2024產(chǎn)業(yè)大模型應用白皮書

產(chǎn)業(yè)大模型應用白皮書前言當前，大數(shù)據(jù)、人工智能等尖端技術正在帶來新一輪科技革命和產(chǎn)業(yè)變革。其中，大模型作為新一代人工智能的核心技術，無論是在自然語言處理、圖像識別、語音識別等領域，還是在醫(yī)療、金融、制造、農業(yè)等各個行業(yè)中，都已經(jīng)展現(xiàn)出了令人驚訝的復雜問題處理能力。隨著基礎研究的繼續(xù)深入和產(chǎn)業(yè)應用場景的不斷拓展，大模型正在成為這輪科技革命和產(chǎn)業(yè)變革的核心驅動力。大模型的興起，打開了產(chǎn)業(yè)通向數(shù)據(jù)驅動、智能決策時代的大門。此前IBM商業(yè)價值研究院曾在其《值得押注的七大投資決策》報告中指出，未來十年，生成式AI和先進計算的廣泛應用將徹底變革千行百業(yè)的商業(yè)模式。數(shù)據(jù)將是未來最重要的生產(chǎn)要素，人工智能則會是最核心的生產(chǎn)工具，數(shù)據(jù)與智能的結合將帶來生產(chǎn)力的大幅提升，為千行百業(yè)注入新的發(fā)展動能，推動產(chǎn)業(yè)實現(xiàn)智能化、高端化、綠色化的跨越式發(fā)展。過去一年，基礎大模型、產(chǎn)業(yè)大模型和產(chǎn)業(yè)大模型應用如雨后春筍般涌現(xiàn)，面向產(chǎn)業(yè)的探索亟待深入。在制造、能源、醫(yī)療健康、物流、交通、金融、IT服務、文娛等行業(yè)都已經(jīng)出現(xiàn)了產(chǎn)業(yè)大模型以及產(chǎn)業(yè)大模型應用。相較而言，中國在基礎大模型的研發(fā)上還與當前全球最先進水平存在一定差距，在內容生成、辦公等產(chǎn)業(yè)場景的應用深度上也需探索進一步突破。但是，隨著基礎大模型的業(yè)務格局走向穩(wěn)定，越來越多的企業(yè)開始在更多具體的產(chǎn)業(yè)場景中尋找商業(yè)機會，從制造到醫(yī)療、從政務到金融，中國在產(chǎn)業(yè)大模型的應用廣度、規(guī)模效應和靈活度上正在展現(xiàn)出一定的競爭優(yōu)勢。在這個趨勢下，大模型的產(chǎn)業(yè)應用會進一步提速，產(chǎn)

業(yè)大模型應用的數(shù)量也會大幅增加。這將帶來兩個直接影響：一個是實體產(chǎn)業(yè)端智能化、高端化、綠色化升級的浪潮會催生出更多豐富的科技工具、展現(xiàn)出更具爆發(fā)力和指數(shù)級的科技轉型效果；另一個則是實體產(chǎn)業(yè)端將會感受到“亂花迷人眼”，在洶涌而來的AI產(chǎn)業(yè)大模型應用面前難以進行全面而精準的決策判斷。面向未來，為了更好地銜接前沿科技工具和實體產(chǎn)業(yè)轉型，我們應該在實踐中不斷積累海量行業(yè)數(shù)據(jù)、深入梳理產(chǎn)業(yè)痛點、引導科研成果的落地轉化，以前沿科技創(chuàng)新有效推動實體產(chǎn)業(yè)創(chuàng)新和新質生產(chǎn)力發(fā)展，孵化新模式、新動能、新思維，“以智賦用、以用促產(chǎn)、以產(chǎn)興國”。當然，現(xiàn)如今大模型的發(fā)展也面臨著一些基礎層的挑戰(zhàn)和問題。算力體量、成本和數(shù)據(jù)體量都亟需進一步改善；數(shù)據(jù)安全、隱私保護、算法公平等問題需要得到充分關注和解決；大模型的產(chǎn)業(yè)應用和交叉領域建設，更需要培養(yǎng)和提升一大批產(chǎn)業(yè)內數(shù)智化人才的梯隊儲備。要解決這些問題和挑戰(zhàn)，打牢大模型的發(fā)展基礎，搶占下一輪全球科技競爭前沿位置，需要政產(chǎn)學研用各方通力合作，通盤規(guī)劃，構建通暢有效的科研落地體系和產(chǎn)業(yè)政策指導，規(guī)范大模型健康有序地融入行業(yè)場景，鼓勵傳統(tǒng)企業(yè)加快產(chǎn)業(yè)大模型共建與數(shù)智化轉型升級的實踐步伐，推出一批基于各個行業(yè)應用場景的示范性案例，形成產(chǎn)業(yè)大模型應用評價標準，凝聚各方共識，為先進科技融入傳統(tǒng)產(chǎn)業(yè)提供進一步助力，加快支持傳統(tǒng)產(chǎn)業(yè)提質增效。面向更長遠的未來，大模型在千行百業(yè)的應用和發(fā)展，將打開一扇通向新時代的大門，切實推動千行百業(yè)的生產(chǎn)力爆發(fā)和生產(chǎn)模式升級。目錄摘要 01第一章：需求推動大模型進入第二階段 03（一）技術突破點燃燎原之火 04（二）大模型發(fā)展進入興奮期 05大模型成為國家戰(zhàn)略布局關鍵節(jié)點 05資本大舉涌入催動大模型產(chǎn)業(yè)應用 07大模型為傳統(tǒng)產(chǎn)業(yè)帶來結構性增量 09（三）從技術驅動到需求驅動 10第二章：以“生成”能力賦能產(chǎn)業(yè)智慧化 12（一）產(chǎn)業(yè)大模型應用的特征 12（二）產(chǎn)業(yè)大模型應用的技術關鍵環(huán)節(jié) 14（三）產(chǎn)業(yè)大模型應用賦能產(chǎn)業(yè)的技能模塊 15第三章：大模型產(chǎn)業(yè)應用正待標準形成 16（一）大模型產(chǎn)業(yè)應用需要評價標準 17（二）產(chǎn)業(yè)大模型應用的五大核心指標 18（三）產(chǎn)業(yè)大模型應用評價工具箱 19第四章：大模型產(chǎn)業(yè)應用的中國進行時 21（一）案例征集介紹和梳理 22（二）大模型應用功能應用分析 24（三）大模型產(chǎn)業(yè)應用落地共性分析 28第五章：大模型產(chǎn)業(yè)應用的展望與挑戰(zhàn) 30

附錄一：產(chǎn)業(yè)大模型典型案例簡介武漢經(jīng)開城市大腦大模型—中電云計算技術有限公司 33網(wǎng)上辦事大廳—中科極限元（杭州）智能科技股份有限公司 33場景支撐系統(tǒng)—中科極限元（杭州）智能科技股份有限公司 33面向智慧稅務領域的行業(yè)AI大模型—阿里云計算有限公司 33中國電信政務大模型—中國電信股份有限公司北京分公司 34武漢經(jīng)開美麗社區(qū)大模型—中電云計算技術有限公司 34某某大數(shù)據(jù)集團輕應用孵化平臺—解放號網(wǎng)絡科技有限公司 34金融專業(yè)大模型—可之（寧波）人工智能科技有限公司 34金融專業(yè)大模型—可之（寧波）人工智能科技有限公司 35基于大模型的智能文檔處理平臺—北京文因互聯(lián)科技有限公司 35“軒轅”金融大模型—度小滿科技（北京）有限公司 35基于大模型的研報解析智能化—北京文因互聯(lián)科技有限公司 35XX銀行金融私有化領域大模型的示范應用—三六零數(shù)字安全科技集團有限公司 36基于生成式大模型的銀行業(yè)務場景應用示范—北京百度網(wǎng)訊科技有限公司 36止愈Medbot醫(yī)學內容生成與問答—南京柯基數(shù)據(jù)科技有限公司 36電子病歷生成的應用—首都醫(yī)科大學附屬北京友誼醫(yī)院 36勃小智RAG醫(yī)學資料檢索增強—南京柯基數(shù)據(jù)科技有限公司 37養(yǎng)老行業(yè)模型服務項目—卓世科技（海南）有限公司 37法律法規(guī)文檔問答與總結—南京柯基數(shù)據(jù)科技有限公司 37目錄基于火炬行業(yè)大模型的某智家智能化門戶應用—科訊嘉聯(lián)信息技術有限公司 43附錄一：產(chǎn)業(yè)大模型典型案例簡介

ChatAC平臺智能客服—曙光智算信息技術有限公司 43基于火炬行業(yè)大模型的AI教培和輔助營銷機器人應用—科訊嘉聯(lián)信息技術有限公司 43數(shù)字中醫(yī)大模型—北京智譜華章科技有限公司 37 41. 大模型+Agent在工業(yè)車輛智能運維場景—愛動超越人工智能科技（北京）有限責任公司 43智能配餐大模型—北京健康有益科技有限公司 38 42. 義烏商城大模型—北京面壁智能科技有限責任公司 44基于安全可控的多模態(tài)大模型的重大疾病早期篩查平臺—深思考人工智能機器人科技（北京）有限公司 38

