提升

了數(shù)據(jù)要素在生產(chǎn)要

素組合中的占比地位。

原始數(shù)據(jù)生成方式

用戶

·

機(jī)器生成生成提升數(shù)據(jù)要素在生產(chǎn)要素中的組合占比比重全生命周期數(shù)據(jù)資產(chǎn)運(yùn)數(shù)據(jù)

產(chǎn)管理反哺數(shù)據(jù)治理AI大模型技術(shù)進(jìn)步提升數(shù)據(jù)要素地位AI大模型技術(shù)進(jìn)步提升生產(chǎn)要素使用效率數(shù)據(jù)已成為新生產(chǎn)要素AI大模型企業(yè)經(jīng)營決策驅(qū)動(dòng)

方式資

料

來

源：人民網(wǎng)、中航證券、中國信通院；前

瞻

產(chǎn)

業(yè)研究院整理流通賦能企業(yè)內(nèi)部由“流程驅(qū)動(dòng)”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)驅(qū)動(dòng)”，數(shù)據(jù)支撐業(yè)務(wù)決策數(shù)據(jù)支撐業(yè)

務(wù)系統(tǒng)運(yùn)轉(zhuǎn)，

推動(dòng)q企業(yè)

業(yè)務(wù)數(shù)字化

轉(zhuǎn)型與貫通數(shù)據(jù)資產(chǎn)管理反哺數(shù)據(jù)治理形成數(shù)據(jù)產(chǎn)品化多元模式大數(shù)據(jù)分析挖掘數(shù)據(jù)價(jià)值依托管控式數(shù)據(jù)治理模式創(chuàng)造價(jià)值建立企業(yè)級(jí)

數(shù)據(jù)集市數(shù)據(jù)資產(chǎn)化數(shù)據(jù)資本化數(shù)據(jù)產(chǎn)品化三次價(jià)值企業(yè)外部數(shù)據(jù)信托數(shù)據(jù)銀行…確權(quán)/定價(jià)/交

易搭建企業(yè)數(shù)

據(jù)資產(chǎn)平臺(tái)梳理形成數(shù)

據(jù)資產(chǎn)目錄質(zhì)押融資數(shù)據(jù)證券化IPO資產(chǎn)/并

購數(shù)據(jù)資產(chǎn)入

表一次價(jià)值企業(yè)內(nèi)部

業(yè)務(wù)貫通CB

A流程

驅(qū)動(dòng)數(shù)據(jù)

驅(qū)動(dòng)0垂類行業(yè)大模型通用大模型持續(xù)加大對(duì)通用大模型的研發(fā)投入，提升AI

Agent能

力直接服務(wù)各個(gè)行業(yè)。垂類行業(yè)大模型的構(gòu)建優(yōu)化是站在通用大模型的“巨人的肩膀”

上，當(dāng)前亦有許多企業(yè)同時(shí)采取布局兩種路徑的方式。融合行業(yè)know-how，基于通用大模型打造垂類行業(yè)模型。?

平均模型參數(shù)體量更小?

算力需求更小?需要更多的行業(yè)專業(yè)知識(shí)數(shù)據(jù)進(jìn)行二次訓(xùn)練?基于通用大模型某一單一能力優(yōu)化構(gòu)建

1.3AI大模型行業(yè)應(yīng)用實(shí)現(xiàn)路徑數(shù)據(jù)資源基礎(chǔ)公開數(shù)據(jù)行業(yè)數(shù)據(jù)軟件基礎(chǔ)云計(jì)算開發(fā)軟件硬件基礎(chǔ)AI芯片AI大模型行業(yè)應(yīng)用的實(shí)現(xiàn)路徑當(dāng)前AI大模型的行業(yè)化應(yīng)用的布局路徑主要有兩種：AI大模型應(yīng)用架構(gòu)B/G端應(yīng)用C端應(yīng)用部署層本地部署云部署預(yù)訓(xùn)練大模型服務(wù)器…混合部署多模態(tài)大模型NLP大模型CV大模型其他大模型基礎(chǔ)層模型層應(yīng)用層評(píng)估模型Agent垂類行業(yè)模型生成創(chuàng)作模型行為分析模型資

料

來

源：企業(yè)調(diào)研訪談

前

瞻

產(chǎn)

業(yè)研究院整理深化通用大模型

能力感知數(shù)據(jù)企業(yè)數(shù)據(jù)打造

垂類

行業(yè)

大模

型能力層部署模式大模型使用方式收費(fèi)模式適用企業(yè)規(guī)模適用行業(yè)/場(chǎng)景本地部署本地調(diào)用產(chǎn)品授權(quán)費(fèi)用（按年/買斷）+人員服務(wù)費(fèi)（人*天）中大型企業(yè)黨政、工業(yè)云部署SaaS模式APP/網(wǎng)頁訂閱模式、廣告收入、按次數(shù)收費(fèi)小微企業(yè)知識(shí)搜索，內(nèi)容生成PaaS模式遠(yuǎn)程平臺(tái)訂閱模式、二次開發(fā)分成小微企業(yè)、初創(chuàng)企業(yè)電商MaaS模式調(diào)用API按流量計(jì)費(fèi)、二次開發(fā)分成中小企業(yè)醫(yī)療、教育、文旅混合部署本地+云產(chǎn)品授權(quán)費(fèi)用（按年/買斷）+人員服務(wù)費(fèi)（人*天）+流量費(fèi)用中大型企業(yè)金融、工業(yè)AaaS模式融合智能終端/APP買斷模式、訂閱模式、廣告收入不限不限重視后續(xù)升級(jí)服務(wù)當(dāng)前AI大模型仍處于技術(shù)快速迭代

的階段，因此許多企業(yè)客戶或者廠

商都會(huì)主動(dòng)要求將定期的大模型的

迭代更新服務(wù)列為義務(wù)的服務(wù)內(nèi)容之一。重視實(shí)際落地效果當(dāng)前AI大模型行業(yè)應(yīng)用商業(yè)化布局

過程中，需求企業(yè)會(huì)更關(guān)注AI大模型產(chǎn)品與公司所處業(yè)務(wù)場(chǎng)景的融合

可能性以及最終落地的效果。當(dāng)前AI大模型行業(yè)應(yīng)用的商業(yè)模式類型商務(wù)較為統(tǒng)一標(biāo)準(zhǔn)的定論。AI大模型企業(yè)為爭(zhēng)奪不同類型市場(chǎng)會(huì)提供各種不同的靈活部

署、收費(fèi)方案。當(dāng)前需求方企業(yè)議價(jià)能力更強(qiáng)主要

體現(xiàn)在企業(yè)在相同價(jià)格下對(duì)服務(wù)內(nèi)容上的定制化、保密性要求會(huì)更高，

因此在實(shí)際過程中初創(chuàng)企業(yè)憑借高

效的流程效率和靈活的業(yè)務(wù)開展方式反而會(huì)更具優(yōu)勢(shì)。

1.4

中國AI大模型行業(yè)應(yīng)用商業(yè)模式：

多元化AI大模型行業(yè)應(yīng)用商業(yè)模式分類AI大模型行業(yè)應(yīng)用商業(yè)拓展特點(diǎn)資

料

來

源：企業(yè)調(diào)研訪談

前

瞻

產(chǎn)

業(yè)研究院整理需求方議價(jià)能力更強(qiáng)123AI大模型行業(yè)應(yīng)用概述AI大模型的行業(yè)應(yīng)用的爆發(fā)亦始于ChatGPT出現(xiàn)，當(dāng)前處于廣泛探索的階段：大部分規(guī)模企業(yè)選擇

AI大模型表象的能力特征則大致可分為穩(wěn)定性、準(zhǔn)確性、計(jì)算速度、學(xué)習(xí)速度和專業(yè)能力五大維度，其決定了AI大模型在行業(yè)應(yīng)用過程中的應(yīng)用效果、可持續(xù)性和未來的可拓展性。

調(diào)研訪談?dòng)^點(diǎn)：

當(dāng)前下游應(yīng)用行業(yè)對(duì)AI大模型表象的能力特征要求排名順序?yàn)椋?/p>

計(jì)算速度→穩(wěn)定性→學(xué)習(xí)速度→準(zhǔn)確性→專

業(yè)能力，表明企業(yè)更關(guān)注大模型的可持續(xù)性和未來可拓展性。調(diào)研訪談?dòng)^點(diǎn)：

由于企業(yè)對(duì)大模型部署的私密安全性的需求較高，尤其是黨政領(lǐng)域，因此企業(yè)在選擇大模型的時(shí)候會(huì)優(yōu)先選擇以下類型的企業(yè)

