2024年人工智能（大模型）產(chǎn)業(yè)發(fā)展應(yīng)用研究白皮書

人工智能(大模型)產(chǎn)業(yè)發(fā)展應(yīng)用研究中國宏觀經(jīng)濟(jì)研究院產(chǎn)業(yè)所百度智能云2024年9月1一、人工智能是發(fā)展新質(zhì)生產(chǎn)力的重要引擎 1(一)人工智能為科學(xué)技術(shù)創(chuàng)新提供原動力 21、為提升基礎(chǔ)研究效能提供新方法 22、為學(xué)科交叉融合研究提供新路徑 43、為科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新深度融合提供新動能 5(二)人工智能助推各行各業(yè)加快形成新質(zhì)生產(chǎn)力 61、開拓新興產(chǎn)業(yè)發(fā)展空間 62、延展傳統(tǒng)產(chǎn)業(yè)生產(chǎn)邊界 93、促進(jìn)產(chǎn)業(yè)跨界融合與轉(zhuǎn)型升級 (三)人工智能通過塑造新型勞動者形成新質(zhì)生產(chǎn)力 1、促進(jìn)新職業(yè)誕生 2、推動勞動者技能轉(zhuǎn)型 二、人工智能(大模型)發(fā)展應(yīng)用進(jìn)展與趨勢 (一)我國人工智能產(chǎn)業(yè)保持快速發(fā)展態(tài)勢 1、我國大模型產(chǎn)業(yè)規(guī)模保持高增速 2、我國是全球人工智能市場的主要“玩家” 3、適應(yīng)不同業(yè)務(wù)需求開發(fā)了多款人工智能(大模型)16(二)我國擁有全球最為豐富的應(yīng)用場景 1、深度賦能垂直行業(yè)是我國人工智能(大模型)發(fā)展的重要方向 2、我國在前沿領(lǐng)域應(yīng)用人工智能(大模型)已初見成效 1823、我國人工智能(大模型)在互聯(lián)網(wǎng)辦公、金融等行業(yè)滲透較快 (三)我國的基礎(chǔ)能力建設(shè)領(lǐng)先全球 1、我國智能算力增速顯著快于全球水平 2、我國數(shù)據(jù)規(guī)模增速位居全球第一 3、我國算法不斷迭代優(yōu)化適配應(yīng)用場景 1、我國高科技企業(yè)具有差異化的創(chuàng)新優(yōu)勢 2、我國高科技企業(yè)大力拓展人工智能(大模型)服務(wù)范 (五)我國與全球合力拓展技術(shù)發(fā)展和服務(wù)邊界 1、人工智能(大模型)變革內(nèi)容生產(chǎn)和技術(shù)服務(wù)模式在我國已初現(xiàn)端倪 2、人工智能體成為我國人工智能(大模型)重要發(fā)展方 3、多模態(tài)能力是我國AI大模型后續(xù)的技術(shù)重點(diǎn) 1、國內(nèi)外呈現(xiàn)出以MaaS發(fā)展為核心商業(yè)模式的態(tài)勢.262、人工智能(大模型)在產(chǎn)業(yè)鏈落地上呈現(xiàn)“兩頭快、中間慢”態(tài)勢 (七)我國高度關(guān)注人工智能技術(shù)發(fā)展、產(chǎn)業(yè)創(chuàng)新和系統(tǒng)治理 1、我國政策支持注重推動人工智能技術(shù)和產(chǎn)業(yè)創(chuàng)新 32、我國人力需求和培養(yǎng)力度均處于較高水平 28三、我國人工智能(大模型)發(fā)展應(yīng)用存在的問題 (一)人工智能(大模型)推廣應(yīng)用面臨知識經(jīng)驗(yàn)不足291、許多用戶對技術(shù)本身和安全性存在疑慮 292、經(jīng)濟(jì)增長壓力加大形勢下更加審慎投資使用人工智能 (二)應(yīng)用場景整合和拓展統(tǒng)籌程度仍需提高 301、從應(yīng)用領(lǐng)域看，人工智能(大模型)落地領(lǐng)域不均衡 2、從應(yīng)用主體看，中小企業(yè)落地應(yīng)用人工智能(大模型)相對緩慢 3、從產(chǎn)學(xué)研合作看，技術(shù)轉(zhuǎn)化面臨困境 (三)數(shù)據(jù)、算力、算法等關(guān)鍵要素保障不足 1、數(shù)據(jù)質(zhì)量低，數(shù)據(jù)流通存在障礙 2、算法領(lǐng)域薄弱，算法潛藏偏見和歧視可能導(dǎo)致決策結(jié)果存在不公 3、算力生態(tài)建設(shè)需持續(xù)完善，“群模亂舞”進(jìn)一步擾亂國內(nèi)資源配置 (四)基于資源互補(bǔ)的大中小企業(yè)融通發(fā)展水平有待提升 36四、人工智能(大模型)賦能高質(zhì)量發(fā)展的實(shí)踐與成效 37(一)制造業(yè)領(lǐng)域 1、上海汽車集團(tuán)股份有限公司 (二)科學(xué)研究領(lǐng)域 42、上海交通大學(xué) 3、中國中化控股有限責(zé)任公司 (三)交通領(lǐng)域 4、北京車網(wǎng)科技發(fā)展有限公司 5、山東省港口集團(tuán)有限公司 6、中國郵政儲蓄銀行 (五)能源資源領(lǐng)域 7、國家電網(wǎng)有限公司 8、國家能源投資集團(tuán)有限責(zé)任公司 9、中國海洋石油集團(tuán)有限公司 (六)城市治理領(lǐng)域 10、河北省唐山市 11、北京市海淀區(qū) 五、深化人工智能(大模型)產(chǎn)業(yè)發(fā)展應(yīng)用的建議 (一)提升科學(xué)認(rèn)識水平，完善人工智能技術(shù)應(yīng)用管理機(jī) 1、引導(dǎo)全社會正確認(rèn)識人工智能 2、不斷提高人工智能可解釋性、可預(yù)測性 3、建立人工智能技術(shù)應(yīng)用管理機(jī)制 4、建立人工智能產(chǎn)品質(zhì)量安全認(rèn)證體系 (二)完善數(shù)據(jù)資源體系，促進(jìn)數(shù)據(jù)開放共享 1、完善數(shù)據(jù)資源體系 2、促進(jìn)數(shù)據(jù)開放共享 5 1、適度超前布局算力基礎(chǔ)設(shè)施建設(shè) 2、構(gòu)建自主可控國產(chǎn)智能算力生態(tài) 箱"的決策機(jī)制 591、加快完善評價(jià)機(jī)制，推動算法決策過程公開化和透明 2、從算法與人交互的環(huán)節(jié)出發(fā)，解決人工智能應(yīng)用中社會關(guān)切問題 (五)拓展人工智能應(yīng)用場景，加速人工智能與經(jīng)濟(jì)社會深度融合 1、圍繞交通運(yùn)輸?shù)阮I(lǐng)域組織實(shí)施標(biāo)桿性應(yīng)用工程 2、圍繞政務(wù)服務(wù)等細(xì)分行業(yè)領(lǐng)域組織實(shí)施示范應(yīng)用工程 613、圍繞行業(yè)熱點(diǎn)組織實(shí)施商業(yè)化應(yīng)用工程 4、探索人工智能應(yīng)用場景賦能與開放 5、加快構(gòu)建滿足“人工智能+”高水平賦能需求的標(biāo)準(zhǔn)體 (六)構(gòu)建良好創(chuàng)新生態(tài)，加速產(chǎn)學(xué)研協(xié)同、大中小企業(yè)融通 1、促進(jìn)大中小企業(yè)融通創(chuàng)新發(fā)展 2、大力推進(jìn)企業(yè)主導(dǎo)的產(chǎn)學(xué)研合作 6習(xí)近平總書記指出，人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機(jī)遇的戰(zhàn)略問題。當(dāng)前，在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計(jì)算、傳感網(wǎng)、腦科學(xué)等新理論新技術(shù)的驅(qū)動推動生產(chǎn)方式、發(fā)展模式和企業(yè)形態(tài)發(fā)生根本性變革，開辟出新的巨大增長空間。世界主要大國紛紛制定發(fā)布人工智能發(fā)展戰(zhàn)略，加強(qiáng)前瞻謀劃，明確發(fā)展重點(diǎn)，強(qiáng)化政府引導(dǎo)和政策支持，搶占競爭制高點(diǎn)，奪取發(fā)展主動權(quán)。