2024行業(yè)大模型調(diào)研報(bào)告：向AI而行共筑新質(zhì)生產(chǎn)力

向RI而行共筑新質(zhì)生產(chǎn)力——行業(yè)大模型調(diào)研報(bào)告騰訊研究院TencentResearchInstitute2024年5月人工智能大模型正在催生新一輪技術(shù)創(chuàng)新與產(chǎn)業(yè)變革，也將為工業(yè)、金融、廣電等行業(yè)數(shù)字化轉(zhuǎn)型和高質(zhì)量發(fā)展帶來新動(dòng)能。當(dāng)前市場(chǎng)以基礎(chǔ)大模型為主，通識(shí)能力強(qiáng)，但缺少行業(yè)專業(yè)知識(shí)。如何將大模型融入個(gè)行業(yè)、上百位專家的訪談，在行業(yè)大模型概念厘清、應(yīng)用進(jìn)展、實(shí)現(xiàn)方式、安全大模型上云落地，能夠加速形成新質(zhì)生產(chǎn)力，推動(dòng)數(shù)字經(jīng)濟(jì)的提質(zhì)換檔。期待與更工業(yè)是國(guó)家之本、經(jīng)濟(jì)之基?！癆I+制造”能夠提高生產(chǎn)效率、提升產(chǎn)品質(zhì)量、實(shí)現(xiàn)個(gè)性化定制、優(yōu)化資源配置、促進(jìn)綠色環(huán)保、實(shí)現(xiàn)人才結(jié)構(gòu)優(yōu)化等，進(jìn)而加快推進(jìn)中國(guó)工業(yè)的五個(gè)轉(zhuǎn)型升級(jí)，實(shí)現(xiàn)工業(yè)的數(shù)字轉(zhuǎn)型與智能化升級(jí)，促進(jìn)新質(zhì)生產(chǎn)力騰訊的行業(yè)大模型報(bào)告，通過一手的大量調(diào)研，闡釋了行業(yè)大模型的必要性和發(fā)展路徑。報(bào)告從應(yīng)用場(chǎng)景入手，給出了落地的具體實(shí)現(xiàn)方式，揭示了大模型在降本提行業(yè)大模型作為AI向善和可持續(xù)發(fā)展的重要維度，其安全、可信、負(fù)責(zé)任的發(fā)展日益離不開有效的治理和安全措施。在這方面，這份報(bào)告提出的見解為我們構(gòu)建負(fù)希望業(yè)內(nèi)外同仁能夠在此基礎(chǔ)上繼續(xù)深入討論，以達(dá)成更廣泛的共識(shí)，共同推進(jìn)人廣告是市場(chǎng)經(jīng)濟(jì)的傳感器、晴雨表和風(fēng)向標(biāo)。在智能化浪潮的推動(dòng)下，廣告行業(yè)正迎來前所未有的變革。大模型在廣告創(chuàng)意和生產(chǎn)、個(gè)性化推薦、效果分析等方面，已展現(xiàn)出巨大潛力。它正在重塑著廣告行業(yè)的未來，為品牌與消費(fèi)者之間建立更加大模型是效率、體驗(yàn)和創(chuàng)造力的倍增器，騰訊的這份報(bào)告為我們展現(xiàn)了大模型在各各行業(yè)將催生大量產(chǎn)品形態(tài)、生產(chǎn)力、生產(chǎn)方式、產(chǎn)業(yè)組織等多層面的創(chuàng)新，實(shí)現(xiàn)大模型的出現(xiàn)使得AI再次受到資本市場(chǎng)的廣泛關(guān)注，其核心邏輯在于大模型實(shí)現(xiàn)數(shù)據(jù)、場(chǎng)景等四個(gè)決定大模型發(fā)展的關(guān)鍵要素中，數(shù)據(jù)和場(chǎng)景是我們相對(duì)優(yōu)勢(shì)的領(lǐng)域。而要更好地利用場(chǎng)景，成功實(shí)現(xiàn)商業(yè)落地同時(shí)，基于云側(cè)和端側(cè)模型的完美結(jié)合，實(shí)現(xiàn)較高的執(zhí)行效率。目前，大模型大規(guī)模的行業(yè)應(yīng)用尚在探索，成體系的研究不多。騰訊研究院的報(bào)告基于大量一線訪談和調(diào)研，進(jìn)行了全面系統(tǒng)的分析梳理，提供了理性、全面、有價(jià)值的研究參考。作為投資人，我很樂于并期待看到更多類似的高質(zhì)量研究，以此推動(dòng)大模型向通用人包括各類企業(yè)和所有普通開發(fā)者。我們堅(jiān)信，開源大模型會(huì)成為新的選項(xiàng)，開源社量的一手調(diào)研數(shù)據(jù)表示，我們不管是從底層能力還是應(yīng)用場(chǎng)景方面，都應(yīng)該引導(dǎo)一但是場(chǎng)景理解不足；另一方面，因?yàn)橥ㄓ么竽Ｐ蛯?duì)算力和數(shù)據(jù)量的高需求，許多企業(yè)無力承擔(dān)。我特別推薦不管是技術(shù)供給還是需求方的人士，都可以通過閱讀這份報(bào)告，了解供需兩股力量的匹配情況，共同推進(jìn)生成式AI模型的能力開放，讓普我們研究院做的這份報(bào)告基于一線的大量實(shí)踐反饋，做了系統(tǒng)深入的歸納總結(jié)，讓比如行業(yè)大模型與通用大模型的關(guān)系等。我們始終認(rèn)為，人工智能發(fā)展的根本目標(biāo)是落地于行業(yè)、服務(wù)于人。能真正解決用戶需求、距離場(chǎng)景和數(shù)據(jù)更近的企業(yè)，將應(yīng)用場(chǎng)景是大模型的“磨刀石”。騰訊擁抱大模型的一個(gè)重要方式，就是積極推動(dòng)騰訊自己的各類業(yè)務(wù)與自研的混元大模型結(jié)合，同時(shí)在文化消費(fèi)、生產(chǎn)提效、科技普惠等多個(gè)領(lǐng)域探索落地場(chǎng)景，發(fā)掘大模型的真實(shí)應(yīng)用價(jià)值。這也是騰訊多年來形成的務(wù)實(shí)精神的體現(xiàn)，把自己做試驗(yàn)田，內(nèi)部打磨成熟再向外推廣應(yīng)用，通過“由隨著騰訊大模型的不斷發(fā)展成熟，我們將會(huì)連接和服務(wù)更多的行業(yè)應(yīng)用場(chǎng)景。哪些行業(yè)和場(chǎng)景需求強(qiáng)，哪些應(yīng)用實(shí)現(xiàn)方式更適合，如何衡量應(yīng)用的價(jià)值和成效……這些都是需要我們持續(xù)思考和解答的問題。這份行業(yè)大模型研究，提供了一份不錯(cuò)的預(yù)研參考。未來，騰訊將繼續(xù)專注于自主可控的大模型技術(shù)發(fā)展路線，不斷迭代技序很少有一項(xiàng)技術(shù)像大模型這樣，全球熱度持續(xù)了快兩年，還在不斷涌現(xiàn)新熱點(diǎn)。這文生圖到文生視頻，大模型不斷解鎖新能力，逐步替代傳統(tǒng)的智力勞動(dòng)，使得原本需要專業(yè)團(tuán)隊(duì)長(zhǎng)時(shí)間才能完成的工作，現(xiàn)在僅需一個(gè)簡(jiǎn)單的提示或草圖即可實(shí)現(xiàn)。結(jié)果就是，人類的智力成果可以云端的方式、通過大模型提供給每個(gè)人，一個(gè)人帶然而，在大模型技術(shù)持續(xù)快速迭代的同時(shí)，我們也越來越發(fā)現(xiàn)一個(gè)現(xiàn)實(shí)問題：大模型在具體行業(yè)中的應(yīng)用，推進(jìn)好像沒那么快。很多企業(yè)對(duì)大模型是一邊期待、一邊焦慮，想盡快用起來，又不太知道怎么用，即使是有試用的，效果也不明顯，存在要用一個(gè)通用的大模型來直接滿足各行各業(yè)的特定需求，至少現(xiàn)在還有一定距離。行業(yè)大模型應(yīng)運(yùn)而生。坦白說，一開始我有疑慮，覺得這是一個(gè)偽也有不少討論和爭(zhēng)議。后來我們團(tuán)隊(duì)堅(jiān)持要進(jìn)行研究、用事實(shí)說話，我也支持。在我看來，大模型發(fā)展到今天，研究已經(jīng)不能只停留在眺望未來的視角，更需要貼近實(shí)踐，用深度的研究推動(dòng)創(chuàng)新探索和落地。這份行業(yè)大模型調(diào)研報(bào)告，就這樣最終報(bào)告做了大量的一線實(shí)踐調(diào)研，訪談了超過百位的各界專家，系統(tǒng)歸納解答了一系列共性問題，包括為什么要發(fā)展行業(yè)大模型、行業(yè)大模型是什么、哪些行業(yè)和場(chǎng)景至少現(xiàn)階段是客觀存在的，通?；谕ㄓ么竽Ｐ驼{(diào)整而來，是很多企業(yè)提高模型專業(yè)性的有效選擇，也是國(guó)家落地“人工智能+”的最后一公里。而決定大模型影響大小的核心因素，就在“知識(shí)密度”，密度越高的行業(yè)或場(chǎng)景，受影響會(huì)越大，比當(dāng)然，這項(xiàng)研究只是起了個(gè)頭，希望能對(duì)大家有所啟發(fā)和幫助。也要特別感謝所有給予我們指導(dǎo)、接受我們?cè)L談的各界專家和朋友們，希望未來我們繼續(xù)攜手合作，推動(dòng)大模型深入各行各業(yè)，一起創(chuàng)造和見證一 發(fā)展背景01行業(yè)大模型既有模型、也含應(yīng)用09應(yīng)用進(jìn)展12一行業(yè)大模型應(yīng)用階段劃分大模型在垂直場(chǎng)景的應(yīng)用滲透，呈現(xiàn)“微笑不同行業(yè)對(duì)大模型能力有“三大共性需求”20三終極之問：行業(yè)大模型怎樣算成功？避免兩個(gè)誤區(qū)：片面追求技術(shù)性能或短期收益23評(píng)估三類價(jià)值：降本提效、業(yè)務(wù)創(chuàng)新和體驗(yàn)增強(qiáng)構(gòu)建一個(gè)模式：高質(zhì)量數(shù)據(jù)飛輪37 實(shí)現(xiàn)方式39科研案例：scBERT單細(xì)胞基因數(shù)據(jù)分析大模型5254 行業(yè)大模型治理的三項(xiàng)原則5556575960 "人工智能+"促進(jìn)行業(yè)大模型應(yīng)用提速發(fā)展背景發(fā)展背景大模型引發(fā)的智能革命"日益強(qiáng)大的人工智能系統(tǒng)將從根本上改變科技產(chǎn)品的工作方式、創(chuàng)造新的類別并重組整個(gè)行業(yè)。從頭開始是好的。""IncreasinglypowerfulAlsystemswillfundamentallychangehowtechproductswork,createnewcategories,andrestructureentireindustries.startingwithacleanslateisgood."Model))chatGPT,用戶數(shù)5天過百萬、2個(gè)月過億的成績(jī),一度刷新紀(jì)錄成為史上增長(zhǎng)最快的應(yīng)用。chatGPT的全民爆火揭開了人工智能(AI,ArtificialInteligence)大模型時(shí)代的序幕,也預(yù)示著AI邁向通用人工智能(AGl,Artificial目前業(yè)界對(duì)大模型并沒有形成明確統(tǒng)一的定義,狹義上可指代大語言模型,基于Transformer技術(shù)框架;廣義上則包含了語言、聲音、圖像、視頻等多模態(tài)大模型,技術(shù)框架也涵蓋stableDiffusion等。學(xué)界如李飛飛等人工智能學(xué)者指出,這些模型可被稱為基礎(chǔ)模型(FM,FoundationModel)。發(fā)展背景在大模型出現(xiàn)之前,人工智能通常需要針對(duì)特定的任務(wù)和場(chǎng)景設(shè)計(jì)專門的算法模型,人的通用智能"涌現(xiàn)"能力,能夠?qū)W習(xí)多個(gè)領(lǐng)域知識(shí)、處理多種任務(wù),因此也被稱為通用大模型。具體而言,大模型具備以下特點(diǎn):1.