高校、研究院背景

本地化部署方式◆當(dāng)前需求企業(yè)對(duì)于AI大模型的應(yīng)用需求特征為在滿足可落地的前提下實(shí)現(xiàn)價(jià)格、私密安全性和大模型能力效果的三者平衡?！粽{(diào)研訪談?dòng)^點(diǎn)：

100~200億參數(shù)規(guī)模的大模型即可滿足當(dāng)前行業(yè)應(yīng)用的大部分場(chǎng)景需求，且性價(jià)比較高。

1.5AI大模型行業(yè)應(yīng)用需求概述：

100-200億參數(shù)規(guī)模最優(yōu)AI大模型企業(yè)對(duì)

大模型能力需求需求特征企業(yè)對(duì)安全性需求專業(yè)能力

準(zhǔn)確性資

料

來

源：企業(yè)調(diào)研訪談

前

瞻

產(chǎn)

業(yè)研究院整理學(xué)習(xí)速度計(jì)算速度私密、安

全性高模型參數(shù)更大、本地化部署價(jià)格低能力強(qiáng)穩(wěn)定性AI挑戰(zhàn)者智譜AI。騰訊科大訊飛APUS阿里華為領(lǐng)先者百度商湯科技創(chuàng)新者獵戶星空。

瀾舟科技生數(shù)科技務(wù)實(shí)者

縱軸：對(duì)應(yīng)企業(yè)已公開披露的最大參數(shù)大模型的參

數(shù)規(guī)模；

縱軸分界線：千億參數(shù)規(guī)模；

橫軸：對(duì)應(yīng)企業(yè)最早公開發(fā)布大模型的時(shí)間節(jié)點(diǎn)；

橫軸分界線：

ChatGPT發(fā)布時(shí)間點(diǎn)；優(yōu)勢(shì)：?

豐富的各行業(yè)專業(yè)數(shù)

據(jù)積累；?充沛的學(xué)術(shù)研究人才；?無逐利目標(biāo)要求；?

良好學(xué)術(shù)研究環(huán)境；優(yōu)勢(shì)：?充足的資金支持；?大量經(jīng)驗(yàn)豐富的行業(yè)人才；?潛在的行業(yè)客戶基礎(chǔ)；優(yōu)勢(shì)：?高效的企業(yè)運(yùn)作效率；?靈活的業(yè)務(wù)開展方式；?專精于所處細(xì)分賽道；2024年11月2023年6月2022年2月2020年9月2019年5月資料來源：

《

北京市人工智能行業(yè)大模型創(chuàng)新應(yīng)用白皮書（20

23

年）》，企業(yè)調(diào)研訪談前

瞻

產(chǎn)

業(yè)研究院整理當(dāng)前AI大模型

產(chǎn)業(yè)應(yīng)用的參

與者主要分為

高校研究院、

傳統(tǒng)互聯(lián)網(wǎng)大

廠和AI初創(chuàng)企

業(yè)，三者既是

競(jìng)爭(zhēng)關(guān)系亦是

合作關(guān)系。1.6AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)格局AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)格局10000010000100010010AI大模型數(shù)量300250200150100500o

o

第四范式360參數(shù)規(guī)模發(fā)布時(shí)間2546032792我國AI大模型行業(yè)投融資事件

始于2021年，并于2023年受

到資本的追捧，全年投融資事件14件，投融資金額超10億元。截至2024年4月，我國AI大模型投融資事件及金額已接近

2023年全年水平。從投融資事件輪次來看，除第四范式于2023年成

功在港股上市外，其余AI

大模型行業(yè)投融資事件均

集中于A+輪及以前，其

中天使輪投融資事件數(shù)量

最多，達(dá)19件。2018161412108642021912111.516.391.7

中國AI大模型行業(yè)應(yīng)用投融資分析：處于萌芽階段投資賽道分類投融資規(guī)模及輪次投融資所處階段成熟期經(jīng)營風(fēng)險(xiǎn)中等+權(quán)益+債務(wù)融

資成長期經(jīng)營風(fēng)險(xiǎn)高

+權(quán)益融資為主衰退期經(jīng)營風(fēng)險(xiǎn)低

+權(quán)益+債務(wù)融資萌芽期經(jīng)營風(fēng)險(xiǎn)極高

+權(quán)益融資大模型行業(yè)其他類型,

5決策類大模型,

1資料來源：IT

桔子

前

瞻

產(chǎn)

業(yè)研究院整理1第四范式于2023

年成功在港股上市模型輕量化,2軟件開發(fā),2圖像、視頻

生成,

10投資事件數(shù)量（件）市

場(chǎng)

增

長

率投資金額（億元）AI+智能終端,

1通用大模型,2AIAgent,61210810

7.112101614642202320242022202142865.2141423300政策名稱《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》《生成式人工智能服務(wù)管理暫行辦法》發(fā)布時(shí)間2022年12月2023年7月實(shí)行時(shí)間2023年1月2023年8月定義概念深度合成技術(shù)，是指利用深度學(xué)習(xí)、虛擬現(xiàn)實(shí)等生成合成類算法制作文本、圖像、音頻、視頻、虛擬場(chǎng)景

等網(wǎng)絡(luò)信息的技術(shù)生成式人工智能技術(shù)，是指具有文本、圖片、音頻、視頻等內(nèi)容生成能力的模型及相關(guān)技術(shù)適用對(duì)象具有輿論屬性或者社會(huì)動(dòng)員能力的深度合成服務(wù)提供

者和服務(wù)技術(shù)支持者；提供具有輿論屬性或者社會(huì)動(dòng)員能力的生成式人工智能服務(wù)的企業(yè)；主要區(qū)別深度合成技術(shù)本質(zhì)上是根據(jù)一定的需求，對(duì)已有的數(shù)據(jù)（圖片、文字等）進(jìn)行組合、拼接，其并不能從無到有的生成新內(nèi)容；生成式人工智能技術(shù)的邏輯為“理解-創(chuàng)作”，生成內(nèi)

容具有新穎性，并非對(duì)已有內(nèi)容的拼接，換言之，其

具有對(duì)已有數(shù)據(jù)進(jìn)行演繹創(chuàng)新的能力。公司大模型/產(chǎn)品公司大模型/產(chǎn)品百度文心一言科大訊飛星火大模型阿里通義大模型智譜AIGLM大模型騰訊混元大模型百川智能百川大模型抖音云雀大模型商湯科技日日星大模型華為盤古大模型MiniMaxABAB大模型中科院紫東太初上海人工智能實(shí)驗(yàn)室書生通用大模型公司大模型/產(chǎn)品公司大模型/產(chǎn)品美團(tuán)未公開面壁智能Luca大模型螞蟻集團(tuán)百靈大模型網(wǎng)易有道子曰大模型知乎知海圖AI好未來九章大模型出門問問序列猴子金山辦公WPSAI昆侖萬維天工大模型360奇元大模型月之暗面MoonShot當(dāng)前我國AI大模型的行業(yè)應(yīng)用實(shí)行備案制

，正式參考文件是2023年7月，國家互聯(lián)網(wǎng)信息辦公室發(fā)布的《生成式人工智能服務(wù)管理暫行辦法》；此外，在現(xiàn)有法律體系下，生成式人工智能

技術(shù)乃深度合成技術(shù)的子集。

因此部分國內(nèi)大模型企業(yè)亦可通過獲得《互聯(lián)網(wǎng)信息服務(wù)

深度合成管理規(guī)定》

的備案實(shí)現(xiàn)大模型算法

的合規(guī)要求。

1.8AI大模型行業(yè)應(yīng)用的合規(guī)要求：

暫行備案制

通過《生成式人工智能服務(wù)管理暫行辦法》備案的大模型名單

AI大模型行業(yè)應(yīng)用合規(guī)要求資

料

來

源：前瞻產(chǎn)業(yè)研究院整理公司大模型/產(chǎn)品公司大模型/產(chǎn)品瀾舟科技孟子GPT深言科技語鯨大模型京東言犀大模型中科聞歌雅意大模型抖音福祿瓜大模型快手快意大模型紅棉小冰科技小冰大模型聆心智能CharacterGLM云知聲山海大模型公司大模型/產(chǎn)品公司大模型/產(chǎn)品第四范式式說大模型步刻科技微步情報(bào)智腦銜遠(yuǎn)科技品商大模型BOSS直聘南北閣大模型銜遠(yuǎn)科技慕小仙大模型智聯(lián)招聘“AI改簡歷”零一萬物理零一萬物大模型脈脈“智能問答”識(shí)因智能一葉輕舟大模型小米“小愛同學(xué)”新壹科技新壹視頻大模型什么值得買AI問答機(jī)器人創(chuàng)思遠(yuǎn)達(dá)魔方大模型掌閱科技“閱愛卿”公司大模型算法名稱智譜AI文檔解讀生成算法智譜AI文本結(jié)構(gòu)化生成算法智譜AI多模態(tài)通用圖生文算法云知聲山海認(rèn)知大模型算法昆侖萬維天工大語言模型算法WPSAI文本生成算法-1美圖秀秀奇想智能視覺大模型算法