地產(chǎn)物業(yè)場景行業(yè)大模型創(chuàng)新應用—騰訊云計算(北京)有限責任公司 44設?！悮ふ曳浚ū本┛萍加邢薰?44售后服務系統(tǒng)—中科極限元（杭州）智能科技股份有限公司 38 45. AI伴考智能系統(tǒng)—中科創(chuàng)達軟件股份有限公司 44某工業(yè)控制器頭部企業(yè)專家系統(tǒng)—中工互聯(lián)（北京）科技集團有限公司 39 46. 基于百川大模型的知識問答—北京百川智能科技有限公司 45工業(yè)專業(yè)大模型—可之（寧波）人工智能科技有限公司 39 47. 思必馳大模型在智能家居產(chǎn)品的應用—思必馳科技股份有限公司 45服裝設計大模型—AIGC賦能時尚設計及營銷—北京清博智能科技有限公司 39 48. 玲瓏AI工具—北京新鋒未來科技有限公司 45某軍工企業(yè)工業(yè)大模型智能體應用案例—中工互聯(lián)（北京）科技集團有限公司 40 49. 基于文心千帆大模型的智慧辦公應用示范—北京百度網(wǎng)訊科技有限公司 45基于百川大模型的影視角色扮演—北京百川智能科技有限公司 40 50. 某中央媒體AIGC智能助手—拓爾思信息技術股份有限公司 46基于百川大模型的游戲角色對話生成示范—北京百川智能科技有限公司 40 51. 《Dancers》—中國傳媒大學戲劇影視學院未來影像研究中心 46自研文生圖大模型“可圖”在短視頻行業(yè)的應用探索—北京達佳互聯(lián)信息技術有限公司 40 52. 外賣智能小助手—北京三快網(wǎng)絡科技有限公司（美團） 46AI數(shù)字人李白數(shù)字藝術展—央博數(shù)字傳媒科技有限公司 41 53. 法律大模型—北京智譜華章科技有限公司 47自研大規(guī)模語言模型“快意”在短視頻行業(yè)的應用探索—北京達佳互聯(lián)信息技術有限公司 41 54. 施工現(xiàn)場技術管理大模型—筑訊(北京)科技有限公司 47思必馳大模型在智能座艙的應用—思必馳科技股份有限公司 41 55. 大語言模型服務—上海天壤智能科技有限公司 47基于DriveGPT大模型的自動駕駛應用示范—毫末智行科技有限公司 42 56. 某國產(chǎn)新能源企業(yè)綜合能源管理系統(tǒng)—中工互聯(lián)（北京）科技集團有限公司 48車輛管控大數(shù)據(jù)綜合平臺、智慧交通數(shù)字孿生系統(tǒng)—北京卓視智通科技有限責任公司 42 57. 面向消費品制造領域的品商大模型—北京一輕科技集團有限公司 48基于政務問視大模型的智慧交通應用示范—解放號網(wǎng)絡科技有限公司 42 58. 運維專業(yè)大模型—可之（寧波）人工智能科技有限公司 48智能客服行業(yè)模型服務—卓世科技（海南）有限公司 42【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ABSTRACT摘要隨著時間的推移，世界科技飛速發(fā)展，在各個領域都越來越多的見到人工智能的身影，其在產(chǎn)業(yè)領域的影響尤為明顯。在可預見的未來，人工智能技術將會進一步的推動產(chǎn)業(yè)升級和變革。我國政府高度重視人工智能產(chǎn)業(yè)發(fā)展，在大力發(fā)展扶持人工產(chǎn)業(yè)的同時，也在不斷完善關于支持人工智能技術的研究與應用的政策。在這樣的時代與國家背景下，我們撰寫了這本《產(chǎn)業(yè)大模型應用白皮書》，旨在探討產(chǎn)業(yè)大模型在產(chǎn)業(yè)發(fā)展中的落地應用，并且為產(chǎn)業(yè)端準確判斷產(chǎn)業(yè)大模型應用的價值提供參考，為加快形成大模型賦能實體產(chǎn)業(yè)轉型升級的政產(chǎn)學研用體系提供思考支持。

產(chǎn)業(yè)大模型是利用不同產(chǎn)業(yè)的專業(yè)知識對通用大模型進行微調，更好滿足能源、金融、制造、交通物流、文娛等不同領域的產(chǎn)業(yè)升級需求。這種模型能夠處理和分析海量的行業(yè)數(shù)據(jù)，從而提供洞察力，幫助企業(yè)做出更智能的決策，優(yōu)化流程，提高效率，減少成本，增強創(chuàng)新能力。產(chǎn)業(yè)大模型應用則是在產(chǎn)業(yè)大模型基礎上，聚焦產(chǎn)業(yè)中的更細分場景實現(xiàn)的具體應用。同時產(chǎn)業(yè)大模型的構建與應用，將有力推動產(chǎn)業(yè)智能化發(fā)展，促進我國數(shù)字經(jīng)濟轉型升級。隨著大模型在各個產(chǎn)業(yè)的應用，相關產(chǎn)業(yè)鏈上的企業(yè)也將受益，形成良好的產(chǎn)業(yè)生態(tài)。

本白皮書分為五個部分：第一部分主要介紹大模型的發(fā)展已經(jīng)進入第二階段，即由需求推動進行產(chǎn)業(yè)應用的階段，技術、資本、政策正在共同催生更豐富的產(chǎn)業(yè)大模型應用；第二部分則是在技術角度探討了從通用大模型到產(chǎn)業(yè)大模型應用的實現(xiàn)邏輯，以及產(chǎn)業(yè)大模型應用對產(chǎn)業(yè)的價值，判斷產(chǎn)業(yè)大模型應用還處在“生成”能力的應用階段；第三部分闡述了形成標準對落地產(chǎn)業(yè)大模型應用的重要性，以及產(chǎn)業(yè)大模型應用落地過程中需要關注到的五大核心指標和企業(yè)判斷產(chǎn)業(yè)大模型應用價值的工具箱；第四部分針對征集的產(chǎn)業(yè)大模型應用案例，依據(jù)評價工具箱精選出58個典型案例，并對這些案例進行

了相關分析和整理；第五部分介紹了產(chǎn)業(yè)大模型應用過程中需要應對的技術和非技術層面的挑戰(zhàn)，并提出要打通政產(chǎn)學研用的多方協(xié)作，共同應對挑戰(zhàn)。我們希望這本白皮書能為相關企業(yè)負責人和技術研究人員提供有益的參考，推動產(chǎn)業(yè)大模型技術的研究與應用，助力我國產(chǎn)業(yè)智能化發(fā)展。同時，我們也期待與廣大讀者共同探討產(chǎn)業(yè)大模型的發(fā)展前景，為我國人工智能產(chǎn)業(yè)的發(fā)展貢獻力量。最后，感謝各位讀者對這本白皮書的關注與支持，希望它能為您的產(chǎn)業(yè)發(fā)展提供新的思路和啟示。Page01 Page02【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來Chapter1第一章：需求推動大模型進入第二階段

（一）技術突破點燃燎原之火Chapter生成式AI的出現(xiàn)，為人們打開了通向通用人工智能（AGI，Arti?cialGeneralIntelligence）的大門。以2022年11月Chapter大模型，或者說生成式人工智能，已經(jīng)度過了由技術驅動的“第一階段”，正在向由客戶需求驅動的“第二階段”邁進。第一階段技術的突破點燃了大模型的燎原之火，“基礎大模型”紛紛出現(xiàn)，推動AI完成了從判別式向生成

2012年

多倫多大學教授GeoffreyHinton和他的學生AlexKrizhevsky、IlyaSutskever使用名為AlexNet的深度神經(jīng)網(wǎng)絡，獲得了該年度ImageNet競賽冠軍，引領研究者將深度學習應用于自然語言處理（NLP）、推薦系統(tǒng)、機器人等領域，并開始將GPU應用于運算加速。式、從定制向通用的轉化。進入第二階段，資本繼續(xù)涌入，激發(fā)了大模型在具體產(chǎn)業(yè)場景中實現(xiàn)落地，開始在磨合中探索大模型賦能千行百業(yè)的正確模式，形成一批“大模型產(chǎn)業(yè)應用”。大模型作為核心也將進一步激活出產(chǎn)業(yè)，特別是傳統(tǒng)產(chǎn)業(yè)在自動化、數(shù)字化轉型中積累的數(shù)字資產(chǎn)，將虛實融合推向一個嶄新階段，成為實現(xiàn)產(chǎn)業(yè)智慧化、綠色化升級的抓手。

2017年 Google的研究團隊在論文《AttentionisAllNeed》中提出了一種基于自注意力機制（self-at-tention）的神經(jīng)網(wǎng)絡模型Transformer，具備更強的并行計算能力、長序列處理能力和語義特征理解能力，被廣泛應用于機器翻譯、文本生成等任務。2018年 Google AI研究院在Transformer基礎上提出了預訓練模型Bert，全稱為Bidirectional EncoderRepresentationfromTransformers。Bert的邏輯是通過對海量無標注數(shù)據(jù)的無監(jiān)督學習訓練出具備“基本常識”的大模型，然后通過少量標注數(shù)據(jù)微調大模型，使其具備處理“專業(yè)”任務的能力。Bert進一步提升了大模型的自然語言處理能力。2020年 在Bert奠定的“預訓練+微調”訓練范式基礎上，OpenAI在論文《LanguageModelsareFew-ShotLearners》中提出了同樣以Transformer為基礎的GPT-3，全稱為GeneralPretrainedTransform-er-3。GPT-3擁有1750億個參數(shù)，具備了突破性性的理解、生成和涌現(xiàn)能力。2022年 Dalle-2、StableDiffusion、Imagen、Midjourney等生成式人工智能工具相繼出現(xiàn)，人工智能生成內容（AIGC，AI-GeneratedContent）開始走出小圈子，直到OpenAI發(fā)布基于GPT-3.5的ChatGPT，將這一波生成式AI浪潮完全引爆。從基礎大模型到行業(yè)大模型，點燃了大模型規(guī)?；瘧玫牧窃?。Page03 Page04Chapter【產(chǎn)業(yè)大模型應用白皮書Chapter（二）大模型發(fā)展進入興奮期技術層面引爆點的到來，也推動大模型發(fā)展進入一個興奮期。在全球各國產(chǎn)業(yè)政策端，美國、中國、歐洲紛紛發(fā)布政策，加快“科技軍備競賽”，搶占人工智能產(chǎn)業(yè)發(fā)展的地緣制高點，加速AI技術的產(chǎn)業(yè)落地應用和實踐成果，可以說，大模型已經(jīng)成為本年度最為新興的舉國科技戰(zhàn)略布局的必爭之地。在大模型技術最為蓬勃的美國市場，資本端正不斷涌入大模型領域，為人工智能技術的發(fā)展和人工智能賦能產(chǎn)業(yè)應用提供資源支持；在AI應用生態(tài)廣闊的中國產(chǎn)業(yè)端，大模型時代的到來正在加速傳統(tǒng)產(chǎn)業(yè)的智能化、綠色化、高端化改造進程，驅動著新型工業(yè)化和高質量增長的轉化實現(xiàn)。

01.大模型成為國家戰(zhàn)略布局關鍵節(jié)點產(chǎn)業(yè)大模型的應用對于國家發(fā)展人工智能有著重要意義，是推動國家數(shù)字化發(fā)展進程，加快各產(chǎn)業(yè)信息化、智能化建設的重要抓手。首先，產(chǎn)業(yè)大模型應用可以提高產(chǎn)業(yè)智能化水平，促進產(chǎn)業(yè)升級，進而提升國家整體產(chǎn)業(yè)競爭力。其次，產(chǎn)業(yè)大模型應用可以帶動相關領域如數(shù)據(jù)科學、計算機科學、自然語言處理等技術的進步，為國家科技創(chuàng)新提供強大支持。同時，隨著大數(shù)據(jù)和人工智能技術的發(fā)展，信息安全已成為國家安全的重要組成部分，產(chǎn)業(yè)大模型應用可以提高國家信息安全防護能力，保障國家信息安全。也因此，大模型已然成為大國的必爭之地，獲得大模型競爭入場券的國家都在不遺余力地扶持本國企業(yè)在大模型領域開展研究和應用。從目前的情況來看，中美仍然是大模型競爭的主要參與者。美國在算法架構的基礎研究、基礎大模型的開發(fā)上處于領先優(yōu)勢，在OpenAI、微軟、Google等科技企業(yè)的引領下，美國已經(jīng)推出了ChatGPT、Midjourney、Copilot等引發(fā)全球關注的大模型應用。中國則在基礎大模型研究上緊隨其后，并在大模型產(chǎn)業(yè)應用方面進行了更豐富地探索，但還缺少相應的標桿性案例。

