2024年中國(guó)AI大模型場(chǎng)景探索及產(chǎn)業(yè)應(yīng)用

2024年中國(guó)AI大模型場(chǎng)景探索及產(chǎn)業(yè)應(yīng)用報(bào)告目CONTENTS錄01AI大模型行業(yè)應(yīng)用概況目CONTENTS錄0102AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例0203AI大模型行業(yè)應(yīng)用痛點(diǎn)及解決方案0304AI大模型行業(yè)應(yīng)用前景趨勢(shì)及投資機(jī)會(huì)分析0401AI大模型行業(yè)應(yīng)用概況01AI大模型定義及概述AI大模型行業(yè)應(yīng)用價(jià)值1.31.3AI1.4AIAI大模型定義及概述AI大模型定義AI大模型定義產(chǎn)業(yè)規(guī)模行業(yè)發(fā)展歷程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。行業(yè)發(fā)展歷程

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60402001537我國(guó)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%。分類應(yīng)用占比分類應(yīng)用占比多模態(tài)大模型

其他大模型CV大模型NLP大模型數(shù)據(jù)已成為新生產(chǎn)要素AI大模型技術(shù)進(jìn)步提升生產(chǎn)要素使用效率AI大模型行業(yè)應(yīng)用價(jià)值：提升要素效率及數(shù)據(jù)要素地位數(shù)據(jù)已成為新生產(chǎn)要素AI大模型技術(shù)進(jìn)步提升生產(chǎn)要素使用效率Y數(shù)據(jù)產(chǎn)品化數(shù)據(jù)資產(chǎn)化數(shù)據(jù)資本化數(shù)據(jù)產(chǎn)品化數(shù)據(jù)資產(chǎn)化數(shù)據(jù)資本化數(shù)據(jù)證券化 數(shù)據(jù)營(yíng)治理治理IPO資產(chǎn)/購(gòu)表質(zhì)押融資創(chuàng)造價(jià)值 數(shù)據(jù)信托 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(zhǎng)的影響仍成發(fā)散態(tài)勢(shì)，即AB<BC<CD。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(guó)成為首個(gè)將數(shù)據(jù)列為生產(chǎn)要素的國(guó)家。Df2C f1B f0A(K,L,D)AI大模型技術(shù)進(jìn)步提升數(shù)據(jù)要素地位數(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；2AI大模型技術(shù)進(jìn)步提升數(shù)據(jù)要素地位數(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；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(yíng)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)要建立企業(yè)級(jí)數(shù)據(jù)集市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(yíng)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)要建立企業(yè)級(jí)數(shù)據(jù)集市

一次價(jià)值業(yè)務(wù)貫通

值

值

確權(quán)確權(quán)/定價(jià)/交易

原始數(shù)據(jù)生成方式 用戶 機(jī)器AI 生成 生成大數(shù)據(jù)分析挖掘數(shù)據(jù)價(jià)值策 能 大大數(shù)據(jù)分析挖掘數(shù)據(jù)價(jià)值模企業(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)流通打賦能整體行業(yè)和社會(huì)，為企業(yè)創(chuàng)造額外價(jià)值形成數(shù)據(jù)產(chǎn)品化多元模式

提升數(shù)據(jù)要素在生產(chǎn)要素中的組合占比比重?cái)?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)型與貫通企業(yè)經(jīng)營(yíng)決策驅(qū)動(dòng) 流程數(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)型與貫通依托管控式數(shù)據(jù)治理模式數(shù)據(jù)銀行方式 驅(qū)動(dòng) 驅(qū)動(dòng)依托管控式數(shù)據(jù)治理模式數(shù)據(jù)銀行……AI大模型行業(yè)應(yīng)用實(shí)現(xiàn)路徑

C端應(yīng)用B/G端應(yīng)用…C端應(yīng)用B/G端應(yīng)用…行為分析模型評(píng)估模型生成創(chuàng)作模型垂類行業(yè)模型Agent混合部署云部署部署層本地部署AI大模型應(yīng)用架構(gòu)其他大模型多模態(tài)大模型CV大模型NLP大模型模型層能力層應(yīng)用層持續(xù)加大對(duì)通用大模型的研發(fā)投入，提升AIAgent能力直接服務(wù)各個(gè)行業(yè)。打造垂類行業(yè)大模型深化通用大模型能力打造垂類行業(yè)大模型深化通用大模型能力大 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)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)行二次訓(xùn)練化構(gòu)建垂類行業(yè)大模型通用大模型垂類行業(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。應(yīng) 應(yīng) 用 的 實(shí) 現(xiàn) 路 徑 基礎(chǔ)層基礎(chǔ)層軟件基礎(chǔ)硬件基礎(chǔ)數(shù)據(jù)資源基礎(chǔ)云計(jì)算開發(fā)軟件AI芯片公開數(shù)據(jù)行業(yè)數(shù)據(jù)預(yù)訓(xùn)練大模型服務(wù)器企業(yè)數(shù)據(jù)感知數(shù)據(jù)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。中國(guó)AI大模型行業(yè)應(yīng)用商業(yè)模式：多元化當(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。AIAI大模型行業(yè)應(yīng)用商業(yè)模式分類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AIAI大模型行業(yè)應(yīng)用商業(yè)拓展特點(diǎn)1 2 3123重視后續(xù)升級(jí)服務(wù)

需求方議價(jià)能力更強(qiáng)

重視實(shí)際落地效果當(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。 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)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。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)式反而會(huì)更具優(yōu)勢(shì)。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。AI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)企業(yè)對(duì)AI大模型能力需求企業(yè)對(duì)AI大模型能力需求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：