-MiracleVision云從科技從容大模型算法公司大模型算法名稱360智腦文本生成算法深信服安全文本生成算法360智腦圖像生成算法中科院聞歌雅意大模型算法網(wǎng)易有道子曰大模型算法智譜AI交互式內(nèi)容生成算法西湖心辰西湖大模型內(nèi)容生成算法科大訊飛訊飛星火認(rèn)知大模型算法

-SparkDesk公司大模型算法名稱百度文心大模型算法華為云盤古NLP大模型算法抖音云雀大模型算法出門問問序列猴子大模型算法京東言犀大模型內(nèi)容生成算法商湯科技商量大語言模型騰訊混元助手大模型資料來源：前瞻產(chǎn)業(yè)研究院整理公司大模型算法名稱智譜AIChatGLM生成算法百度文生圖內(nèi)容生成算法百度PLATO大模型算法阿里達(dá)摩院開放域自然對(duì)話合成算法阿里達(dá)摩院圖像合成算法科大訊飛訊飛星火認(rèn)知大模型算法秘塔科技MetaLLM大語言模型文

本生成算法華為智慧助手大模型算法

1.8AI大模型行業(yè)應(yīng)用的合規(guī)要求：

暫行備案制

部分通過《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》備案的大模型算法名單

云盤古多模態(tài)大模型算法華為2.1

AI大模型行業(yè)應(yīng)用滲透情況2.2

AI大模型行業(yè)通用場(chǎng)景應(yīng)用分析2.3

AI大模型+金融2.4

AI大模型+政務(wù)2.5

AI大模型+

醫(yī)療2.6

AI大模型+

電商2.7

AI大模型+教育2.8

AI大模型+終端2.9

AI大模型+其他行業(yè)02中國AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例截至2023年，金融、政

府、影視游戲和教育領(lǐng)

域是大模型滲透率最高

的四大行業(yè)，滲透率均

超過50%。電信、電子

商務(wù)和建筑領(lǐng)域的應(yīng)用

成熟度較高。從我國AI大模型的生成模態(tài)來看，單一模態(tài)中

主要集中在AI文本，占

比為27%；其次為數(shù)字人，占比也達(dá)到20%；而AI音頻、AI繪畫以及

AI視頻的占比為8%、6%、5%；

2.1AI大模型行業(yè)應(yīng)用滲透情況：金融、政務(wù)滲透率最高從區(qū)域滲透情況來看，

我國AI大模型行業(yè)應(yīng)

用企業(yè)大多分布在東

部地區(qū)或經(jīng)濟(jì)發(fā)達(dá)的

一線城市，尤其集中在北京、上海、廣東、

浙江等地。從AI大模型行業(yè)應(yīng)用路徑的具體占比情況來看，當(dāng)前60%的企業(yè)通過垂類行業(yè)大模型實(shí)現(xiàn)AI大模型在行業(yè)的應(yīng)用布局。通用大模型

…行業(yè)大模型

…46金融政府教育

影視游戲制造

醫(yī)療交通數(shù)字人,20%AI音頻,

8%生成模態(tài)分布行業(yè)應(yīng)用路徑占比行業(yè)滲透情況區(qū)域滲透情況商業(yè)金融醫(yī)療工業(yè)教育科研媒體通信政務(wù)營銷交通文旅文娛40139AI圖像,4%AI視頻,

5%AI繪畫,

6%73

2

2

2

2

24

4

4

3

222

1

1

1

1

1

1

1資

料

來

源：賽迪、

至頂科技

前

瞻

產(chǎn)

業(yè)研究院整理能源建筑電子商務(wù)應(yīng)用成熟度浙江四川

重慶

天津

安徽

江蘇山東滲透度50403020100汽車校對(duì)運(yùn)維傳媒法律北京

廣東

上海14

13

10AI文本,

27%城市治理公共安全泛語言

…其他,30%7

66強(qiáng)調(diào)使用先進(jìn)的技術(shù)，如人工智能、大數(shù)據(jù)分析和機(jī)器

學(xué)習(xí)，依據(jù)處理大規(guī)模的數(shù)據(jù)，進(jìn)行自動(dòng)化決策；智能營銷利用算法和模型，通過分析大量數(shù)據(jù)來做出決策。它能夠快速調(diào)整策略，基于實(shí)時(shí)數(shù)據(jù)進(jìn)行優(yōu)化，并自動(dòng)執(zhí)

行營銷活動(dòng)。智能營銷通常能夠在一定程度上提高成本效益，因?yàn)樗軌蜃詣?dòng)執(zhí)行許多任務(wù)，減少了人工勞動(dòng)力成本。資料來源：F

rost

&

S

u

llivan

前

瞻

產(chǎn)

業(yè)研究院整理智能客服是通過文字、語音、圖片等媒介與用戶構(gòu)建交互

橋梁，協(xié)助人工進(jìn)行會(huì)話、質(zhì)檢、業(yè)務(wù)處理。截至2023年我國智能客服行業(yè)市場(chǎng)規(guī)

模為87億元，預(yù)計(jì)到2027年行業(yè)將增長到181.3億元，復(fù)合增速達(dá)35%。智能營銷的主要目的是提高營銷效率和效果，創(chuàng)造新的消費(fèi)者交互場(chǎng)

景體驗(yàn)，以及發(fā)現(xiàn)和創(chuàng)

造消費(fèi)需求。當(dāng)前智能

營銷市場(chǎng)規(guī)模已突破500億元，預(yù)計(jì)2027年

將達(dá)到786億元。自主學(xué)習(xí)及改進(jìn)能力具備自主學(xué)習(xí)和持續(xù)改進(jìn)的能力，甚

至可以在對(duì)話過程中，根據(jù)用戶前文

的反饋內(nèi)容做出實(shí)時(shí)的變化調(diào)整，從

而不斷優(yōu)化服務(wù)質(zhì)量大模型的功能特征完美契合了智能客服場(chǎng)景的實(shí)際需求，智能客服也因此進(jìn)一步邁向AI

數(shù)字化運(yùn)營，智能客服的應(yīng)用邊界不斷拓寬拓深。66.830.1理解能力理解能力更強(qiáng)，能夠

準(zhǔn)確地識(shí)別不同用戶表達(dá)內(nèi)容背后的意圖對(duì)話決策能力能夠根據(jù)用戶的反饋

內(nèi)容做出符合用戶需

求和場(chǎng)景的回復(fù)

2.2AI大模型行業(yè)通用場(chǎng)景應(yīng)用分析380420550610500智能客服智能營銷成本

效益決策

依據(jù)決策

變化78667030072648.716.01031331818795傳統(tǒng)獨(dú)立搜素生態(tài)內(nèi)搜索

融合大模型的搜索搜索方式用戶輸入搜索關(guān)鍵詞，搜索引擎基于搜索算法，按關(guān)鍵詞匹配及排名算法展示網(wǎng)頁鏈接作為結(jié)果隨著用戶IN

APP搜索習(xí)慣逐步發(fā)展而成，主要基于平臺(tái)生態(tài)中的內(nèi)容滿足搜索需求以語義匹配為基礎(chǔ)，

使用大模型生成內(nèi)容作為答案；

具備自我學(xué)習(xí)能力，能夠持續(xù)優(yōu)化輸出結(jié)果知識(shí)調(diào)用以關(guān)鍵詞為知識(shí)調(diào)用方式，反饋結(jié)果包含大量基礎(chǔ)信息關(guān)鍵詞搜索，反饋結(jié)果受內(nèi)容

生態(tài)完善度影響通過自然語言交互反饋，

知

識(shí)調(diào)用方式更為自然搜素體驗(yàn)?

搜索信息源廣泛，需要

用戶大量瀏覽及篩選；?

無法直接理解、滿足復(fù)

雜及結(jié)構(gòu)化的搜索需求?

啟發(fā)式搜索滿足用戶“隨看隨搜”需求；?

相對(duì)綜合搜索更能滿足垂

直需求，但仍有相同弊端?

對(duì)話式搜索，具備交互性；?