在美國，美國國防部高級研究計劃局（DARPA）向OpenAI提供資助，支持其開發(fā)ChatGPT；美國國家科學基金會（NSF）也在向大語言模型研究提供資助；針對人工智能領域的企業(yè)，美國政府提供了優(yōu)惠政策，鼓勵企業(yè)進行研發(fā)投資。在歐洲，歐盟計劃投資7.5億元用于支持包括大語言模型相關研究在內的人工智能技術研發(fā)；歐洲研究委員會（ERC）也設立了專門的人工智能基金，用于資助具有創(chuàng)新性和顛覆性的人工智能研究項目。就國家而言，德國政府在2023年設立了1億歐元（約合人民幣7.4億元）的

基金，以支持在人工智能領域的創(chuàng)新性研究和開發(fā)。英國政府為在英國進行研發(fā)活動的公司提供了稅收減免，這些公司可以獲得最高100%的稅收減免，用于支付研發(fā)費用。同時，使用人工智能技術的公司也可以從英國政府處獲得高達20%的投資稅收抵免，用于購買和使用AI技術。此外，英國政府還推出了一項AI研發(fā)加速器計劃，旨在提供資金，支持初創(chuàng)公司和創(chuàng)業(yè)公司進行AI研發(fā)。在中國，人工智能技術從基礎技術研發(fā)到產(chǎn)業(yè)應用也都獲得了一些政策層面的支持。中國國家發(fā)改委在2020年發(fā)布的《關于加快推進數(shù)字經(jīng)濟發(fā)展的實施意見》其中提出要加快人工智能、大數(shù)據(jù)等新一代信息技術的發(fā)展，推動產(chǎn)業(yè)數(shù)字化轉型。2021年中國國家自然科學基金委員會、中國工業(yè)和信息化部等部門發(fā)布的《人工智能領域科技計劃指南》與《關于促進人工智能和實體經(jīng)濟深度融合發(fā)展的指導意見》提出支持人工智能基礎理論、關鍵技術、應用示范等研究，著力推動大型人工智能模型的研究和人工智能與實體經(jīng)濟深度融合，加快產(chǎn)業(yè)智能化升級。2022年中國科技部等六部門聯(lián)合Page05 Page06【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來Chapter1印發(fā)的《關于加快場景創(chuàng)新以人工智能高水平應用促進經(jīng)濟高質量發(fā)展的指導意見》中提到，鼓勵在制造、農業(yè)、物流、金融、商務、家居等重點產(chǎn)業(yè)深入挖掘人工智能技術應用場景，促進智能經(jīng)濟高端高效發(fā)展。在大模型曝光頻率最高的2023年，中國領先出臺了政策，來規(guī)范和扶持人工智能產(chǎn)業(yè)健康發(fā)展。4月11日，中國國家互聯(lián)網(wǎng)信息辦公室發(fā)布了關于《生成式人工智能服務管理辦法（征求意見稿）》，促進生成式人工智能健康發(fā)展和規(guī)范應用。7月13日，由中國國家網(wǎng)信辦聯(lián)合國家發(fā)展改革委、教育部、科技部、工業(yè)和信息化部、公安部、廣電總局共同發(fā)布《生成式人工智能服務管理暫行辦法》。中國的地方政府也已經(jīng)出臺了一些政策，側重鼓勵大模型實現(xiàn)產(chǎn)業(yè)應用。北京市發(fā)布《北京市加快建設具有全球影響力的人工智能創(chuàng)新策源地實施方案（2023-2025年）》和《北京市促進通用人工智能創(chuàng)新發(fā)展的若干措施》等政策文件，對人工智能產(chǎn)業(yè)大模型應用的發(fā)展提出了明確的要求和目標。上海市印發(fā)《上海市推動人工智能大模型創(chuàng)新發(fā)展若干措施（2023-2025年）》，支持大模型在智能制造、生物醫(yī)藥、集成電路等領域的示范性應用。廣東、安徽也出臺政策性文件，推動大模型在產(chǎn)業(yè)端實現(xiàn)應用創(chuàng)新。從各國目前的實踐來看，宏觀產(chǎn)業(yè)政策端的規(guī)劃與發(fā)力，將在很大程度上決定著國家間以技術創(chuàng)新、產(chǎn)業(yè)迭代為核心的“技術主權戰(zhàn)”和競爭走向。特別是在人類社會進入大模型時代的當下窗口期，技術的突破發(fā)展與

產(chǎn)業(yè)的吸收應用，需要依賴于長周期、高風險、大體量的資源投入和模式改造，統(tǒng)籌各類科技規(guī)劃指導意見、新型應用場景指導意見和傳統(tǒng)產(chǎn)業(yè)轉型能力建設。預計更多國家級產(chǎn)業(yè)政策將在大模型全面落地過程中發(fā)揮出關鍵引導作用，形成因勢利導，全面統(tǒng)籌優(yōu)勢，實現(xiàn)全球科技主體間競爭的規(guī)?；s超。科研界和產(chǎn)業(yè)界則將不斷提供關鍵實踐，前沿觀點，經(jīng)驗梳理，趨勢判斷，形成整合思維，為產(chǎn)業(yè)政策的下一階段布局形成有效助力，并通過更豐富、更深度、更多維度的落地應用，梳理新問題、新觀點、新場景、新方案，繼續(xù)貢獻各方思考，為下一步產(chǎn)業(yè)政策和產(chǎn)業(yè)結構的完善升級建言獻策。面向未來，政產(chǎn)學研用的模式優(yōu)勢，必將在產(chǎn)業(yè)AI大模型時代淋漓盡致展現(xiàn)，成為國家間科技力和創(chuàng)新力競爭的充要條件。02.資本大舉涌入催動大模型產(chǎn)業(yè)應用大模型的技術突破使其具備了解決復雜問題、生成高質量內容的能力，對推動傳統(tǒng)產(chǎn)業(yè)智能化升級、培育新動能具有重要作用。大模型在金融、醫(yī)療、教育、媒體等多個領域的應用，正在創(chuàng)造出新的商業(yè)模式和商業(yè)機會。第三方市場研究機構Gartner預測，到2026年，超過80%的企業(yè)將在生產(chǎn)環(huán)境中使用生成式人工智能API/模型和支持生成式人工智能的應用程序，而2023年這一比例還不到5%。

這吸引了大量的資本進入其中，為大模型從技術發(fā)展走向產(chǎn)業(yè)落地帶來了充裕的資金支持。尤其是在一些細分市場和應用場景中，優(yōu)秀的模型和技術解決方案可能會形成較強的市場壁壘，早期投資有望獲得較高的回報。在全球范圍內，大模型技術的研究與應用成為資本競爭的新高地。中國企業(yè)和研究機構在這一領域的投入和布局，不僅滿足了國內市場需求，也是在國際競爭中搶占著有利位置。在美國，PitchBook數(shù)據(jù)顯示，2022年，硅谷的風投資本向生成式AI公司共投入13.7億美元（折合人民幣約93.69億元），幾乎達到了過去5年的總和，2023年則直接飆升到21億美元。成立于2009年的美國的知名風險投資公司a16z（AndreessenHorowitz），重點關注人工智能、大數(shù)據(jù)、網(wǎng)絡安全、軟件開發(fā)、硬件設備等方向，目前已經(jīng)投資了多個人工智能項目，如自動駕駛技術公司Nauto、AI大模型公司DeepMind、Pinterest、Lyft等。全球知名的私募股權投資公司BainCapital

（貝恩資本）投資領域涵蓋消費品、醫(yī)療保健、科技、電信、金融服務、工業(yè)品等多個行業(yè)。該公司目前大量投資包括人工智能、大數(shù)據(jù)、網(wǎng)絡安全等科技領域項目以及GitHub等大模型應用企業(yè)。微軟、Google、英偉達也分別投資了OpenAI、Anthropic和In?ectionAI等大模型創(chuàng)業(yè)公司。在中國，創(chuàng)業(yè)邦研究中心發(fā)布的《2023年H1AIGC產(chǎn)業(yè)報告》顯示，2023年上半年，中國國內AIGC領域的融資事件共57起，已披露融資總額63.13億元，涉及投資機構數(shù)66家。中國互聯(lián)網(wǎng)頭部企業(yè)的特點是一邊布局自有大模型業(yè)務，一邊投資大模型領域的創(chuàng)業(yè)企業(yè)。騰訊不僅推出了自己的大模型——騰訊混元，應用于廣告、內容審核等領域，還投資了人工智能醫(yī)療診斷公司推想科技、MiniMax、等多個大模型相關項目。阿里巴巴同樣推出了大模型產(chǎn)品——通義千問，并投資了零一萬物、商湯科技。美團收購了王慧文的大模型創(chuàng)業(yè)項目光年之外。王小川的百川智能獲得了騰訊、阿里、小米，清華系的Page07 Page08【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter智譜AI背后則是騰訊、阿里、美團。機構方面，紅杉資本投資了ProjectAI2.0、月之暗面、深言科技等大模型項目，經(jīng)緯創(chuàng)投投資了銜遠科技，聯(lián)想創(chuàng)投和創(chuàng)新工場都投資了瀾舟科技。產(chǎn)業(yè)大模型應用之所以能夠吸引大量資本，是因為其代表了技術發(fā)展的方向，與國家戰(zhàn)略需求相契合，具有廣闊的市場空間和商業(yè)潛力，同時也符合投資者對于回報的預期。隨著技術的進一步成熟和應用的深入，預計未來這一領域還將持續(xù)有資本流入。03.大模型為傳統(tǒng)產(chǎn)業(yè)帶來結構性增量

在產(chǎn)業(yè)端，近些年數(shù)字化轉型的新要求不斷被提出，我國各產(chǎn)業(yè)均面臨數(shù)字化轉型的問題，在這個過程中各個產(chǎn)業(yè)都涌現(xiàn)出更多可以依靠大模型得到更好解決的需求。首先隨著消費者對產(chǎn)品和服務的需求日益多樣化，企業(yè)需要更好地了解和滿足用戶個性化需求。大模型具備強大的學習和理解能力，能夠對海量數(shù)據(jù)進行高效處理和分析，為企業(yè)提供個性化、精準化的服務。其次，大模型可以應用于各個產(chǎn)業(yè)，幫助企業(yè)提高生產(chǎn)管理效率，實現(xiàn)自動化、智能化的生產(chǎn)和服務。通過機器學習和人工智能技術，企業(yè)可以降低成本、提高生產(chǎn)效率，實現(xiàn)業(yè)務流程的優(yōu)化。再次，在產(chǎn)業(yè)升級的方向上，大模型有助于企業(yè)深入挖掘潛在商機，引領產(chǎn)業(yè)向更高附加值、更高技術含量的