參數(shù)規(guī)模大存在冪律關(guān)系,性能會(huì)隨著這三個(gè)因素的指數(shù)增加而線性提高,通俗而言就是"大力出奇跡"。不過"大"并沒有一個(gè)絕對(duì)的標(biāo)準(zhǔn),而是一個(gè)相對(duì)概念。傳統(tǒng)模型參數(shù)量通常在數(shù)萬至數(shù)億之間,大模型的參數(shù)量則至少在億級(jí),并已發(fā)展到過萬億級(jí)GPT-4非官方估計(jì)約達(dá)1.8萬億。數(shù)據(jù)來源:Epoch(2024),ourworldlnData發(fā)展背景2.泛化能力強(qiáng)大模型能夠有效處理多種未見過的數(shù)據(jù)或新任務(wù)?；谧⒁饬C(jī)制(Attention),通過在大規(guī)模、多樣化的無標(biāo)注數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練,大模型能夠?qū)W習(xí)掌握豐富的通用知識(shí)和方法,從而在廣泛的場(chǎng)景和任務(wù)中使用,例如文本生成、自然語言理解、翻譯、數(shù)學(xué)推導(dǎo)、邏輯推理和多輪對(duì)話等。大模型不需要、或者僅需少量特定任務(wù)了多種人類基準(zhǔn)考試,結(jié)果顯示其在多項(xiàng)考試中成績(jī)都超過了大部分人類(80%以上),包括法學(xué)、經(jīng)濟(jì)學(xué)、歷史、數(shù)學(xué)、閱讀和寫作等。估大模型在各種語言理解任務(wù)上能力的綜合測(cè)評(píng),涵蓋歷史、文學(xué)、科學(xué)、數(shù)學(xué)等廣泛主題和領(lǐng)域發(fā)展背景資源與成本滿足性能需要,然而降低資源消耗基本上需要采用更小的模型或更少的參數(shù),這又會(huì)降低模型的性能表現(xiàn)。通用大模型以發(fā)展通識(shí)能力為主要目標(biāo)、更側(cè)重泛化性,在專業(yè)性和經(jīng)濟(jì)性方面很難充分滿足具體行業(yè)/機(jī)構(gòu)的特定需求,存在"有幻覺、成本高"等情況。2.行業(yè)對(duì)大模型有內(nèi)生需求具體行業(yè)中機(jī)構(gòu)從自身需求出發(fā),采用大模型還有兩個(gè)關(guān)鍵考量因素:競(jìng)爭(zhēng)和安全。將數(shù)據(jù)轉(zhuǎn)化為競(jìng)爭(zhēng)力是核心驅(qū)動(dòng):為有效提升競(jìng)爭(zhēng)力,機(jī)構(gòu)會(huì)盡力尋找性能最佳的模型,并利用行業(yè)專業(yè)數(shù)據(jù)或私有數(shù)據(jù)的獨(dú)特資源,對(duì)模型進(jìn)行定制調(diào)整和優(yōu)化。目前GPT-4等市場(chǎng)頭部通用大模型多為閉源,通過網(wǎng)頁、APP應(yīng)用服務(wù)大眾用戶,或以API標(biāo)準(zhǔn)化調(diào)用的方式服務(wù)開發(fā)者,可定制化調(diào)整的空間較小。保障安全可控是底線要求:大模型不僅涉及機(jī)構(gòu)私有數(shù)據(jù)的調(diào)用,還會(huì)與機(jī)構(gòu)的業(yè)通用大模型通?；诠性铺峁┓?wù),會(huì)造成機(jī)構(gòu)對(duì)私有數(shù)據(jù)、敏感數(shù)據(jù)安全的擔(dān)憂。例如,2023年三星電子引入chatGPT不到20天,就引發(fā)代碼上傳、會(huì)議記錄等三起內(nèi)部資料泄露事件。此外,通用大模型本身的數(shù)據(jù)集、參數(shù)等對(duì)外多是黑盒,機(jī)構(gòu)無法掌握技術(shù)細(xì)節(jié),也會(huì)影響對(duì)模型的信任度。3.行業(yè)大模型是落地"人工智能+"的最后一公里如上可見,通用大模型與行業(yè)/機(jī)構(gòu)具體需求間存在差距,行業(yè)大模型成為彌合技術(shù)與需求間差距的必然產(chǎn)物,能有效支持各行各業(yè)加速落地大模型應(yīng)用:發(fā)展背景所以還需要提供大模型的私有化訓(xùn)練和本地化部署。"●行業(yè)大模型的特點(diǎn)行業(yè)大模型是與通用大模型相對(duì)的概念。通用大模型側(cè)重發(fā)展通識(shí)能力,行業(yè)大模型則側(cè)重發(fā)展專業(yè)能力。從行業(yè)實(shí)踐看,行業(yè)大模型不僅指開發(fā)一個(gè)行業(yè)專用的模型本身,更多還包括基于通用大模型調(diào)整和開發(fā)的行業(yè)應(yīng)用。因此,廣義上行業(yè)大模型可以歸納為:利用大模型技術(shù),針對(duì)特定數(shù)據(jù)和任務(wù)進(jìn)行訓(xùn)練或優(yōu)化,形成具備專用知識(shí)與能力的大模型及應(yīng)用。此外,國(guó)際上更多用垂直模型(verticalModel)或垂直人工智能(verticalAI)來表示,國(guó)內(nèi)還有用垂類模型、領(lǐng)域模型、專屬模型等稱謂,都可以認(rèn)為與行業(yè)大模型等同或包含在內(nèi)。2.行業(yè)大模型大多生長(zhǎng)于通用大模型之上行業(yè)大模型大多在通用大模型基礎(chǔ)上構(gòu)建。通用大模型具備豐富的知識(shí)和強(qiáng)大的泛化能力,不僅能為行業(yè)大模型提供廣泛的知識(shí)基礎(chǔ)并提升交互體驗(yàn),還能顯著節(jié)約從頭訓(xùn)練模型所需的大量數(shù)據(jù)和算力資源,大幅提升行業(yè)大模型開發(fā)及應(yīng)用的效率和效果。通過對(duì)通用大模型進(jìn)行提示工程、檢索增強(qiáng)生成、精調(diào)、繼續(xù)預(yù)訓(xùn)練/后訓(xùn)練等方式,模型能夠更好地處理特定數(shù)據(jù)或任務(wù),從而生成行業(yè)大模型的版本發(fā)展背景(模型有變)或具備行業(yè)大模型的功能(模型不變),具體實(shí)現(xiàn)方式見報(bào)告第三章。今天市場(chǎng)上很多行業(yè)大模型,如金融、法律、教育、傳媒、文旅等,大多是在Llama、SD、GLM、Baichuan等國(guó)內(nèi)外主流開源大模型基礎(chǔ)上構(gòu)建。場(chǎng)景數(shù)據(jù)行業(yè)數(shù)據(jù)行業(yè)數(shù)據(jù)通用大模型"模型需要進(jìn)一步的分級(jí),如L0-L1-L2等從基礎(chǔ)模型、垂直模型到某個(gè)領(lǐng)域?qū)＜?來逐步實(shí)現(xiàn)專業(yè)性的提升。所謂的垂直領(lǐng)域模型,更多是一個(gè)特定訓(xùn)練數(shù)據(jù)的加入,比如占到10-15%的預(yù)訓(xùn)練占比,從而輸出行業(yè)大模型。"——國(guó)內(nèi)某大模型獨(dú)角獸技術(shù)負(fù)責(zé)人應(yīng)用進(jìn)展應(yīng)用進(jìn)展經(jīng)營(yíng)管理-農(nóng)業(yè)市場(chǎng)信息分析輔助經(jīng)營(yíng)管理-農(nóng)業(yè)市場(chǎng)信息分析輔助行業(yè)農(nóng)業(yè)第一產(chǎn)業(yè):農(nóng)林牧漁業(yè)研發(fā)/設(shè)計(jì)-生物育種生產(chǎn)/制造-智慧種植/養(yǎng)殖決策輔助市場(chǎng)/銷售-農(nóng)產(chǎn)品電商平臺(tái)銷售對(duì)話客戶服務(wù)-農(nóng)業(yè)技術(shù)服務(wù)智能對(duì)話助手第二產(chǎn)業(yè):制造業(yè)/建筑業(yè)/電力/能源第二產(chǎn)業(yè):制造業(yè)/建筑業(yè)/電力/能源行業(yè)研發(fā)/設(shè)計(jì)生產(chǎn)/制造市場(chǎng)/銷售客戶服務(wù)經(jīng)營(yíng)管理建筑-戶型和總圖設(shè)計(jì)生成-意向圖生成等-開店選址助手-技術(shù)資料對(duì)話-建筑工程技術(shù)資料對(duì)話輔助施工-住房銷售廣告素材生成-物業(yè)智能客服/數(shù)字社區(qū)-企業(yè)助手-經(jīng)營(yíng)數(shù)據(jù)問答-工單自動(dòng)分類-設(shè)備設(shè)施管理制造-工業(yè)產(chǎn)品外觀設(shè)計(jì)-工業(yè)代碼生成-工業(yè)機(jī)器人控制-車間和設(shè)備管理-市場(chǎng)需求預(yù)測(cè)和庫存管理-個(gè)性化營(yíng)銷-產(chǎn)品營(yíng)銷內(nèi)容生成-產(chǎn)品智能客服-機(jī)器人業(yè)務(wù)處理-管理軟件輔助-工業(yè)知識(shí)問答和企業(yè)助手能源-新能源場(chǎng)景規(guī)劃輔助-智能巡檢-生產(chǎn)環(huán)節(jié)調(diào)度輔助-知識(shí)圖譜輔助運(yùn)營(yíng)-售電公司智能銷售-售電與電網(wǎng)服務(wù)助手-負(fù)荷預(yù)測(cè)及電力質(zhì)量分析 第三產(chǎn)業(yè):生產(chǎn)性服務(wù)業(yè)行業(yè)行業(yè)研發(fā)/設(shè)計(jì)市場(chǎng)/銷售客戶服務(wù)經(jīng)營(yíng)管理市場(chǎng)/銷售客戶服務(wù)經(jīng)營(yíng)管理-廣告主自助內(nèi)容生成平臺(tái)-金融智能客服-差異化的廣告投放-銀行催收合規(guī)監(jiān)管-應(yīng)用智能客服-copllot編程輔助-風(fēng)險(xiǎn)管理和信貸評(píng)價(jià)-資料匯總和投資分析-軟件創(chuàng)意設(shè)計(jì)生成-輔助芯片設(shè)計(jì)-數(shù)倉的自動(dòng)調(diào)度-營(yíng)銷合規(guī)監(jiān)管-廣告創(chuàng)意生成-設(shè)計(jì)圖生成-客戶觸達(dá)數(shù)據(jù)分析-數(shù)據(jù)中臺(tái)智能分析-銷售線索自動(dòng)評(píng)化-廣告精準(zhǔn)投放-理財(cái)產(chǎn)品銷售廣告軟件金融應(yīng)用進(jìn)展各行業(yè)橫向?qū)Ρ?大模型已經(jīng)在多個(gè)行業(yè)落地,從進(jìn)展快慢角度可歸為三大類:1)數(shù)字原生行業(yè)是大模型應(yīng)用的先行者成為大模型落地較快的行業(yè)。這些行業(yè)的大模型應(yīng)用場(chǎng)景廣泛,覆蓋了營(yíng)銷、客服、內(nèi)容生成等諸多環(huán)節(jié),目前已積累了相對(duì)豐富和成熟的實(shí)踐。例如,游戲行業(yè)利用大模型進(jìn)行NPC對(duì)話生成、游戲素材創(chuàng)作、玩家行為分析等,提升研發(fā)效率和游戲體驗(yàn);互聯(lián)網(wǎng)TOC領(lǐng)域,利用大模型優(yōu)化內(nèi)容生成、信息搜索、智能助手等關(guān)鍵應(yīng)用進(jìn)展較快。2)生產(chǎn)性服務(wù)業(yè)成為傳統(tǒng)行業(yè)結(jié)合大模型的示范區(qū)金融、廣告、軟件等生產(chǎn)性服務(wù)業(yè),因其產(chǎn)品和業(yè)務(wù)的非實(shí)物屬性,在客戶服務(wù)和數(shù)據(jù)處理等方面有強(qiáng)需求,比較適配當(dāng)前大模型技術(shù)的能力,因此推進(jìn)也較快,為其他傳統(tǒng)行業(yè)的大模型應(yīng)用探索提供了示范。