能力強(qiáng)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速度、學(xué)習(xí)速度和專業(yè)能力五大維度，其決定了AI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)椋河?jì)算速度→穩(wěn)定性→學(xué)習(xí)速度→準(zhǔn)確性→業(yè)能力◆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◆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。調(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。需求特征企業(yè)對(duì)安全性需求調(diào)研訪談?dòng)^點(diǎn)：企業(yè)對(duì)安全性需求調(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

私密、安全性高

專業(yè)能力學(xué)習(xí)速度

穩(wěn)定性

準(zhǔn)確性計(jì)算速度優(yōu)勢(shì)：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)：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)；AI大模

大模型數(shù)量 當(dāng)前AI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。6079322型6079322行 200業(yè) 150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；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；用 500競(jìng)0爭(zhēng) 格局

254參數(shù)規(guī)模挑戰(zhàn)者騰訊智譜挑戰(zhàn)者騰訊智譜AI 科大訊飛APUS阿里 領(lǐng)先者華為百度商湯科技第四范式360瀾舟科技獵戶星空生數(shù)科技創(chuàng)新者務(wù)實(shí)者數(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：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)；100010010

2024年11月

2023年6月

2022年2月

2020年9月

發(fā)布時(shí)間2019年5月投融資規(guī)模及輪次投資賽道分類AIAgent,6我國(guó)AI大模型行業(yè)投融資事件其他類型,5161414始于2021年，并于2023投融資規(guī)模及輪次投資賽道分類AIAgent,6我國(guó)AI大模型行業(yè)投融資事件其他類型,5161414始于2021年，并于2023年受決策類大模型,114121085.26.3911.51107.1121086到資本的追捧，全年投融資事件14件，投融資金額超10億元。通用大模型,2AI+智能終端,16圖像、視頻422342截至2024年4月，我國(guó)AI大模型投融資事件及金額已接近模型輕量化,2軟件開發(fā),2生成,100202120222023202402023年全年水平。投資事件數(shù)量（件） 投資金額（億元）投融資所處階段2018161412102018161412108642019第四范式于2023年成功在港股上市231211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。萌芽期成長(zhǎng)期成熟期衰退期經(jīng)營(yíng)風(fēng)險(xiǎn)極高 經(jīng)營(yíng)風(fēng)險(xiǎn)+ +權(quán)益融資 權(quán)益融資為主+權(quán)益+債務(wù)融資經(jīng)營(yíng)風(fēng)險(xiǎn)低+權(quán)益+大模型行業(yè)1.8AI大模型行業(yè)應(yīng)用的合規(guī)要求：暫行備案制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)要求當(dāng)前我國(guó)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(guó)家互聯(lián)網(wǎng)信暫行辦法》；此外，在現(xiàn)有法律體系下，技術(shù)乃深度合成技術(shù)的子集。的合規(guī)要求。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/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資料來源前瞻產(chǎn)業(yè)研究院整理資料來源前瞻產(chǎn)業(yè)研究院整理 公司大模型/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(jiǎn)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”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公司大模型算法名稱智譜AIChatGLM生成算法百度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華為 ：云盤古多模態(tài)大模型算法02中國(guó)AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例02AI大模型行業(yè)應(yīng)用滲透情況AI大模型+金融2.42.4AI大模型+2.5AI大模型+大模型+電商大模型+教育大模型+終端AI大模型+其他行業(yè)AI大模型行業(yè)應(yīng)用滲透情況：金融、政務(wù)滲透率最高行業(yè)應(yīng)用路徑占比行業(yè)滲透情況行業(yè)應(yīng)用路徑占比行業(yè)滲透情況行業(yè)大

通用大從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。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。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。政府模型…461413107 6 6 4 4

滲透度3 2 2 2 1 1 1 1 1 1 1

教育制造醫(yī)療能源

影視游戲電子商務(wù)交通電子商務(wù)建筑我國(guó)AI建筑我國(guó)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，尤其集中浙江等地。泛語言…城市治理公共安全生成模態(tài)分布區(qū)域滲透情況生成模態(tài)分布區(qū)域滲透情況其他,30%AI圖像,4%AI視頻,5%

AI文本,27%從我國(guó)AI大模型的生成模態(tài)來看，單一模態(tài)中主要集中在從我國(guó)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%；

5040403020 13797100

3 2 2 2 2 2AI繪畫,

AI音頻,8%

北京廣東上海浙江四川重慶天津安徽江蘇山東2.2AI大模型行業(yè)通用場(chǎng)景應(yīng)用分析2.2AI大模型行業(yè)通用場(chǎng)景應(yīng)用分析智能客服 智能營(yíng)銷智能客服智能營(yíng)銷16.0

48.7

8766.8

95

133

181

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(guó)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(zhǎng)到181.3億元，復(fù)合增速達(dá)35%。

380

500

610

726 786 智能營(yíng)銷的主要目的是提高營(yíng)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(yíng)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。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(yíng)，智能客服的應(yīng)用邊界不斷拓寬拓深。決策 強(qiáng)調(diào)使用先進(jìn)的技術(shù)，人工智能營(yíng)銷的主要目的是提高營(yíng)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(yíng)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。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(yíng)，智能客服的應(yīng)用邊界不斷拓寬拓深。依據(jù) 學(xué)習(xí)，依據(jù)處理大規(guī)模數(shù)據(jù)進(jìn)行動(dòng)化策；理解能力理解能力更強(qiáng)，能夠?qū)υ挍Q策能力能夠根據(jù)用戶的反饋理解能力理解能力更強(qiáng)，能夠?qū)υ挍Q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)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，甚而不斷優(yōu)化服務(wù)質(zhì)量變化決策成本 智能營(yíng)銷通常能夠在一程度提高本效，因它能效益 夠自動(dòng)執(zhí)行許多任務(wù)，少了工勞力成。資料來源：Frost&Sullivan前瞻產(chǎn)業(yè)研究院整理智能搜索 智能翻譯智能搜索智能翻譯8.508.007.507.006.506.00