能夠理解復(fù)雜問題，

具有

推薦和決策能力，可提供

更為具體及個(gè)性化的回答準(zhǔn)確性?相較于傳統(tǒng)機(jī)器翻譯，大型語言模型能夠更好地理解上下文，考慮更長范圍的依賴關(guān)系，從而生成更準(zhǔn)確的翻譯結(jié)果。人性化程度?相較于傳統(tǒng)機(jī)器翻譯，智能翻譯可以容自然語言大模型從而使得其翻譯的內(nèi)容更符合人類語序。理解能力?相較于傳統(tǒng)機(jī)器翻譯，融合了大模型的智能翻譯工具能夠更好地根據(jù)上下文和語序理解需要智能搜索是指采用了智能搜

索引擎為用戶提供相應(yīng)信息

的服務(wù)，智能搜索引擎是結(jié)

合了人工智能技術(shù)的新一代

搜索引擎。2023年上半年我國網(wǎng)絡(luò)搜索用戶規(guī)模為8.41

億人，使用率為78.0%。智能翻譯涉及軟件和硬

件產(chǎn)品。隨著全球化和

互聯(lián)網(wǎng)迅速發(fā)展，跨語

言的網(wǎng)絡(luò)資源不斷呈幾

何級(jí)數(shù)增長，極大地刺

激了智能翻譯產(chǎn)業(yè)的發(fā)

展。2022年中國智能翻譯市場(chǎng)規(guī)模102.33億

元。

2.2AI大模型行業(yè)通用場(chǎng)景應(yīng)用分析

7.50

7.706.816.40翻譯的內(nèi)容原文。資

料

來

源：中國互聯(lián)網(wǎng)信息中心

前

瞻

產(chǎn)

業(yè)研究院整理智能搜索智能翻譯

融合大模型

2016年2017年2018年2019年2020年2021年2022年

用戶規(guī)模（億人）使用率（%）8.50

8.00

7.50

7.00

6.50

6.00

5.50

5.0084%

82%

80%

78%

76%

74%

72%

70%010203智能翻

譯特點(diǎn)翻譯速度快易于把控成本低102.3328.0252.5579.429.1215.24.66.028.298.028.27智慧

辦公資產(chǎn)管理智能問答智慧銷售虛擬智能代碼

助手?jǐn)?shù)字人產(chǎn)品研發(fā)1526169219942301254628223638AI+金融并非單純的技術(shù)累加，而是針對(duì)不同業(yè)務(wù)場(chǎng)景需求，運(yùn)用前沿技術(shù)成果推出的創(chuàng)新金融產(chǎn)品、經(jīng)營模式、業(yè)務(wù)流程，以及推動(dòng)金融業(yè)務(wù)高質(zhì)量發(fā)展的一系列配套解決方案。金融行業(yè)的數(shù)字化程度在

全行業(yè)中相對(duì)領(lǐng)先，當(dāng)前，

大智慧銷售、智能問答和

智能辦公是現(xiàn)階段金融行

業(yè)最熱門也是應(yīng)用成熟度

最高的AI大模型應(yīng)用場(chǎng)景，智能風(fēng)控則是最具有發(fā)展

勢(shì)能和應(yīng)用落地價(jià)值的潛

力場(chǎng)景。

2.3AI大模型+金融：智能風(fēng)控應(yīng)用落地價(jià)值最高2017年

2018年

2019年

2020年

2021年

2022年2025年E

注

：智

慧金融市場(chǎng)包含

A

I

大模型

+

金融，故行業(yè)規(guī)模較大具備支付能力新興技術(shù)往往以為著高成本，

金融行業(yè)盈利能力強(qiáng)，具備

極強(qiáng)的為新技術(shù)買單的支付能力。新事物接受程度

高金融行業(yè)對(duì)新興技術(shù)普

遍接受程度、包容度和

支付意愿都更強(qiáng)。金融行業(yè)融合AI大模型優(yōu)勢(shì)金融行業(yè)前期數(shù)字化轉(zhuǎn)型

水平最高，超過90%以上，

積累了豐富的行業(yè)數(shù)據(jù)資

源。資料來源：《

20

23

年金融業(yè)大模型應(yīng)用報(bào)告

》

企業(yè)調(diào)研

訪

談

前

瞻

產(chǎn)

業(yè)研究院整理AI大模型+金融應(yīng)用概述細(xì)分場(chǎng)景價(jià)值分析市場(chǎng)規(guī)?？头C(jī)器人基于圖像、語音

的身份識(shí)別個(gè)性化服務(wù)電銷機(jī)器人客戶洞察與潛客

預(yù)測(cè)需求檢測(cè)識(shí)別?

個(gè)性化產(chǎn)品設(shè)計(jì)?

產(chǎn)品配置與解決

方案產(chǎn)品設(shè)計(jì)市場(chǎng)營銷風(fēng)險(xiǎn)控制客戶服務(wù)?

自動(dòng)報(bào)表生成?內(nèi)部合規(guī)風(fēng)控?

操作風(fēng)險(xiǎn)預(yù)警支持性活動(dòng)資料自動(dòng)審核AI反欺詐AI信用評(píng)分應(yīng)用落地價(jià)值應(yīng)用技術(shù)成熟度數(shù)字化基礎(chǔ)好?????????風(fēng)控在為金融行業(yè)帶來傳統(tǒng)場(chǎng)景升級(jí)的同時(shí)，大模型的強(qiáng)大生成能力和多模態(tài)信息處理能力會(huì)為包括銀行、保險(xiǎn)、

資管、投顧等在內(nèi)的金融業(yè)務(wù)帶來“迭代式”的場(chǎng)景變革。智能投研解決方案以代碼合成能力為核心代碼生成：

提升金融系統(tǒng)開發(fā)效率和創(chuàng)新

能力，并優(yōu)化金融科技團(tuán)隊(duì)結(jié)構(gòu)，增強(qiáng)團(tuán)

隊(duì)效能場(chǎng)景案例：高頻重復(fù)業(yè)務(wù)場(chǎng)景的SQL撰寫，數(shù)

倉的自動(dòng)調(diào)度等代碼補(bǔ)全：

大型模型助力金融系統(tǒng)開發(fā)，提升代

碼構(gòu)建和BUG定位效率場(chǎng)景案例：

Function函數(shù)創(chuàng)建、debug、測(cè)試（系統(tǒng)、

單元等）以開/閉

卷問答能

力為核心智能營銷：

通過多模態(tài)全維度營銷策略，實(shí)現(xiàn)

個(gè)性化廣告投放，提高營銷轉(zhuǎn)化場(chǎng)景案例：理財(cái)產(chǎn)品營銷、銀行零售業(yè)務(wù)金融信息查詢：

大模型的應(yīng)用推動(dòng)了服務(wù)方式的

創(chuàng)新，用戶可通過自然語言問答直接獲取金融數(shù)

據(jù)等信息場(chǎng)景案例：貸款總額報(bào)表的快速產(chǎn)出、高凈值客戶的相

關(guān)信息快速調(diào)取以條件文

本生成能

力為核心訓(xùn)練數(shù)據(jù)生成：

金融企業(yè)可利用大型模型

自動(dòng)生成逼真訓(xùn)練數(shù)據(jù)，替代真實(shí)客戶數(shù)

據(jù)，保護(hù)隱私場(chǎng)景案例：關(guān)聯(lián)交易風(fēng)險(xiǎn)預(yù)警模型，信貸授信

模型等模型預(yù)料自動(dòng)生成智能培訓(xùn)：

構(gòu)建企業(yè)內(nèi)培訓(xùn)課程庫，

實(shí)現(xiàn)個(gè)性化

精準(zhǔn)培訓(xùn)場(chǎng)景案例：面向投研、資管等專業(yè)金融技能的人力資

源培訓(xùn)平臺(tái)以知識(shí)推理能力為核心財(cái)富管理：

整合投資銀行分析師知識(shí)與研究

成果，提供精準(zhǔn)投資建議，實(shí)現(xiàn)智能化投資

顧問服務(wù)場(chǎng)景案例：針對(duì)TMT領(lǐng)域基金或理財(cái),綜合研判輸

出投顧建議合規(guī)篩查：

借助大型模型，可有效監(jiān)管難以直接

監(jiān)管的業(yè)務(wù)環(huán)節(jié)，降低潛在合規(guī)風(fēng)險(xiǎn)場(chǎng)景案例：金融企業(yè)營銷合規(guī)監(jiān)察，銀行催收合規(guī)監(jiān)察風(fēng)險(xiǎn)控制決策應(yīng)用案例AI數(shù)字員工應(yīng)用案例

案例內(nèi)容：

在智能化投研平臺(tái)基礎(chǔ)上基于AI大模型能力新增投研知識(shí)

庫擴(kuò)充、投研分析助手等功能，提高了大模型在金融投資研究中的應(yīng)