例如,軟件行業(yè)積極利用大模型代碼生成等能力,優(yōu)化從需求分析、開發(fā)、測(cè)試到運(yùn)維的全流程,降低人力成本、提高應(yīng)用開發(fā)和服務(wù)質(zhì)量;金融機(jī)構(gòu)則利用大模型增強(qiáng)服務(wù)的廣度和精度,實(shí)現(xiàn)營(yíng)銷、風(fēng)控、投研等環(huán)節(jié)的賦能提效。這些行業(yè)的大模型實(shí)踐正加速走向成熟,并向場(chǎng)景縱深探索。3)重資產(chǎn)行業(yè)在大模型的應(yīng)用上處于局部探索階段能源/電力、建筑、制造業(yè)等行業(yè),大模型應(yīng)用推進(jìn)相對(duì)慢,主要受限于線下生產(chǎn)應(yīng)用進(jìn)展型技術(shù)所帶來的"智力即服務(wù)"的范式變化,特別適配微笑曲線兩端、知識(shí)密集型1)營(yíng)銷/服務(wù)環(huán)節(jié)進(jìn)展最快,跨行業(yè)通用性強(qiáng)是重要原因在產(chǎn)業(yè)鏈下游的營(yíng)銷與服務(wù)環(huán)節(jié),基于機(jī)構(gòu)自有知識(shí)庫的內(nèi)容生成與智能對(duì)話,能使?fàn)I銷和服務(wù)活動(dòng)的效率和體驗(yàn)得到顯著提升,成為各行業(yè)嘗試應(yīng)用大模型的普遍先行領(lǐng)域。營(yíng)銷和服務(wù)大多直接面向C端用戶,跨行業(yè)通用性強(qiáng),能夠充分利用通用大模型的基礎(chǔ)能力和通用的營(yíng)銷、服務(wù)知識(shí),快速開發(fā)和調(diào)試出適配機(jī)構(gòu)需要的應(yīng)用。如營(yíng)銷方面,各行業(yè)都能基于廣告大模型進(jìn)行素材生成和精準(zhǔn)投放;客服方面,各行業(yè)也能在通用的智能客服機(jī)器人快速搭載自有知識(shí)庫,為用戶提供專業(yè)的個(gè)性化服務(wù)。2)研發(fā)/設(shè)計(jì)環(huán)節(jié)結(jié)合最深,高質(zhì)量專業(yè)數(shù)據(jù)集決定進(jìn)程在產(chǎn)業(yè)鏈上游的設(shè)計(jì)研發(fā)環(huán)節(jié),大模型對(duì)海量知識(shí)的高效學(xué)習(xí)、推理和生成能力,不僅能大幅提升文案、影像、代碼等內(nèi)容創(chuàng)意的生成效率,還適用于生物、環(huán)境、材料等涉及海量科研數(shù)據(jù)處理的科學(xué)計(jì)算領(lǐng)域。是否具備高質(zhì)量的專業(yè)數(shù)據(jù)集,決定了不同行業(yè)、領(lǐng)域在這個(gè)環(huán)節(jié)進(jìn)程的快慢。文案、影像、代碼等有大量基于互聯(lián)網(wǎng)的開放、開源數(shù)據(jù)集,因此這些領(lǐng)域進(jìn)展最快;有高質(zhì)量、大規(guī)模開放數(shù)據(jù)集的科研領(lǐng)域進(jìn)展也較快,典型像DeepMind開發(fā)的AlphaFold,能夠僅憑氨基酸預(yù)測(cè)蛋白質(zhì)的3D結(jié)構(gòu),大幅提升了蛋白質(zhì)研究進(jìn)程,其成功的背后有賴于采用了PDB、uniprot等提供的開放數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練;工業(yè)研發(fā)/設(shè)計(jì)方面,芯片、汽車等領(lǐng)域也已出現(xiàn)用大模型輔助設(shè)計(jì)生成的應(yīng)用,但這些領(lǐng)域多涉及強(qiáng)商業(yè)競(jìng)爭(zhēng),應(yīng)用進(jìn)展高質(zhì)量的開放數(shù)據(jù)集很難獲取,需要更多投入,實(shí)用進(jìn)展相對(duì)慢。3)生產(chǎn)/制造環(huán)節(jié)進(jìn)展相對(duì)慢,對(duì)人的輔助增強(qiáng)是目前主要結(jié)合點(diǎn)處于產(chǎn)業(yè)鏈中間的生產(chǎn)制造環(huán)節(jié),往往涉及對(duì)機(jī)器等各類實(shí)體的操作,需要人與設(shè)備、工藝、系統(tǒng)的適配,環(huán)節(jié)多、流程復(fù)雜,對(duì)安全性、準(zhǔn)確性和穩(wěn)定性要求高。目前大模型的能力主要體現(xiàn)在自然語言和圖像的處理上,并不直接適用于生產(chǎn)制造環(huán)節(jié)復(fù)雜的數(shù)值計(jì)算、時(shí)序分析和實(shí)時(shí)決策等場(chǎng)景,往往需要針對(duì)性采集專業(yè)數(shù)據(jù)集進(jìn)行專門的模型訓(xùn)練和開發(fā),因此結(jié)合的進(jìn)展相對(duì)慢。從目前行業(yè)實(shí)踐看,大模型在生產(chǎn)制造領(lǐng)域的應(yīng)用側(cè)重在對(duì)人的輔助增強(qiáng),以copilot(機(jī)器人助手)為主要形態(tài),結(jié)合工業(yè)軟件在工業(yè)仿真、生產(chǎn)監(jiān)控、故障排查等環(huán)節(jié)輔助人提升處理能力。例如西門子與微軟合作推出了siemensIndustrialcopilot,通過自然語言交互,維修人員可以獲得詳細(xì)的維修指導(dǎo),工程師可以快速訪問仿真工具,還能夠快速生成、優(yōu)化和調(diào)試復(fù)雜的自動(dòng)化代碼,幾分鐘即可完成以前耗時(shí)數(shù)周的任務(wù),大幅提互就能自動(dòng)整理工廠運(yùn)營(yíng)相關(guān)的各類數(shù)據(jù),快速生成易于理解的報(bào)告、郵件和圖表,還能引導(dǎo)用戶進(jìn)行根因分析加快問題診斷。3.不同行業(yè)對(duì)大模型能力有"三大共性需求"雖然不同行業(yè)與大模型結(jié)合的進(jìn)展和側(cè)重點(diǎn)存在差異,但對(duì)大模型的當(dāng)前優(yōu)勢(shì)和發(fā)展方向也存在共性的認(rèn)識(shí)與需求,總體看有三個(gè)方面:1)內(nèi)容生成與創(chuàng)意設(shè)計(jì)主要運(yùn)用大模型展現(xiàn)出的生成能力,包括文本生成、圖像生成及代碼、表格等泛文應(yīng)用進(jìn)展本生成能力,結(jié)合特定行業(yè)、場(chǎng)景的數(shù)據(jù),支持內(nèi)容生成和創(chuàng)意設(shè)計(jì)。例如各行業(yè)都普遍需要營(yíng)銷和廣告,不論是創(chuàng)意階段的文案制作、還是市場(chǎng)階段的廣告素材生成,結(jié)合行業(yè)特定數(shù)據(jù)的廣告大模型應(yīng)用都能發(fā)揮更好的作用。在數(shù)字化的浪潮下,很多行業(yè)也需要增加代碼開發(fā)、數(shù)據(jù)分析等工作,大模型輔助代碼生成、數(shù)據(jù)分析和圖表生成等,成為增長(zhǎng)中的跨行業(yè)共性需求。2)信息提煉與專業(yè)輔助主要運(yùn)用大模型的摘要、規(guī)劃等能力,針對(duì)特定行業(yè)、場(chǎng)景的數(shù)據(jù),輔助人進(jìn)行專業(yè)知識(shí)的提煉、分析和加工。結(jié)合檢索增強(qiáng)生成等技術(shù),許多行業(yè)通過對(duì)話機(jī)器人實(shí)現(xiàn)此類助手型應(yīng)用,覆蓋研發(fā)設(shè)計(jì)、生產(chǎn)制造、營(yíng)銷服務(wù)等多環(huán)節(jié)。例如金融行業(yè),結(jié)合金融領(lǐng)域?qū)Ｓ兄R(shí)形成的金融大模型,已能有效支持前后臺(tái)工作,成為金融投資決策、風(fēng)險(xiǎn)評(píng)估等的關(guān)鍵支撐;醫(yī)療行業(yè),科研人員可以通過對(duì)話式藥物研發(fā)助手,便捷查詢專業(yè)信息,助力新藥研發(fā),甚至輔助DNA測(cè)序識(shí)別疾病與基因的關(guān)聯(lián)等。3)任務(wù)調(diào)度與智能交互行業(yè)對(duì)大模型的需求,更多還體現(xiàn)對(duì)其代理能力(Agent)的期待,希望大模型能與其他應(yīng)用,甚至與現(xiàn)實(shí)世界的機(jī)器和設(shè)備等連通,在更廣泛的范圍協(xié)助進(jìn)行任務(wù)調(diào)度和問題解決。這涉及實(shí)時(shí)數(shù)據(jù)處理、自動(dòng)化控制、環(huán)境感知和決策支持等,對(duì)模型的響應(yīng)速度、準(zhǔn)確度和自適應(yīng)性提出了更高要求,需要大模型插件生態(tài)、大模型與小模型的結(jié)合、多模態(tài)大模型等順利發(fā)展。例如電力行業(yè),希望通過大模型的任務(wù)調(diào)度和交互能力,有效整合傳感器等數(shù)據(jù),優(yōu)化能源分配和消耗,提高能源領(lǐng)域的運(yùn)行效率;交通行業(yè),涉及復(fù)雜的現(xiàn)實(shí)環(huán)境交互,對(duì)安全性和準(zhǔn)確性要求高,可能需要開發(fā)具備多模態(tài)能力的原生交通大模型才能滿足需求。應(yīng)用進(jìn)展相對(duì)概念、沒有絕對(duì)標(biāo)準(zhǔn)。1.避免兩個(gè)誤區(qū):片面追求技術(shù)性能或短期收益誤區(qū)1:將技術(shù)指標(biāo)當(dāng)作證明大模型成功的標(biāo)準(zhǔn)。在大模型技術(shù)快速迭代的形勢(shì)下,一些機(jī)構(gòu)會(huì)將注意力集中在技術(shù)性能上,通過呈現(xiàn)指標(biāo)數(shù)值的增長(zhǎng)來反映大模型的成功,包括精度、召回率和提升率等,但這些指標(biāo)遠(yuǎn)遠(yuǎn)不夠。最大的問題是,技術(shù)指標(biāo)的高低無法直接反映出大模型價(jià)值的大小,例如召回率從50%提升到60%,算不算成功其實(shí)很難評(píng)判。更重要的應(yīng)該是關(guān)注業(yè)務(wù)指標(biāo),例如用戶數(shù)、使用量、收入等,這些指標(biāo)能直觀反映價(jià)值,作為評(píng)判成功的標(biāo)準(zhǔn)更具說服力?？蓪⒓夹g(shù)指標(biāo)和業(yè)務(wù)指標(biāo)建立聯(lián)系,用業(yè)務(wù)發(fā)展來牽引技術(shù)開發(fā)和優(yōu)化,也更容易論證技術(shù)性能提升所帶來的價(jià)值。誤區(qū)2:過度看重投資收益中的短期產(chǎn)出部分而忽視長(zhǎng)期投入。行業(yè)更關(guān)注大模型的實(shí)用性,越來越強(qiáng)調(diào)投入產(chǎn)出比,這本身沒有問題。但一些機(jī)構(gòu)會(huì)將大模型與成熟業(yè)務(wù)類似,要求明確的投入產(chǎn)出,甚至短期內(nèi)實(shí)現(xiàn)正向盈利,這并不利于大模型應(yīng)用的發(fā)展。大模型還在快速迭代,有大量的不確定性,比如技術(shù)突變、泡沫等,短期財(cái)務(wù)上很難有較好的表現(xiàn),長(zhǎng)期也很難評(píng)估準(zhǔn)確。更合理的方式是將大模型作為研發(fā)或孵化項(xiàng)目,不強(qiáng)求短期的財(cái)務(wù)指標(biāo)絕對(duì)值達(dá)成,轉(zhuǎn)而關(guān)注業(yè)務(wù)、技術(shù)等指標(biāo)的相對(duì)提升,采取廣泛的組合投資策略長(zhǎng)期持續(xù)投入才可能真正見效。