適應(yīng)產(chǎn)業(yè)科技新趨勢，跟上時(shí)代步伐，必須發(fā)揮人工智能在支持產(chǎn)業(yè)升級、產(chǎn)品開發(fā)、服務(wù)創(chuàng)新等方面的技術(shù)優(yōu)勢，加快推進(jìn)人工智能發(fā)展及產(chǎn)業(yè)應(yīng)用，以人工智能技術(shù)賦能經(jīng)濟(jì)社會高質(zhì)量發(fā)展，催生更多新技術(shù)新產(chǎn)業(yè)，開辟更多新領(lǐng)域新賽道，增強(qiáng)發(fā)展新動能新活力。一、人工智能是發(fā)展新質(zhì)生產(chǎn)力的重要引擎新質(zhì)生產(chǎn)力代表先進(jìn)生產(chǎn)力的演進(jìn)方向，是由技術(shù)革命性突破、生產(chǎn)要素創(chuàng)新性配置、產(chǎn)業(yè)深度轉(zhuǎn)型升級而催生的先進(jìn)生產(chǎn)力質(zhì)態(tài)。人工智能具備深度學(xué)習(xí)、跨界融合、人機(jī)協(xié)同、群智開放、自主操控等鮮明特征，能夠引領(lǐng)帶動生產(chǎn)主體、生產(chǎn)工具、生產(chǎn)對象和生產(chǎn)方式變革調(diào)整，正在對科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、新型勞動者塑造產(chǎn)生重大影響。加快人工智能是擺脫傳統(tǒng)生產(chǎn)力發(fā)展路徑的重要抓手，是加快發(fā)展新質(zhì)生產(chǎn)力的重要引1(一)人工智能為科學(xué)技術(shù)創(chuàng)新提供原動力1、為提升基礎(chǔ)研究效能提供新方法當(dāng)前，基礎(chǔ)研究向極宏觀拓展、向極微觀深入、向極端條件邁進(jìn)，物質(zhì)結(jié)構(gòu)、宇宙演化、生命起源、意識本質(zhì)等領(lǐng)域的基礎(chǔ)研究不斷突破認(rèn)知邊界，對研究人員學(xué)習(xí)解決高維復(fù)雜問題提出更高要求。人工智能基于大型機(jī)器學(xué)習(xí)算法驅(qū)動，具備通用性、擴(kuò)散性和顛覆性強(qiáng)的特性，可以對各基礎(chǔ)研究領(lǐng)域其他研究方法難以甚至是無法計(jì)算的高維復(fù)雜問題進(jìn)行深度分析求解，幫助研究人員更加真實(shí)細(xì)致地刻畫復(fù)雜系統(tǒng)的運(yùn)作機(jī)理，同時(shí)把基本原理以更加高效、更加實(shí)用的方式應(yīng)用于解決實(shí)際問題中，加快基礎(chǔ)研究范式變革和能力提升。目前，我國科技部會同自然科學(xué)基金委已啟動“人工智能驅(qū)動的科學(xué)研究”(AIforScience)專項(xiàng)部署工作，緊密結(jié)合數(shù)學(xué)、物理、化學(xué)、天文等基礎(chǔ)學(xué)科關(guān)鍵問題，圍繞藥物研發(fā)、基因研究、生物育種、新材料研發(fā)等重點(diǎn)領(lǐng)域科研需求展開，布局建設(shè)“人工智能驅(qū)動的科學(xué)研究”前沿科技研發(fā)體系。驅(qū)動基礎(chǔ)研究效率變革。人工智能借助強(qiáng)大的數(shù)據(jù)處理能力和優(yōu)化算法，正逐步改變傳統(tǒng)科研范式中依賴“試錯法”的繁瑣過程，實(shí)現(xiàn)研究效率與質(zhì)量的雙重飛躍，為基礎(chǔ)科學(xué)研究開辟了全新的高效路徑。比如，百度飛槳科學(xué)計(jì)算工具組件賽槳PaddleScience是國內(nèi)首個(gè)公開且可應(yīng)用于CFD(ComputationalFluidDynamics,計(jì)算流體力學(xué))領(lǐng)域的工具，提供端到端應(yīng)用API,2致力于解決科學(xué)計(jì)算類任務(wù)。賽槳綜合數(shù)學(xué)計(jì)算與物理數(shù)據(jù)相結(jié)合的處理方法，提供物理機(jī)理約束的PINNs(PhysicsInformedNeuralNetworks物理信息神經(jīng)網(wǎng)絡(luò))加速求解偏微分方程，解決計(jì)算流體力學(xué)中的仿真分析。谷歌DeepMind和其英國子公司聯(lián)合團(tuán)隊(duì)在《自然》雜志上聯(lián)合發(fā)布的全新AI蛋白質(zhì)結(jié)構(gòu)預(yù)測模型AlphaFold3,基于具備三角注意力的自定的結(jié)構(gòu)以及它們?nèi)绾蜗嗷プ饔?，有望幫助人們治療癌癥、免疫性疾病等。與現(xiàn)有預(yù)測方法相比，AlphaFold3改進(jìn)了至少50%;對于一些重要的相互作用領(lǐng)域，AlphaFold3預(yù)測精度提高一倍。驅(qū)動基礎(chǔ)研究范式變革。人工智能基于算法驅(qū)動，能夠打破歷史經(jīng)驗(yàn)、舊技術(shù)、舊方法等帶來的研究慣性，為分析復(fù)雜事物提供新的科學(xué)洞察力、新的技術(shù)方法，有力推動基礎(chǔ)理論創(chuàng)新。比如，中國科學(xué)技術(shù)大學(xué)基于人工智能算法打造的機(jī)器人化學(xué)家“小來”成功整合集成了基礎(chǔ)研究“學(xué)”、“想”、“做”環(huán)節(jié)，即可閱讀海量文獻(xiàn)，學(xué)習(xí)化學(xué)知識；又可調(diào)用底層的物理模型，進(jìn)行理論分析和自主完成實(shí)驗(yàn)設(shè)計(jì)、操作，有力協(xié)助研究人員發(fā)現(xiàn)新路徑新方法。2021年，悉尼大學(xué)研究人員使用DeepMind開發(fā)的人工智能程序證明了Kazhdan-Lusztig多項(xiàng)式。2022年10月，DeepMind推出矩陣乘法算法應(yīng)用AlphaTensor,是通過強(qiáng)化學(xué)習(xí)找到的目前矩陣相乘最快算法。2023年6月，DeepMind推出AlphaDev,用于發(fā)現(xiàn)更高效的排序算法。3多學(xué)科交叉所形成的綜合性、系統(tǒng)性、滲透性知識可以有效解決人類面臨的新問題、新挑戰(zhàn)，成為取得原創(chuàng)性重大成果的重要途徑。從諾貝爾獎成果可以看出，物理學(xué)、化學(xué)以及生物學(xué)和醫(yī)學(xué)之間的邊界越來越模糊，它們之間相互交叉和滲透，并且產(chǎn)生了大量新的科學(xué)生長點(diǎn)。圖靈獎得主JimGary認(rèn)為科學(xué)研究經(jīng)歷了經(jīng)驗(yàn)范式、理論范式、計(jì)算范式、數(shù)據(jù)驅(qū)動范式等4種范式。當(dāng)前，許多科學(xué)家認(rèn)為科學(xué)研究正在迎來人工智能驅(qū)動的第五范式。第五范式以虛實(shí)交互、平行驅(qū)動的AI技術(shù)為核心，以智聯(lián)網(wǎng)和區(qū)塊鏈構(gòu)建基礎(chǔ)，以多學(xué)科多領(lǐng)域研究人員的價(jià)值和知識融和為導(dǎo)向，將帶來傳統(tǒng)物理學(xué)、信息學(xué)和生命醫(yī)學(xué)三者的融合更加深入，成為鏈接各學(xué)科知識的技術(shù)紐帶，加快不同學(xué)科領(lǐng)域間研究方法、知識積累的滲透融合，帶動以綠色、智能、泛在為特征的群體性重大技術(shù)變革。打破學(xué)科壁壘。人工智能融合計(jì)算機(jī)科學(xué)、數(shù)學(xué)、控制論、認(rèn)知科學(xué)等多個(gè)領(lǐng)域的知識，本身具備明顯的跨學(xué)科交叉特征。這使得人工智能成為連接不同學(xué)科領(lǐng)域的天然橋梁，加快不同學(xué)科研究方法和工具間的相互借鑒和融合，從而催生出新的研究方向和成果。