7.50

8.29 8.02

84%82%80%78%76%74%

52.55

79.42

102.335.50 5.00

72%70%

4.6

15.2

28.02用戶規(guī)模（億人） 使用率（%）

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(guó)網(wǎng)絡(luò)搜索用戶規(guī)模為8.41億人，使用率為78.0%。2016年2017年2018年2019年2020年2021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(guó)網(wǎng)絡(luò)搜索用戶規(guī)模為8.41億人，使用率為78.0%。 傳統(tǒng)獨(dú)立搜素生態(tài)內(nèi)搜索傳統(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INAPP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)“隨搜”需求；

01智能翻譯特點(diǎn)

成本低

準(zhǔn)確性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(zhǎng)，極大地刺激了智能翻譯產(chǎn)業(yè)的發(fā)展。2022年中國(guó)智能翻譯市場(chǎng)規(guī)模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(zhǎng)，極大地刺激了智能翻譯產(chǎn)業(yè)的發(fā)展。2022年中國(guó)智能翻譯市場(chǎng)規(guī)模102.33億元。融 人性化程度合大?相較于傳統(tǒng)機(jī)器翻譯，智能翻譯可以容自然模 言大模型從而使得其翻譯的內(nèi)容更符合人類型 序。03 易于把控

理解能力翻譯的內(nèi)容原文。2.3AI大模型2.3AI大模型+金融：智能風(fēng)控應(yīng)用落地價(jià)值最高智慧辦公智能問答智慧辦公智能問答智慧銷售產(chǎn)品設(shè)計(jì)市場(chǎng)營(yíng)銷風(fēng)險(xiǎn)控制客戶服務(wù)支持性活動(dòng)應(yīng)用技術(shù)成熟度資產(chǎn)管理代碼助手虛擬數(shù)字人智能風(fēng)控?個(gè)性化產(chǎn)品設(shè)計(jì)?產(chǎn)品配置與解決方案電銷機(jī)器人客戶洞察與潛客預(yù)測(cè)需求檢測(cè)識(shí)別?資料自動(dòng)審核?AI反欺詐AI信用評(píng)分客服機(jī)器人的身份識(shí)別個(gè)性化服務(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)警產(chǎn)品研發(fā)應(yīng)用落地價(jià)值金融行業(yè)的數(shù)字化程度在大智慧銷售、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。??細(xì)分場(chǎng)景價(jià)值分析AI大模型+金融應(yīng)用概述AI+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(yíng)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。282219942301254615261692363836382017年2018年2019年2020年2021年2022年2025年E融 行 業(yè) 融 合 大 模 型 優(yōu) 勢(shì) 數(shù)字化基礎(chǔ)好金融行業(yè)前期數(shù)字化轉(zhuǎn)型水平最高，超過90%積累了豐富的行業(yè)數(shù)據(jù)資源。具備支付能力能力。新事物接受程度高支付意愿都更強(qiáng)。市場(chǎng)規(guī)模金2.3AI大模型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 AI大模型融合影響分析應(yīng)用案例在為金融行業(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。AI數(shù)字員工應(yīng)用案例在為金融行業(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。案例內(nèi)容：基于案例內(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)：用電子設(shè)備，依賴人工交互等問題。以開/閉卷問答能力為核心智能營(yíng)銷：以開/閉卷問答能力為核心場(chǎng)景案例：理財(cái)產(chǎn)品營(yíng)銷、銀行零售業(yè)務(wù)以知識(shí)推理能力為核心財(cái)富管理：顧問服務(wù)以知識(shí)推理能力為核心場(chǎng)景案例：針對(duì)領(lǐng)域基金或理財(cái),出投顧建議以代碼合成能力為核心代碼生成：隊(duì)效能以代碼合成能力為核心場(chǎng)景案例：高頻重復(fù)業(yè)務(wù)場(chǎng)景的SQL倉(cāng)的自動(dòng)調(diào)度等以條件文本生成能力為核心訓(xùn)練數(shù)據(jù)生成：據(jù)，保護(hù)隱私以條件文本生成能力為核心場(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

金融信息查詢：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(yíng)銷合規(guī)監(jiān)察，銀行催收合規(guī)監(jiān)察代碼補(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）智能培訓(xùn)：構(gòu)建企業(yè)內(nèi)培訓(xùn)課程庫(kù)，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)

案例內(nèi)容：基于AI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：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)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)：間長(zhǎng)；信息匯總檢索費(fèi)時(shí)費(fèi)力等。

智能投研解決方案2.4AI大模型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+AI大模型+政務(wù)應(yīng)用概述細(xì)分場(chǎng)景價(jià)值分析政府內(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

國(guó)防航天其業(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(guó)（地區(qū)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(guó)（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(guó)防航天等5大領(lǐng)域13個(gè)細(xì)分場(chǎng)景落地。公 簡(jiǎn) 開化作知內(nèi)識(shí)部檢文索書收寫集 作 寫 文 作 件

業(yè) 專務(wù) 業(yè)政 辦 領(lǐng)務(wù) 理 域熱 智 問線 能 詢助 系手 統(tǒng)

智公慧 國(guó)共城就防安市業(yè)安全建 全設(shè)