應(yīng)用進(jìn)展"人工智能投資的最佳回報(bào)率將來自廣泛的人工智能投資組合,并以廣泛且不斷發(fā)展的投資理論為指導(dǎo)與戰(zhàn)略優(yōu)先事項(xiàng)保持一致,有助于根據(jù)業(yè)務(wù)影響分配資源。遵循投資組合管理計(jì)劃來確定大多數(shù)人工智能用例的組織,達(dá)到人工智能實(shí)施成熟水平的可能性高出2.4倍。"——Gartner《快速解答:人工智能投資的真實(shí)回報(bào)是什么?》2.評(píng)估三類價(jià)值:降本提效、業(yè)務(wù)創(chuàng)新和體驗(yàn)增強(qiáng)從國(guó)際頭部企業(yè)的研究和實(shí)踐經(jīng)驗(yàn)看,目前評(píng)估大模型成功的方法整體呈現(xiàn)多維特征。例如,微軟推出的《為人工智能成功奠定基礎(chǔ):領(lǐng)導(dǎo)者指南》列出了五個(gè)類別,包括商業(yè)策略、技術(shù)策略、AI策略、組織與文化、AI治理。谷歌在《新一代人工智能的KPI》中歸納了三個(gè)主要領(lǐng)域,模型質(zhì)量、系統(tǒng)質(zhì)量和業(yè)務(wù)影響。往體現(xiàn)為業(yè)務(wù)需求及指標(biāo))是衡量大模型成功的最終指向。例如,微軟認(rèn)為商業(yè)策略是人工智能成功的第一步,業(yè)務(wù)需求目標(biāo)主要有提高生產(chǎn)力、效率最大化、改善業(yè)務(wù)成果。谷歌認(rèn)為企業(yè)可以從人工智能部署中獲得多種價(jià)值,建議用于跟蹤業(yè)務(wù)影響的指標(biāo)有采用率、使用頻率、會(huì)話長(zhǎng)度、放棄率、用戶滿意度等,商業(yè)價(jià)值改進(jìn)指標(biāo)則列舉了客服成本減少、營(yíng)銷簡(jiǎn)化時(shí)間節(jié)省、零售每次訪問收入提升等示例。"41%的成熟人工智能組織使用與客戶成功相關(guān)的業(yè)務(wù)指標(biāo)。"——Gartner《調(diào)查分析:人工智能優(yōu)先策略帶來回報(bào)增加》應(yīng)用進(jìn)展從我們調(diào)研的實(shí)際情況看也類似,國(guó)內(nèi)行業(yè)大模型應(yīng)用實(shí)踐的企業(yè),在談及大模型價(jià)值或成效的時(shí)候,大多也認(rèn)為對(duì)商業(yè)、業(yè)務(wù)的影響是最關(guān)注的問題。整體上可以歸納為三類價(jià)值降本提效主要是衡量行業(yè)大模型對(duì)機(jī)構(gòu)本身運(yùn)營(yíng)管理影響,也是目前比較顯性的成效表現(xiàn)。核心在于大模型能輔助增強(qiáng)人員能力,提升自動(dòng)化水平進(jìn)而簡(jiǎn)化流程,最終減少人力等成本、提升組織運(yùn)營(yíng)和管理效率。典型場(chǎng)景包括自動(dòng)化開發(fā)、業(yè)務(wù)流程優(yōu)化、智能化決策支持等,衡量成效的指標(biāo)如大模型支持業(yè)務(wù)的成本節(jié)約、時(shí)間節(jié)約、效率提升、輔助決策的準(zhǔn)確率等。自動(dòng)化開發(fā)大模型能自動(dòng)生成代碼、提供編程建議,減少開發(fā)者的重復(fù)性工作,讓他們更專注于復(fù)雜的系統(tǒng)設(shè)計(jì)和問題解決。同時(shí),這也降低了編程門檻,使非專業(yè)人士能參與編程開發(fā),促進(jìn)技術(shù)的普及和創(chuàng)新。比如,大模型提供的代碼示例和建議,幫助開發(fā)者避免常見錯(cuò)誤、提高效率。大模型能理解編程語言的語法和結(jié)構(gòu),甚至項(xiàng)目的具體上下文,為開發(fā)者提供定制化支持。這種自動(dòng)化不僅加快了開發(fā)流程,也能提高產(chǎn)品質(zhì)量。"跨境賣家每年投入在商品拍攝上的費(fèi)用幾乎會(huì)占到整體跨境賣家每請(qǐng)1個(gè)外籍模特的費(fèi)用基本在2000元/小時(shí),而用AgIGC模特商拍功能,可以將每張商拍圖的成本降低應(yīng)用進(jìn)展98%,同時(shí)生成時(shí)間縮短至1分鐘/張,大大降低買家營(yíng)銷"ICT行業(yè)之前很多公司都是靠外包,把需求和設(shè)計(jì)聊清楚,代碼交給別人。這些原來可以交給別人去做的工作,后面可能都可以通過大模型來做。"在生產(chǎn)端,stableDiffusion等工具助力2D美術(shù)創(chuàng)作,同時(shí)較低的技術(shù)環(huán)節(jié)成本。"應(yīng)用進(jìn)展業(yè)務(wù)流程優(yōu)化大模型能通過智能助手等方式,嵌入業(yè)務(wù)流程環(huán)節(jié)中,提高環(huán)節(jié)間的交互效率,并通過自動(dòng)化方式簡(jiǎn)化、優(yōu)化流程,提升業(yè)務(wù)運(yùn)營(yíng)效率。例如游戲行業(yè),大模型能使初步概念快速轉(zhuǎn)化為可視化內(nèi)容,降低策劃與美術(shù)之間的溝通成本,提高游戲開發(fā)效率。能源行業(yè),像電網(wǎng)運(yùn)維檢修,大模型結(jié)合向量數(shù)據(jù)庫加速了知識(shí)圖譜的創(chuàng)建,支持?jǐn)?shù)據(jù)處理和決策流程提效,提升作業(yè)規(guī)范和安全性。金融行業(yè),大模型已被用于自動(dòng)化交易、風(fēng)險(xiǎn)管理和合規(guī)監(jiān)控中,輔助識(shí)別欺詐行為等風(fēng)險(xiǎn),同時(shí)提高交易的處理速度和精確度。協(xié)同辦公領(lǐng)域也在融入大模型,如視頻會(huì)議結(jié)合大模型能自動(dòng)生成會(huì)議記錄和摘要,形成行動(dòng)計(jì)劃并自動(dòng)分發(fā)任務(wù)信息等。"大模型技術(shù)在金融領(lǐng)域深化客戶交互與營(yíng)銷管理,通過chatbot和數(shù)字人提高服務(wù)的個(gè)性化與效率。這些AI工具資和保險(xiǎn)方案制定中展現(xiàn)出精準(zhǔn)服務(wù)能力。同時(shí)在辦公協(xié)同內(nèi)部的工作流程效率。""在運(yùn)維檢修等關(guān)鍵場(chǎng)景中,需要促進(jìn)作業(yè)人員的安全、規(guī)建過程,提高應(yīng)用效果,簡(jiǎn)化電網(wǎng)的數(shù)據(jù)處理和決策流程。"應(yīng)用進(jìn)展"IT技術(shù)的發(fā)展,最開始做的是流程化,如通過RP9去幫助企業(yè)提效,把重復(fù)勞動(dòng)替換掉;然后我們?cè)黾恿酥悄芑?最能化的方式進(jìn)一步提效;再然后是月1重塑工作流,也就是讓客戶原來的工作流程體系逐漸被RI替代。""傳統(tǒng)方式上,策劃向美術(shù)傳達(dá)概念草圖時(shí)面臨巨大挑戰(zhàn),因難以通過言語讓對(duì)方完全理解內(nèi)心的視覺想法。引入基于大模型的RIGC工具后,策劃可將初步概?快速轉(zhuǎn)化為一系列2D或3D內(nèi)容,供和美術(shù)一起討論,有效避免意見分歧導(dǎo)致的內(nèi)耗,極大簡(jiǎn)化了美術(shù)風(fēng)格定調(diào)和選型過程,顯著提高游戲制作的效率。"智能化決策支持大模型還能在運(yùn)營(yíng)分析和管理上發(fā)揮作用。例如,在供應(yīng)鏈管理中,大模型能輔助分析預(yù)測(cè)需求,支持庫存優(yōu)化,提高物流效率并降低成本。交通領(lǐng)域,大模型能整合人、車、路、環(huán)境等多元的數(shù)據(jù),提供智能管控方案,改善城市交通的流量管理。金融行業(yè),大模型能輔助高效檢索信息,提高了財(cái)富管理顧問等決策和服務(wù)效率。在大模型能輔助數(shù)據(jù)探索、自動(dòng)執(zhí)行數(shù)據(jù)清洗和預(yù)處理等任務(wù),節(jié)省分析時(shí)間、提升分析結(jié)果的時(shí)效性。廣告行業(yè),以大模型為底座,通過投放的實(shí)時(shí)數(shù)據(jù)反饋來驅(qū)動(dòng)創(chuàng)意素材的生成與預(yù)算分配中各項(xiàng)指標(biāo)的設(shè)定,最終能建立起清晰的增長(zhǎng)模型與投放策略。應(yīng)用進(jìn)展各種因素納入考量,通過計(jì)算得出高精度的最佳控制方案。通流異常情況時(shí),依據(jù)交通流的動(dòng)態(tài)數(shù)據(jù),并結(jié)合無人機(jī)的吸收TSW自身廣泛的智力資本。[該產(chǎn)品)專門為、并且由摩根士丹利設(shè)計(jì),通過適當(dāng)?shù)目刂?財(cái)務(wù)顧問及其團(tuán)隊(duì)理解的格式提供答案,專門從刀5WT的內(nèi)容中生成,并帶有鏈接源文件,幫助財(cái)務(wù)顧問更好地為客戶服務(wù)。"——摩根士丹利財(cái)富管理公司[IT5WTJ應(yīng)用進(jìn)展支持,滿足規(guī)范標(biāo)準(zhǔn)和工程經(jīng)驗(yàn)的要求,還在進(jìn)一步支持設(shè)計(jì)師創(chuàng)新和優(yōu)化設(shè)計(jì)、促進(jìn)團(tuán)隊(duì)之間精準(zhǔn)溝通等方面發(fā)揮作用。""從目前大模型對(duì)數(shù)據(jù)分析日常工作的輔助來看,比較適合2)業(yè)務(wù)創(chuàng)新業(yè)務(wù)創(chuàng)新主要是衡量行業(yè)大模型對(duì)業(yè)務(wù)供給能力的影響,也是很多機(jī)構(gòu)最希望實(shí)現(xiàn)的目標(biāo)。核心在于大模型的生成能力能擴(kuò)大內(nèi)容供給,與應(yīng)用場(chǎng)景的結(jié)合還可能創(chuàng)造新功能或業(yè)務(wù),幫助提高業(yè)務(wù)的競(jìng)爭(zhēng)力、擴(kuò)大業(yè)務(wù)的市場(chǎng)空間。典型場(chǎng)景包括豐富內(nèi)容創(chuàng)意、優(yōu)化業(yè)務(wù)功能、開發(fā)新業(yè)務(wù)等,衡量成效的指標(biāo)如大模型支持內(nèi)容生成的速度和質(zhì)量、業(yè)務(wù)的用戶數(shù)、業(yè)務(wù)的營(yíng)收等。降低創(chuàng)意門檻大模型能快速生成內(nèi)容,從而降低內(nèi)容創(chuàng)意門檻,尤其在廣告、建筑、規(guī)劃和設(shè)計(jì)領(lǐng)域表現(xiàn)顯著。廣告營(yíng)銷行業(yè)最典型,技術(shù)進(jìn)步特別是文生圖像和視頻大模型如應(yīng)用進(jìn)展廣告。這些模型使得創(chuàng)意不再是高不可攀的資源,普通人也能借助AI工具將其想法具象化,極大豐富廣告創(chuàng)意的供給。又如建筑和規(guī)劃行業(yè),大模型可以貫穿從創(chuàng)意啟動(dòng)到審圖階段,輔助將創(chuàng)意逐步轉(zhuǎn)化為合理的設(shè)計(jì)。"文生圖對(duì)我們影響比較大,與設(shè)計(jì)師的生產(chǎn)息息相關(guān)。尤其商業(yè)圖像很嚴(yán)肅,用戶付費(fèi)要求比較高。之前是人工較多,服務(wù)對(duì)象較少,設(shè)計(jì)師水平差異比較大,成本比較高。能夠通過AIGC工具服務(wù)更多的人。"——卓也,稿定(廈門)科技有限公司視覺算法負(fù)責(zé)人"大模型應(yīng)用顯著提高了創(chuàng)意生產(chǎn)的效率,一方面降低營(yíng)銷人員與設(shè)計(jì)師間的溝通成本,通過自然語言直接生成概念圖。