用能力，建立了可以實(shí)際使用的金融投研大模型。

解決場(chǎng)景痛點(diǎn)：

數(shù)據(jù)分析處理能力不足；檢索方式單一；

報(bào)告攥寫時(shí)

間長；信息匯總檢索費(fèi)時(shí)費(fèi)力等。

案例內(nèi)容：

基于AI大模型預(yù)測(cè)能力打造智能核保系統(tǒng)，實(shí)現(xiàn)了自動(dòng)化、

精準(zhǔn)化、個(gè)性化的核保決策；同時(shí)，

還打造了智能理賠系統(tǒng)，實(shí)現(xiàn)了

自動(dòng)化、快速化、公正化的理賠處理，有效降低了理賠成本和風(fēng)險(xiǎn)。

解決場(chǎng)景痛點(diǎn)：

理賠效率低下，人工審核慢。

案例內(nèi)容：

基于AI大模型，

研發(fā)出“海小智、海小慧”兩位AI數(shù)字員工，

為用戶提供業(yè)務(wù)咨詢與指導(dǎo)、產(chǎn)品推介、客戶投教等交互服務(wù)。

解決場(chǎng)景痛點(diǎn)：

服務(wù)人力與需求不對(duì)等；數(shù)字鴻溝；老年客群不會(huì)使

用電子設(shè)備，依賴人工交互等問題。

2.3AI大模型+金融：大模型驅(qū)動(dòng)金融行業(yè)新場(chǎng)景革新AI大模型融合影響分析資料來源：《

20

23

年金融業(yè)大模型應(yīng)用報(bào)告

》、企業(yè)調(diào)研訪談

前

瞻

產(chǎn)

業(yè)研究院整理應(yīng)用案例國家/地區(qū)應(yīng)用范圍國家/地區(qū)應(yīng)用范圍美國眾議院、國防部、國家航空航天局

（NASA）、衛(wèi)生與公共服務(wù)部、總

務(wù)管理局，以及8個(gè)州、市、縣等日本農(nóng)林水產(chǎn)省、東京都、福島縣、栃木縣、神奈川縣橫須賀市、北海道當(dāng)別町等加拿大公務(wù)人員使用大模型產(chǎn)品進(jìn)行辦公中國臺(tái)灣臺(tái)灣地區(qū)教育事務(wù)主管部門英國財(cái)政大臣使用ChatGPT撰寫演講稿韓國首爾120山茶呼叫中心丹麥?zhǔn)紫嗍褂肅hatGPT撰寫演講稿馬來西亞科學(xué)、技術(shù)和創(chuàng)新部葡萄牙司法部、

112政府緊急熱線印度電子和信息技術(shù)部、教育部愛爾蘭農(nóng)業(yè)部、交通部新加坡科技研究局、勞動(dòng)力局、衛(wèi)生部等澳大利亞內(nèi)政部★2023年5月《北京市促進(jìn)通用人工智能創(chuàng)新發(fā)展的若干措施》利用人工智能在語義理解、自主學(xué)習(xí)和智能推理等方面的能力優(yōu)勢(shì)，提高政務(wù)咨詢系統(tǒng)智能問答水平★2023年3月《2023年上海市全面深化“一網(wǎng)通辦”改革工作要點(diǎn)》探索運(yùn)用自然語言大模型等新技術(shù)，

不斷優(yōu)化智能客服“小申”智能檢索、用戶意圖識(shí)別、多輪會(huì)話和答案精準(zhǔn)推送能力★2023年5月《深圳市加快推動(dòng)人工智能高質(zhì)量發(fā)展高水平應(yīng)用行

動(dòng)方案》鼓勵(lì)各區(qū)在公共服務(wù)和城市治理等領(lǐng)域先行先試，積極創(chuàng)造條件開

展全域全時(shí)人工智能應(yīng)用示范政務(wù)領(lǐng)域作為社會(huì)服務(wù)的核心，

其業(yè)務(wù)背景包含龐大的政府?dāng)?shù)

據(jù)、多元的社會(huì)信息，以及復(fù)

雜的決策體系。從各國（地區(qū)）

實(shí)踐看，大模型技術(shù)已在政府

內(nèi)部辦公、政務(wù)信息公開、政

務(wù)服務(wù)提供、民生服務(wù)優(yōu)化和

國防航天等5大領(lǐng)域13個(gè)細(xì)分場(chǎng)景落地。

2.4AI大模型+政務(wù)：城市管理應(yīng)用落地價(jià)值最高AI大模型融合影響分析AI大模型+政務(wù)應(yīng)用概述細(xì)分場(chǎng)景價(jià)值分析地方政策資料來源：《

20

23

年金融業(yè)大模型應(yīng)用報(bào)告

》

前

瞻

產(chǎn)

業(yè)研究院整理制

作

政

府

宣

傳

類

物

料簡

化

或

改

寫

官

方

文

件公

開

新

聞

或

稿

件

寫

作內(nèi)

部

文

書

寫

作就

業(yè)國

防

安

全航

空

航

天公

共

安

全政

務(wù)

熱

線業(yè)

務(wù)

辦

理

智

能

助

手專

業(yè)

領(lǐng)

域

問

詢

系

統(tǒng)智

慧

城

市

建

設(shè)知

識(shí)

檢

索

收

集政務(wù)服務(wù)提供上海民生服務(wù)優(yōu)化政務(wù)信息公開北京公共安全業(yè)務(wù)辦理智慧黨建公文寫作城市管理政務(wù)咨詢應(yīng)用落地價(jià)值智慧司法輿情監(jiān)控應(yīng)用技術(shù)成熟度深圳政府內(nèi)部

辦公國防航天X應(yīng)用案例1

案例內(nèi)容：APUS與河南網(wǎng)信辦等

相關(guān)機(jī)構(gòu)合作，借助

APUS

網(wǎng)信

大模型創(chuàng)建智慧網(wǎng)信

?

辟謠助手，為民眾在線提供可靠的信源、清晰的案例，以及圖文并茂的真實(shí)辟謠信息，助力網(wǎng)信部門構(gòu)筑清朗的網(wǎng)

絡(luò)空間。

解決場(chǎng)景痛點(diǎn)：

辟謠處理反饋不及

時(shí)，無法立即控制謠言的負(fù)面影響。

案例內(nèi)容：銜遠(yuǎn)科技協(xié)助北京市政府基于AI大模型進(jìn)行深度數(shù)據(jù)分析，透過對(duì)已有市民熱線數(shù)據(jù)的分析和對(duì)通用大模型的進(jìn)一步訓(xùn)練，深入挖掘熱點(diǎn)民生問題背后的根因，并對(duì)比現(xiàn)有

政策，提示政策缺失。

解決場(chǎng)景痛點(diǎn)：政策缺失；治標(biāo)不治

本；數(shù)據(jù)信息利用程度不高。

2.4AI大模型+政務(wù)案例民生問題與市政部門的精準(zhǔn)對(duì)接假設(shè)數(shù)據(jù)分析目的案例：哪些民生問題是由高溫氣候所引起的？是否有政策缺失的情況？

對(duì)比學(xué)習(xí)現(xiàn)評(píng)價(jià)反饋平臺(tái)數(shù)據(jù)查詢數(shù)據(jù)補(bǔ)充數(shù)據(jù)校正查詢數(shù)據(jù)訓(xùn)練數(shù)據(jù)訓(xùn)練/萃取中國互聯(lián)網(wǎng)聯(lián)合辟謠平臺(tái)省級(jí)互聯(lián)網(wǎng)辟謠平臺(tái)黨政機(jī)關(guān)官網(wǎng)政務(wù)信息新聞媒體權(quán)威發(fā)布反饋給市政

事前預(yù)防

部門應(yīng)用案例2因果關(guān)系分析

網(wǎng)絡(luò)謠言問詢謠言舉報(bào)收集辟謠知識(shí)庫（含文字標(biāo)注能力）通用大模型使用評(píng)價(jià)反饋提示政策缺失智慧網(wǎng)信大模型（PowerbyAPUS）多模態(tài)通用大模型

APUSX智慧政務(wù)助手（對(duì)外服務(wù)）智慧辟謠助手（對(duì)外服務(wù)）100萬條市民熱線

數(shù)據(jù)北京市人民政府訓(xùn)練河南網(wǎng)信辦分析得出由高溫引起的熱點(diǎn)民生問題OCR識(shí)別有政策醫(yī)學(xué)

培訓(xùn)臨床電子病歷醫(yī)學(xué)影像文檔

管理健康管理AI檢驗(yàn)輔助診療篩查數(shù)字療法302.4

333.8

375.2

410.6

451.7542.0650.4780.5937.0大模型可賦能醫(yī)療行業(yè)“醫(yī)、教、研、管”等場(chǎng)景中的各個(gè)環(huán)節(jié)，以