比如，物理、數(shù)學(xué)、化學(xué)等基礎(chǔ)性學(xué)科向?qū)嶋H應(yīng)用延伸，為人工智能技術(shù)攻關(guān)和創(chuàng)新提供助益，或者利用人工智能打開研究思路，進(jìn)行快速創(chuàng)新和知識發(fā)現(xiàn)。又如，城市、交通、制造等工程技術(shù)應(yīng)用性強(qiáng)的學(xué)科，可以借助強(qiáng)大的人工智能技術(shù)工4具或算法力量，進(jìn)行自動化、智能化轉(zhuǎn)型，創(chuàng)造更大的戰(zhàn)略價(jià)值和經(jīng)濟(jì)效益?？珙I(lǐng)域整合分析數(shù)據(jù)。不同領(lǐng)域的數(shù)據(jù)往往具有互補(bǔ)性。通過人工智能技術(shù)，可以實(shí)現(xiàn)對這些數(shù)據(jù)的整合、分析和挖掘，從而發(fā)現(xiàn)新的規(guī)律和趨勢。比如，基于生物學(xué)機(jī)制、疾病和用藥相關(guān)數(shù)據(jù)、藥物的各種藥學(xué)性質(zhì)等跨領(lǐng)域研究建立的人工智能模型，可有效預(yù)測新藥的安全性和有效性。3、為科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新深度融合提供新動能科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新深度融合是將科學(xué)技術(shù)成果轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力的重要路徑。以ChatGPT為代表的人工智能大模型技術(shù)，將數(shù)十億人類積累的知識和知識結(jié)合在一起，可以幫助研發(fā)人員有效發(fā)現(xiàn)產(chǎn)業(yè)鏈面臨關(guān)鍵技術(shù)問題、提高關(guān)鍵核心技術(shù)研發(fā)效率、準(zhǔn)確識別創(chuàng)新成果應(yīng)用價(jià)值，實(shí)現(xiàn)問題發(fā)現(xiàn)者、技術(shù)研發(fā)者、應(yīng)用推動者的有機(jī)統(tǒng)一。人工智能大模型驅(qū)動的技術(shù)經(jīng)理可以整合高校、企業(yè)、投融資等創(chuàng)新要素，借助精準(zhǔn)算法，既可以為科研團(tuán)隊(duì)提供適宜的“揭榜”攻關(guān)需求推送，也可以為企業(yè)精準(zhǔn)推薦可用成果，最大限度壓縮供需雙方中間環(huán)節(jié)成本，提高科技成果轉(zhuǎn)化效能，使精準(zhǔn)、智能創(chuàng)制、轉(zhuǎn)化具備產(chǎn)業(yè)化應(yīng)用前景的科技成果成為可能。比如，科技成果轉(zhuǎn)化大模型“智者大模型1.0",聚焦于成果轉(zhuǎn)化領(lǐng)域，匯聚全球技術(shù)資源，構(gòu)建專業(yè)化知識數(shù)據(jù)底座，通過強(qiáng)化學(xué)習(xí)和微調(diào)訓(xùn)練深度開發(fā)成果轉(zhuǎn)化大模型，能夠利用大模型對企業(yè)發(fā)展、產(chǎn)業(yè)鏈態(tài)勢變化、科技研發(fā)等5情況進(jìn)行綜合畫像，實(shí)時(shí)挖掘分析企業(yè)潛在技術(shù)需求，智能研判高質(zhì)量成果存在位置，將企業(yè)智能畫像與成果智能化評價(jià)結(jié)果進(jìn)行智能化匹配，實(shí)時(shí)生成成果(需求)推薦報(bào)告，在成果轉(zhuǎn)化供給側(cè)、需求側(cè)、服務(wù)側(cè)等場景應(yīng)用效果具有獨(dú)特優(yōu)勢。新興產(chǎn)業(yè)是引領(lǐng)國家未來發(fā)展的重要決定性力量，對我國形成新的競爭優(yōu)勢和實(shí)現(xiàn)跨越發(fā)展至關(guān)重要。新興產(chǎn)業(yè)不僅是已有技術(shù)演進(jìn)、迭代、融合的載體，更多體現(xiàn)了技術(shù)軌道的變化，甚至是技術(shù)經(jīng)濟(jì)融合模式的變化。伴隨著人工智能的深入發(fā)展，傳統(tǒng)科學(xué)知識、制造技術(shù)、信息交互、管理治理的組合范式都發(fā)生巨大變化，引導(dǎo)本輪產(chǎn)業(yè)變革超越以往技術(shù)經(jīng)濟(jì)周期相對單一的主導(dǎo)技術(shù)牽引，轉(zhuǎn)而表現(xiàn)為智能、健康、綠色三大主導(dǎo)技術(shù)群融合突破與協(xié)同支撐，為新興產(chǎn)業(yè)開辟巨大的發(fā)展新空間、新賽道。目前我國人工智能產(chǎn)業(yè)已形成以算力和數(shù)據(jù)為上游基礎(chǔ)層、以大模型平臺為核心的中游技術(shù)層、以各類產(chǎn)業(yè)場景為導(dǎo)向的下游應(yīng)用層的新型產(chǎn)業(yè)鏈，在自動翻譯、圖像識別、自然語言處理、智能推薦等多個(gè)領(lǐng)域已經(jīng)得到了較為廣泛的應(yīng)用。在一些行業(yè)垂直領(lǐng)域，人工智能技術(shù)與專業(yè)領(lǐng)域知識或經(jīng)驗(yàn)相結(jié)合，顯著提升了生產(chǎn)效率與產(chǎn)業(yè)競爭力，開辟了產(chǎn)業(yè)生產(chǎn)新空間。據(jù)統(tǒng)計(jì)，2023年我國人工智能核心產(chǎn)業(yè)規(guī)模達(dá)5784億元，生成式人工智能的企業(yè)采用率已達(dá)15%,市場規(guī)模約為14.4萬億元，催生了大量6新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，展現(xiàn)出蓬勃生機(jī)。大模型開辟垂直行業(yè)新領(lǐng)域。2023年以來，國產(chǎn)大模型呈現(xiàn)出爆發(fā)式增長態(tài)勢，僅2023年1-7月就有共計(jì)64個(gè)大模型發(fā)布，大多數(shù)已向全社會開放服務(wù)。賽迪智庫基于2200家人工智能骨干企業(yè)的關(guān)系數(shù)據(jù)量化分析表明，我國人工智能已開辟出智慧金融、智慧醫(yī)療、智能制造、智慧能源等19個(gè)應(yīng)用領(lǐng)域。大模型正成為前沿領(lǐng)域的重要生產(chǎn)研發(fā)工具，在生物醫(yī)藥領(lǐng)域，百度智能云大模型可用于提高藥物研發(fā)效率和新藥發(fā)現(xiàn)的準(zhǔn)確性；在新材料領(lǐng)域，我國已有科研團(tuán)隊(duì)將大模型MatChat大模型用于預(yù)測無機(jī)材料的合成路徑；在能源科學(xué)領(lǐng)域，由百度集團(tuán)和國網(wǎng)智能電網(wǎng)研究院共同開發(fā)的電力行業(yè)NLP大模型，可有效提升電力系統(tǒng)的自動化和智能化水平。7表1:中國人工智能開辟新領(lǐng)域的主要方向代表性人工智能技術(shù)代表性產(chǎn)品落地應(yīng)用場景1.文心大模型(知識增強(qiáng)大模型)2.文心一言(知識增強(qiáng)大語言模型)1.文心一言百度3.飛槳(深度學(xué)習(xí)框架)2.Apollo(自動駕駛開放平臺)4.DeepSpeech(語音識別模型)3.百度大腦(AI開放平臺)5.ApolloADFM(自動駕駛大模型)1.自動駕駛：提供智能駕駛解決方案和自動駕駛出行服務(wù)2.語音識別和自然語言處理：應(yīng)用于搜索引擎語音助手3.AI云服務(wù)：用于企業(yè)數(shù)據(jù)分析和智能應(yīng)用華為1.昇騰系列AI芯片1.昇騰芯片(自研AI處理器)2.AtlasAl計(jì)算平臺2.MindSpore(自研深度學(xué)習(xí)框架)3.華為云EI4.NLP大模型“鵬程·盤古”1.