另一方面,為創(chuàng)意人員提供新素材方向和靈感,建立素"建筑和規(guī)劃領(lǐng)域,大模型的重要性可歸納為兩個(gè)階段:創(chuàng)意啟動(dòng)階段,它提供了基于實(shí)際空間圖紙的輔助工具;審圖和發(fā)散想象型兩種。"應(yīng)用進(jìn)展豐富創(chuàng)意供給一是擴(kuò)大供給數(shù)量,由于創(chuàng)意生成門檻的降低,普通人也可以通過AI工具,將其創(chuàng)意想法進(jìn)行呈現(xiàn),并進(jìn)行各種再加工和應(yīng)用,AIGC+UGC的混合方式大幅度提升創(chuàng)意的供應(yīng)量;二是豐富供給類型,目前文生圖只是AIGC的1.0版本,隨著sora等新技術(shù)的出現(xiàn),"扔一本小說生成一本繪本或者一部電影"的想象正在走向現(xiàn)實(shí)。未來,文生文與文生圖、文生視頻、游戲引擎等結(jié)合,可能創(chuàng)造更多內(nèi)容形態(tài)和服務(wù)方式。"在沒有AI的時(shí)代,中級(jí)原畫師需要約一周時(shí)間才能完成一張高質(zhì)量的場(chǎng)景圖。然而借助stableDiffusion,美術(shù)人員在簡(jiǎn)單培訓(xùn)后,一個(gè)上午就能產(chǎn)出百張圖,可滿足需求。此外,還可以進(jìn)一步利用如controlnet之類的工具進(jìn)行優(yōu)化提效。""互聯(lián)網(wǎng)廣告的作業(yè)流程包括策略設(shè)定、內(nèi)容管理、創(chuàng)意生產(chǎn)、發(fā)布和數(shù)據(jù)分析環(huán)節(jié)的人工智能應(yīng)用已相對(duì)成熟,形成有效的"智能小循環(huán)'。然而,策略設(shè)定、內(nèi)容管理和創(chuàng)意生產(chǎn)三率,使得人工智能能夠貫穿并賦能整個(gè)廣告作業(yè)整體流程效率的提升。"應(yīng)用進(jìn)展"今天的互聯(lián)網(wǎng)大家理解更多是生產(chǎn)和消費(fèi)的鏈接,人和人的鏈接。通過新的AI供給重塑互聯(lián)網(wǎng),目前比較明確的熱點(diǎn)在于內(nèi)容行業(yè),特點(diǎn)是生產(chǎn)和消費(fèi)都在線上可以完成,比如character.ai,Artifact和pika就是探索GenAI時(shí)代的內(nèi)容平臺(tái),提供了一種創(chuàng)造即消費(fèi),主被動(dòng)一體的新體驗(yàn)。"創(chuàng)新應(yīng)用場(chǎng)景大模型也有利于激發(fā)用戶的需求,創(chuàng)造出全新的應(yīng)用場(chǎng)景。例如開發(fā)者可以利用Al生成環(huán)境、角色、對(duì)話等,提供以AI生成內(nèi)容為核心的新業(yè)務(wù)和個(gè)性化服務(wù),在互聯(lián)網(wǎng)、游戲、建筑等領(lǐng)域都有新嘗試。"基于大語言模型推出月I咨詢師的文字問答服務(wù),好評(píng)率"9I原生的企業(yè)會(huì)越來越多,因?yàn)槌杀咀銐虻?可能性空間會(huì)很大。比如做照片的、視頻的、數(shù)字人的。甚至是建個(gè)就能看到很多可能性的空間。以前這種產(chǎn)品成本很高,有了AI能力之后,成本變低。月I的能力會(huì)極大降低元宇宙的應(yīng)用進(jìn)展"我認(rèn)為未來在虛擬空間搭建方面有很大的發(fā)展?jié)摿?。利?大模型能夠輸入:文本、圖像、草圖、三維重建模型、視頻級(jí)數(shù)字底板生成與更新的3D大模型建設(shè)。同時(shí)具備泛化為通3)體驗(yàn)增強(qiáng)體驗(yàn)增強(qiáng)主要是衡量行業(yè)大模型對(duì)用戶使用的影響,體現(xiàn)對(duì)用戶的價(jià)值。大模型能提供自然語言交互能力,并隨著向多模態(tài)、具身智能方向發(fā)展,為用戶提供更加自然、豐富的體驗(yàn),從而創(chuàng)造價(jià)值增值。典型場(chǎng)景包括交互方式變革、個(gè)性化服務(wù)、虛擬陪伴等,衡量成效的指標(biāo)如大模型支持業(yè)務(wù)的用戶使用量、活躍度、滿意度、問題解決率、留存率等。交互方式變革大模型可能改變現(xiàn)有應(yīng)用的交互方式,以更自然的對(duì)話方式,讓用戶使用應(yīng)用和調(diào)用功能。例如,文檔結(jié)合大模型,用戶可以通過描述需求,讓應(yīng)用直接生成文字、圖形等內(nèi)容。更有想象空間的是與AR/VR等新交互技術(shù)和設(shè)備的結(jié)合,像蘋果的visionpro,可能推動(dòng)新一輪應(yīng)用形態(tài)和體驗(yàn)的變革。應(yīng)用進(jìn)展"以chatGPT為代表的AI大語言模型應(yīng)用將復(fù)雜交互做了根本性的顛覆,因?yàn)橹挥腥伺c人的對(duì)話是最順暢的,類chatGPT應(yīng)用以擬人化的預(yù)訓(xùn)練大語言模型提供了接近于人類交流的舒適度與流暢度。大模型應(yīng)用于政府領(lǐng)域,使市民與數(shù)字政府之間的交互會(huì)更流暢和便捷,可以視為數(shù)字政府的專家級(jí)陪伴或助手。"——吳炳坤,眾數(shù)信科CEO"換位想象一下,如果所有的交互變成自然語言的交互方式呢?比如我要?jiǎng)?chuàng)建一個(gè)任務(wù),原來在5a35產(chǎn)品上要點(diǎn)擊60次才能完成,現(xiàn)在我一句話就能完成,這個(gè)一定會(huì)有助于5aa5的落地。"個(gè)性化服務(wù)大模型能夠提供個(gè)性化服務(wù)。典型像教育領(lǐng)域,大模型可以根據(jù)每個(gè)學(xué)生的特點(diǎn)和興趣,輔助提供千人千面的個(gè)性化教學(xué)內(nèi)容和服務(wù)。同時(shí),在教學(xué)過程中,對(duì)話式學(xué)習(xí)也將提升學(xué)生學(xué)習(xí)過程的交互性,提高每個(gè)學(xué)生的學(xué)習(xí)興趣。醫(yī)療領(lǐng)域,大模型可以為醫(yī)生和患者提供助手服務(wù),輔助實(shí)現(xiàn)大規(guī)模的精準(zhǔn)醫(yī)療服務(wù)實(shí)施。應(yīng)用進(jìn)展水平快速提升,教育方式不再是一成不變的,而是根據(jù)學(xué)生"人類醫(yī)生處理類似問題時(shí)并不會(huì)直接給出答案,而是追問癥狀,進(jìn)一步排除可能性較低的疾病。騰訊醫(yī)療大模型就很虛擬陪伴服務(wù)在產(chǎn)品服務(wù)優(yōu)化環(huán)節(jié),將大模型的能力集成到產(chǎn)品中,成為消費(fèi)電子、汽車等領(lǐng)域產(chǎn)品智能化能力提升的探索焦點(diǎn)。例如智能音箱vifachatMini內(nèi)置了chatGPT,在保持了專業(yè)聲學(xué)標(biāo)準(zhǔn)的基礎(chǔ)上,提升了自然語言交互體驗(yàn),可用于情感支持、學(xué)習(xí)陪伴、工作助手等?，F(xiàn)在做聆心陪伴,大模型的對(duì)話能力很重要,不然用戶無法持續(xù)聊下去。用戶在不做假設(shè)的情況下聊天,體驗(yàn)不好的時(shí)候直接退出。我們用戶的體驗(yàn)和對(duì)話的輪次息息相關(guān),現(xiàn)在平均對(duì)話是60輪左右,單一客戶是150輪左右。之前是單應(yīng)用進(jìn)展感…大模型在未來教育中會(huì)成為一種陪伴的角色,甚至是不"結(jié)合車輛感知數(shù)據(jù)、語音輸入和用戶行為分析等因素,騰戶更自然的對(duì)話體驗(yàn)、生成式的交互界面、多樣化的場(chǎng)景編——孫廷,騰訊智慧出行智能座艙產(chǎn)品總經(jīng)理3.構(gòu)建一個(gè)模式:高質(zhì)量數(shù)據(jù)飛輪數(shù)據(jù)是大模型能夠運(yùn)行并創(chuàng)造價(jià)值的核心能源。對(duì)具體的行業(yè)機(jī)構(gòu)而言,通過大模型生成和擴(kuò)展價(jià)值的能力,核心取決于如何充分利用自己特有的數(shù)據(jù)。在數(shù)據(jù)問題上往往有一個(gè)誤區(qū):數(shù)據(jù)量越大越好,有大量的數(shù)據(jù)就能訓(xùn)練出好的模型。然而實(shí)際上相比規(guī)模,數(shù)據(jù)質(zhì)量對(duì)于大模型的性能更為重要,尤其是對(duì)專業(yè)性和準(zhǔn)確性要求高的行業(yè)大模型。行業(yè)大模型的構(gòu)建,需要一開始就把高質(zhì)量的數(shù)據(jù)環(huán)境納入其中,通過體系化的數(shù)據(jù)治理設(shè)計(jì),優(yōu)先開發(fā)數(shù)據(jù)管道,讓大模型能夠與應(yīng)用相關(guān)的機(jī)構(gòu)自有數(shù)據(jù)源建立應(yīng)用進(jìn)展連接,以支持后續(xù)能持續(xù)不斷獲得有效的數(shù)據(jù),形成數(shù)據(jù)飛輪。高質(zhì)量的數(shù)據(jù)環(huán)境,不是企業(yè)任意數(shù)據(jù)拿過來就可以,而是需要應(yīng)用相關(guān)的、能提供上下文理解的數(shù)據(jù),重點(diǎn)投資于持續(xù)標(biāo)記、組織和監(jiān)控這些數(shù)據(jù),比如行業(yè)專家的問答內(nèi)容。數(shù)據(jù)架構(gòu)本身,還需要涵蓋結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)源,支持多樣化的數(shù)據(jù)處理?！?與行業(yè)客戶合作中,遇到最核心的問題是數(shù)據(jù)準(zhǔn)備方面,也是當(dāng)前最大的成本項(xiàng)?？蛻敉磺宄獪?zhǔn)備哪些數(shù)據(jù)、數(shù)據(jù)要整理成什么格式等。工業(yè)為例,數(shù)據(jù)量是巨大的、一天幾個(gè)T,但對(duì)于當(dāng)前的大語言模型來說,一些簡(jiǎn)單重復(fù)的時(shí)序數(shù)據(jù),沒有太大意義,需要重新規(guī)劃訓(xùn)練思路。"——國(guó)內(nèi)某大模型獨(dú)角獸公司技術(shù)負(fù)責(zé)人可以建立一些指標(biāo)和標(biāo)準(zhǔn)來評(píng)估和指引數(shù)據(jù)工作,并根據(jù)實(shí)際的訓(xùn)練和應(yīng)用不斷優(yōu)化完善。如數(shù)據(jù)的相關(guān)性,評(píng)估數(shù)據(jù)符合模型應(yīng)用的需要程度,缺乏相關(guān)性的數(shù)據(jù)很可能降低模型性能。數(shù)據(jù)的可持續(xù)性,評(píng)估數(shù)據(jù)是否容易持續(xù)獲取,能通過業(yè)務(wù)的用戶使用及反饋直接獲取的有效數(shù)據(jù),更容易支持?jǐn)?shù)據(jù)飛輪的構(gòu)建?？傊?高質(zhì)量數(shù)據(jù)的飛輪是行業(yè)大模型成功的重要基礎(chǔ)。實(shí)現(xiàn)方式實(shí)現(xiàn)方式提示工程成為持續(xù)優(yōu)化大模型應(yīng)用的基本方法。通過構(gòu)建提示庫并不斷更新,企業(yè)的大模型應(yīng)用開發(fā)人員能夠在不同場(chǎng)景中重復(fù)使用這些提示詞,再將用戶的開放式輸入封裝到提示詞中傳給模型,使模型輸出更相關(guān)、更準(zhǔn)確的內(nèi)容,避免用戶反復(fù)試驗(yàn)從而提升體驗(yàn)。