紅杉美國的兩位投資人SonyaHuang和PatGrady在報告《GenerativeAI’sActTwo》中認為，大模型市場經(jīng)歷了第一幕對基礎模型這個創(chuàng)造工具的錘煉之后，開始進入到端到端地解決人類問題的第二幕。第二幕的應用與此前的應用將有所不同，它們往往會將基礎大模型作為解決方案的一部分，而不是整個解決方案。事實上，這份報告中描述的第一幕到第二幕的變化，也正是大模型從基礎技術研發(fā)走向產(chǎn)業(yè)場景應用，由技術驅動發(fā)展到由需求驅動發(fā)展的過程。目前我們可以看到能源行業(yè)、制造業(yè)、金融行業(yè)、IT服務行業(yè)、互聯(lián)網(wǎng)及電商行業(yè)、咨詢服務行業(yè)、公關廣告行業(yè)、出版、游戲行業(yè)、軟件開發(fā)、醫(yī)療健康等行業(yè)，都已經(jīng)有企業(yè)在嘗試利用大模型提升自身的業(yè)務水平，為問題找到更好的解決方案。ElectricPowerIndustry

業(yè)解決生產(chǎn)效率低、維護成本高、產(chǎn)品質量不一等痛點。大模型的多模態(tài)能力可以提升工業(yè)視覺質檢、安全生產(chǎn)檢測、精益生產(chǎn)管理等生產(chǎn)環(huán)節(jié)的能力，同時還可以服務于一線研發(fā)人員，輔助工業(yè)設計和產(chǎn)品圖片生成，提升整體的生產(chǎn)力。FinancialIndustry在金融行業(yè)，工商銀行、農業(yè)銀行、中國銀行、交通銀行、招商銀行、中信銀行、興業(yè)銀行、華夏銀行、浙商銀行等9家銀行，在半年報中明確提出，已經(jīng)在探索大模型的應用，諸如數(shù)字營業(yè)廳、智能客服、金融產(chǎn)品智能推薦、客戶分析及沉睡客戶喚醒、貸后報告生成等場景成為首批大模型在金融領域的應用試點。政策與資本共同發(fā)力的同時，企業(yè)和產(chǎn)業(yè)也在對大模型

方向發(fā)展。大模型可以為企業(yè)帶來新的業(yè)務模式和解決

除銀行外，券商、基金等在投資領域也開始嘗試使報以越來越高的期待。針對企業(yè)，Gartner認為，生成人工智能可以在四個方面帶來改變：在整個組織中推廣生成式人工智能的使用，將極大提升自動化范圍，有效提升生產(chǎn)力、降低成本、拉動新的業(yè)務增長機會；生成式人工智能有能力改變幾乎所有企業(yè)的競爭方式和工作方式；生成式人工智能將在廣泛的角色和業(yè)務中得到推廣應用；通過生成式人工智能的自然文本模式，可使員工、用戶高效利用企業(yè)內部、外部海量數(shù)據(jù)。

方案，促進產(chǎn)業(yè)鏈的升級和轉型。同時，在創(chuàng)新科研領域，大模型的應用具有重要意義。通過對大量數(shù)據(jù)的挖掘和分析，大模型可以輔助科學家探索未知領域，加速科研進展，為各產(chǎn)業(yè)提供技術創(chuàng)新支持。最后，在跨界合作方面，大模型可以作為一種通用技術平臺，整合各個產(chǎn)業(yè)的資源和數(shù)據(jù)，促進產(chǎn)業(yè)間的協(xié)作和互動。跨界合作不僅有助于拓展企業(yè)業(yè)務，還可以推動產(chǎn)業(yè)發(fā)展，實現(xiàn)產(chǎn)業(yè)間的優(yōu)勢互補和共同繁榮。

在電力行業(yè)，日常運維工作人員可以借助大模型，自動生成業(yè)務數(shù)據(jù)的處理結果，輔助檢索處理巡檢數(shù)據(jù)；電力調度工作人員可以憑借大模型的協(xié)助，針對電網(wǎng)異常情況快速自動化生成處置預案，以及時響應電力市場調節(jié)要求，使預案更加安全、高效且成本更低。ManufacturingIndustry在制造業(yè)，大模型可以預測維護減少停機時間，優(yōu)化生產(chǎn)流程提高效率，優(yōu)化質量檢測模型以提升產(chǎn)品質量，能夠幫助制造

用大模型，智能投顧、智能投研、智能風控、智能審計助手等場景，也都是相應的探索熱點。JPMorgan運用大模型進行風險管理、欺詐檢測、以及客戶服務自動化。螞蟻集團在通過大模型進行信用評分、智能投資顧問服務以及智能風險管理。ITServiceIndustry在IT服務行業(yè)，金山、中軟國際、用友等老牌IT企業(yè)，均已將大模型技術融合于其產(chǎn)品之中，例如金Page09 Page10【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來Chapter山推出了WPSAI，中軟國際推出了模型工廠，用友推出了企業(yè)服務大模型YonGPT。特別是對于智能客服技術提

Media&GamesIndustry

Chapter2第二章：以“生成”能力賦能產(chǎn)業(yè)智慧化供商，紛紛推出各種增強傳統(tǒng)智能客服系統(tǒng)能力的大模 型應用，得到了其客戶的廣泛好評。Internet&ECIndustry在互聯(lián)網(wǎng)及電商行業(yè)，大模型技術早已被廣泛應用于各種推薦系統(tǒng)，成為互聯(lián)網(wǎng)企業(yè)已經(jīng)構筑完善的結構化知識體系，與人類用戶之間實現(xiàn)更高效更便捷溝通互動的

在傳媒公關廣告、出版、游戲等行業(yè)，使用大模型，特別是文生圖、文生視頻等大模型，可以有效降低原畫設計等環(huán)節(jié)的成本，提高內容生成效率，加快與客戶基于內容的溝通頻率。迪士尼將大模型應用于觀眾分析、內容創(chuàng)作以及市場營銷策略優(yōu)化。SoftwareIndustry

從當前大模型的行業(yè)應用發(fā)展中可以看到，現(xiàn)階段的大模型更適合于企業(yè)的“生成”任務，而非“決策”任務。“生成”任務主要指文本生成、對話系統(tǒng)、語言翻譯等，大模型可以通過分析大量文本數(shù)據(jù)、甚至多模態(tài)數(shù)據(jù)，學習內容的生成規(guī)律和內在語義關系，從而生成高質量的內容輸出?！皼Q策”任務則主要指大模型通常需要處理連續(xù)的數(shù)值變量，根據(jù)結構做出決策或預測未來。受限于大人機橋梁。在互聯(lián)網(wǎng)領域，Google正在使用大模型進行

部分行業(yè)對容錯率的嚴格要求和大模型的幻覺，這類“決搜索優(yōu)化、自然語言理解、翻譯和語音識別。Meta則利用大模型進行內容推薦、圖像和視頻分析，增強社交媒體的用戶體驗。在電商行業(yè)，亞馬遜和阿里巴巴同樣也在利用大模型優(yōu)化產(chǎn)品推薦系統(tǒng)、智能客服以及供應鏈管理。ConsultingService

在軟件程序開發(fā)領域，作為程序員編程智能助手，大模型的初步應用已經(jīng)取得了明顯的成效，部分企業(yè)表示，在應用了大模型助手后，其程序員的工作效率，普遍得到了10-30%的提高。HealthcareIndustry

策”任務目前并沒有發(fā)揮出實際的應用效果。（一）產(chǎn)業(yè)大模型應用的特征大模型的訓練通常需要海量數(shù)據(jù)、大量計算資源和高效的算法共同完成。一般而言，大模型分為預訓練、

些大模型升級了多模態(tài)學習能力，能夠處理并整合文本、圖像等多種類型的數(shù)據(jù)，更有效理解復雜查詢和Industry 在健康領域，大模型的應用正在幫助提高疾病診斷的準

指令微調（instructiontuning）和人類反饋強化學習三個階段。預訓練是為了得到基座模型；指令微調

生成豐富內容。在咨詢服務行業(yè)，對于已經(jīng)高度數(shù)字化的服務提供商，目前已經(jīng)開始使用大模型完成客戶信息的智能化初篩、初審，從而降低服務成本，提高服務效率，將原來高度依賴專業(yè)服務人員的部分初級工作，下沉到由大模型自動完成，從而實現(xiàn)了服務普惠，讓更多潛在客戶可以享受低成本的服務。

確性和效率，提供個性化的治療方案，優(yōu)化醫(yī)療資源配置。百度發(fā)布的產(chǎn)業(yè)級醫(yī)療人工智能大模型靈醫(yī)大模型面向醫(yī)療場景提供臨床決策支持、眼底篩查、智慧病案、智能審方、慢病管理等解決方案支持。IBMWatsonHealth也在使用大模型輔助臨床決策、醫(yī)學研究以及醫(yī)療影像分析。DeepMind將大模型應用于蛋白質結構預測，已經(jīng)破解了2億多個結構，幾乎涵蓋了地球上所有已進行過基因組測序的生物體。

是為了釋放基座模型的能力，使模型可以理解用戶指令；人類反饋強化學習是為了在價值觀等方面與人類對齊（alignment）。實現(xiàn)有效處理和理解大量不同類型數(shù)據(jù)（如文本、圖像、聲音等）是大模型的一項關鍵能力。在理解和生成自然語言方面，現(xiàn)階段的大模型具備了更強的語境理解、情感分析、語言生成等能力。在此基礎上，一

相較更適合解決特定問題的傳統(tǒng)人工智能模型，現(xiàn)階段的大模型提供了更高級別的靈活性、泛化能力和處理復雜性，適合跨領域和多任務應用。大模型能夠根據(jù)不同用戶的需求和偏好進行個性化調整，提供更準確和相關的信息。隨著時間的推移，大模型還可以通過持續(xù)學習和優(yōu)化算法來提高其性能和準確性。這些技術能力決定了大模型在處理復雜問題、提高效率和精確度方面能夠發(fā)揮出關鍵作用。Page11 Page12【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter2

（二）產(chǎn)業(yè)大模型應用的技術關鍵環(huán)節(jié)大模型能夠處理更復雜、多元的問題。例如，可以同時處理語言、圖像和其他類型的數(shù)據(jù)，提供更全面的解決方案使用大量數(shù)據(jù)進行訓練，具有更強的泛化能力和自我學習能力具有更廣泛的應用范圍，可以跨領域工作能夠提供更高水平的個性化服務，適應不同用戶的需求雖然在某些特定任務上可能不如專用模型高效，但在處理多任務和復雜場景時顯示出更強大的能力需要更多的計算資源和數(shù)據(jù)，因此在訓練和部署上可能更昂貴