智能制造：利用AI優(yōu)化生產(chǎn)流程2.智能家居：通過AI提升設(shè)備智能3.企業(yè)云服務(wù)：提供AI計(jì)算和數(shù)據(jù)分析服務(wù)1.城市大腦(城市智慧管理模型)2.AliMe(智能客服)1.通義千問2.阿里云AI服務(wù)3.ET大腦(智能城市解決方案)1.電商推薦系統(tǒng)：優(yōu)化商品推薦和搜索2.智慧城市：應(yīng)用于交通、安防、環(huán)境監(jiān)測3.金融服務(wù)：用于風(fēng)險(xiǎn)控制和客戶服務(wù)騰訊1.騰訊優(yōu)圖(圖像識別)2.騰訊AlLab深度學(xué)習(xí)平臺1.騰訊云AI(包括語音識別、圖像識別服務(wù))1.智能社交應(yīng)用：提供智能對話和內(nèi)容推薦2.微信智能助手2.醫(yī)療健康：用于醫(yī)學(xué)影像分析和健康管理3.手語數(shù)智人“聆語”3.AI開放平臺：支持企業(yè)應(yīng)用AI技術(shù)1.SenseFace(人臉識別技術(shù))2.SenseDrive(自動駕駛方案)3.SenselD(多模態(tài)身份驗(yàn)證技術(shù))1.商湯日日新SenseNova1.智慧安防：提供智能視頻監(jiān)控和人臉識別2.Senselime2.智能零售：應(yīng)用于顧客行為分析和店內(nèi)優(yōu)3.SmartSurveilance(智能視頻監(jiān)控)化4.SenselimesmartRetail(智能零售解決方案)3.金融：用于身份驗(yàn)證和風(fēng)險(xiǎn)管理8推動形成數(shù)字經(jīng)濟(jì)時(shí)代更具創(chuàng)新性的新興產(chǎn)業(yè)。伴隨著人工智能在互聯(lián)網(wǎng)、汽車等行業(yè)的推廣應(yīng)用，又孕育出元宇宙、無人駕駛、數(shù)字貿(mào)易等新產(chǎn)業(yè)，引領(lǐng)生產(chǎn)力躍遷，推動形成數(shù)字經(jīng)濟(jì)時(shí)代更具創(chuàng)新性的新興產(chǎn)業(yè)。比如，2022年以來，百度旗下自動駕駛出行服務(wù)“蘿卜快跑"”已在武漢投放了400多輛無人車，并計(jì)劃到年底前完成1000輛無人駕駛車輛的部署，覆蓋武漢3000多平方公里和770萬人口，截至2024年7月蘿卜快跑累計(jì)服務(wù)單量已超過700萬次。從現(xiàn)代生產(chǎn)力變革看，科學(xué)技術(shù)越來越成為生產(chǎn)力中最活躍的因素和最主要的推動力量。人工智能可以深刻重塑勞動者、勞動資料、勞動對象等生產(chǎn)力基本要素，將傳統(tǒng)產(chǎn)業(yè)生產(chǎn)邊界從標(biāo)準(zhǔn)化產(chǎn)品延伸至高技術(shù)、高定制、高靈活性的新產(chǎn)品新服務(wù)，推動傳統(tǒng)產(chǎn)業(yè)向更高級、更先進(jìn)的生產(chǎn)組織形式演進(jìn)，引領(lǐng)傳統(tǒng)產(chǎn)業(yè)發(fā)展動力從主要依靠資源和低成本勞動力等要素投入加快向創(chuàng)新驅(qū)動轉(zhuǎn)變，拓展發(fā)展新空間、迸發(fā)發(fā)展新活力。優(yōu)化生產(chǎn)決策。以大模型為代表的人工智能發(fā)展呈現(xiàn)出技術(shù)創(chuàng)新快、應(yīng)用滲透強(qiáng)等特點(diǎn)，深刻改變了制造業(yè)生產(chǎn)模式和經(jīng)濟(jì)形態(tài)。從為生產(chǎn)線設(shè)計(jì)的最新工具，到應(yīng)用于產(chǎn)業(yè)鏈的解決方案，人工智能應(yīng)用已貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等制造業(yè)的各個(gè)環(huán)節(jié)，其日益多樣化的應(yīng)用場景幾乎已包括故障監(jiān)測、預(yù)測性維護(hù)、智能分揀、設(shè)備健康管理、基于視覺的缺陷檢測、智能決策、9優(yōu)化生產(chǎn)計(jì)劃等工業(yè)生產(chǎn)的全鏈條各環(huán)節(jié)。比如，百度智能云開物工業(yè)互聯(lián)網(wǎng)平臺已積累4萬多個(gè)工業(yè)模型和智能應(yīng)用。比如，針對PCB印刷電路板中質(zhì)檢假點(diǎn)率過高的難題，百度智能云的智能質(zhì)檢解決方案可以過濾80%的假點(diǎn)，一年大概可以節(jié)約企業(yè)人工成本200多萬元。該解決方案目前已在蘇州常熟當(dāng)?shù)氐南嗷ル娮?、揚(yáng)宣電子、生益科技等多家企業(yè)落地使用。在恒逸集團(tuán)車間里，開物的AI質(zhì)檢設(shè)備檢驗(yàn)1個(gè)絲錠只需2.5秒，效率比人工提高70%。催生柔性生產(chǎn)。人工智能大模型基于大數(shù)據(jù)分析，能夠建立起精準(zhǔn)的用戶畫像和消費(fèi)者需求預(yù)測模型。有助于傳統(tǒng)產(chǎn)業(yè)從大規(guī)模標(biāo)準(zhǔn)化生產(chǎn)向個(gè)性化、定制化生產(chǎn)轉(zhuǎn)變，滿足市場多元化需求，從而延展了生產(chǎn)邊界。比如，以人工智能正在成為引領(lǐng)傳統(tǒng)制造業(yè)變革的關(guān)鍵力量，既催生制造范式從“規(guī)模生產(chǎn)”向“規(guī)模定制”、“柔性生產(chǎn)”轉(zhuǎn)變，涌現(xiàn)出協(xié)同制造、網(wǎng)絡(luò)制造、體驗(yàn)式制造等制造業(yè)新型組織方式，企業(yè)生產(chǎn)模式開始從一次接一兩萬件訂單、一個(gè)月做完的剛性生產(chǎn)策略轉(zhuǎn)向一次接手幾十件甚至一兩件訂單、幾天做完的“小單起訂、快速反應(yīng)”模式轉(zhuǎn)變，生產(chǎn)制造活動煥然一新。前三次工業(yè)革命主要聚焦于機(jī)械化、電力化和自動化，技術(shù)變革帶動了生產(chǎn)效率變革、質(zhì)量變革。第四次工業(yè)革命的共性賦能技術(shù)以人工智能為引領(lǐng)，與制造技術(shù)的深度融合，可以推動各行各業(yè)各種各類制造技術(shù)創(chuàng)新升級，引領(lǐng)和推動制造業(yè)的革命性轉(zhuǎn)型升級。在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計(jì)算等新理論新技術(shù)的驅(qū)動下，人工智能以其智能建模、決策輔助、知識管理等能力，在腦力勞動維度上形成更高效的人機(jī)協(xié)作，賦能研發(fā)設(shè)計(jì)、生產(chǎn)制造、運(yùn)營管理等關(guān)鍵環(huán)節(jié)，推動固有業(yè)態(tài)和數(shù)字業(yè)態(tài)跨界融合，催生出智能制造、智慧物流、數(shù)字商貿(mào)、智慧農(nóng)業(yè)等一批新興業(yè)態(tài)，加速線上線下、生產(chǎn)生活、國內(nèi)國際全面貫通，促進(jìn)精準(zhǔn)供給、激發(fā)新興需求、重塑產(chǎn)業(yè)形態(tài)，引領(lǐng)產(chǎn)業(yè)發(fā)展呈現(xiàn)出群智開放、跨界融合等新特征，在中高端消費(fèi)、綠色低碳、共享經(jīng)濟(jì)、現(xiàn)代供應(yīng)鏈、人力資本服務(wù)等領(lǐng)域培育產(chǎn)業(yè)轉(zhuǎn)型升級和跨界融合的新增長點(diǎn)、新動能。比如，截至2023年底，我國已累計(jì)建設(shè)萬余個(gè)數(shù)字化車間和智能工廠，工業(yè)機(jī)器人裝機(jī)量占全球比重超50%,工業(yè)互聯(lián)網(wǎng)覆蓋全部41個(gè)工業(yè)大類，引領(lǐng)生產(chǎn)力跨越發(fā)展的作用凸顯。