任務(wù)的復(fù)雜度決定了提示工程的技術(shù)方式選擇。簡(jiǎn)單任務(wù)可以用零樣本提示、少樣本提示的方式,不提供或少量提供示例給模型,讓模型能快速輸出結(jié)果,比如對(duì)某個(gè)文本進(jìn)行正面或負(fù)面的評(píng)判。復(fù)雜任務(wù)則大多需要拆解為若干步驟、提供更多示例,采取思維鏈提示等方式,讓模型能逐步推理輸出更精準(zhǔn)的結(jié)果,例如對(duì)一個(gè)復(fù)雜的工程問題進(jìn)行數(shù)學(xué)求解。提示工程的效果高度依賴通用大模型本身的能力。如果通用大模型訓(xùn)練時(shí)包含了行業(yè)應(yīng)用相關(guān)的數(shù)據(jù),提示工程就能有效引導(dǎo)模型輸出更符合行業(yè)需要的結(jié)果;但若通用大模型本身內(nèi)含的行業(yè)應(yīng)用數(shù)據(jù)較少,提示工程的作用就會(huì)比較有限。外掛:檢索增強(qiáng)生成的基礎(chǔ)上,通過外掛知識(shí)庫等方式,為模型提供特定領(lǐng)域的數(shù)據(jù)信息輸入,實(shí)現(xiàn)對(duì)該領(lǐng)域更準(zhǔn)確的信息檢索和生成。RAG能有效幫助企業(yè)快速利用大模型處理私有數(shù)據(jù),已經(jīng)成為企業(yè)部署行業(yè)大模實(shí)現(xiàn)方式提高模型應(yīng)用的專業(yè)準(zhǔn)確性滿足企業(yè)自有數(shù)據(jù)所有權(quán)保障的需要模型本身只會(huì)查找和調(diào)用外掛的數(shù)據(jù),不會(huì)吸收數(shù)據(jù)并訓(xùn)練成模型內(nèi)含的知識(shí);具備較高的性價(jià)比底層大模型本身不做調(diào)整,不用投入大量算力等資源做精調(diào)或預(yù)訓(xùn)練,能夠更快速開發(fā)和部署應(yīng)用。小農(nóng)通過RgG思路,大幅提高了農(nóng)技月1問答結(jié)果的豐度和準(zhǔn)確性,而農(nóng)技知識(shí)庫本身來自以往農(nóng)技專家在惠農(nóng)網(wǎng)平臺(tái)的沉淀,AI通過RAG的能力核心是有效結(jié)合了檢索和生成兩種方法?；舅悸肥前阉接袛?shù)據(jù)進(jìn)行切片,向量化后通過向量檢索進(jìn)行召回,再作為上下文輸入到通用大模型,模型再進(jìn)行分析和回答。具體應(yīng)用時(shí),當(dāng)用戶提出一個(gè)問題或請(qǐng)求,RAG首先檢索私有數(shù)據(jù),找到與問題相關(guān)的信息。這些信息接著被整合到原始問題中,作為額外的上下文信息和原始問題一起輸入大模型。大模型接到這個(gè)增強(qiáng)的提示后,將其與自己內(nèi)部知識(shí)進(jìn)行綜合,最后生成更準(zhǔn)確的內(nèi)容。實(shí)現(xiàn)方式精調(diào)適用于特定領(lǐng)域?qū)Υ竽Ｐ陀懈咝阅芤蟮膱?chǎng)景。在行業(yè)應(yīng)用中,當(dāng)通用大模型不能準(zhǔn)確理解或生成專業(yè)的內(nèi)容時(shí),可以通過精調(diào)的方式,提升大模型在理解行業(yè)特定術(shù)語和正確應(yīng)用行業(yè)知識(shí)的能力,并確保大模型的輸出符合特定的業(yè)務(wù)規(guī)則或邏輯。例如,在零售的智能客服場(chǎng)景中,大模型需要理解商品的知識(shí),并按照公司的故障排查流程來提問和回應(yīng)?！?例如我們?cè)趲椭芏嗉侔l(fā)垂直品類客戶解決一系列繁瑣的棚拍問題,我們的91GC數(shù)字營(yíng)銷創(chuàng)作平臺(tái)-kreadogI'可以自動(dòng)生成不同年齡、膚色的數(shù)字人試戴素材。那在大模型訓(xùn)練過程中,我們結(jié)合—秦鵬,易點(diǎn)天下企業(yè)技術(shù)中心總經(jīng)理●精調(diào)會(huì)將行業(yè)知識(shí)內(nèi)化到大模型的參數(shù)中。精調(diào)后的大模型不僅保有通用知識(shí),還能較為準(zhǔn)確地理解和使用行業(yè)知識(shí),能更好地適應(yīng)行業(yè)內(nèi)的多樣化場(chǎng)景,提供更加貼合實(shí)際需求的解決方案。例如,用醫(yī)療領(lǐng)域數(shù)據(jù)精調(diào)的醫(yī)療大模型,能夠更準(zhǔn)確解讀專業(yè)的醫(yī)學(xué)文獻(xiàn)和病歷報(bào)告,達(dá)到為醫(yī)生提供輔助診斷的要求。精調(diào)是對(duì)大模型定制優(yōu)化和成本投入的折中選擇。精調(diào)往往涉及大模型權(quán)重參數(shù)或模型結(jié)構(gòu)的調(diào)整,并且需要多次迭代才能達(dá)到性能要求,因此相對(duì)提示工程、RAG等不改變模型本身的方式,會(huì)需要較長(zhǎng)時(shí)間和較多的計(jì)算資源。當(dāng)然,與從頭預(yù)訓(xùn)練大模型相比,精調(diào)還是一種更為經(jīng)濟(jì)高效的方法,因?yàn)橥ǔＶ挥脤?duì)模型做局部調(diào)整、所需訓(xùn)練的數(shù)據(jù)相對(duì)少。實(shí)現(xiàn)方式高質(zhì)量數(shù)據(jù)集是決定精調(diào)后模型性能的關(guān)鍵。數(shù)據(jù)集需要與業(yè)務(wù)場(chǎng)景密切相關(guān),并且數(shù)據(jù)標(biāo)注需要高度精準(zhǔn)。高質(zhì)量數(shù)據(jù)集既會(huì)來自企業(yè)內(nèi)部數(shù)據(jù)提取也會(huì)來自外部數(shù)據(jù)的采集,均需進(jìn)行專門的數(shù)據(jù)標(biāo)注處理。這些數(shù)據(jù)需要具備代表性、多樣性和準(zhǔn)確性,并符合數(shù)據(jù)隱私等法規(guī)要求。只有當(dāng)足夠的高質(zhì)量數(shù)據(jù)被用于訓(xùn)練時(shí),精調(diào)才能真正發(fā)揮作用?！?行業(yè)數(shù)據(jù)的質(zhì)量比數(shù)量更為重要,在做全量精調(diào)的過程中,加入的高質(zhì)量行業(yè)數(shù)據(jù)占比大約在10-15%;在SFT精調(diào)的實(shí)踐經(jīng)驗(yàn)中,高質(zhì)量的問答對(duì),最少要達(dá)到一萬條,才會(huì)有比較好的效果,部分項(xiàng)目甚至高達(dá)百萬條。"——某國(guó)內(nèi)大模型獨(dú)角獸Z公司技術(shù)負(fù)責(zé)人精調(diào)策略也直接影響著大模型最終的性能。精調(diào)分為全量精調(diào)和局部精調(diào)。局部精調(diào)的方法更為高效、在實(shí)際中也比全量精調(diào)使用更多,常見形式有:有監(jiān)督精調(diào) (SFT,supervisedFine-tuning),在特定任務(wù)的標(biāo)注數(shù)據(jù)上調(diào)整模型;低秩調(diào)適應(yīng)新任務(wù)。精調(diào)策略的選擇可根據(jù)具體任務(wù)需求、數(shù)據(jù)的可用性以及計(jì)算資源的限制來綜合考慮。實(shí)現(xiàn)方式據(jù)的深入分析和學(xué)習(xí),使得模型能夠捕捉到蛋白質(zhì)序列與其空間結(jié)構(gòu)之間的復(fù)雜關(guān)系,從而精準(zhǔn)地理解和預(yù)測(cè)蛋白質(zhì)的復(fù)雜三維結(jié)構(gòu)。預(yù)訓(xùn)練的方式一般投入成本較大,當(dāng)前較少采用。預(yù)訓(xùn)練方式不僅需要大量的計(jì)算資源和長(zhǎng)期的訓(xùn)練過程,還需要行業(yè)專家的密切協(xié)作和深度介入。此外,從頭預(yù)訓(xùn)練還涉及復(fù)雜的數(shù)據(jù)處理和模型架構(gòu)設(shè)計(jì)工作,以及在訓(xùn)練過程中不斷地調(diào)優(yōu)和驗(yàn)證。因此,只有少數(shù)企業(yè)和科研機(jī)構(gòu)有能力采用這種高投入、高風(fēng)險(xiǎn),而潛在回報(bào)同樣高的方式。未來隨著技術(shù)的進(jìn)步和成本的降低,預(yù)訓(xùn)練行業(yè)大模型可能增加。準(zhǔn)備上,從一開始就會(huì)加入行業(yè)特性的數(shù)據(jù);在模型構(gòu)建技術(shù)與流程上,和通用大模型預(yù)訓(xùn)練類似,會(huì)涉及模型架構(gòu)設(shè)計(jì)、預(yù)訓(xùn)練任務(wù)挑選、大量數(shù)據(jù)處理、大規(guī)模無監(jiān)督或自監(jiān)督學(xué)習(xí)等。例如,使用自監(jiān)督學(xué)習(xí)(SSL,self-supervisedLearning)技術(shù),通過從數(shù)據(jù)本身生成標(biāo)簽來學(xué)習(xí)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和特征,無需人fromHumanFeedback)技術(shù),通過引入人類專家的主觀反饋來引導(dǎo)模型的學(xué)習(xí)過程,以產(chǎn)生更高質(zhì)量的輸出。典型案例:多種方式組合1.商業(yè)案例:金融大模型+個(gè)股異動(dòng)寫稿行業(yè)大模型是在通用大模型基礎(chǔ)上增強(qiáng)了模型的垂類領(lǐng)域知識(shí),能更好地適配和解實(shí)現(xiàn)方式強(qiáng)垂類知識(shí)的方法,但效果與投入成正比。方案選型上需要綜合考量該垂類的知識(shí)豐富度、復(fù)雜度和投入產(chǎn)出比。騰訊金融大模型是在混元通用大模型基礎(chǔ)上,在預(yù)訓(xùn)練階段重點(diǎn)加入300Btoken以上的金融領(lǐng)域語料進(jìn)行二次增訓(xùn),使模型對(duì)金融知識(shí)體系有完整的吸收與理解,之后再通過幾十萬條高質(zhì)量的金融指令數(shù)據(jù)進(jìn)行了SFT和RLHF。1)為什么從預(yù)訓(xùn)練開始?金融作為包含金融市場(chǎng)、產(chǎn)品、機(jī)構(gòu)、風(fēng)險(xiǎn)、法規(guī)、量化等的綜合學(xué)科,知識(shí)體系豐富且復(fù)雜,指令微調(diào)無法涵蓋所有金融知識(shí)和任務(wù),僅靠對(duì)通用大模型做RAG件一樣時(shí),還是會(huì)更傾向于金融專業(yè)背景的人。2)為什么需要針對(duì)金融領(lǐng)域做SFT和RLHF?金融場(chǎng)景需要不斷適應(yīng)符合監(jiān)管政策和合規(guī)要求,在產(chǎn)品推薦、投后服務(wù)等場(chǎng)景只有通過針對(duì)金融領(lǐng)域特定的SFT和RLHF,才能滿足金融細(xì)分場(chǎng)景的針對(duì)性要求、專業(yè)風(fēng)格和偏好需要等,此外從安全合規(guī)角度甚至對(duì)于一些用戶問題需要拒絕回復(fù)。3)為什么還需要RAG?通用大模型的創(chuàng)意往往來自它的幻覺率,但金融場(chǎng)景不同于寫作等創(chuàng)意場(chǎng)景,對(duì)數(shù)字的實(shí)時(shí)性、準(zhǔn)確性有非常高的要求,需要通過RAG提供更實(shí)時(shí)的信息,同時(shí)以RAG檢索到的信息生成回復(fù)可大幅降低幻覺率,僅依賴基座大模型容易導(dǎo)致一招實(shí)現(xiàn)方式致命的風(fēng)險(xiǎn)。