基本維度處理能力和復雜性數(shù)據(jù)和學習能力應用范圍和靈活性個性化和適應性性能和效率成本和資源需求

傳統(tǒng)人工智能模型通常專注于解決特定問題，如視覺識別或聲音檢測。這些模型通常是針對特定任務訓練的，處理能力相對有限依賴于較少的數(shù)據(jù)，通常在有限的數(shù)據(jù)集上進行訓練和優(yōu)化應用范圍通常局限于其被設計和訓練的特定領域通常缺乏個性化能力，難以根據(jù)用戶的具體需求進行調整在特定任務上可能表現(xiàn)出高效率和高精度通常需要較少的計算資源和成本

目前來看，對于大模型的落地應用，在社會層面還存在若干誤解，例如：混淆基礎大模型與行業(yè)大模型的區(qū)別，混淆行業(yè)大模型與大模型行業(yè)應用的區(qū)別等，上述誤解主要源自于缺乏對大模型技術的了解，以及對大模型行業(yè)應用工程化的了解?；A大模型通常具有理解、生成、邏輯推理、自然語言處理、多模態(tài)、BI分析等通用性的底層能力，可以應用于多個行業(yè)和場景，但可能缺乏針對特定領域的精細優(yōu)化。行業(yè)大模型則是針對某一特定行業(yè)進行知識增強等訓練和優(yōu)化的大模型，例如金融行業(yè)模型、醫(yī)療行業(yè)模型等，它們通常具有較強的行業(yè)特性，能夠更好地滿足該行業(yè)的特定需求。產(chǎn)業(yè)大模型應用則是針對某一具體場景進行專項訓練和提升之后的產(chǎn)品，例如智能客服、智能推薦等，它們具有較強的場景特性，具備場景任務拆解、執(zhí)行場景任務等能力，能夠更好地滿足該場景的特定需求。這也決定了實現(xiàn)大模型產(chǎn)業(yè)應用主要包括3個關鍵技術環(huán)節(jié)：首先需要有“合適”的基礎大模型支撐，提供高性價比的通用能力，如理解、生成、邏輯、記憶、自然語言處理、編程語言處理等。之所以用“合適”而非“優(yōu)秀”來作為基礎大模型的定義，因為要充分考慮性價比，

其次，需要針對基礎大模型，做相應的知識增強，形成行業(yè)大模型，可能還有模型瘦身工作。知識增強主要是通過引入行業(yè)里特有的行業(yè)知識圖譜、特有的數(shù)據(jù)、擁有深度行業(yè)專家Know-how認知的專家經(jīng)驗等內容，將數(shù)據(jù)與知識進行融合，從prompt、知識服務、結果、價值觀等方面進行全方位增強。因為大模型本質上可以看做是一種對知識的有損壓縮，通用大模型一般情況下并不會充分存儲行業(yè)知識，而企業(yè)內部的相關知識，更是不可能被通用大模型存儲，所以必須要做知識增強工作。知識增強工作既包括微調訓練，即將相關知識直接壓縮到大模型的參數(shù)中，也包括采用向量數(shù)據(jù)庫等方式，將相關知識轉化為向量存儲，并可以隨時被大模型調用。模型瘦身指對大模型進行壓縮蒸餾，以減小其對各種計算資源的占用，從而降低用戶企業(yè)的算力投入。最后，需要針對第二步已經(jīng)完成的“行業(yè)大模型”，做任務增強工作。在當前的一些領域行業(yè)知識問答的準確率相對較低，即便采用外掛向量數(shù)據(jù)庫存儲知識，也無法達到很高的準確率。因此,通過知識圖譜增強、價值觀增強、糾錯等多種技術，從內容準確性、邏輯準確性、價值觀準確性等維度提升模型生成內容的可控性,才能讓行業(yè)大模型的最終表現(xiàn)符合用戶預期。在大模型具備的這些基礎特性上，大模型落地應用需要包括基礎大模型的基礎通用能力、產(chǎn)業(yè)模型的知識增強，同時需要針對特定的任務場景進行專項任務的訓練及提升和針對不同的任務進行拆解和協(xié)同，最終通過基礎大模型、行業(yè)模型及專用模型分工協(xié)作才能形成一個完整的解決方案，也就是本白皮書中所指的產(chǎn)業(yè)大模型應用。

雖然一般意義上，規(guī)模更大的模型，也具有更強的通用能力，但是其調用（閉源模型）和獲得商業(yè)授權及部署（開源模型）成本都更高。Page13 Page14【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter現(xiàn)階段，產(chǎn)業(yè)大模型應用在賦能傳統(tǒng)產(chǎn)業(yè)時，已經(jīng)形成了一系列核心技能模塊，并以這些技能模塊為基礎結合具體場景組合出了不同的產(chǎn)業(yè)轉型升級工具，幫助產(chǎn)業(yè)實現(xiàn)了效率提升、成本降低、用戶體驗增強等目標。以下是七個核心技能模塊：

Chapter3第三章：大模型產(chǎn)業(yè)應用正待標準形成產(chǎn)業(yè)大模型應用在賦能傳統(tǒng)產(chǎn)業(yè)時的七個核心技能模塊

理想狀態(tài)下，大模型的產(chǎn)業(yè)應用有著光明的前景。于企業(yè)而言，大模型的應用能夠通過智能化與自動化手

量創(chuàng)業(yè)公司的商業(yè)計劃書中，這些都讓大模型的產(chǎn)業(yè)應用快速進入到一個淬火煉金的階段——行業(yè)在應用技能模塊內容生成智能問答數(shù)據(jù)分析圖像和視頻分析語音識別和處理個性化推薦預測建模

應用場景自動化生成報告、新聞稿、市場營銷文案，以及個性化的客戶溝通材料提供自動客服、技術支持、用戶交互界面，解答客戶咨詢深入分析大數(shù)據(jù)，提供洞察，優(yōu)化決策過程自動圖像識別、視頻內容分析，用于監(jiān)控、質量控制、客戶行為分析轉換語音為文本，語音控制系統(tǒng)，自動化語音服務基于用戶行為和偏好，提供個性化產(chǎn)品和服務推薦基于歷史數(shù)據(jù)預測未來趨勢，如市場需求、價格變動

應用行業(yè)媒體、廣告、市場營銷、客戶服務制造、零售、電信、金融服務、醫(yī)療保健金融服務、零售、制造業(yè)、物流制造業(yè)、零售、安全、媒體客戶服務、智能家居、智能汽車電子商務、信息服務、在線教育金融市場、零售、能源、農業(yè)

段，幫助企業(yè)降本增效，提升企業(yè)競爭力。在管理方面大模型可以優(yōu)化企業(yè)內部的業(yè)務流程，提高業(yè)務的處理速度，減少人工干預的錯誤成本，提升業(yè)務處理準確性。在業(yè)務模式方面，大模型幫助企業(yè)研發(fā)新的產(chǎn)品與服務，開拓新市場的同時，也可以通過其對企業(yè)內外部的數(shù)據(jù)分析為企業(yè)提供更科學、準確的依據(jù)從而提升決策水平。在同一產(chǎn)業(yè)內部，大模型的應用可以推動產(chǎn)業(yè)鏈的整合和升級，促進產(chǎn)業(yè)結構的優(yōu)化和調整，使得產(chǎn)業(yè)能夠更好的滿足用戶的需求，提高產(chǎn)品和服務的質量，增強產(chǎn)業(yè)競爭力。在社會層面大模型應用還能夠帶動相關領域的人才培養(yǎng)，為產(chǎn)業(yè)提供專業(yè)高素質的人才，同時大模型在環(huán)保、節(jié)能、公益等領域的應用，有助于企業(yè)履行社會責任，為社會可持續(xù)發(fā)展做出貢獻。但是，正如《GenerativeAI’sActTwo》報告所指出的，進入需求驅動階段的大模型行業(yè)需要面向產(chǎn)業(yè)應用方證明自己的價值，而不只是面向問題拋出具有想象力的構想?；A大模型和產(chǎn)業(yè)大模型創(chuàng)造了面向未來的基礎設施，越來越豐富的產(chǎn)業(yè)大模型應用指向了眾多場景和需求，Agent和Copilot已經(jīng)滲透到大

中形成評價標準，企業(yè)在嘗試中養(yǎng)成鑒別能力。Page15 Page16【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來可控性能力增強部署可行性產(chǎn)業(yè)大模型應用的五大核心指標算力的性價比可控性能力增強部署可行性產(chǎn)業(yè)大模型應用的五大核心指標算力的性價比安全性Chapter由于大模型的復雜性和應用場景的多樣性，如何評價其性能和效果，證明產(chǎn)業(yè)大模型應用的價值，成為面向下一階段的一個極具挑戰(zhàn)性的問題。建立一套科學、合理、完善的評價體系對于大模型的應用至關重要，它能夠推動技術進步，促進產(chǎn)業(yè)發(fā)展，同時確保技術應用的合規(guī)性和社會效益。首先，統(tǒng)一的評價標準可以幫助產(chǎn)業(yè)端更加客觀地比較不同大模型的性能。通過標準化流程和指標體系，產(chǎn)業(yè)端可以從多個維度對大模型進行綜合評估，包括業(yè)務需求滿足度、算法的準確性、效率、以及模型的安全性等。這樣，產(chǎn)業(yè)端不僅可以評估模型的技術性能，還可以評價其在實際應用中的表現(xiàn)，從而挑選出更適合特定場景需求的模型。其次，完善的評價體系對于推動大模型的健康發(fā)展具有重要意義。一些廠商可能會通過“刷榜”等不正當手段提

高模型在某些基準測試上的表現(xiàn)，這種現(xiàn)象不僅損害了公平競爭的環(huán)境，還可能導致模型過度優(yōu)化，從而降低其泛化能力和長期穩(wěn)定性。一個完善的評價體系能夠有效地減少這類問題，鼓勵廠商專注于提升模型的實際應用性能。此外，標準化的評價體系有助于促進大模型的產(chǎn)業(yè)化應用。模型開發(fā)只是第一步，如何有效地部署、運營和維護模型，以及如何確保其在實際應用中的穩(wěn)定性和可靠性，同樣重要。產(chǎn)業(yè)大模型標準，覆蓋了模型化、能力化、工程化、產(chǎn)業(yè)化等各個方面，有助于推動大模型從研發(fā)到應用的全過程標準化，提升整個行業(yè)的水平。最后，一個良好的評價體系還應當關注模型的倫理和社會影響，確保其應用不僅技術上先進，而且符合社會主義核心價值觀，服務于人民的需求，促進社會的和諧穩(wěn)定。