應(yīng)用技 公術(shù) 寫成熟度

咨詢業(yè)務(wù)辦理城市輿情 管理智慧 監(jiān)控黨建智慧 公共司法 安全應(yīng)用落地價(jià)值地方政策 地方政策大模型融合影響分析國(guó)家/地區(qū)應(yīng)用范圍大模型融合影響分析國(guó)家/地區(qū)應(yīng)用范圍國(guó)家/地區(qū)應(yīng)用范圍美國(guó)眾議院、國(guó)防部、國(guó)家航空航天局（NASA）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(guó)臺(tái)灣臺(tái)灣地區(qū)教育事務(wù)主管部門英國(guó)財(cái)政大臣使用ChatGPT撰寫演講稿韓國(guó)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)政部北京 利人智在義、主習(xí)智推方的力勢(shì)，提高政務(wù)咨詢系統(tǒng)智能問答水平2023年3月《2023”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”智能上海檢索、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》深圳 鼓勵(lì)各區(qū)在公服和市治等域行試積創(chuàng)條展全域全時(shí)人工智能應(yīng)用示范2.4AI大模型2.4AI大模型+政務(wù)案例應(yīng)用案例1

X 北京市人民政府案例內(nèi)容：案例內(nèi)容：基于AI大模型進(jìn)行深度數(shù)據(jù)分析，透政策，提示政策缺失。解決場(chǎng)景痛點(diǎn)：本；數(shù)據(jù)信息利用程度不高。分析得出由高溫引起的熱點(diǎn)民生問題因果關(guān)系分析分析得出由高溫引起的熱點(diǎn)民生問題通用大模型

有政策民生問題與市政部門的精準(zhǔn)對(duì)接提示政策缺失部門民生問題與市政部門的精準(zhǔn)對(duì)接提示政策缺失

事前預(yù)防100萬條市民熱線數(shù)據(jù)

訓(xùn)練 智慧政務(wù)助（對(duì)外服務(wù)）

X

應(yīng)用案例2辟謠知識(shí)庫(kù)（含文字標(biāo)注能力）OCR識(shí)別辟謠知識(shí)庫(kù)（含文字標(biāo)注能力）OCR識(shí)別APUS新聞媒體權(quán)威發(fā)布黨政機(jī)關(guān)官網(wǎng)政務(wù)信息省級(jí)互聯(lián)網(wǎng)辟謠平臺(tái)中國(guó)互聯(lián)網(wǎng)聯(lián)合辟謠平臺(tái)/

智慧網(wǎng)信大模型（PowerbyAPUS）

數(shù)據(jù)查詢數(shù)據(jù)補(bǔ)充

（對(duì)外服務(wù)

網(wǎng)絡(luò)謠言問詢案例內(nèi)容：APUS案例內(nèi)容：APUS相關(guān)機(jī)構(gòu)合作，借助APUS網(wǎng)信絡(luò)空間。解決場(chǎng)景痛點(diǎn)：辟謠處理反饋不及2.5AI大模型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AI大模型+AI大模型+醫(yī)療應(yīng)用概述細(xì)分場(chǎng)景價(jià)值分析圖像診療通過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)到較高極大提高了診斷的效率。圖像診療通過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)到較高極大提高了診斷的效率。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)別文字含義及科研挖掘等。文字對(duì)話大模型可賦能醫(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。技 臨術(shù) 文成 管熟度

電子病歷醫(yī)學(xué)培訓(xùn)醫(yī)學(xué)健康 AI檢 影像管理 驗(yàn) 篩查輔助在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)志屬性去挖市場(chǎng)需求的推動(dòng)下，未來具有極大的發(fā)展?jié)摿?。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)志屬性去挖市場(chǎng)需求的推動(dòng)下，未來具有極大的發(fā)展?jié)摿Α］o助研發(fā)療法 藥研應(yīng)用落地價(jià)值市場(chǎng)規(guī)模市場(chǎng)規(guī)模302.4333.8375.2410.6

451.7542.0650.4

937.0780.5

2332.0

醫(yī)療機(jī)構(gòu)大模型融合影響分析大模型融合影響分析理效率減少醫(yī)患矛盾利于醫(yī)?？刭M(fèi)病患群體

醫(yī)護(hù)群體輔助診療支持制藥企業(yè)降低研發(fā)成本，提升效率201520162017201820192020202120222023E 2028E注：智慧醫(yī)療市場(chǎng)包含AI大模型醫(yī)療，故行業(yè)規(guī)模較大

的分配不均問題2.5AI大模型2.5AI大模型+醫(yī)療案例XX數(shù)據(jù)補(bǔ)充健康診療知識(shí)庫(kù)智能診療平臺(tái)數(shù)據(jù)校正慢病養(yǎng)護(hù)/養(yǎng)生建議使用評(píng)價(jià)反饋APUS醫(yī)療大模型評(píng)價(jià)體系應(yīng)用案例2內(nèi)部評(píng)測(cè)平臺(tái)養(yǎng)生食療知識(shí)健康管理知識(shí)智能分診/智能客服臨床醫(yī)案經(jīng)驗(yàn)健康評(píng)估/疾病篩查醫(yī)學(xué)理論文獻(xiàn)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(kù)構(gòu)建、智能診療平臺(tái)搭建、AI行實(shí)踐落地。解決場(chǎng)景痛點(diǎn)：等候時(shí)間長(zhǎng)等知識(shí)問詢/病情咨詢XX項(xiàng)目痛點(diǎn)解決方案項(xiàng)目成果應(yīng)用案例1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； 智譜基于中醫(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；智譜基于GLM-130B大模型和千余本中醫(yī)古籍書籍、中開發(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。2.6AI大模型2.6AI大模型+電商：大模型應(yīng)用推動(dòng)信息獲取方式變革AIAI大模型+電商應(yīng)用概述運(yùn)營(yíng)與營(yíng)銷AI相關(guān)技術(shù)運(yùn)營(yíng)與營(yíng)銷