總之,在專業(yè)、合規(guī)、實(shí)時(shí)和準(zhǔn)確等要求下,騰訊金融大模型選擇從預(yù)訓(xùn)練階段進(jìn)行二次增訓(xùn)開始,經(jīng)過SFT和RLHF,在實(shí)際推理階段又整合內(nèi)部金融知識(shí)庫輔助LLM生成,實(shí)現(xiàn)在金融任務(wù)上效果遠(yuǎn)超通用大模型。4)金融場(chǎng)景應(yīng)用有沒有成功案例?在股票投資服務(wù)場(chǎng)景中我們發(fā)現(xiàn),股民當(dāng)所關(guān)注的個(gè)股出現(xiàn)較大幅漲跌時(shí),總希望了解背后的原因來輔助決策。騰訊自選股針對(duì)這個(gè)需求,每日挑選重點(diǎn)個(gè)股,進(jìn)行漲跌原因解讀和稿件推送,受到用戶歡迎。之前采用人工編輯的方式有個(gè)問題,每日稿件生產(chǎn)量不足10篇,尤其高質(zhì)量稿件生產(chǎn)耗時(shí)長(zhǎng)。利用金融大模型,我們有效實(shí)現(xiàn)了效率和質(zhì)量的雙提升,稿件生產(chǎn)快、覆蓋個(gè)股全,同時(shí)質(zhì)量還能達(dá)到人工編輯的好,編輯僅需對(duì)最終輸出進(jìn)行復(fù)核保障安全合規(guī)要求。在個(gè)股行情觸發(fā)漲跌幅時(shí),可5分鐘內(nèi)生成稿件,效率提升5倍以上。5)有什么需要注意的關(guān)鍵點(diǎn)?一是大模型無法一步到位,我們?cè)緦€(gè)股行情變化、與同時(shí)期發(fā)生的個(gè)股事件資訊全部給到大模型,希望大模型直接生成最后原因解讀的稿件,但結(jié)果生成質(zhì)量差、讓大模型分步驟來解決;二是大模型無法一招吃遍天下,需要與金融場(chǎng)景沉淀的"小模型"打配合、互相輔助,之前在業(yè)務(wù)場(chǎng)景中已使用的輿情正負(fù)面模型、事件分類模型等,是基于業(yè)務(wù)場(chǎng)景特性構(gòu)建、根據(jù)業(yè)務(wù)指標(biāo)優(yōu)化的,用以輔助大模型輸出能產(chǎn)生事半功倍的效果。實(shí)現(xiàn)方式2.科研案例:SCBERT單細(xì)胞基因數(shù)據(jù)分析大模型SCBERT模型是騰訊AILab2022年發(fā)表的科研成果,首次將transformer運(yùn)用到單細(xì)胞轉(zhuǎn)錄組測(cè)序數(shù)據(jù)分析領(lǐng)域,為生命科學(xué)和精準(zhǔn)醫(yī)療領(lǐng)域提供了高質(zhì)量的AI輔助分析方法。1)為什么選擇預(yù)訓(xùn)練方式?隨著單細(xì)胞測(cè)序技術(shù)的成熟和廣泛應(yīng)用,基礎(chǔ)研究和精準(zhǔn)醫(yī)療領(lǐng)域產(chǎn)生了大量的單細(xì)胞測(cè)序數(shù)據(jù),亟須進(jìn)行精準(zhǔn)的注釋和分析。這些數(shù)據(jù)存在超高維度、高噪聲和批次效應(yīng)等特點(diǎn),給數(shù)據(jù)分析帶來了較大挑戰(zhàn)。以往的注釋方法,主要包括基于人工挑選基因注釋、基于參考表達(dá)譜匹配、篩選基因及降維訓(xùn)練分類器等,存在引入人工偏差、損失全局信息、容易過擬合和泛化性差難遷移等問題。全球已經(jīng)有較大量的公開單細(xì)胞數(shù)據(jù)集,雖然是很寶貴的研究資源,但其中數(shù)據(jù)質(zhì)量參差不齊、缺乏精細(xì)標(biāo)注,未被充分利用。近年來,基于transformer框架和BERT范式的預(yù)訓(xùn)練大語言模型,已經(jīng)在NLP領(lǐng)域取得了前所未有的突破。但是由于單細(xì)胞數(shù)據(jù)格式與自然語言差異大,難以直接針對(duì)以上錯(cuò)綜復(fù)雜的行業(yè)痛點(diǎn),騰訊AILab針對(duì)單細(xì)胞測(cè)序數(shù)據(jù)格式,設(shè)計(jì)了基開數(shù)據(jù)集進(jìn)行自監(jiān)督預(yù)訓(xùn)練(包括不同來源、組織、細(xì)胞類型和測(cè)序平臺(tái)等),有效地對(duì)超高維度、高噪聲的數(shù)據(jù)進(jìn)行編碼表征,以數(shù)據(jù)驅(qū)動(dòng)的端到端方式建立模型,使得模型不受批次效應(yīng)影響并且具有較強(qiáng)的泛化能力。實(shí)現(xiàn)方式2)怎么做的預(yù)訓(xùn)練和精調(diào)?礎(chǔ),首先進(jìn)行標(biāo)準(zhǔn)化和對(duì)齊,然后針對(duì)單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)獨(dú)特的組成格式,分別設(shè)計(jì)基因嵌入式表示和表達(dá)譜嵌入式表示,處理好的數(shù)據(jù)作為預(yù)訓(xùn)練數(shù)據(jù)集。SCBERT模型是基于BERT架構(gòu),采用預(yù)訓(xùn)練+精調(diào)方式構(gòu)建的行業(yè)大模型。首先的方式進(jìn)行自監(jiān)督預(yù)訓(xùn)練,根據(jù)上下文進(jìn)行回填,從而學(xué)習(xí)單細(xì)胞表達(dá)譜的模式。預(yù)訓(xùn)練后的模型加入細(xì)胞類型注釋分類器,隨后基于少量精標(biāo)注在細(xì)胞類型注釋任務(wù)上進(jìn)行精調(diào),從而實(shí)現(xiàn)對(duì)不同疾病類型、組織和細(xì)胞類型的精準(zhǔn)注釋。3)效果怎么樣?該方法是單細(xì)胞測(cè)序領(lǐng)域首創(chuàng)性研究,開創(chuàng)了單細(xì)胞預(yù)訓(xùn)練大語言模型的研究方向。模型建立后進(jìn)行了充分的精準(zhǔn)測(cè)試,分別在9個(gè)獨(dú)立數(shù)據(jù)集(涵蓋17種人體主要器官,超過50種細(xì)胞類型,超過500,000個(gè)細(xì)胞)對(duì)應(yīng)的細(xì)胞類型注釋任務(wù)上驗(yàn)證效果,并且可擴(kuò)展至新類的發(fā)現(xiàn)、新標(biāo)記基因的發(fā)現(xiàn)、基因相互作用和基因表征等應(yīng)用場(chǎng)景。研究成果發(fā)表于人工智能頂級(jí)期刊《NatureMachine(435,968)中受關(guān)注度高居前5%(Almetrics統(tǒng)計(jì))。安全與治理大模型大發(fā)展同時(shí)帶來諸多安全和治理新問題,引發(fā)全球各界廣泛關(guān)注。諸如AlI府都在積極探索發(fā)展和監(jiān)管上的平衡應(yīng)對(duì)之策。如我國(guó)已出臺(tái)《生成式人工智能服務(wù)管理暫行辦法》,明確提出堅(jiān)持發(fā)展和安全并重、促進(jìn)創(chuàng)新和依法治理相結(jié)合的原則,鼓勵(lì)生成式人工智能技術(shù)在各行業(yè)、各領(lǐng)域的創(chuàng)新應(yīng)用,同時(shí)保障技術(shù)應(yīng)用的安全、可靠、可控。歐盟在制定《歐盟人工智能法》過程中,增加了針對(duì)大模型的專門規(guī)定,要求通用目的AI模型(即大模型)的提供者履行相關(guān)的透明度義務(wù)。美國(guó)對(duì)于AI治理以軟性監(jiān)管措施和行業(yè)自律為主,例如美國(guó)NIST制定了自愿性的AI風(fēng)險(xiǎn)管理標(biāo)準(zhǔn)、美國(guó)白宮AI行政命令提出了"紅隊(duì)測(cè)試指南"、主流AI企業(yè)作出了自愿性的AI安全承諾等。在此形勢(shì)下,行業(yè)大模型的有效治理也勢(shì)在必行。行業(yè)大模型是發(fā)揮我國(guó)在AI領(lǐng)域應(yīng)用場(chǎng)景優(yōu)勢(shì)的重要載體,但其安全和治理問題可能也更復(fù)雜,不僅面臨通用大模型的共性問題,諸如可解釋性、網(wǎng)絡(luò)安全、價(jià)值對(duì)齊等,也會(huì)面臨特定行業(yè)的特殊監(jiān)管要求,如醫(yī)療、金融、交通、教育等強(qiáng)監(jiān)管行業(yè)內(nèi)存在的強(qiáng)制性標(biāo)準(zhǔn)等。因此,需要通過監(jiān)管和治理創(chuàng)新,疏通行業(yè)大模型在數(shù)據(jù)獲取、算力供給、應(yīng)用拓展等方面面臨的堵點(diǎn)和難點(diǎn)以及相關(guān)監(jiān)管障礙,盡量給予充分的創(chuàng)新、試錯(cuò)空間,避免超前治理、多方疊加治理等影響創(chuàng)新應(yīng)用及時(shí)落地。行業(yè)大模型治理的三項(xiàng)原則針對(duì)行業(yè)大模型的特點(diǎn),我們結(jié)合各方實(shí)踐和共識(shí),提出三項(xiàng)治理原則,旨在確保行業(yè)大模型的應(yīng)用不僅能在技術(shù)上先進(jìn)、安全可靠,而且在法律和倫理上也能得到充分的考量和保障。安全與治理一是可信可控原則:行業(yè)大模型的開發(fā)和應(yīng)用,需要建立在可信可控的通用大模型之上。應(yīng)優(yōu)先選擇提供充分安全保障、技術(shù)透明度和可控性等的大模型產(chǎn)品和服務(wù),同時(shí)考慮到大模型作為行業(yè)應(yīng)用的基礎(chǔ),需要確保技術(shù)底座的穩(wěn)固性和通用性,以有效支持后續(xù)的行業(yè)定制和功能擴(kuò)展。二是數(shù)據(jù)安全與知識(shí)產(chǎn)權(quán)保護(hù)原則:在大模型的預(yù)訓(xùn)練、檢索增強(qiáng)和精調(diào)等各個(gè)階段,需要使用安全、合規(guī)的優(yōu)質(zhì)行業(yè)數(shù)據(jù)。確保數(shù)據(jù)來源于合法渠道,并且符合知識(shí)產(chǎn)權(quán)保護(hù)的要求。鑒于高質(zhì)量共性知識(shí)通常受到知識(shí)產(chǎn)權(quán)保護(hù),行業(yè)大模型需要與掌握這些關(guān)鍵數(shù)據(jù)的機(jī)構(gòu)建立合作關(guān)系,共同解決數(shù)據(jù)合規(guī)問題,避免法律糾紛和訴訟風(fēng)險(xiǎn)。三是頂層設(shè)計(jì)與行業(yè)協(xié)同原則行業(yè)大模型的落地實(shí)施可能需要行業(yè)主管部門進(jìn)行頂層設(shè)計(jì)和統(tǒng)籌規(guī)劃,以確保行業(yè)共性知識(shí)庫的合規(guī)性,并推動(dòng)建立一個(gè)可擴(kuò)展、可協(xié)同的行業(yè)大模型技術(shù)架構(gòu)。這種架構(gòu)應(yīng)當(dāng)促進(jìn)產(chǎn)業(yè)鏈各環(huán)節(jié)之間的有效溝通和協(xié)作,使得各環(huán)節(jié)能夠獨(dú)立構(gòu)建和應(yīng)用其領(lǐng)域模型和企業(yè)模型,同時(shí)實(shí)現(xiàn)跨領(lǐng)域的協(xié)同和整合,從而提升整個(gè)行業(yè)的競(jìng)爭(zhēng)力和創(chuàng)新能力。價(jià)值對(duì)齊是行業(yè)大模型可信應(yīng)用的基礎(chǔ)保障隨著大模型的能力日益強(qiáng)大,如何讓其行為和目的跟人類的價(jià)值、偏好、倫理原則、真實(shí)意圖之間實(shí)現(xiàn)協(xié)調(diào)一致,成為越來越重要的議題。