評估產(chǎn)業(yè)大模型應用的效果和價值包括可控性、能力增強、算力性價比、安全性和部署可行性五大核心指標。在實際應用中，需要根據(jù)具體場景和需求來平衡和優(yōu)化這些指標，以實現(xiàn)最佳的應用效果。同時，隨著技術的不斷進步和應用場景的不斷拓展，這些指標也將不斷發(fā)展和完善。01可控性方面01可控性方面，需要優(yōu)先考量產(chǎn)業(yè)大模型應用在執(zhí)行任務時的準確性，包括預測、分類、檢測等方面的性能。同時，要保證產(chǎn)業(yè)大模型應用輸出內容的價值觀與社會和道德標準一致，不產(chǎn)生有害或偏見的結果。此外還需要保證產(chǎn)業(yè)大模型應用決策過程的透明度和可解釋性，有助于增強用戶信任和遵守法規(guī)要求。02能力增強方面02

安全性方面04能力增強方面，除可控性增強外，產(chǎn)業(yè)大模型應用需要 04具備檢索能力、圖譜能力和多模態(tài)處理能力，能夠在海量數(shù)據(jù)中快速、準確地找到相關信息，構建和利用知識圖譜以理解復雜的關系和概念，并能夠處理和整合多種類型數(shù)據(jù)（如文本、圖像、聲音）。03算力的性價比方面03算力的性價比方面，產(chǎn)業(yè)大模型應用需要考慮到模型運行所需的計算資源和時間；投入與產(chǎn)出的比例，包括訓練和部署成本；以及是否能夠在有限的計算資源下最大化性能。

安全性方面，產(chǎn)業(yè)大模型應用應該保護訓練和應用數(shù)據(jù)不被未授權訪問或泄露，并且具備對抗惡意輸入和攻擊的能力。當然，合格的產(chǎn)業(yè)大模型應用要以遵守相關的法律和行業(yè)標準為前提。05部署可行性方面05部署可行性方面，產(chǎn)業(yè)大模型應用要具備適應不同規(guī)模的數(shù)據(jù)和業(yè)務需求的可擴展性，能夠兼容現(xiàn)有系統(tǒng)和工具，在實際運行中可以更便利、更低成本地維護和更新。Page17 Page18【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來數(shù)據(jù)安全要求隱私保護Chapter數(shù)據(jù)安全要求隱私保護Chapter

產(chǎn)業(yè)大模型應用評價工具箱大模型在賦能傳統(tǒng)行業(yè)應用過程中，除了對本身的能力掌握外，還需要更多的產(chǎn)品化和工程化的能力，需要具備科學、工程、產(chǎn)品、商業(yè)等多個維度的思維體系，深入的分析用戶應用場景、產(chǎn)品、企業(yè)、資本等多方價值訴求，從不同的維度建立起大模型在賦能傳統(tǒng)行業(yè)過程中的完整思維體系。這也表明，在五大核心指標基礎上，企業(yè)在具體落地產(chǎn)業(yè)大模型應用的過程中，需要考慮到更多維度的因素。技術支持和維護Gartner給到三點落地產(chǎn)業(yè)大模型應用的建議：基于技術可行性和商業(yè)價值，創(chuàng)建一個優(yōu)先的生成式AI應用案例矩陣，并清楚地規(guī)劃出對這些應用案例進行試點、部技術支持和維護

署和生產(chǎn)的時間框架；采用一種變革管理方式，優(yōu)先為員工提供使用生成式AI工具的知識，使他們能夠安全自信地使用，并將其融入到員工的日常工作中，成為業(yè)務自動化的助手；構建一個快速獲利、差異化和變革性的生成式AI用例組合，并用硬性投資回報率來測試這個組合，以查看生成式AI對企業(yè)的財務收益幫助同時可打造競爭優(yōu)勢。在具體的產(chǎn)業(yè)大模型應用選擇上，我們總結和歸納了一個產(chǎn)業(yè)大模型應用評價工具箱，以幫助產(chǎn)業(yè)和企業(yè)更精準地篩選出匹配自身需求的產(chǎn)業(yè)大模型應用。

評估模型是否符合相關的數(shù)據(jù)隱私法規(guī)數(shù)據(jù)的訪問和使用權限管理數(shù)據(jù)訪問控制數(shù)據(jù)加密和安全存儲數(shù)據(jù)在傳輸和存儲過程中的安全性數(shù)據(jù)訪問控制數(shù)據(jù)加密和安全存儲集成難度實際部署可行性模型與現(xiàn)有系統(tǒng)和工具集成的難易程度在實際環(huán)境中測試模型的部署效果集成難度實際部署可行性模型在不同規(guī)模和場景下的適應能力技術適應性擴展性和靈活性產(chǎn)業(yè)大模型應用評價工具箱技術適應性擴展性和靈活性

技術支持的可用性和維護模型的便利性業(yè)務需求分析業(yè)務目標明確大模型應用需要達成的具體業(yè)務目標業(yè)務需求分析業(yè)務目標性能標準用戶體驗合規(guī)性設定期望的模型性能標準，包括準確度、響應時間等評估模型對最終用戶體驗的影響性能標準用戶體驗合規(guī)性

包括硬件、軟件、人員培訓等方面的成本預期投資和回報初始投資成本運營成本預期收益長期運營中的成本，如服務器費用、維護費用等基于業(yè)務目標，預估的收益或成本節(jié)約預期投資和回報初始投資成本運營成本預期收益數(shù)據(jù)質量評估數(shù)據(jù)量可用于訓練和測試模型的數(shù)據(jù)量數(shù)據(jù)質量評估數(shù)據(jù)量數(shù)據(jù)多樣性數(shù)據(jù)更新頻率數(shù)據(jù)在類型、來源和范圍上的多樣性數(shù)據(jù)更新的頻率和時效性數(shù)據(jù)多樣性數(shù)據(jù)更新頻率

確保模型符合所有相關法律和行業(yè)標準評估模型的應用是否符合倫理和社會標準數(shù)據(jù)準確性和完整性法規(guī)遵從和倫理考量倫理審查數(shù)據(jù)的準確性和完整性水平數(shù)據(jù)準確性和完整性法規(guī)遵從和倫理考量倫理審查Page19 Page20【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來Chapter4第四章：大模型產(chǎn)業(yè)應用的中國進行時

（一）案例行業(yè)應用情況簡介ChapterChapter從全球范圍內來看，中美兩國主導著大模型領域的發(fā)展。相較而言，美國在基礎算法和通用大模型的研發(fā)

本章節(jié)將從案例覆蓋領域入手，首先分析這些案例應用在哪些典型行業(yè)；在此基礎上，將進一步從各案例

案例行業(yè)應用情況 *表1部分征集案例情況簡介上處于領先地位。中國在基礎大模型方面奮力追趕的同時，在大模型的產(chǎn)業(yè)應用層面展現(xiàn)出了更強的勢頭。一方面，智能化、高端化、綠色化的轉型升級概念在中國的各個產(chǎn)業(yè)中都已經(jīng)深入人心，為大模型的產(chǎn)業(yè)應用提前進行了意識準備。另一方面，中國的產(chǎn)業(yè)端正處于智能化轉型的進程中，沒有歷史包袱，更易于接受新興的大模型技術。此外，相較美國，中國政府快速推出了《生成式人工智能服務管理暫行辦法》等法規(guī)，為大模型的產(chǎn)業(yè)應用提供了保障，并且在扶持政策上也更傾向于快速推動大模型的產(chǎn)業(yè)應用。為了更直觀地向行業(yè)用戶呈現(xiàn)垂類行業(yè)大模型應用能力，中關村智用人工智能研究院、中國質量認證中心、中科院計算所、西交大人機所、清華大學天津電子信息研究院、中國發(fā)展網(wǎng)、北京市朝陽區(qū)人工智能應用聯(lián)合會、四分儀智庫、曙光智算、清研載物人工智能基金等聯(lián)合各方在編制《產(chǎn)業(yè)大模型應用白皮書》的過程中，面向行業(yè)公開征集的產(chǎn)業(yè)大模型應用落地案例，并依據(jù)產(chǎn)業(yè)大模型應用評價工具箱對收集到的案例進行了分析和評價，精選出了38家企業(yè)提供的58個應用案例（附錄一為全部案例簡介），并對其進行了相關的分析和整理，旨在促進行業(yè)內信息共享與經(jīng)驗交流，推動大模型更快、更好地融入產(chǎn)業(yè)、賦能產(chǎn)業(yè)。

的技術供給和用戶需求兩個維度出發(fā)，深入分析這些案例重點解決了哪些此前未被傳統(tǒng)技術滿足的需求，借助了大模型技術的哪些獨特能力，以及用戶對于大模型應用，除功能以外的質量、可靠性、安全性等綜合性需求；最后，總結當前大模型行業(yè)應用的共性范式，以對未來更多行業(yè)應用提供參考借鑒。

所屬行業(yè)政務金融醫(yī)療工業(yè)文娛交通智能客服倉儲物流

主要功能知識問答、輔助決策文檔處理、知識問答、內容生成、輔助決策內容生成、知識問答、輔助決策知識問答、輔助設計、輔助決策人機互動、內容生成人機互動、輔助決策知識問答、輔助決策知識問答、內容生成

案例提供方騰訊云、中電云、中國電信、中科極限元、阿里云、中軟國際解放號百度、三六零集團、度小滿、可之科技、文因互聯(lián)智譜華章、深思考、健康有益、南京柯基數(shù)據(jù)科技、卓世科技、北京友誼醫(yī)院中科極限元、可之科技、清博智能、中工互聯(lián)央博數(shù)字傳博、百川智能、達佳互聯(lián)思必馳、中軟國際解放號、毫末智行、卓視智通卓世科技、科訊嘉聯(lián)、曙光智算愛動超越、面壁智能Page21 Page22【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter4

（二）案例技術供給與行業(yè)需求分析所屬行業(yè) 主要功能

案例提供方

01.