電商類型與行業(yè)模塊

電商相關(guān)應(yīng)用

AI電商價(jià)值私域電商即時(shí)零售興趣電商深度學(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)私域電商即時(shí)零售興趣電商大模型融合影響分析大模型融合影響分析

電商類型 行業(yè)模塊貨架電商供應(yīng)鏈社交電商內(nèi)容制作與展示貨架電商供應(yīng)鏈社交電商內(nèi)容制作與展示賦能 落地

AIAIAIAIAIAI客戶管理AI客服AI虛擬數(shù)字人AIAI客戶管理AI客服AI虛擬數(shù)字人AI創(chuàng)意與生成AI供應(yīng)鏈AI產(chǎn)品設(shè)計(jì)

影響 企業(yè)成本市場(chǎng)規(guī)模市場(chǎng)規(guī)?？头c客戶管理搜索與推薦客服與客戶管理搜索與推薦4469446948223663407729512111 2407154010952017 2018 2019 2020 2021 2022 2023E2024E2025E

貨架電商…內(nèi)容電商…

AI電商借助AIAI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。搜索廣告變現(xiàn)…推送精度較低…率

◆融合大模型后的信息傳遞方式：主動(dòng)息準(zhǔn)確度提升投放意向客戶。2.6AI大模型2.6AI大模型+電商案例應(yīng)用案例1

Product大模型案例內(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更擅長(zhǎng)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(yíng)銷策劃、智能導(dǎo)購(gòu)等。應(yīng)用案例2實(shí)時(shí)熱搜應(yīng)用案例2

抓取熱點(diǎn)事件

X 微博小店精準(zhǔn)捕捉流量熱點(diǎn)精準(zhǔn)捕捉流量熱點(diǎn)選取關(guān)聯(lián)商品微博小店商品庫(kù)

自動(dòng)生成文案 自動(dòng)生成視頻高效的推廣速度案例內(nèi)容：于AI高效的推廣速度案例內(nèi)容：于AI大模型的能力，實(shí)現(xiàn)針對(duì)實(shí)時(shí)品精準(zhǔn)投放的過程。解決場(chǎng)景痛點(diǎn)：高；極低的推廣成本極低的推廣成本2.7AI大模型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大模型+AI大模型+教育應(yīng)用概述細(xì)分應(yīng)用場(chǎng)景分析數(shù)據(jù) 算法 服務(wù)

◆精準(zhǔn)化教學(xué)

面向教育者

科學(xué)化管理◆能理解會(huì) 思考

信息智能感知 +教育+ 教育+教育

“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”。

智能助教 智能批改學(xué)情分析 教學(xué)拍照搜題 自適應(yīng)學(xué)習(xí)游戲?qū)W習(xí)機(jī) 教育機(jī)器人◆個(gè)性化學(xué)習(xí)

智慧校園 智能排課決策支持 校園監(jiān)控機(jī)器組卷 機(jī)器閱卷口語考評(píng) 試卷分析自動(dòng)化評(píng)閱◆市場(chǎng)規(guī)模教育目標(biāo) 評(píng)價(jià)方式市場(chǎng)規(guī)模

面向受教育者 3780

5223

7198 模型融合

個(gè)性教育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)。個(gè)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)。性化程率度

技術(shù)加持準(zhǔn)確性提升

最終目標(biāo)教育公平教育公平206286477201520162017206286477201520162017201820192020202120222023E

1714 2000

影響分 共性教育析 普惠教育

無教育投入成本非普惠教育

教育質(zhì)量教育個(gè)性化教育質(zhì)量注：AI教育市場(chǎng)包含AI大模型教育，故行業(yè)規(guī)模偏大2.7AI大模型2.7AI大模型+教育案例““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。與人類講師上萬人大課不同，小鹿老師是“因材施教”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)。 小鹿老師的優(yōu)勢(shì) 與人類講師上萬人大課不同，小鹿老師是“因材施教”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)。

X訊飛智慧教育產(chǎn)品與服務(wù)教育管理者家長(zhǎng)區(qū)域教育治理教育大數(shù)據(jù)解決方案新高考綜合解決方案其他訊飛智慧教育產(chǎn)品與服務(wù)教育管理者家長(zhǎng)區(qū)域教育治理教育大數(shù)據(jù)解決方案新高考綜合解決方案其他校園主陣地建設(shè)自主學(xué)習(xí)AIAI全球中文學(xué)習(xí)平臺(tái)訊飛易聽說智慧考試傳統(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)學(xué)校管理者??????????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????????學(xué)生教師應(yīng)用案例2應(yīng)用案例1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)：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)：生個(gè)性化教學(xué)需求。過 課件研發(fā)難程中解 講師形象僵硬決的技術(shù) 互動(dòng)形式單一痛 訓(xùn)練效率低點(diǎn)2.8AI大模型2.8AI大模型+終端：賦能終端設(shè)備行業(yè)規(guī)模二次增長(zhǎng)AI大模型+AI大模型+終端應(yīng)用概述AI大模型融合影響分析AI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(guó)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(zhǎng)。AI大模型融合影響分析AI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(guó)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(zhǎng)。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(zhǎng)。傳統(tǒng)終端-PC萬臺(tái)新終端-汽車3009萬臺(tái)同比+12%新終端-服務(wù)機(jī)器人783.3萬套同比+23.3%新終端-手機(jī)新終端-彩電電視：3656萬臺(tái)同比-8.4%新終端-可穿戴設(shè)備2.89億部同比+6.5%新終端-平板電腦2818萬臺(tái)同比-4.5%新終端-無人機(jī)（存量）126.7萬臺(tái)同比+32.2%3470萬臺(tái)同比+7.5%新終端-智能音箱萬臺(tái)-21%萬臺(tái)同比-39.8%新終端-工業(yè)機(jī)器人28.3萬臺(tái)同比提升終端數(shù)據(jù)分析處理能力02 03改變終端設(shè)備信息傳遞模式04改變?nèi)藱C(jī)交互模式2.8AI大模型2.8AI大模型+終端案例應(yīng)用案例應(yīng)用案例2獵戶星空豹小秘機(jī)器人其他AI大模型終端應(yīng)用案例應(yīng)用案例1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。日日日2023年8月15日日日