得益于人工智能在社會生產(chǎn)中應(yīng)用的廣度延伸、深度拓展，大至航空航天、能源采集、設(shè)備制造等宏觀生產(chǎn)活動，小至基因編輯、粒子結(jié)構(gòu)、量子調(diào)控等微觀世界改造活動，都成為當(dāng)今科技和產(chǎn)業(yè)發(fā)展的最前沿，這些領(lǐng)域的探索在不斷深化人類對時(shí)間、空間和生命認(rèn)知的同時(shí)，大大拓展了勞動對象、勞動方式的種類和形態(tài)，創(chuàng)造出大量新職業(yè)新需求。人工智能發(fā)展催生的就業(yè)機(jī)會主要有3大方向。一是前沿技術(shù)研發(fā)人員數(shù)量增加，越來越多的年輕科學(xué)家、工程技術(shù)人員進(jìn)入人工智能領(lǐng)域，推進(jìn)技術(shù)的更新迭代。二是站在大模型與普通用戶之間的相關(guān)從業(yè)者。比如，人工智能訓(xùn)練師是近年隨著人工智能技術(shù)廣泛應(yīng)用產(chǎn)生的新興職業(yè)，他們的工作是讓人工智能更“懂”人類，更好地為人類服務(wù)。人們熟悉的小度、天貓精靈、菜鳥語音助手、阿里小蜜等智能產(chǎn)品背后，都有人工智能訓(xùn)練師的付出。世界經(jīng)濟(jì)論壇發(fā)布的《2023年未來就業(yè)報(bào)告》測算，未來5年全球企業(yè)預(yù)計(jì)創(chuàng)造約6900萬個(gè)新的工作崗位，其中增長最快的工作類型大部分與人工智能和數(shù)字化相關(guān)。三類是受益于人工智能的“超級個(gè)體”。一些藝術(shù)創(chuàng)作者、知識型工作者，在人工智能的輔助下更好地完成創(chuàng)意性工作。特別是在設(shè)計(jì)等領(lǐng)域，人工智能生成內(nèi)容(AIGC)不僅降低了成本，還大幅提升了工作效率，逐步打破了過去存在的技術(shù)、設(shè)計(jì)、資源等門檻使得個(gè)人、小團(tuán)隊(duì)甚至微型企業(yè)都能完成以前大企業(yè)才能承擔(dān)的重大任務(wù)。比如，在傳統(tǒng)工作流中，類似瑞幸醬香拿鐵聯(lián)名營銷活動的包裝策劃案需要一個(gè)團(tuán)隊(duì)耗時(shí)數(shù)月，而在人工智能的幫助下，一個(gè)人便可在兩小時(shí)內(nèi)完成所有流程。從出方案到設(shè)計(jì)定稿，再到開發(fā)打樣，人工智能帶來的生產(chǎn)力讓每一個(gè)人都能拿到撬動產(chǎn)業(yè)的支點(diǎn)。人是生產(chǎn)力的創(chuàng)造者和使用者，是生產(chǎn)力中最活躍、最具決定性意義的因素。新一代人工智能可將人類現(xiàn)有知識進(jìn)行數(shù)據(jù)化處理，通過海量數(shù)據(jù)投喂和深度學(xué)習(xí)模擬人類思維方式，能夠?qū)W習(xí)遠(yuǎn)超人腦掌握的知識，同時(shí)對信息化的知識進(jìn)行重新組合并進(jìn)行創(chuàng)造性運(yùn)用，從而具有能動的、主動的知識創(chuàng)造和運(yùn)用能力，形成文案設(shè)計(jì)、文生圖片、文生視頻、代碼生成等功能多樣的智慧能力，為人類智力勞動提供有力的輔助工具，甚至在諸多領(lǐng)域形成“機(jī)器替代人”的顯著優(yōu)勢，為全方位提升勞動力素養(yǎng)和技能、提高智力勞動效率提供了重要動力。人工智能發(fā)展，不僅為勞動者學(xué)習(xí)新技術(shù)新技能提供更加直觀生動的數(shù)字化教具和課程，也通過使用智能生產(chǎn)工具的業(yè)界實(shí)踐，培育出一批善于創(chuàng)造新知識、掌握新技術(shù)、捕捉新需求的新型勞動者。一方面，借助人工智能在知識學(xué)習(xí)中的幫助理解、靈感激發(fā)功能，可以助力個(gè)性導(dǎo)學(xué)、虛擬助教和過程評估，“個(gè)性化”教育將會不斷加強(qiáng)，“因材施教”因此成為可能，從而幫助教育機(jī)構(gòu)培養(yǎng)可以引領(lǐng)世界科技前沿、創(chuàng)新創(chuàng)造新型生產(chǎn)工具的創(chuàng)新型人才。另一方面，伴隨工業(yè)機(jī)器人、高端數(shù)控機(jī)床等數(shù)字化、網(wǎng)絡(luò)化、智能化生產(chǎn)工具加快應(yīng)用，在職業(yè)教育機(jī)構(gòu)、一線生產(chǎn)實(shí)踐中，將涌現(xiàn)出更多具備多維知識結(jié)構(gòu)、熟練掌握新型生產(chǎn)工具的應(yīng)用型、技能型全球范圍內(nèi)人工智能(大模型)開發(fā)應(yīng)用正以前所未有的速度鋪開，展現(xiàn)出廣闊前景和深刻變革力量。全球人工智能(大模型)的產(chǎn)業(yè)規(guī)模、應(yīng)用場景、基礎(chǔ)能力、企業(yè)主體呈現(xiàn)出蓬勃發(fā)展態(tài)勢，技術(shù)方向、商業(yè)模式、創(chuàng)新組織模式也朝著更有利于落地應(yīng)用的方向前進(jìn)。我國是推動全球人工智能(大模型)開發(fā)應(yīng)用的重要力量和主要玩家，已將人工智能作為國家戰(zhàn)略的重要組成部分，在各方面整體上保持著領(lǐng)先全球的發(fā)展速度，同時(shí)也具有自身的發(fā)展特點(diǎn)。面向未來，人工智能(大模型)必將實(shí)現(xiàn)更加廣泛而深入的應(yīng)用，為經(jīng)濟(jì)社會發(fā)展注入新的強(qiáng)大動力。據(jù)公司(IDC)預(yù)測，2023年全球人工智能信息技術(shù)(IT)總投資規(guī)模約達(dá)到1540億美元，同比增長19.6%,相較于2021年增長65.7%。根據(jù)中商產(chǎn)業(yè)研究院數(shù)據(jù)，2018年以來，我國人工智能產(chǎn)業(yè)投融資數(shù)量和金額一直處于較高水平，2023年人工智能投資數(shù)量829起，投資額2434.32億元。在核心產(chǎn)業(yè)方面，根據(jù)《中國新一代人工智能科技產(chǎn)業(yè)發(fā)展報(bào)告2024》數(shù)據(jù)，2023年我國人工智能核心產(chǎn)業(yè)規(guī)模達(dá)到5784億元，同比增長13.9%,生成式人工智能的企業(yè)采用率已達(dá)15%,市場規(guī)模約達(dá)到14.4途元宇宙研究院發(fā)布的《人工智能大模型產(chǎn)業(yè)創(chuàng)新價(jià)值研究報(bào)告》數(shù)據(jù)，2024年我國大模型市場規(guī)模將達(dá)到216億元，相較于2022年增長了兩倍，預(yù)計(jì)到2028年將達(dá)到1179億元人民幣，40004000350030009332282.712157.080201820192020202120222023投資數(shù)量(起)投資額(億元)400250020002000-圖1:2018-2023年我國人工智能行業(yè)投資情況800-216020222023E2024E2025E2026E2027E2028E400-200圖2:2020-2028年我國人工智能大模型市場規(guī)模(億元人民幣)數(shù)據(jù)來源：大模型之家。2、我國是全球人工智能市場的主要“玩家”全球范圍內(nèi)的人工智能(大模型)開發(fā)應(yīng)用主要集中在中美兩國。2022年11月，美國OpenAI公司發(fā)布了ChatGPT,引爆全球范圍內(nèi)的人工智能(大模型)開發(fā)，美國整體上占據(jù)科技優(yōu) (大模型)迭代升級，引領(lǐng)著行業(yè)發(fā)展；我國發(fā)展?jié)撃芫薮?，在布的《全球人工智能指?shù)》,美中兩國分列全球人工智能賽道的前兩位，指數(shù)得分遠(yuǎn)超名列3-5位的新加坡、英國和加拿大。