提高診療效率、診療精確度和管理效率等目標(biāo)為手段，全方位提升診療水平?；卺t(yī)療行業(yè)應(yīng)用場(chǎng)景復(fù)雜和數(shù)據(jù)專業(yè)度高等原因，大模型的技術(shù)成熟度相對(duì)較低，目前僅有電子病歷等技術(shù)要求相對(duì)低的場(chǎng)景

進(jìn)入商業(yè)化階段。

2.5AI大模型+

醫(yī)療：藥物研發(fā)場(chǎng)景應(yīng)用落地價(jià)值最高醫(yī)院沉淀了大量電子病歷，不管是電子健康檔案還是電子病歷，都是

以文字方式積累。利用AI算法技術(shù)能夠幫助醫(yī)院自動(dòng)識(shí)別文字含義及

上下文關(guān)系，建立對(duì)應(yīng)的醫(yī)療知識(shí)圖譜，用于輔助診斷、用藥提示、

科研挖掘等。在AI算法的支持下，大量醫(yī)藥企業(yè)正通過臨床經(jīng)驗(yàn)結(jié)合標(biāo)志屬性去挖

掘發(fā)現(xiàn)更多的腫瘤標(biāo)注，加速新藥研發(fā)過程。相對(duì)文字和圖像方向，

輔助研發(fā)方向人工智能應(yīng)用場(chǎng)景還處在相對(duì)初期階段，在政策支持和

市場(chǎng)需求的推動(dòng)下，未來具有極大的發(fā)展?jié)摿?。通過AI算法構(gòu)建的圖像識(shí)別方式輔助醫(yī)師檢查，

準(zhǔn)確率已經(jīng)達(dá)到較高

程度。例如，對(duì)患者的肺部放射影像診斷需要醫(yī)生檢查大量的放射影

像，耗費(fèi)大量的精力和時(shí)間，醫(yī)學(xué)影像人工智能輔助診斷系統(tǒng)的應(yīng)用

極大提高了診斷的效率。AI大模型融合影響分析2015

2016

2017

2018

2019

2020

2021

2022

2023E2028E注

：智

慧醫(yī)療市場(chǎng)包含

A

I

大模型

+醫(yī)療，故行業(yè)規(guī)模較大?

完善電子病歷，提升管

理效率?

減少醫(yī)患矛盾?

利于醫(yī)保控費(fèi)AI大模型+醫(yī)療應(yīng)用概述細(xì)分場(chǎng)景價(jià)值分析市場(chǎng)規(guī)模?

降低小病治療成本?

縮小醫(yī)療資源不足導(dǎo)致

的分配不均問題?

減少瑣碎工作壓力?

輔助診療支持文字對(duì)話輔助研發(fā)圖像診療藥物研發(fā)應(yīng)用技術(shù)成熟度資

料

來

源：前瞻產(chǎn)業(yè)研究院整理應(yīng)用落地價(jià)值?

降低研發(fā)成本，提升效率病患群體制藥企業(yè)醫(yī)療機(jī)構(gòu)醫(yī)護(hù)群體2332.0

案例內(nèi)容：APUS基于醫(yī)療垂直場(chǎng)景數(shù)據(jù)，蒸餾提煉出行業(yè)基礎(chǔ)層——APUS醫(yī)療大模型，與省兒童醫(yī)院在

知識(shí)庫構(gòu)建、智能診療平臺(tái)搭建、AI數(shù)字醫(yī)生、智能評(píng)價(jià)體系建設(shè)方面進(jìn)行實(shí)踐落地。

解決場(chǎng)景痛點(diǎn)：

醫(yī)療行業(yè)容錯(cuò)率低、專業(yè)要求高、醫(yī)療壓力大、患者就醫(yī)等候時(shí)間長等?

智譜基于GLM-130B大模型和千余本中醫(yī)古籍書籍、中西醫(yī)教材、期刊、醫(yī)案、診療信息等數(shù)據(jù)構(gòu)建數(shù)字中醫(yī)

服務(wù)平臺(tái)。通過“復(fù)刻”名老中醫(yī)診療經(jīng)驗(yàn)和學(xué)術(shù)思想，

形成與名老中醫(yī)高度匹配的高危肺結(jié)節(jié)人工智能臨床診

療解決方案，并完成一定規(guī)模的臨床評(píng)價(jià)研究。?已初步開發(fā)了醫(yī)療垂直領(lǐng)域的問答功能，支

持對(duì)醫(yī)療、健康問題進(jìn)行智能化知識(shí)問答。?開發(fā)了根據(jù)癥狀生成中醫(yī)診方的功能。?提供處方主治癥候醫(yī)學(xué)解釋等輔助診療功能。?中醫(yī)領(lǐng)域存在名醫(yī)少、傳承斷代、醫(yī)療資源

不足；?中醫(yī)依賴醫(yī)生經(jīng)驗(yàn)及閱歷；?中醫(yī)數(shù)據(jù)資料龐大、典籍豐富；

應(yīng)用案例1

項(xiàng)目痛點(diǎn)

2.5AI大模型+

醫(yī)療案例APUS醫(yī)療大模型評(píng)價(jià)體系智能診療平臺(tái)臨床醫(yī)案經(jīng)驗(yàn)養(yǎng)生食療知識(shí)健康管理知識(shí)醫(yī)學(xué)理論文獻(xiàn)智能分診/智能客服慢病養(yǎng)護(hù)/養(yǎng)生建議健康評(píng)估/疾病篩查知識(shí)問詢/病情咨詢應(yīng)用案例2

項(xiàng)目成果內(nèi)部評(píng)測(cè)平臺(tái)使用評(píng)價(jià)反饋資

料

來

源：企業(yè)官網(wǎng)

前

瞻

產(chǎn)

業(yè)研究院整理數(shù)據(jù)補(bǔ)充數(shù)據(jù)校正解決方案健康診療知識(shí)庫AI數(shù)字

醫(yī)生↓XX4822446940773663295124072111154010952017201820192020202120222023E2024E

2025E◆傳統(tǒng)信息傳遞方式：被動(dòng)?交互特點(diǎn)：用戶與搜索引擎交互模式單一，智能化程度低?商業(yè)變現(xiàn)方式：主要依賴被動(dòng)搜索廣告變現(xiàn)?交互特點(diǎn)：，通過相對(duì)精準(zhǔn)算法推送，但針對(duì)精準(zhǔn)領(lǐng)域

推送精度較低?商業(yè)變現(xiàn)方式：主要為信息流廣告變現(xiàn)，基于用戶消費(fèi)

時(shí)長、瀏覽次數(shù)和廣告加載率資料來源：i

Resea

rch

前

瞻

產(chǎn)

業(yè)研究院整理AI電商借助AI大模型相關(guān)

技術(shù)，賦能各類型電商與

行業(yè)模塊，通過各AI大模

型相關(guān)應(yīng)用落地，從而對(duì)

行業(yè)產(chǎn)生流量邏輯、用戶

體驗(yàn)、行業(yè)效率、企業(yè)成

本、職能替代、市場(chǎng)機(jī)遇

等影響價(jià)值。AI相關(guān)技術(shù)深度學(xué)習(xí)自然語言處理計(jì)算機(jī)視覺智能機(jī)器人自動(dòng)程序設(shè)計(jì)數(shù)據(jù)挖掘

2.6AI大模型+

電商：大模型應(yīng)用推動(dòng)信息獲取方式變革◆融合AI大模型后的

信息傳遞方式：主動(dòng)?

交互特點(diǎn)：支持多

形態(tài)輸入，生成信

息準(zhǔn)確度提升?