2023年10月17日

2023年11月1

2024年2月22

2024年4月10正式發(fā)布了小米14Ultra，小米14Ultra正式發(fā)布了小米14Ultra，小米14Ultra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。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，正式青禾學(xué)習(xí)一體機(jī)，以及兩款TiantianCasa智能音箱，全面接入文心一言大模型。將推出全新華為MateBookXPro筆記本，并且新款MateBookXPro筆記本將接入華為盤古大模型。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日2.9AI大模型2.9AI大模型+其他產(chǎn)業(yè)應(yīng)用 大模型+文旅 大模型+影視游戲 大模型+法律

AI大模型+礦山AI大模型在文化和旅游領(lǐng)域的應(yīng)用多樣，如改善客戶服務(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。情感分析模型等。

AI大模型應(yīng)用在內(nèi)容創(chuàng)作與生理等領(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)覺等。

AI大模型應(yīng)用在法律文檔自動(dòng)生線咨詢等領(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

AI大模型在礦山行業(yè)的應(yīng)用場(chǎng)景主要涉及提高整體運(yùn)營(yíng)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 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代表企業(yè)案例：商湯科技杭州市旅游經(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

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)效率還能自動(dòng)化生成次要道具，降低成本。

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。

商湯智能礦山AI感知系統(tǒng)助力大海則智能閉環(huán)。03中國(guó)AI大模型行業(yè)應(yīng)用痛點(diǎn)及解決方案033.1AI大模型行業(yè)應(yīng)用痛點(diǎn)3.23.2AI3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：算力、數(shù)據(jù)不足3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：算力、數(shù)據(jù)不足算力不足算力不足56CAGR=65%3.352.556CAGR=65%3.352.5CAGR=80%0.2CAGR=27%50403020100CAGR=34%

<3%

NVIDA、AMD等海外企業(yè)幾乎壟斷中國(guó)GPU市場(chǎng)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(zhǎng)，2030年智能算力需求為52.5ZFlops，是全球算力最主要的需求增長(zhǎng)動(dòng)力。國(guó)產(chǎn)服務(wù)器供給不足，進(jìn)口面臨卡脖子：在供給方面，算力供給的核心取決于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(zhǎng)，2030年智能算力需求為52.5ZFlops，是全球算力最主要的需求增長(zhǎng)動(dòng)力。國(guó)產(chǎn)服務(wù)器供給不足，進(jìn)口面臨卡脖子：在供給方面，算力供給的核心取決于GPU于發(fā)展基礎(chǔ)差異，我國(guó)GPU企業(yè)壟斷，并且受中美貿(mào)易摩擦影響，近年來也面臨著限制進(jìn)口的卡脖子問題。數(shù)據(jù)缺乏數(shù)據(jù)質(zhì)量差，且已面臨枯竭設(shè)不足得問題導(dǎo)致獲取成本高數(shù)據(jù)獲取需前期巨大的傳感器硬件設(shè)備投入，成本高

大模型對(duì)數(shù)據(jù)要求高：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(kù)，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)3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：人才缺失3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：人才缺失&法規(guī)風(fēng)險(xiǎn)232美國(guó)中國(guó)其他國(guó)家/地區(qū)5001146產(chǎn)品工程師5001146產(chǎn)品工程師400負(fù)責(zé)AI大模型最終的行業(yè)落地部署622項(xiàng)目實(shí)施人員20202030E算法工程師法規(guī)風(fēng)險(xiǎn)人才缺失負(fù)責(zé)產(chǎn)品策劃設(shè)計(jì)算法架構(gòu)創(chuàng)新和優(yōu)化我國(guó)在AI大模型面臨人才短缺問題，無論是人才數(shù)量還是質(zhì)量都與發(fā)達(dá)國(guó)家有明顯差距。當(dāng)前我國(guó)人工智能人才缺口已超過500萬，供需比例失衡，且預(yù)計(jì)到2030年這一缺口將超過400萬。同時(shí)，頂尖算法人才不足，全球最具影響力學(xué)者榜單中美國(guó)學(xué)者數(shù)量是中國(guó)學(xué)者的五倍。這些問題對(duì)大模型研發(fā)及整個(gè)人工智能行業(yè)的快速發(fā)展構(gòu)成了挑戰(zhàn)?？瞻谆虿蛔?。

責(zé)任歸屬和倫理問題術(shù)應(yīng)用于復(fù)活逝者等敏感行業(yè)，造成社會(huì)爭(zhēng)議。未來隨著AI大模型技術(shù)的突破，相關(guān)矛盾將進(jìn)一步突出和加劇。監(jiān)管與技術(shù)創(chuàng)新矛盾緩慢和繁瑣，影響到大模型的研發(fā)和市場(chǎng)應(yīng)用速度。