而文娛領域，則更多需要創(chuàng)造力和生成有美感，有欣賞和傳播價值的內容，這一部分需求剛好與大模型內容生房地產(chǎn)教育智能家居AI工具傳媒電商法律建筑能源營銷IT服務

知識問答、輔助設計輔助決策人機互動內容生成、知識問答、輔助決策內容生成知識問答、人機互動知識問答知識問答、輔助決策輔助決策內容生成知識問答、輔助決策

騰訊云、貝殼中科創(chuàng)達百川智能、思必馳百度、新鋒未來拓爾思、中國傳媒大學戲劇影視學院美團智譜華章天壤智能、筑訊科技中工互聯(lián)一輕科技可之科技

熱門應用領域分析從此次征集到的案例整體而言，大模型在服務業(yè)的應用，比在工業(yè)制造業(yè)的應用更加廣泛；在服務業(yè)中，在政務、金融、醫(yī)療、文娛、交通等領域應用更加廣泛。導致上述情況的原因，可以從多個維度分析得知。首先，大模型行業(yè)應用的本質，是將先進的技術落地于生產(chǎn)和服務，創(chuàng)造新的價值，因而要遵守商業(yè)邏輯。而商業(yè)邏輯意味著用最低的成本，去解決最富有回報的問題，高價值回報包括兩者典型情況：單體高價值和整體高價值。在上述熱點領域中，政務、金融、交通等領域，具有典型的業(yè)務需求通用性，也即意味著一旦推出客戶認同的產(chǎn)品和服務，可以擁有大批量復制的機會，獲得整體的高價值。而醫(yī)療、文娛等領域，則存在明顯的大量細分市場維度，在任何一個細分市場上取得成功，同樣可以帶來高額的回報。其次，當前的大模型技術能力，可以相對更好地滿足上述領域的業(yè)務需求，例如政務、金融、醫(yī)療，都涉及海量的專業(yè)知識，而這些知識傳統(tǒng)靠人腦記憶，一方面人類記憶力有限，另一方面對人員的專業(yè)度、敬業(yè)度都有很高的要求，只有極少數(shù)精英人群才有可能滿足；與此同時，這些領域的從業(yè)者又需要較強的邏輯分析能力。這些需求剛好與大模型當前已經(jīng)具備的知識問答能力、文檔處理能力和輔助決策能力完美匹配。

成能力相匹配。交通領域則一方面用到大模型與專業(yè)模型聯(lián)動所擁有的多模態(tài)感知能力，另一方面也用到大模型的人機互動和輔助決策能力。最后，大模型的應用，需要用戶具有良好的信息化和數(shù)字化基礎，才能過渡到大模型支持的智能化階段。例如在工業(yè)生產(chǎn)制造領域，大多數(shù)工業(yè)企業(yè)目前還沒有完成信息化和數(shù)字化，所以雖然大模型原則上適合去分析長期積累的各種生產(chǎn)數(shù)據(jù)，并基于此對工業(yè)生產(chǎn)進行流程等優(yōu)化，但實際上因為工業(yè)企業(yè)缺少這些數(shù)據(jù)，甚至可能還沒有實現(xiàn)完全的自動化，也就談不上對流程的優(yōu)化，甚至無法實現(xiàn)對設備的遠程控制。因而在當前的工業(yè)領域，大模型主要在解決一些容易解決的問題，例如作業(yè)生產(chǎn)指導，或者某些行業(yè)如服裝的輔助設計等，只有針對少數(shù)數(shù)字化已經(jīng)完成的企業(yè)，大模型才提供相應的生產(chǎn)優(yōu)化輔助決策。Page23 Page24【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter核心應用價值分析大模型為用戶提供的核心價值，莫過于降本增效，或者說“提高效率”和“增加效益”，提高效率包括：降低成本（如智能客服等）、提高單位生產(chǎn)率（如輔助編程等），增加效益則包括：吸引流量（如高質量廣告視頻生成等）、提高客戶轉化率（如更精準更富人性的商家信息推薦等）。圖1為以“效率-效益”為視角，體現(xiàn)了相關典型案例的分布情況，任何一個案例在圖中都對應一個點，該點越靠縱軸上方，意味著該案例最終提供價值越偏向“效率”，反

之越靠縱軸下方，意味著該案例最終提供價值越偏向“效益”，如果該點處在接近于橫軸的位置，意味著該案例最終提供價值兼顧了“效率”和“效益”。在橫軸上，則將此次發(fā)布的典型案例按應用領域進行了劃分。如圖所示：目前大多數(shù)大模型行業(yè)應用，主要解決的是“效率”問題，也有一部分應用兼顧了“效率”和“效益”，少部分應用主要解決的是“效益”問題。具體分布如圖1所示。

上述統(tǒng)計結果，和大模型當前的技術能力息息相關，因為目前大模型擅長于處理海量的結構化信息，通過各種處理，提高人類對信息的記憶、讀取、分析和處理能力，從而提高效率；而要提高效益，則更多要解決客戶來源和客戶轉化率，這方面單純依靠今天的大模型技術本身，還不足以創(chuàng)作超越人類智慧和能力的結果，需要有掌握了大模型技術的專業(yè)人員共同努力，才能推動應用落地。03.技術供給方—需求領域相關性分析圖2顯示了本次征集并推薦的典型案例大模型技術供給方中，大型企業(yè)和中小型企業(yè)，與其技術應用領域之

例如在廣告行業(yè)，海報、視頻等需要創(chuàng)意，也需要美感等諸多元素，才能達成吸引潛在客戶完成交易的目標，單純依靠大模型無法獨立滿足這些元素需求，仍然需要高度依賴人類用戶的創(chuàng)意、審美等能力，由人類使用大模型技術來輔助創(chuàng)意和加速內容生產(chǎn)；只有在金融等少數(shù)高度數(shù)字化的行業(yè)，有可能使用大模型挖掘出使用傳統(tǒng)方法，無法發(fā)現(xiàn)的高價值客戶，并且指導營銷人員的銷售轉化行為，實現(xiàn)效益。幾個領域，大型企業(yè)和中小企業(yè)均有涉獵外，政務和金融領域，主要由大型企業(yè)提供服務，而在醫(yī)療健康、圖1模型主要功能、應用所屬行業(yè)及效率效益分布圖

間的相關性。可見除文教傳媒、交通物流、房地產(chǎn)（含建筑、智能家具等）和專業(yè)服務（法律、IT、AI等）

智能客服等領域，則主要由中小企業(yè)提供服務。效率圖2大模型的場景需求共性分布效率政務服務 金融服務 醫(yī)療健康

智能客服 專業(yè)服務

交通物流

工業(yè)能源

房地產(chǎn) 文教傳媒需求共性需求規(guī)模技術可靠性大型企業(yè)需求共性需求規(guī)模技術可靠性大型企業(yè)政務金融文教傳媒交通物流房地產(chǎn)專業(yè)服務醫(yī)療健康專業(yè)服務工業(yè)能源中小企業(yè)效益效益主要功能知識問答 輔助設計 輔助決策 人機互動 文檔處理 內容生成主要功能Page25 Page26【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來ChapterChapter政務、金融領域客戶，對于應用的可控性、安全性要求明顯高于其他行業(yè)，而大企業(yè)在提供這些能力時，明顯比中小企業(yè)更具備優(yōu)勢；此外，政務和金融領域的采購，也往往偏向于大企業(yè)，因為大企業(yè)可以提供更加穩(wěn)

相信之下，醫(yī)療健康表面看是一個大行業(yè)，但是對于人工智能技術來說，實際上是無數(shù)個細分行業(yè)的聚合，可以說每一種疾病的治療，對于人工智能都是一個獨立課題，這種細碎的市場，不適合于大企業(yè)發(fā)揮自身優(yōu)勢，反而更適合有技術能力的中小企業(yè)，選擇適合自身的賽道，一旦成功，則有可能為自身進一步發(fā)展奠定基礎，

（三）大模型產(chǎn)業(yè)應用落地共性范式基于上述分析，可以總結出在當前，大模型產(chǎn)業(yè)應用落地的幾大范式：定的售后維保等服務，而且大企業(yè)面對這些客戶的銷售能力也更強，能夠有更大概率拿到訂單。更為重要的一點是，這些領域不僅實現(xiàn)可控性強，一旦成功，可復制性也非常強，大企業(yè)會更偏好投入資金和資源到這種確定性高，且市場規(guī)模大的領域。

而且這些細分賽道的解決方案存在較大的挑戰(zhàn)，成功與否的不確定性比較高，相對也適合處于創(chuàng)業(yè)期的中小企業(yè)去選擇。至于其他領域，如交通物流，其中既存在大企業(yè)所擅長的平臺型產(chǎn)品和服務，也存在中小企業(yè)所擅長的單點技術創(chuàng)新需求，因而成為了所有企業(yè)共同的選擇。

01.關注“以產(chǎn)定銷”多于“以銷定產(chǎn)”對大模型行業(yè)應用而言，“以產(chǎn)定銷”對應的客戶范疇，即其業(yè)務存在明顯的需求剛性，其中以能源行業(yè)為代表的客戶企業(yè)，在目前的情況下，無論是電力、還是石油等能源，基本上屬于供不應求，生產(chǎn)企業(yè)和網(wǎng)絡銷售運營企業(yè)并不需要考慮能源能否銷售出去，在產(chǎn)品供不應求的前提下，他們更關注的是如何降低成本，提高效率。另一維度的客戶部門代表，則是程序開發(fā)部門，對于大多數(shù)企業(yè)而言，只要其資金情況允許，永遠有更多的內外部IT系統(tǒng)等待研發(fā)人員開發(fā)，因此只要能夠提高程序開發(fā)效率，就會成為剛需。除了生產(chǎn)型企業(yè)，政務服務也具有類似的特點，即社會大眾永遠都需要更多更好的公共服務，只要在財政許可的前提下，政府也有足夠的意愿去提高服務水平。而“以銷定產(chǎn)”的客戶范疇，主要代表之一為輕工業(yè)產(chǎn)品的生產(chǎn)者，例如服裝廠永遠要考慮如何按照實際需求，安排產(chǎn)能生產(chǎn)當季最流行的服裝，多生產(chǎn)并不能天然帶來更多銷售和更高的效益。對于這些客戶，永遠考慮的是能否用大模型技術帶來更多的潛在客戶流量，并且把這些流量轉化為銷售業(yè)績。而這些能力，并不是當前大模型的特長，除了在少數(shù)場景中，如智能產(chǎn)品推薦，以及對營銷人員的智能培訓，大模型可以一展身手。這也

是由大模型的技術特點決定的，生成式AI大模型可謂是天然的低成本高效率推薦系統(tǒng)，對于已經(jīng)高度數(shù)字化運營，特別是客戶信息已經(jīng)高度數(shù)字化的的企業(yè)，使用大模型技術，可以將傳統(tǒng)情況下，需要由人來匹配客戶需求與產(chǎn)品服務的工作，轉化為機器工作，從而提高銷售業(yè)績?；谏鲜龇治隹芍瑢⒐ぷ髦匦姆旁凇耙援a(chǎn)定銷”類客戶，更適合當前大模型的技術能力，也有助于應用落地。Page27 Page28【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來Chapter4 Chapter502.基于技術能力和數(shù)字化基礎解決實際問題從技術供給維度，圍繞大模型最擅長的文本理解、內容生成、邏輯推理、編程語言處理等核心能力所搭建，并

03.基于企業(yè)特點選擇細分賽道不同類型的大模型技術供給企業(yè)，有不同的適應賽道，一方面如前文所述，需要根據(jù)自身的技術特長選擇細分賽道，另一方面大型企業(yè)更適合選擇具備較高通用性和