根據(jù)中國信通院發(fā)布的《全球數(shù)字經(jīng)濟(jì)白皮書(2024年)》,截至2024年一季度，美國和中國分別占全球發(fā)布人工智能大模型的44%和36%,合計(jì)占80%;全球AI企業(yè)近3萬家，美國占34%,我國占15%;全球AI獨(dú)角獸企業(yè)234家，美國120家，我國71家?？梢钥闯觯忻纼蓢幱谌斯ぶ悄?大模型)發(fā)展的“第一方陣”,相較其他經(jīng)濟(jì)體優(yōu)勢明顯。3、適應(yīng)不同業(yè)務(wù)需求開發(fā)了多款人工智能(大模型)各國人工智能(大模型)開發(fā)百花齊放，截至2024年第一季度，全球已發(fā)布大模型1328個(gè)。美國形成了多個(gè)開發(fā)陣營，谷歌開發(fā)的PaLM系列模型、由谷歌支持Anthropic公司開發(fā)的Claude模型、由Google子公司DeepMind團(tuán)隊(duì)開發(fā)的Gemini模型、由MetaAI開發(fā)的Llama系列模型等。歐盟、英國、日本、模型開發(fā)應(yīng)用發(fā)展迅速，截至2024年5月底，已發(fā)布10億級參數(shù)規(guī)模以上大模型79個(gè)。從功能和應(yīng)用領(lǐng)域來看，主要包括自然語言處理(NLP)大模型如百度文心大模型，計(jì)算機(jī)視覺(CV)大模型如騰訊PCAM大模型，科學(xué)計(jì)算大模型如華為盤古氣象從全球范圍看，拓展應(yīng)用場景是推動人工智能(大模型)深化發(fā)展的必由之路，各國基于場景大力推動大模型落地應(yīng)用，但各國底層技術(shù)、信息基礎(chǔ)設(shè)施、融資環(huán)境、公眾接受度等差別很大，應(yīng)用場景的開發(fā)速度也存在差異。美國在人工智能(大模型)開發(fā)領(lǐng)域擁有深厚的技術(shù)儲備和布局，在底層技術(shù)上處于引領(lǐng)地位；但在應(yīng)用場景拓展上，我國得益于龐大的人口基數(shù)、強(qiáng)大的工業(yè)生產(chǎn)能力以及豐富的數(shù)據(jù)資源，具備推動大模型在行業(yè)快速落地應(yīng)用的優(yōu)勢。1、深度賦能垂直行業(yè)是我國人工智能(大模型)發(fā)展的重要方向相較于通用大模型，垂直行業(yè)大模型能夠更直接地深入特定行業(yè)與業(yè)務(wù)場景，更精確地滿足行業(yè)特定需求。騰訊研究院認(rèn)為行業(yè)大模型是落地“人工智能+”的最后一公里，是彌合技術(shù)與需求間差距的必然產(chǎn)物。據(jù)統(tǒng)計(jì)，截至2023年7月底國內(nèi)行業(yè)大模型已完成招標(biāo)項(xiàng)目超過60個(gè)。賽迪智庫對2200家人工智能骨干企業(yè)的關(guān)系進(jìn)行量化分析，發(fā)現(xiàn)我國人工智能已廣泛賦能智慧金融、智慧醫(yī)療等19個(gè)應(yīng)用領(lǐng)域。根據(jù)大模型測試驗(yàn)證與協(xié)同創(chuàng)新中心牽頭發(fā)布的《2023大模型落地應(yīng)用案例集》,在評選出的52個(gè)大模型商業(yè)落地優(yōu)秀案例中，65%+的AI大模型是2、我國在前沿領(lǐng)域應(yīng)用人工智能(大模型)已初見成效在某些特定領(lǐng)域或問題上，大模型能夠處理和分析的數(shù)據(jù)量遠(yuǎn)超人類的能力范圍，可能發(fā)現(xiàn)人類由于認(rèn)知局限而未能察覺的模式或關(guān)系，成為輔助人類前沿領(lǐng)域探索的重要工具。國內(nèi)外均在這方面開展積極嘗試。比如，美國谷歌DeepMind團(tuán)隊(duì)發(fā)布的FunSearch大模型在解決經(jīng)典數(shù)學(xué)難題上取得了顯著成果，在“帽子集”難題中找到了有史以來“最大的帽子集”,在“裝箱”問題中展現(xiàn)了超越傳統(tǒng)方法的性能；我國已有科研團(tuán)隊(duì)將MatChat大模型用于預(yù)測無機(jī)材料的合成路徑，百度文心大模型可用于提高藥物研發(fā)效率和新藥發(fā)現(xiàn)的準(zhǔn)確性，上海人工智能實(shí)驗(yàn)室研發(fā)的“風(fēng)烏”大模型用于氣象預(yù)測，上海交通大學(xué)建設(shè)AIforScience科學(xué)數(shù)據(jù)開源開放平臺，將大模型和前沿科學(xué)研究緊密結(jié)合，實(shí)現(xiàn)對于科研數(shù)據(jù)、模型的開發(fā)和納管等綜合管理。3、我國人工智能(大模型)在互聯(lián)網(wǎng)辦公、金融等行業(yè)滲透較快這些行業(yè)的數(shù)字化程度較高，近年來全球范圍內(nèi)采用AI辦內(nèi)企業(yè)的AI使用率從2017年的20%增長到2022年的50%,我國達(dá)到了41%。人工智能(大模型)能夠自動化處理大量重復(fù)性任務(wù)，從而顯著提高員工的工作效率。據(jù)研究，采用AI辦公解決方案的企業(yè)，其員工工作效率平均提升可達(dá)30%以上。通過智能分析和校驗(yàn)功能，人工智能(大模型)能夠減少人為錯誤，提高工作準(zhǔn)確性。在某些場景下，錯誤率降低幅度可達(dá)50%至80%。領(lǐng)域。據(jù)統(tǒng)計(jì)，在2023年，工商銀行、農(nóng)業(yè)銀行、興業(yè)銀行、平安銀行等多家銀行推出或探索自研大模型平臺。人工智能(大模型)的持續(xù)突破使得全球范圍內(nèi)的算力需求數(shù)級增長。根據(jù)中國信通院等發(fā)布的《2023智能算力發(fā)展白皮書》,2022年全球算力總規(guī)模達(dá)到650EFLOPS(每秒百億億次浮點(diǎn)運(yùn)算次數(shù)),其中智能算力規(guī)模為142EFLOPS,同比增加了25.7%;同期，我國算力總規(guī)模為180EFLOPS,排名全球第二，其中智能算力規(guī)模為41EFLOPS,同比增加41.4%,顯著高于全球整體水平。根據(jù)智研咨詢數(shù)據(jù)，截至2023年底，我國算力總規(guī)模達(dá)到230EFlops,其中智能算力規(guī)模達(dá)70EFLOPS,同比增加了70.7%,占算力總規(guī)模超30%。截至2024年3月底，全國投運(yùn)、在建及規(guī)劃智算中心項(xiàng)目達(dá)到196個(gè)；我國骨干廠商能(大模型)的開發(fā)應(yīng)用。根據(jù)IDC發(fā)布的GlobalDataSphere2023數(shù)據(jù)，全球數(shù)據(jù)量將從2022年的103.66ZB增加至2027年的284.3ZB,而同期我國數(shù)據(jù)量從23.88ZB增長至76.6ZB,年均復(fù)合增長率高達(dá)26.3%,位列全球第一。我國產(chǎn)業(yè)鏈各方均在積極構(gòu)建高質(zhì)量數(shù)據(jù)集",總規(guī)模超過600TB;中科大和上海AILab推出大型圖文數(shù)據(jù)集ShareGPT4V,數(shù)據(jù)量120萬條；利用AI技術(shù)自動標(biāo)300-300-250-200-42.1828.0523.88030.0252.41圖3:2022-2028年全球數(shù)據(jù)量(ZB)人工智能(大模型)的一大優(yōu)勢是能夠與人類的判斷和選擇更加貼切，當(dāng)前文心一言、訊飛星火等大模型采用有監(jiān)督精調(diào)、偏好學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等先進(jìn)技術(shù)促進(jìn)多階段對齊，使大模型更符合人類價(jià)值觀。為提升模型作出預(yù)測和決策的準(zhǔn)確性，在輸入、輸出兩個(gè)環(huán)節(jié)均運(yùn)用知識點(diǎn)增強(qiáng)，為模型提供額外的信息和指導(dǎo)，從而使模型更好地理解數(shù)據(jù)的本質(zhì)和上下文，提高模型的泛化能力、可解釋性并增強(qiáng)人機(jī)協(xié)同。