商業(yè)變現(xiàn)方式：根

據(jù)熱點(diǎn)主動(dòng)生成相

關(guān)電商信息并精準(zhǔn)

投放意向客戶。AI大模型融合影響分析……AI大模型+電商應(yīng)用概述市場(chǎng)規(guī)模電商類型與行業(yè)模塊電商相關(guān)應(yīng)用AI客服AI供應(yīng)鏈AI客戶管理AI產(chǎn)品設(shè)計(jì)AI創(chuàng)意與生成AI虛擬數(shù)字人貨架電商社交電商興趣電商即時(shí)零售私域電商供應(yīng)鏈搜索與推薦客服與客戶管理內(nèi)容制作與展示運(yùn)營與營銷電商類型行業(yè)模塊用戶體驗(yàn)行業(yè)效率企業(yè)成本職能替代流量邏輯市場(chǎng)機(jī)遇AI電商價(jià)值A(chǔ)I對(duì)話……AI預(yù)測(cè)AI運(yùn)營AI營銷AI選品》影響》落地》

賦能貨架電商內(nèi)容電商》

應(yīng)用案例1

案例內(nèi)容：

銜遠(yuǎn)科技成立于2021年底,

由

前京東技術(shù)掌門人周伯文創(chuàng)立，自成立

以來就一直重點(diǎn)布局AI大模型在消費(fèi)品

領(lǐng)域的應(yīng)用。公司自研的品商AI大模型，

更擅長理解人與商品，并通過構(gòu)建符合

企業(yè)業(yè)務(wù)場(chǎng)景的agent應(yīng)用，助力電商企

業(yè)實(shí)現(xiàn)從商機(jī)發(fā)現(xiàn)到產(chǎn)品交付的全鏈路

數(shù)智化轉(zhuǎn)型。

對(duì)應(yīng)行業(yè)場(chǎng)景：

市場(chǎng)分析、產(chǎn)品創(chuàng)新、

營銷策劃、智能導(dǎo)購等。

案例內(nèi)容：

商湯結(jié)合微博熱搜，基

于AI大模型的能力，實(shí)現(xiàn)針對(duì)實(shí)時(shí)

熱點(diǎn)快速在商品庫中的選品、對(duì)應(yīng)

宣傳文案和宣傳視頻的生成，極大

程度上縮短了從熱點(diǎn)出現(xiàn)到相關(guān)商

品精準(zhǔn)投放的過程。

解決場(chǎng)景痛點(diǎn)：

熱點(diǎn)反饋不及時(shí)，

營銷文案、視頻生成速度慢、成本

高；精準(zhǔn)捕捉流量熱點(diǎn)高效的推廣速度極低的推廣成本

2.6AI大模型+

電商案例

宣傳文案

宣傳視頻微博小店商品庫應(yīng)用案例2資

料

來

源：企業(yè)調(diào)研訪談、企業(yè)官網(wǎng)

前

瞻

產(chǎn)

業(yè)研究院整理AI賦能的價(jià)值實(shí)時(shí)熱搜Product大模型微博小店選取關(guān)聯(lián)商品自動(dòng)生成文案自動(dòng)生成視頻抓取熱點(diǎn)事件X“AI+教育”是人工智能在教

育領(lǐng)域的深度融合與應(yīng)用，它包括“計(jì)算智能+教育”、“感知智能+教育”和“認(rèn)知智

能+教育”，從“能存會(huì)算”向

“能聽會(huì)說與能看會(huì)認(rèn)”發(fā)展，

最終實(shí)現(xiàn)“能理解與會(huì)思考”。

2.7AI大模型+教育：促進(jìn)教育公平、提高質(zhì)量、實(shí)現(xiàn)教育個(gè)性化AI技術(shù)的加持有

望從提升教學(xué)個(gè)

性化和教學(xué)效率

兩個(gè)維度，降低

教育投入成本，

最終實(shí)現(xiàn)促進(jìn)教

育公平、提高質(zhì)

量、實(shí)現(xiàn)個(gè)性化

的教育目標(biāo)?！艟珳?zhǔn)化教學(xué)

面向教育者

科學(xué)化管理◆

智能助教

智能批改

智慧校園

智能排課

◆個(gè)性化學(xué)習(xí)面向受教育者自動(dòng)化評(píng)閱◆教育公平教育質(zhì)量教育個(gè)性化普惠教育非普惠教育資

料

來

源：前瞻產(chǎn)業(yè)研究院整理201520162017201820192020202120222023E注：A

I+

教育市場(chǎng)包含

A

I

大模型

+

教育，故行業(yè)規(guī)模偏大AI大模型+教育應(yīng)用概述市場(chǎng)規(guī)模細(xì)分應(yīng)用場(chǎng)景分析機(jī)器閱卷試卷分析學(xué)情分析VRAR教學(xué)決策支持校園監(jiān)控拍照搜題游戲?qū)W習(xí)機(jī)自適應(yīng)學(xué)習(xí)教育機(jī)器人機(jī)器組卷口語考評(píng)AI

大

模

型

融

合

影

響

分

析最終目標(biāo)信息智能感知智能認(rèn)知智能+教育+教育+教育AI技術(shù)加持交互性和內(nèi)容輸出能理解會(huì)

思考教育目標(biāo)評(píng)價(jià)方式數(shù)據(jù)服務(wù)能聽會(huì)說

能看會(huì)認(rèn)準(zhǔn)確性提升206

286技術(shù)加持教育投入成本個(gè)性化程度能存會(huì)算教學(xué)效率個(gè)性教育共性教育無AI200052233780719810341714算法477聲音優(yōu)化難課件研發(fā)難講師形象僵硬互動(dòng)形式單一訓(xùn)練效率低資

料

來

源：企業(yè)調(diào)研訪談、企業(yè)官網(wǎng)

前

瞻

產(chǎn)

業(yè)研究院整理應(yīng)

用

過

程

中

解

決

的

技

術(shù)

痛

點(diǎn)

案例內(nèi)容：中公教育基于商湯的“如影”

數(shù)字人與“商量”語言大模型技術(shù)，分析

優(yōu)秀師資的教學(xué)過程，模擬教學(xué)方法和

風(fēng)格，構(gòu)建虛擬數(shù)字講師“小鹿”，為學(xué)

生提供高質(zhì)量的、個(gè)性化教學(xué)。

解決場(chǎng)景痛點(diǎn)：

老師成本高、節(jié)約真人

老師教學(xué)實(shí)踐、教學(xué)質(zhì)量更高、滿足學(xué)

生個(gè)性化教學(xué)需求。

案例內(nèi)容：中公教育基于商湯的“如影”

數(shù)字人與“商量”語言大模型技術(shù)，分析

優(yōu)秀師資的教學(xué)過程，模擬教學(xué)方法和

風(fēng)格，構(gòu)建虛擬數(shù)字講師“小鹿”，為學(xué)

生提供高質(zhì)量的、個(gè)性化教學(xué)。

解決場(chǎng)景痛點(diǎn)：

老師成本高、節(jié)約真人

老師教學(xué)實(shí)踐、教學(xué)質(zhì)量更高、滿足學(xué)

生個(gè)性化教學(xué)需求。

2.7AI大模型+教育案例與人類講師上萬人大課不同，小鹿

老師是“因材施教”“AI系統(tǒng)班”讓教師與廣大學(xué)員“先人

一步”掌握數(shù)字生產(chǎn)力技能。小鹿老師作為“高顏值名師”，讓學(xué)

員的學(xué)習(xí)交互過程更加生動(dòng)。校園主陣地建設(shè)?

智慧課堂?

大數(shù)據(jù)精準(zhǔn)教學(xué)?AI聽說課堂?AI教研平臺(tái)

?

其他?教育數(shù)字基座解決方案?教育大數(shù)據(jù)解決方案?新高考綜合解決方案?

其他

應(yīng)用案例1

智慧考試?

傳統(tǒng)教育考試?

計(jì)算機(jī)化考試?

智能語言測(cè)試?

智能語言學(xué)習(xí)小鹿老師的優(yōu)勢(shì)應(yīng)用案例2區(qū)域教育治理?

因材施教綜合解決方案?

AI翻譯筆?

全球中文學(xué)習(xí)平臺(tái)?

訊飛易聽說訊飛智慧教育產(chǎn)品與服務(wù)自主學(xué)習(xí)?

AI學(xué)習(xí)機(jī)教育管理者學(xué)校管理者家長教師學(xué)生XAI大模型與終端設(shè)備的融合，是指將AI大模型算法輕量化后下沉，私有化內(nèi)嵌部署到每一個(gè)終端設(shè)備中。當(dāng)前我國智能終端設(shè)備市場(chǎng)呈現(xiàn)分化，傳統(tǒng)PC、彩電平板、智能音箱等市場(chǎng)規(guī)模受市場(chǎng)需求逐漸飽和的影響銷量有所放緩；但在汽車、服務(wù)機(jī)器人、無人機(jī)等新終端新興市場(chǎng)則保持著較快的增長。AI大模型的融合將帶動(dòng)終端設(shè)備的智能化升級(jí)，提升機(jī)器設(shè)備的生產(chǎn)力，從而促進(jìn)消費(fèi)者和企業(yè)對(duì)終端設(shè)備更新?lián)Q代的需求，促進(jìn)整體終端設(shè)備行業(yè)規(guī)模的二次增長。

2.8AI大模型+終端：賦能終端設(shè)備行業(yè)規(guī)模二次增長新終端-VR/AR設(shè)備72.5萬臺(tái)