第五章：大模型產(chǎn)業(yè)應用的展望與挑戰(zhàn)且以知識問答、輔助決策、人機互動、內容生成等功能為基礎的行業(yè)應用，最容易快速落地，也最容易取得成效。從客戶需求維度，其業(yè)務已經(jīng)實現(xiàn)了較高的信息化，乃至數(shù)字化的行業(yè)和客戶，才具有較好的數(shù)據(jù)基礎和數(shù)字化環(huán)境，而大模型的訓練和應用，必須依賴于大量的優(yōu)質數(shù)據(jù)，而完整的端到端數(shù)字化環(huán)境，才會衍生出海量的數(shù)據(jù)處理和決策需求，而大模型可以幫助行業(yè)解決這些難題，提高決策效率和準確度。脫離技術能力，和客戶數(shù)字化基礎的應用，在實際中會步履維艱。

進入門檻的大賽道，投入更多資源換取競爭優(yōu)勢；而中小企業(yè)更適合選擇創(chuàng)新挑戰(zhàn)性更強的細分賽道，雖然企業(yè)綜合資源有限，但在細分領域可以形成更高的資源投入到，獲得競爭優(yōu)勢。

愛分析在《AI大模型專題：2023中國大模型市場商業(yè)化進展研究報告》中，根據(jù)公開招標中標信息以及一手調研數(shù)據(jù)測算得出，2023年中國大模型市場規(guī)模約為50億元人民幣，其中服務部分和軟件部分占比約為35%。愛分析認為，產(chǎn)業(yè)用戶2023年在大模型的采購和應用上，還處于論證多、采購少的階段，但在2023年將開始大量釋放大模型領域的預算，軟件和服務部分有所上升。總體而言，大模型落地產(chǎn)業(yè)端進行應用是一個必然趨勢。大模型被普遍視為未來兩年內產(chǎn)業(yè)數(shù)智化升級和傳統(tǒng)工業(yè)轉型先進制造業(yè)的重要迭代方向，進而得到了產(chǎn)業(yè)端的提前關注。經(jīng)緯創(chuàng)投創(chuàng)始管理合伙人張穎此前透露過一個數(shù)據(jù)：2023年3月到5月召開業(yè)績電話會議的標普500指數(shù)的公司中，有110家公司的高管提到了AI，這是過去十年的3倍。大模型的產(chǎn)業(yè)應用已經(jīng)形成一種共識。阿里云智能集團CEO張勇認為，大模型讓所有企業(yè)站在了同一起跑線，將再次激活千行百業(yè)。騰訊云CEO湯道生則判斷，行業(yè)大模型已經(jīng)過了“嘗鮮期”，目前正深入各類業(yè)務場景，推動企業(yè)全鏈條智能化。成都智算中心CTO余明川預測，隨著大模型應用加速進入行業(yè)生產(chǎn)系統(tǒng)，未來兩年將深入超過50%行業(yè)核心場景。

長遠來看，大模型在產(chǎn)業(yè)端的落地應用需要經(jīng)歷一定的探索過程。挑戰(zhàn)主要來自于幾個方面：就通用大模型和產(chǎn)業(yè)大模型本身而言，能力還有待進一步提升，從滿足“生成”任務進化到滿足“決策”任務。這就需要大模型和產(chǎn)業(yè)大模型克服訓練成本高、推理時間長、上下文限制大、提示詞的脆弱性、自身幻覺、可解釋性低和無法有效評估等問題，達到提升訓練效率、提高反應速度、加強上下文記憶力、優(yōu)化提示詞返回結果、提升準確度、讓決策過程更透明等目標。從行業(yè)大模型應用來看，傳統(tǒng)行業(yè)與大模型的融合必然是從意識到執(zhí)行、從系統(tǒng)到工具全方位進行，稱之為重構也不為過。這個過程中也存在一定的挑戰(zhàn)。首先，傳統(tǒng)行業(yè)決策者還不夠了解大模型技術，對大模型理解處于兩個極端（完全不了解也不感興趣，與我無關；或者過于迷信大模型，認為大模型無所不能），以至于不可能真正使用大模型技術解決自己的問題。其次，大模型當前能力還不足以解決復雜的決策問題，只能解決簡單的助手、生成等問題；大模型自身也還不足以解決用戶全部需求，需要大量的工程Page29 Page30【產(chǎn)業(yè)大模型應用白皮書】 融入產(chǎn)業(yè)，賦能未來

hapte動力，配落地流程與效果評估體系，促進科技成THEINTRODUCTIONOFTHEINTRODUCTIONOFINDUSTRIAL附錄一產(chǎn)業(yè)大模型典型案例簡介然后，大模型的行業(yè)應用需要大量懂大模型技術，又懂行業(yè)需求的人才，如何快速培養(yǎng)能夠了解大模型、使用大模型、分析大模型的人才也是未來值得關注的問題。最后，在產(chǎn)業(yè)協(xié)同上，涉及不同領域的大模型如何進行協(xié)同，大模型所收集的數(shù)據(jù)如何確保其準確，也是未來大模型發(fā)展需要解決的問題。從社會層面來看，大模型應用得越廣泛，人們對其合規(guī)性、數(shù)字安全和隱私安全的關注就越密切。如何在大模型應用過程中保證技術合規(guī)，確保數(shù)據(jù)的安全性和用戶隱私的保護，建立起對于用戶信息保障的堡壘將是一個重要挑戰(zhàn)。面對這些挑戰(zhàn)，政產(chǎn)學研用的多方協(xié)作和觀點匯聚，將成為破解問題、統(tǒng)籌規(guī)劃、打通堵點的關鍵法寶。在各方緊密協(xié)作的長效激勵機制之上，在充分發(fā)揮國家級政策引導作用的框架下，科研界和產(chǎn)業(yè)界的合作與溝通活力將被進一步激發(fā)，為產(chǎn)業(yè)政策不斷升級和大模型賦能傳統(tǒng)產(chǎn)業(yè)貢獻更多新思維、新方案、新實踐、新視角，最終推動實體經(jīng)濟不斷走向智能化、高端化、綠色化升級，實現(xiàn)科技成果賦能傳統(tǒng)產(chǎn)業(yè)，促進經(jīng)濟社會高質量發(fā)展的根本目標。面向未來，從政產(chǎn)學研用通盤視角來看，政策端需要有序布局和優(yōu)化科技創(chuàng)新賦能傳統(tǒng)產(chǎn)業(yè)轉型的全鏈條框架，在生成式智能時代統(tǒng)籌政策調度、支持孵化大模型產(chǎn)業(yè)生態(tài)和相應的創(chuàng)新要素供給，建設國家級和地市級場景示范與落地應用，提升和激勵傳統(tǒng)產(chǎn)業(yè)轉

需要推動軟硬件技術一體化的進一步提升，為大模型的產(chǎn)業(yè)端應用提供更牢固的技術基礎；產(chǎn)業(yè)端需要提升產(chǎn)業(yè)對大模型和數(shù)智化應用升級的知識認知、能力建設和人才培養(yǎng)，尤其加強融合型、復合型、跨領域人才的培養(yǎng)，在產(chǎn)業(yè)內優(yōu)先融合大模型的企業(yè)要深度參與產(chǎn)學研用工作，并結合當前產(chǎn)業(yè)大模型訓練需求，協(xié)助和支持科研界將大模型成果務實落地，提煉出更多產(chǎn)業(yè)內關鍵場景，商業(yè)痛點和行業(yè)數(shù)據(jù)。察勢者智，馭勢者贏。在全球AI大模型時代，中國有望在產(chǎn)業(yè)大模型應用落地的過程中搶得先機，發(fā)揮腹地市場廣闊和產(chǎn)業(yè)鏈條全面的規(guī)?；瘍?yōu)勢，搶先推動人工智能和前沿科技賦能實體產(chǎn)業(yè)的全過程，這也將是我國市場結構化增量被全面激發(fā)的全過程。CASES面向未來，產(chǎn)業(yè)大模型應用必然會為我國更快實現(xiàn)產(chǎn)業(yè)升級轉型、培育新質生產(chǎn)力提供強大的助力。CASESPage31 Page3201武漢經(jīng)開城市大腦大模型01中電云計算技術有限公司所屬行業(yè)：政務案例簡介：該案例應用大模型構建了智能問數(shù)，并與數(shù)字人相結合，可以通過語音或文字提出問題，大模型分析并理解問題，實現(xiàn)便捷、智能的問答交互。為用戶提供政務領域的專題智能問答、語音識別、指標調用、簡報生成、智能分析、智能圖表等服務。賦能領導決策應用場景，提供更加智能化、便捷化的信息抽取、指標組合和可視化呈現(xiàn)方式，大幅提升領導決策應用場景工作效率。網(wǎng)上辦事大廳

中國電信政務大模型05中國電信股份有限公司北京分公司05所屬行業(yè)：政務案例簡介：該案例基于大模型技術，為用戶提供政務知識點問答、政策解讀、問答知識生成等服務。面向市民端，有效減少市民排隊等待時間；面向坐席端，為坐席全流程智能化賦能，提高坐席人效；面向政府決策端，提供輔助決策和分析研判，幫助政府更好的做出分析和決策。通過大模型的使用，提高了客服答復效率，提升了用戶體驗和政府服務效率，提高了坐席學習新政策的效率等。06武漢經(jīng)開美麗社區(qū)大模型所屬行業(yè)：政務

中科極限元（杭州）智能科技股份有限公司

所屬行業(yè)：政務

中電云計算技術有限公司案例簡介：該案例基于大模型技術，為人民群眾提供政務智能推薦、一鍵聯(lián)辦推薦、問答生成服務等，可以智能識別用戶辦理意圖，幫助群眾快速定位到想要辦理的事項，提供精準優(yōu)質服務，節(jié)省群眾辦理時間，提高群眾辦事效率，提升群眾滿意度。03場景支撐系統(tǒng)03中科極限元（杭州）智能科技股份有限公司所屬行業(yè)：政務案例簡介：該案例基于應急大模型結合應急全量業(yè)務，提供事件復盤、應急智搜、救援助手等功能，能為用戶提供專業(yè)、精準、流利的答案。調查報告初版生成效率、應急智搜搜索準確率、救援助手回答準確率得到提升。面向智慧稅務領域的行業(yè)AI大模型

案例簡介：該案例利用大模型技術，通過學習與推理能力，解決政務熱線在問題拆解、多重意圖理解、政務政策關聯(lián)等方面的難題，成為既有溫度、又懂專業(yè)的政務服務助手。為用戶提供政務知識問答、熱點推送、智能提示等服務，提升政務服務效能和信息獲取便利性，促進政務服務標準化、規(guī)范化、便利化水平提升。07某某大數(shù)據(jù)集團輕應用孵化平臺07解放號網(wǎng)絡科技有限公司所屬行業(yè)：政務案例簡介：該案例基于城市鴻蒙場景各類物聯(lián)感知數(shù)據(jù)接入，通過大模型技術構建城市鴻蒙場景Ch