技術(shù)進(jìn)步、算力提升、數(shù)據(jù)豐富性增加、算法優(yōu)化、以及應(yīng)用場景擴(kuò)展等多因素共同作用，使得人工智能(大模型)在認(rèn)知能力上逐步實(shí)現(xiàn)由量變到質(zhì)變的從全球范圍看，在人工智能(大模型)領(lǐng)域具有較強(qiáng)創(chuàng)新能力和影響力的高科技企業(yè)主要聚集在中美兩國。美國擁有OpenAI(ChatGPT)、Anthropic、Cohere、Google在基礎(chǔ)研究層面整體領(lǐng)先。而我國高科技企業(yè)充分發(fā)揮應(yīng)用場國外，是推動我國產(chǎn)業(yè)發(fā)展的主要力量。截至2023年10月，我國10億參數(shù)規(guī)模以上的大模型廠商及高校院所254家，其中絕阿里、騰訊等，在AI領(lǐng)域有深厚積淀的廠商如科大訊飛、商湯科技、曠視科技等。根據(jù)2023年清華大學(xué)沈陽教授團(tuán)隊(duì)發(fā)布的《大語言模型綜合性能評估報(bào)告》,百度的文心一言在中文語義理解方面居于首位，部分中文能力超越GPT-4;根據(jù)AI開源社大模型包攬前兩位，領(lǐng)先于谷歌推出的Gemma等開源大模型。2、我國高科技企業(yè)大力拓展人工智能(大模型)服務(wù)范圍有先發(fā)優(yōu)勢。根據(jù)IDC報(bào)告，在2023年中國大模型平臺及相關(guān)應(yīng)用市場中，百度智能云以19.9%的市場份額位列市場第一，商湯科技、智譜AI緊隨其后。自2022年11月人工智能(大模型)年1-8月國內(nèi)大模型中標(biāo)數(shù)據(jù)顯示，百度在中標(biāo)項(xiàng)目數(shù)、行業(yè)覆上領(lǐng)先，智譜AI、騰訊云、火山引擎、阿里云等也有斬獲；特別在“必爭之地”的央國企市場，百度智能云已與56家中央企業(yè)(含下屬單位)開展合作，占國務(wù)院國資委管理的中央企業(yè)近6成，居于領(lǐng)先地位。在全球有聲音擔(dān)憂大模型商業(yè)化前景的背景下，我國高科技企業(yè)的積極行動為產(chǎn)業(yè)發(fā)展注入了“強(qiáng)心劑”。百度智能云百度智能云百川智能圖4:2023年中國大模型平臺及應(yīng)用市場份額情況數(shù)據(jù)來源：IDC,《中國大模型平臺市場份額2023:大模型元年——初局》,2024。24208542140百度中標(biāo)金額(萬元)中標(biāo)項(xiàng)目數(shù)量—覆蓋行業(yè)數(shù)阿里云22568055圖5:2024年1-8月我國高科技企業(yè)人工智能大模型中標(biāo)情況數(shù)據(jù)來源：/news/202409142049256773140201、人工智能(大模型)變革內(nèi)容生產(chǎn)和技術(shù)服務(wù)模式在我在內(nèi)容生產(chǎn)模式上，人工智能(大模型)正在一定程度上從分析，至2023年底有20%的內(nèi)容被生成式大模型所創(chuàng)建；至2025年底，生成式大模型產(chǎn)生的數(shù)據(jù)將占所有數(shù)據(jù)的10%。人工智能在編寫代碼領(lǐng)域展現(xiàn)出足需求的程序代碼或補(bǔ)全必要碼塊。原特斯拉AI總監(jiān)AndrejKarpathy曾表示其現(xiàn)在80%的代碼由AI完成，DeepMind的AlphaCode在Codeforces上托管的10個(gè)競賽中總體排名前54%;發(fā)的多編程語言代碼生成預(yù)訓(xùn)練模型在HumanEval-X代碼生成任務(wù)上取得47%~60%求解率。2、人工智能體成為我國人工智能(大模型)重要發(fā)展方向人工智能體(AIAgent)正在重新定義人與數(shù)字系統(tǒng)互動的結(jié)生成分析論文等。比如，Meta和CMU聯(lián)合研究RoboAgent是一個(gè)通用機(jī)器人智能體，僅通過7500個(gè)軌跡的訓(xùn)練就實(shí)現(xiàn)了12種不同的復(fù)雜技能，包括烘焙、拾取物品等，并能在100種未知場景中泛化應(yīng)用。國內(nèi)科技大廠和創(chuàng)業(yè)團(tuán)隊(duì)相繼推出Agent項(xiàng)目和發(fā)布Agent產(chǎn)品，在技術(shù)上不斷取得突破，部千帆AppBuilder平臺，提供70+個(gè)官方組件(截止2024年8月),截至2024年6月已經(jīng)有15萬+客戶通過千帆AppBuilder開發(fā)業(yè)應(yīng)用。根據(jù)頭豹研究院數(shù)據(jù)，2023年我國AIAgent市場規(guī)模為554億元，預(yù)計(jì)到2028年市場規(guī)模將達(dá)到8520億元，年均復(fù)合增長率達(dá)72.7%。隨著大模型能力的不斷提升，未來大模型將3、多模態(tài)能力是我國AI大模型后續(xù)的技術(shù)重點(diǎn)多模態(tài)融合模型可以將文本、圖像、語音、視頻、傳感器信號乃至生物信息等不同類型的數(shù)據(jù)通過預(yù)處理轉(zhuǎn)化為可互操作的表示形式，進(jìn)而進(jìn)行聯(lián)合建模和分析。多模態(tài)融合模型可以成為解決復(fù)雜問題、提升系統(tǒng)性能的關(guān)鍵技術(shù)。比如在智能客服系統(tǒng)中，通過分析用戶的語音語調(diào)、文本內(nèi)容以及可能共享的圖片或視頻，模型能更精準(zhǔn)地理解用戶意圖，提供更加個(gè)性化、高效的服務(wù)體驗(yàn)；在腫瘤診療中，通過融合影像學(xué)的形態(tài)學(xué)特征與基因測序的分子生物學(xué)信息，醫(yī)生能夠更精確地判斷腫瘤類型、分期及惡性程度，從而制定更加個(gè)性化、精準(zhǔn)的治療計(jì)劃，顯著提升疾病治療的精度和效率，改善患者預(yù)后。從全球范圍看，以O(shè)penAI為代表的國外大模型在多模態(tài)能力上依然占據(jù)領(lǐng)先地位，OpenAI的Sora模型在文生視頻方面具有顯著優(yōu)勢。國內(nèi)頭部語言模型的綜合表現(xiàn)已接近國際一流水平，比如在文生視頻能力上，根據(jù)北京智源研究院發(fā)布的評測結(jié)果，愛詩科技旗下的PixVerse位列評測前列；生數(shù)科技聯(lián)合清華大學(xué)也發(fā)布了國內(nèi)首款全面對標(biāo)OpenAISora的文生視頻大模型Vidu。(六)國內(nèi)外均著力以MaaS模式為核心催生新產(chǎn)業(yè)生態(tài)1、國內(nèi)外呈現(xiàn)出以MaaS發(fā)展為核心商業(yè)模式的態(tài)勢MaaS(ModelasaService,模型即服務(wù))模式是通過API接口或SaaS(SoftwareasaService,軟件即服務(wù))平臺將AI大模型能力出租給第三方客戶使用，從而將大模型轉(zhuǎn)化為可提供服務(wù)的商品。該模式的發(fā)展可以在基礎(chǔ)、行業(yè)和應(yīng)用三個(gè)層面催生新產(chǎn)業(yè)生態(tài)，并協(xié)同優(yōu)化升級。此模式下的主要盈利方式包括技術(shù)服務(wù)與銷售、數(shù)據(jù)服務(wù)、平臺運(yùn)營、按使用量計(jì)費(fèi)、會員訂閱和廣告收入、定制化服務(wù)和一站式解決方案等。表2:三層商務(wù)服務(wù)模式基礎(chǔ)層以通用大模型AI服務(wù)為主，對外開放大模型的調(diào)用接口，為下游應(yīng)用提供安全高效低成本的模型使用與開發(fā)支持。