知識(shí)產(chǎn)權(quán)（IP）問題大模型的開發(fā)涉及大量代碼、算法、數(shù)據(jù)集等知識(shí)產(chǎn)權(quán)。此外，如何處理由AI生成的內(nèi)容的版權(quán)，也成為一個(gè)挑戰(zhàn)。3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：市場(chǎng)認(rèn)知不準(zhǔn)3.1AI大模型行業(yè)應(yīng)用痛點(diǎn)：市場(chǎng)認(rèn)知不準(zhǔn)&行業(yè)know-how不足市場(chǎng)認(rèn)知不準(zhǔn)確 行業(yè)市場(chǎng)認(rèn)知不準(zhǔn)確行業(yè)know-how積累不足群體數(shù)量行業(yè)/企業(yè)表象問題行業(yè)/企業(yè)表象問題

應(yīng)用產(chǎn)品上線解決問題應(yīng)用產(chǎn)品上線認(rèn)知不足 清晰認(rèn)知 預(yù)期過

對(duì)大模型認(rèn)知

Know-Why學(xué)習(xí)理解軟件設(shè)計(jì)理論方法融合大模型的應(yīng)用軟件開發(fā)軟件測(cè)試問題產(chǎn)生的深層次原因此外，在企業(yè)調(diào)研訪談中我們發(fā)現(xiàn)市場(chǎng)對(duì)AI軟件設(shè)計(jì)理論方法融合大模型的應(yīng)用軟件開發(fā)軟件測(cè)試問題產(chǎn)生的深層次原因此外，在企業(yè)調(diào)研訪談中我們發(fā)現(xiàn)市場(chǎng)對(duì)AI大模型行業(yè)應(yīng)用的認(rèn)知不準(zhǔn)確也是當(dāng)前AI大模型行業(yè)應(yīng)用推進(jìn)過程中企業(yè)面臨的主要痛點(diǎn)，這種認(rèn)知不準(zhǔn)確則分為兩類極端：認(rèn)知嚴(yán)重不足：部分群體或企業(yè)并不認(rèn)可AI能力，故選擇不采購(gòu)相應(yīng)服務(wù)；認(rèn)知預(yù)期過高：客戶對(duì)AI購(gòu)應(yīng)用后發(fā)現(xiàn)無法達(dá)成預(yù)期失望；從目前來看，由于AI大模型的火爆，認(rèn)知預(yù)期過高的群體甚至可能超過認(rèn)知不足的群體，從而對(duì)AI大模型的實(shí)際應(yīng)用落地造成巨大的阻礙。對(duì)于AI對(duì)于AI大模型的行業(yè)應(yīng)用，除了AI大模型本身的能力提升，最重要的便在于如何實(shí)現(xiàn)應(yīng)用落地，并且真正有用。應(yīng)用程序算法本身難度并不大，不同企業(yè)的應(yīng)用產(chǎn)品之間的差異點(diǎn)在于軟件內(nèi)核體現(xiàn)出的企業(yè)對(duì)行業(yè)know-how的積累和深度，這需要長(zhǎng)時(shí)間和豐富的實(shí)踐案例的積累。行業(yè)Know-How3.2AI大模型行業(yè)應(yīng)用痛點(diǎn)解決方案3.2AI大模型行業(yè)應(yīng)用痛點(diǎn)解決方案應(yīng)對(duì)算力不足租用算力：高，且成本相對(duì)較低；合作建設(shè)算力中心：訊飛與華為合作；需求。應(yīng)對(duì)數(shù)據(jù)缺乏購(gòu)買數(shù)據(jù)：據(jù)的主要方式；與企業(yè)合作獲取數(shù)據(jù)；應(yīng)對(duì)人才缺失與高校合作：高校，積極推進(jìn)AI舉辦開發(fā)者大賽：

應(yīng)對(duì)法規(guī)風(fēng)險(xiǎn)應(yīng)對(duì)產(chǎn)權(quán)風(fēng)險(xiǎn)：增加隱性數(shù)字水?。粦?yīng)對(duì)數(shù)據(jù)安全風(fēng)險(xiǎn)：制及保護(hù)措施；應(yīng)對(duì)倫理及合規(guī)風(fēng)險(xiǎn)：在方向選擇或數(shù)據(jù)篩選過程中直接過濾不合規(guī)信息。應(yīng)對(duì)市場(chǎng)認(rèn)知不準(zhǔn)確積極推進(jìn)市場(chǎng)化應(yīng)用落地。塑造企業(yè)案例應(yīng)對(duì)行業(yè)know-how不足與頭部企業(yè)合作積累know-how；聘請(qǐng)行業(yè)專家；構(gòu)建行業(yè)生態(tài)合作體系；04AI大模型行業(yè)應(yīng)用前景趨勢(shì)及投資機(jī)會(huì)分析044.1中國(guó)AI4.24.2中國(guó)AI大模型行業(yè)應(yīng)用投資機(jī)會(huì)及風(fēng)險(xiǎn)4.3中國(guó)AI4.1AI大模型行業(yè)應(yīng)用前景趨勢(shì)：技術(shù)趨勢(shì)決定行業(yè)前景4.1AI大模型行業(yè)應(yīng)用前景趨勢(shì)：技術(shù)趨勢(shì)決定行業(yè)前景AI大模型技術(shù)發(fā)展仍具有巨大的挖掘潛力，且技術(shù)更新進(jìn)步速度快，行業(yè)技術(shù)能力上限尚未出現(xiàn)。從未來趨勢(shì)來看，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AI大模型技術(shù)發(fā)展仍具有巨大的挖掘潛力，且技術(shù)更新進(jìn)步速度快，行業(yè)技術(shù)能力上限尚未出現(xiàn)。從未來趨勢(shì)來看，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。技術(shù)趨勢(shì)決定行業(yè)發(fā)展前景及其他趨勢(shì)盡管技術(shù)進(jìn)步無法量化，但前瞻基于調(diào)研分析、生產(chǎn)函數(shù)理論，假設(shè)行業(yè)技術(shù)進(jìn)步和單位要素組合創(chuàng)造經(jīng)濟(jì)曲線如下圖所示。當(dāng)前AI大模型行業(yè)仍處于技術(shù)進(jìn)步對(duì)行單位要素生產(chǎn)效率不斷放大的階段，故在可預(yù)見的未來中，技術(shù)進(jìn)步趨勢(shì)仍將是AI大模型行業(yè)規(guī)模體量上限的決定性因素。模型體量盡管技術(shù)進(jìn)步無法量化，但前瞻基于調(diào)研分析、生產(chǎn)函數(shù)理論，假設(shè)行業(yè)技術(shù)進(jìn)步和單位要素組合創(chuàng)造經(jīng)濟(jì)曲線如下圖所示。當(dāng)前AI大模型行業(yè)仍處于技術(shù)進(jìn)步對(duì)行單位要素生產(chǎn)效率不斷放大的階段，故在可預(yù)見的未來中，技術(shù)進(jìn)步趨勢(shì)仍將是AI大模型行業(yè)規(guī)模體量上限的決定性因素。