同比-39.8%記憶學(xué)習(xí)，提供定制化服務(wù)03

提升終端數(shù)據(jù)分析處理能力02新終端-可穿戴

設(shè)備3470萬臺(tái)同比+7.5%新終端-服務(wù)機(jī)器人783.3萬套

同比+23.3%新終端-彩電電視：

3656萬臺(tái)

同比-8.4%傳統(tǒng)終端-PC4124萬臺(tái)同比-17%新終端-汽車3009萬臺(tái)同比+12%新終端-平板電腦2818萬臺(tái)

同比-4.5%新終端-手機(jī)2.89億部

同比+6.5%新終端-智能音箱2111萬臺(tái)

同比-21%新終端-無人

機(jī)（存量）126.7萬臺(tái)

同比+32.2%AI大模型融合影響分析AI大模型+終端應(yīng)用概述新終端-工業(yè)

機(jī)器人28.3萬臺(tái)

同比+0.4%資料來源：Can

aly

s

PC

、

中國信通院、乘聯(lián)會(huì)、

I

DC

前

瞻

產(chǎn)

業(yè)研究院整理改變終端設(shè)備信息傳遞模式改變?nèi)藱C(jī)交互模式0104案例內(nèi)容：

商湯絕影智能汽車平臺(tái)是商湯2021

年世界人工智能大會(huì)（WAIC）期間，推出的全新智能汽車解決方案品牌。2023年4月商湯科技聯(lián)合上海人工智能實(shí)驗(yàn)室等提出首個(gè)感知決策一體化的端到端自動(dòng)駕駛大模型UniAD，開創(chuàng)了以全局任務(wù)為目標(biāo)的自動(dòng)駕駛大模型架構(gòu)先河。當(dāng)前商湯絕影已實(shí)現(xiàn)展現(xiàn)了AI大模型融合全棧智能

駕駛解決方案。案例內(nèi)容：

自2023年4月起，獵戶星空

啟動(dòng)自主研發(fā)的大模型應(yīng)用“聚言”與旗

下機(jī)器人的深度融合。此外，獵戶星空服務(wù)機(jī)器人借助大模型

的能力推出了日語韓語版本，大大提高

了服務(wù)機(jī)器人在海外市場(chǎng)的人機(jī)交互能

力和智能服務(wù)能力。vivo正式發(fā)布自研藍(lán)心大模型BlueLM

、OriginOS4

、

自研藍(lán)河操作系統(tǒng)BlueOS，

以及在人文關(guān)懷、生態(tài)建

設(shè)等領(lǐng)域的最新成果。在百度世界大會(huì)上，正式

發(fā)布小度添添家庭機(jī)器人、

青禾學(xué)習(xí)一體機(jī)，以及兩

款Tiantian

Casa

智能音

箱，全面接入文心一言大

模型。將推出全新華為MateBook

X

Pro

筆記本，

并且新款MateBook

X

Pro筆記本將接入華為盤古大

模型。正式發(fā)布了小米14

Ultra

，

小米14

Ultra最大的亮點(diǎn)是

搭載了首個(gè)AI大模型計(jì)算

攝影平臺(tái)，小米影像大腦

XiaomiAISP。搭載訊飛星火認(rèn)知大模型

V2.0的科大訊飛AI學(xué)習(xí)機(jī)

迎來重磅更新，擁有基于

大模型的7大類人功能特性

2.8AI大模型+終端案例其他AI大模型終端應(yīng)用案例應(yīng)用案例1應(yīng)用案例2資

料

來

源：企業(yè)調(diào)研訪談、企業(yè)官網(wǎng)

前

瞻

產(chǎn)

業(yè)研究院整理2023年11月1

日獵戶星空豹小秘機(jī)器人日日日2023年10月17日2024年2月222024年4月102023年8月15AI大模型+法律?

AI大模型應(yīng)用在法律文檔自動(dòng)生成、法律研究與案例檢索、合同審查與風(fēng)險(xiǎn)評(píng)估、法律顧問與在

線咨詢等領(lǐng)域。?

技術(shù)運(yùn)用：自然語言處理（NLP）

技術(shù)、知識(shí)圖譜、機(jī)器學(xué)習(xí)、文本分類與聚類、對(duì)話管理系統(tǒng)等。AI大模型+影視游戲?

AI大模型應(yīng)用在內(nèi)容創(chuàng)作與生成、動(dòng)畫與視覺效果、角色動(dòng)作與表情捕捉、聲音合成與處

理等領(lǐng)域。?

技術(shù)運(yùn)用：生成式AI、自然語

言處理（NLP）技術(shù)、機(jī)器學(xué)

習(xí)、深度學(xué)習(xí)模型、計(jì)算機(jī)視

覺等。AI大模型+文旅?

AI大模型在文化和旅游領(lǐng)域

的應(yīng)用多樣，如個(gè)性化推薦、

改善客戶服務(wù)、提供多語言

支持、沉浸式體驗(yàn)、市場(chǎng)趨

勢(shì)洞察以及智能內(nèi)容創(chuàng)作。?

技術(shù)運(yùn)用：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)模型、自然語言處理、

情感分析模型等。AI大模型+礦山?

AI大模型在礦山行業(yè)的應(yīng)用

場(chǎng)景主要涉及優(yōu)化礦山的勘

探、開采、安全監(jiān)控、以及

提高整體運(yùn)營效率。?

技術(shù)運(yùn)用：自然語言處理

（NLP）技術(shù)、機(jī)器學(xué)習(xí)、圖像識(shí)別和計(jì)算機(jī)視覺、時(shí)

間序列分析等商湯智能礦山AI感知系統(tǒng)助力大海則煤礦建立全礦井智能視頻管理系統(tǒng)，

解決人員巡檢、設(shè)備狀態(tài)、環(huán)境與車

輛檢測(cè)等問題，實(shí)現(xiàn)數(shù)據(jù)系統(tǒng)整合和智能閉環(huán)。某游戲公司采用生數(shù)AI技術(shù)優(yōu)化游戲制作，通過AI自動(dòng)轉(zhuǎn)換2D原畫為

3D模型，提升角色開發(fā)效率30%

，

還能自動(dòng)化生成次要道具，降低成本。

2.9AI大模型+其他產(chǎn)業(yè)應(yīng)用2023年7月，北大團(tuán)隊(duì)推出ChatLaw，一款中文法律大模型，提供普惠法律服務(wù)，支持文件、語音輸出，協(xié)

助文書寫作和法律建議。杭州市旅游經(jīng)濟(jì)實(shí)驗(yàn)室與科大訊飛聯(lián)手，共同推出了基于星火認(rèn)知大模型的杭州文旅政務(wù)大模型V1.0代表企業(yè)案例：商湯科技代表企業(yè)案例：科大訊飛代表企業(yè)案例：生數(shù)代表企業(yè)案例：

Chatlaw資

料

來

源：各公司官網(wǎng)

前

瞻

產(chǎn)

業(yè)研究院整理03中國AI大模型行業(yè)應(yīng)用痛點(diǎn)及解決方案3.1

AI大模型行業(yè)應(yīng)用痛點(diǎn)3.2

AI大模型行業(yè)應(yīng)用解決方案

大模型對(duì)數(shù)據(jù)要求高：

需求方面來看，大模型的訓(xùn)練對(duì)數(shù)據(jù)的需求特征主要體現(xiàn)數(shù)據(jù)體量足夠龐大和數(shù)據(jù)質(zhì)量足夠優(yōu)秀，其中數(shù)據(jù)質(zhì)量有表現(xiàn)在準(zhǔn)確性和連貫性等方面。此外，當(dāng)前隨著多模態(tài)大模型的不斷應(yīng)用發(fā)展，大模型對(duì)數(shù)據(jù)的需求特征也呈現(xiàn)多模態(tài)化的特點(diǎn)。

數(shù)據(jù)供給面臨枯竭：在供給方面，當(dāng)前訓(xùn)練AI大模型的數(shù)據(jù)來源則主要有四種。當(dāng)前絕大部分AI大模型企業(yè)主要采用公開數(shù)據(jù)或付費(fèi)的行業(yè)數(shù)據(jù)庫，這些數(shù)據(jù)一方面質(zhì)量參差不齊，另一方面當(dāng)前也逐漸面臨數(shù)據(jù)枯竭的問題；而大模型企業(yè)想要獲得更質(zhì)量的數(shù)據(jù)則只能選擇企業(yè)私有數(shù)據(jù)或真實(shí)世界感知數(shù)據(jù)，但都面臨著數(shù)據(jù)獲取難度大或者成本高的問題。

大模型算力需求巨大：根據(jù)預(yù)測(cè)，隨著大模型的不斷開發(fā)和應(yīng)用，全球的算力消耗將呈現(xiàn)指數(shù)級(jí)增長，2030年智能算力需求為52.5ZFlops，是全