從通用大模型的情況來看,目前業(yè)界主要是從人機(jī)價(jià)值對(duì)齊的方向來對(duì)AI大模型進(jìn)行安全治理,并在技術(shù)上取得了可觀的效果,在很大程度上確保大模型部署和使用中的安全與信任。安全與治理AI反饋強(qiáng)化學(xué)習(xí)(RLAIF)對(duì)齊。此外,業(yè)界還在探索訓(xùn)練數(shù)據(jù)質(zhì)量把控、對(duì)抗測(cè)試(紅隊(duì)測(cè)試)、模型評(píng)估、可解釋AI方法、倫理審查、第三方服務(wù)等多元化手段,共同確保負(fù)責(zé)任AI的發(fā)展。行業(yè)大模型對(duì)準(zhǔn)確和安全的要求往往更高,價(jià)值對(duì)齊更重要。一方面,選擇做好價(jià)值對(duì)齊的通用大模型作為基礎(chǔ)模型進(jìn)行再開發(fā),可以大幅減少風(fēng)險(xiǎn)。另一方面,對(duì)于醫(yī)療、教育等領(lǐng)域面向公眾提供公共服務(wù)的行業(yè)大模型,再開發(fā)所采用的數(shù)據(jù)集、開發(fā)后形成的模型成果,也應(yīng)再采取類似方法進(jìn)行價(jià)值對(duì)齊,以確保模型的有用性、安全性、真實(shí)性和無害性。為了支持對(duì)細(xì)分領(lǐng)域的行業(yè)大模型進(jìn)行價(jià)值對(duì)齊,可以在考慮具體行業(yè)的特殊性基礎(chǔ)上,形成專門的價(jià)值對(duì)齊指南、標(biāo)準(zhǔn)和技術(shù)規(guī)范。行業(yè)大模型更需重視全生命周期的安全保障機(jī)制大模型的數(shù)據(jù)處理流程相比傳統(tǒng)模型復(fù)雜,許多不可控因素帶來不容忽視的安全隱患問題,包括數(shù)據(jù)隱私安全、推理安全、內(nèi)容安全、版權(quán)保護(hù)等,需要體系化的安全機(jī)制,對(duì)行業(yè)大模型而言更是如此。騰訊提出的大模型安全框架,針對(duì)全生命周期安全風(fēng)險(xiǎn)提供原則和方法指引,包括內(nèi)生安全及應(yīng)用安全,協(xié)助系統(tǒng)解決大模型生產(chǎn)研發(fā)流程中涉及的基礎(chǔ)設(shè)施、數(shù)據(jù)、模型、算法等方面的安全風(fēng)險(xiǎn),以及不合理應(yīng)用可能引發(fā)決策失控風(fēng)險(xiǎn)等。其中,對(duì)于大模型生產(chǎn)研發(fā)流程中的內(nèi)生安全問題,應(yīng)該由大模型研發(fā)團(tuán)隊(duì)及安全團(tuán)隊(duì)共同關(guān)注,通過安全評(píng)估等機(jī)制來保障大模型的應(yīng)用達(dá)到安全目標(biāo)。總體而言,把安全措施落實(shí)到具體的研發(fā)、訓(xùn)練、測(cè)試、安全與治理RI沙盒在行業(yè)中有較成熟探索可成為實(shí)現(xiàn)監(jiān)管目標(biāo)的可行方案"沙盒"(sandbox)作為源自計(jì)算機(jī)安全領(lǐng)域的一個(gè)技術(shù)概念,旨在提供一個(gè)安全的隔離測(cè)試環(huán)境,使軟件應(yīng)用、程序和代碼可以在真實(shí)環(huán)境中運(yùn)行,保障測(cè)試的準(zhǔn)確和安全。在AI領(lǐng)域,沙盒環(huán)境同樣提供了一個(gè)安全、可控的測(cè)試場(chǎng)所,讓研究者和開發(fā)者可以自由地測(cè)試AI模型和算法,同時(shí)避免潛在的風(fēng)險(xiǎn)和不可預(yù)見的副作用。AI沙盒在模型安全性測(cè)試、性能評(píng)估、倫理和法律合規(guī)性檢驗(yàn)、創(chuàng)新實(shí)驗(yàn)等方面,已有較多應(yīng)用。AI沙盒也可以跟監(jiān)管結(jié)合起來,作為一種創(chuàng)新性的監(jiān)管方式,幫助實(shí)現(xiàn)監(jiān)管目的。例如,在自動(dòng)駕駛汽車領(lǐng)域,我國(guó)已采取試行汽車安全沙盒監(jiān)管制度,支持測(cè)試前沿技術(shù)或新功能新模式。已有多個(gè)國(guó)家和地區(qū)積極試點(diǎn)AI監(jiān)管沙盒,如歐盟在其人工智能法案中引入該機(jī)制、新加坡特別推出了面向中小企業(yè)的GenAI沙盒等。整體上,AI開發(fā)者可以向監(jiān)管部門申請(qǐng)開展沙盒測(cè)試,與主管部門商定沙盒計(jì)劃,包括可以在沙盒中受監(jiān)督的現(xiàn)實(shí)世界條件下進(jìn)行測(cè)試和應(yīng)用。而監(jiān)管部門將對(duì)AI企業(yè)提供指導(dǎo)、監(jiān)管預(yù)期、監(jiān)督和指導(dǎo),以識(shí)別、控制潛在風(fēng)險(xiǎn),支持AI監(jiān)管沙盒的有效運(yùn)作。這一機(jī)制尤其對(duì)AI領(lǐng)域的中小微企業(yè)和初創(chuàng)企業(yè)較為有利,可以顯著降低合規(guī)成本。對(duì)行業(yè)大模型而言,尤其在傳統(tǒng)強(qiáng)監(jiān)管的領(lǐng)域,該機(jī)制可以提供一個(gè)合規(guī)的落地方式。行業(yè)主管部門可以針對(duì)各行業(yè)、領(lǐng)域特點(diǎn),推出專項(xiàng)的AI監(jiān)管沙盒計(jì)劃,鼓勵(lì)符合資格的企業(yè)加入,提供真實(shí)環(huán)境加快行業(yè)大模型測(cè)試、驗(yàn)證、試點(diǎn)和先行應(yīng)用。安全與治理合成數(shù)據(jù)有望為行業(yè)大模型增加數(shù)據(jù)來源合成數(shù)據(jù)指在數(shù)字世界中創(chuàng)造的、由計(jì)算機(jī)模擬技術(shù)或算法創(chuàng)建或生成的自標(biāo)注信息,是可替代真實(shí)世界數(shù)據(jù)用以訓(xùn)練、測(cè)試、驗(yàn)證AI模型的數(shù)據(jù)。目前業(yè)界普遍判斷,合成數(shù)據(jù)將在未來人工智能發(fā)展中扮演核心作用,成為通用人工智能的關(guān)鍵要素。當(dāng)前,合成數(shù)據(jù)在交通、醫(yī)療、工業(yè)、金融等產(chǎn)業(yè)領(lǐng)域已經(jīng)有先行探索,并取得積極成效。合成數(shù)據(jù)有幾個(gè)方面的優(yōu)點(diǎn):1)促進(jìn)創(chuàng)新,通過提供難以獲取或受限數(shù)據(jù)的合成版本,推動(dòng)科研和商業(yè)創(chuàng)新;2)降低成本,相比于收集真實(shí)世界數(shù)據(jù)的高昂成本,提供了更經(jīng)濟(jì)的選擇;3)保護(hù)隱私,能夠在保護(hù)個(gè)人隱私的同時(shí),使得敏感數(shù)據(jù)得到有效地利用。行業(yè)大模型大多需要特定領(lǐng)域的專業(yè)數(shù)據(jù),數(shù)據(jù)稀缺和隱私安全問題更突出,合成數(shù)據(jù)可以有效解決數(shù)據(jù)供給、數(shù)據(jù)安全利用等問題,進(jìn)一步夯實(shí)行業(yè)大模型發(fā)展的數(shù)據(jù)基礎(chǔ),助力行業(yè)大模型應(yīng)用普及。為此,需要營(yíng)造良好的制度和政策環(huán)境,積極扶持、鼓勵(lì)合成數(shù)據(jù)技術(shù)、產(chǎn)業(yè)和相關(guān)應(yīng)用的創(chuàng)新發(fā)展?？蔀楹铣蓴?shù)據(jù)的生成和使用制定明確的隱私保護(hù)標(biāo)準(zhǔn)和指南,推動(dòng)合成數(shù)據(jù)商業(yè)化利用。在公共數(shù)據(jù)、行業(yè)數(shù)據(jù)開放共享方面,也可以探索通過合成數(shù)據(jù)方式,實(shí)現(xiàn)涉及個(gè)人信息、商業(yè)秘密、知識(shí)產(chǎn)權(quán)等數(shù)據(jù)的安全開放和共享。安全與治理行業(yè)大模型是走向R1綠色可持續(xù)發(fā)展的路徑之一大模型"大力出奇跡"的方式,訓(xùn)練和部署需要大量算力支持,導(dǎo)致大量的能源消能行業(yè)正面臨能源危機(jī),因?yàn)橄乱淮墒紸I系統(tǒng)將消耗大量能源,可能超出能源系統(tǒng)的承載能力。大模型的算力應(yīng)用系統(tǒng)還需要大量淡水用于冷卻處理器和發(fā)電,數(shù)據(jù)中心的水資源消耗量也已經(jīng)顯著增加。對(duì)此,研究界呼吁優(yōu)先考慮節(jié)能問題,需要構(gòu)建更高效的模型和重新設(shè)計(jì)數(shù)據(jù)中心等。行業(yè)大模型本身就是對(duì)通用大模型的"降本增效",參數(shù)量相對(duì)大幅減少,算力資源消耗也明顯降低,這也意味著降低了能源消耗和碳排放。未來,行業(yè)大模型在發(fā)展應(yīng)用過程中,可以將算力及能耗節(jié)約作為重點(diǎn)優(yōu)化方向之一,加強(qiáng)環(huán)境影響治理,將綠色可持續(xù)打造成行業(yè)大模型的一個(gè)特性?？梢酝ㄟ^試點(diǎn)示范等方式,激勵(lì)更多行業(yè)大模型優(yōu)化算法、節(jié)能減排。未來展望未來展望"人工智能+"促進(jìn)行業(yè)大模型應(yīng)用提速2024年政府工作報(bào)告明確提出,要"深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用,開展'人工智能+'行動(dòng),打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群"。國(guó)家發(fā)改委也提出,將推進(jìn)"人工智能+"行動(dòng),推動(dòng)人工智能技術(shù)與經(jīng)濟(jì)社會(huì)各領(lǐng)域深度融合,支撐各行業(yè)應(yīng)用創(chuàng)新,賦能百業(yè)智能化轉(zhuǎn)型升級(jí),提高生產(chǎn)效率,激發(fā)創(chuàng)新活力,重塑產(chǎn)業(yè)生態(tài),培育經(jīng)濟(jì)發(fā)展新動(dòng)能,形成更廣泛的以人工智能為創(chuàng)新要素的經(jīng)濟(jì)社會(huì)發(fā)展新形態(tài)?？梢钥吹?在國(guó)家推進(jìn)新質(zhì)生產(chǎn)力的背景下,人工智能已經(jīng)成為經(jīng)濟(jì)發(fā)展的核心動(dòng)力之一。未來,國(guó)家將加大力度推進(jìn)通用大模型和行業(yè)大模型應(yīng)用,引導(dǎo)更多行業(yè)領(lǐng)域開放應(yīng)用場(chǎng)景,加強(qiáng)典型應(yīng)用落地的示范,讓人工智能更好賦能千行百業(yè)。實(shí)際上,近年各地已經(jīng)陸續(xù)出臺(tái)了一系列鼓勵(lì)措施,在國(guó)家政策指引下,預(yù)計(jì)各地推進(jìn)產(chǎn)業(yè)落地會(huì)進(jìn)一步加速。北京、上海、杭州、廣東、重慶等十多個(gè)省市,已經(jīng)發(fā)布相關(guān)政策積極推動(dòng)通用人工智能技術(shù)在各類場(chǎng)景的應(yīng)用,涉及金融、醫(yī)療、教育、制造、城市治理、交通、農(nóng)業(yè)農(nóng)村等多個(gè)領(lǐng)域。在這個(gè)過程