當(dāng)前所處階段輕量化初步的內(nèi)容創(chuàng)作生成輕量化

內(nèi)容風(fēng)格修改

3D內(nèi)容生成

復(fù)雜邏輯內(nèi)容生成Y/(K,L,D)

應(yīng)用功能

搜索 翻譯

表因分析

總結(jié) 根因挖

生產(chǎn)決策

預(yù)測(cè)分析第一階段 技術(shù)進(jìn)步?jīng)Q定行業(yè)規(guī)模上限第二階段 技術(shù)進(jìn)步對(duì)生產(chǎn)要素生產(chǎn)效率提升有限，行業(yè)規(guī)模體量由所投入其他生產(chǎn)要素?cái)?shù)量所決定代碼撰寫

簡(jiǎn)單交互智能座艙

數(shù)字助理

多模態(tài)人機(jī)交互數(shù)字孿生

自動(dòng)駕駛數(shù)字世界基礎(chǔ)能力

計(jì)算能力理解能力

生成能力融合能力

跨模態(tài)遷移能力自主學(xué)習(xí)能力

預(yù)測(cè)能力決策能力0當(dāng)前大模型行業(yè)技術(shù)所處階段

技術(shù)進(jìn)步

模態(tài)類型可控性

單一模態(tài)

多模態(tài) 跨模態(tài)未來趨勢(shì)不可控 粗略方向可控

結(jié)構(gòu)或局部邏輯可控

初步的思維鏈可控

復(fù)雜邏輯推 規(guī)則或原理可控 可控4.1AI大模型行業(yè)應(yīng)用前景趨勢(shì)：競(jìng)爭(zhēng)趨于分化4.1AI大模型行業(yè)應(yīng)用前景趨勢(shì)：競(jìng)爭(zhēng)趨于分化AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)趨勢(shì)：趨于分化AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)趨勢(shì)：應(yīng)用場(chǎng)景挖掘能力決定競(jìng)爭(zhēng)勝負(fù)AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)趨勢(shì)：趨于分化通過對(duì)企業(yè)的調(diào)研訪談，前瞻認(rèn)為在未來通過對(duì)企業(yè)的調(diào)研訪談，前瞻認(rèn)為在未來AI大模型的行業(yè)應(yīng)用競(jìng)爭(zhēng)中，真正決定企業(yè)能否在競(jìng)爭(zhēng)中脫穎而出的要素是誰能找到AI大模型最佳的行業(yè)落地應(yīng)用場(chǎng)景，并且做到真正好用，滿足企業(yè)的實(shí)際需求。由于AI大模型行業(yè)當(dāng)前技術(shù)上限邊際仍未出現(xiàn)，而：AI由于AI大模型行業(yè)當(dāng)前技術(shù)上限邊際仍未出現(xiàn)，而：AI長(zhǎng)；打造行業(yè)垂類大模型路徑：積累行業(yè)know-how將持續(xù)增長(zhǎng)；因此AI大模型行業(yè)應(yīng)用的競(jìng)爭(zhēng)者若想要提升競(jìng)爭(zhēng)優(yōu)勢(shì)，必將資源聚焦單一發(fā)展路徑，行業(yè)競(jìng)爭(zhēng)也將開始分化。

找到AI大模型最佳的行業(yè)落地應(yīng)用場(chǎng)景，并且做到真正好用，滿足企業(yè)需求。AI大模型行業(yè)應(yīng)用競(jìng)爭(zhēng)分化趨勢(shì)

底層大模型算法的優(yōu)越性通用大模型資本、人力的投入；生態(tài)體系通過兼并重組，行業(yè)競(jìng)爭(zhēng)趨于集中

核心集中度

打造行業(yè)垂類大模型know-how生態(tài)體系細(xì)化分散

02 技術(shù)03 人才

法技術(shù)人才儲(chǔ)備大多時(shí)候決定技術(shù)儲(chǔ)備AIAgent能力互聯(lián)網(wǎng)、AI巨頭企業(yè)、高校

競(jìng)爭(zhēng)方向業(yè)類型

行業(yè)實(shí)際融合應(yīng)用落地效果中小、初創(chuàng)企業(yè)

04 算力