行業(yè)層利用通用大模型底座的通用共識能力并結(jié)合自身業(yè)務(wù)和技術(shù)能力，開發(fā)具備領(lǐng)域?qū)ｍ?xiàng)能力的行業(yè)大模型，賦能千行萬業(yè)發(fā)展。應(yīng)用層進(jìn)行多樣化的SaaS應(yīng)用以及新一代智能硬件的研發(fā)，開發(fā)爆款應(yīng)用和產(chǎn)品，為用戶提供更卓越的體驗(yàn)。2、人工智能(大模型)在產(chǎn)業(yè)鏈落地上呈現(xiàn)“兩頭快、中間慢”態(tài)勢在產(chǎn)業(yè)鏈上游的研發(fā)設(shè)計(jì)環(huán)節(jié)，大模型具有對海量知識的高效學(xué)習(xí)、推理和生成能力；在產(chǎn)業(yè)鏈下游的營銷服務(wù)環(huán)節(jié)，大模型的知識生成和智能對話能夠顯著提升服務(wù)效率和服務(wù)體驗(yàn)；大模型在這兩個(gè)環(huán)節(jié)的應(yīng)用具有降本增效顯著、價(jià)值易衡量、落地速度快等突出優(yōu)勢。在產(chǎn)業(yè)鏈中間的生產(chǎn)運(yùn)營環(huán)節(jié)，往往涉及到人與設(shè)備、系統(tǒng)之間復(fù)雜的適配，需要對機(jī)器等各類實(shí)體的操作，大模型的落地應(yīng)用進(jìn)展相對較慢，主要用于對人的輔助增強(qiáng)。國家和地區(qū)出臺了大量的支持政策，比如美國于2023年5月發(fā)布新版《國家人工智能研發(fā)戰(zhàn)略計(jì)劃》,6月宣布投資1.4億美元成立7家新的國家人工智能研究所。但是這些國家和地區(qū)比較美國于2023年7月和9月召集15家AI頭部企業(yè)簽署關(guān)于人工年3月通過《人工智能法案》,旨在對人工智能領(lǐng)域進(jìn)行監(jiān)管；2024年9月，美國、歐盟、英國等10個(gè)國家和組織簽署了《人我國高度重視數(shù)據(jù)治理，同時(shí)在政策支持上聚力推動人工智能(大模型)技術(shù)和產(chǎn)業(yè)創(chuàng)新。在中央政府層面，早在2017年，國務(wù)院即發(fā)布《新一代人工智能發(fā)展規(guī)劃》,將人工智能上升為國家戰(zhàn)略；2023年，國家網(wǎng)信辦聯(lián)合多部門發(fā)布《生成式人工智能服務(wù)管理暫行辦法》,鼓勵和規(guī)范生成式人工智能發(fā)展。各《北京市加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案(2023-2025年)》、上海市經(jīng)濟(jì)和信息化委員會等五部門2、我國人力需求和培養(yǎng)力度均處于較高水平截至2024年第一季度，全球有超過40%的國家和地區(qū)發(fā)布美國約有144所高校開設(shè)人工智能專業(yè)課程，日本雖然開設(shè)課程培養(yǎng)力度。根據(jù)麥肯錫的預(yù)測，預(yù)計(jì)2030年我國對AI專業(yè)人員的需求將增至2022年的6倍，人才缺口將達(dá)到400萬人。根據(jù)央廣網(wǎng)轉(zhuǎn)載《紐約時(shí)報(bào)》分析稱，自2018年以來，我國新增了2000多個(gè)人工智能相關(guān)本科專業(yè)，其中300多個(gè)設(shè)立在知名高校；在研究生階段強(qiáng)調(diào)“人工智能+X”相關(guān)交叉學(xué)科的設(shè)置，分層次培養(yǎng)人工智能應(yīng)用型人才；以百度、阿里巴巴等為代表的我國企業(yè)巨頭在人工智能領(lǐng)域投入巨大，分別成立了百度云智教育團(tuán)隊(duì)、阿里云大學(xué)等機(jī)構(gòu)，開展模式多樣的應(yīng)用型人才培養(yǎng)。從我國人工智能(大模型)應(yīng)用情況來看，需要打消用戶對統(tǒng)籌不足的問題，解決好人工智能(大模型)發(fā)展應(yīng)用存在的產(chǎn)(一)人工智能(大模型)推廣應(yīng)用面臨知識經(jīng)驗(yàn)不足大模型通用性不足。大模型暫不能解決具體問題，目前人工智能針對特定任務(wù)效果好，針對廣泛任務(wù)效果差。ChatGPT、Sora等人工智能通用大模型多為生成式人工智能，主要解決文本、圖像和視頻生成問題，大模型解決實(shí)際具體問題未達(dá)預(yù)期。面向具體場景和具體行業(yè)，用戶需求碎片化，目前人工智能大模型難于解決，適配性不夠。在算法認(rèn)知方面，算法黑箱導(dǎo)致人工智能決策不可解釋。由于大模型的復(fù)雜性過高，涉及大量參數(shù)和層，使得可解釋性變得更加困難，推理過程不透明，往往是基于大量參數(shù)網(wǎng)絡(luò)的序列預(yù)測。大模型生成內(nèi)容的邏輯與依據(jù)很難給出相應(yīng)的解釋，或者是其內(nèi)容生成的概率分布，人們無法理解，即使是專業(yè)研究人員也很難理解模型是如何得出某個(gè)結(jié)論的，普通用戶更難以理解模型為什么輸出這樣的內(nèi)容。雖然人工智能在許多領(lǐng)域展現(xiàn)了其潛力，但資源投入大、技術(shù)迭代快、定制比例高等因素導(dǎo)致人工智能開發(fā)和運(yùn)行成本高昂，在一定程度上限制了其應(yīng)用。在基于大模型的眾多應(yīng)用開發(fā)細(xì)分領(lǐng)域，需要大量資金投入人才引進(jìn)、算法研發(fā)、場景測試、用戶培育等，而目前我國投融資市場低迷，大部分投資者更看重投資標(biāo)的現(xiàn)金流，會傾向于投資成熟、半成熟期項(xiàng)目。產(chǎn)業(yè)形成期資金需求缺口與投資周期的不匹配現(xiàn)象，造成基于大模型應(yīng)用研發(fā)的大量中小團(tuán)隊(duì)融資困難，導(dǎo)致在新興產(chǎn)業(yè)競爭中難以發(fā)揮我國經(jīng)營主體多、創(chuàng)新活力足、應(yīng)用需求廣、市場容量大的大國(二)應(yīng)用場景整合和拓展統(tǒng)籌程度仍需提高人工智能需與各行業(yè)的業(yè)務(wù)流程、信息系統(tǒng)、生產(chǎn)系統(tǒng)等跨領(lǐng)域深度融合才能產(chǎn)生價(jià)值。由于數(shù)據(jù)可得性、算法成熟度和服務(wù)容錯率等因素的影響，技術(shù)在不同領(lǐng)域中落地速度分化明顯。公開資料顯示，目前我國85%以上人工智能算力集中在互聯(lián)網(wǎng)、公安行業(yè)，在教育、醫(yī)療、養(yǎng)老、環(huán)境保護(hù)、城市運(yùn)行、司法服務(wù)、交通、能源、制造等領(lǐng)域尚未得到深度應(yīng)用。此外，工業(yè)領(lǐng)域細(xì)分子行業(yè)多、應(yīng)用場景復(fù)雜，相應(yīng)的算法模型需要訂制，人工智能應(yīng)用快速復(fù)制存在困難。傳統(tǒng)高耗能行業(yè)應(yīng)用相對謹(jǐn)慎。傳統(tǒng)高耗能行業(yè)因設(shè)備專用性較強(qiáng)、資產(chǎn)重置成本較高等因素，其生產(chǎn)業(yè)務(wù)與人工智能技術(shù)進(jìn)行融合的現(xiàn)實(shí)難度較大，導(dǎo)致數(shù)字化、智能化轉(zhuǎn)型動力不足。調(diào)研發(fā)現(xiàn)，資源、能源等行業(yè)企業(yè)更關(guān)注制造和供應(yīng)鏈效率，安全生產(chǎn)和環(huán)境約束也更加嚴(yán)格，該領(lǐng)域企業(yè)人工智能(大模型)應(yīng)用相對謹(jǐn)慎，用例也較少。部分新興領(lǐng)域落地難。在高技術(shù)領(lǐng)域的數(shù)據(jù)標(biāo)注難度比較高，并且需要標(biāo)注操作員與資深工業(yè)專家共同參與才能完成。高技術(shù)產(chǎn)品生產(chǎn)對穩(wěn)定性要求很高，一旦識別出現(xiàn)錯誤，會嚴(yán)重影響到后續(xù)流程的工作量。此外，部分敏感領(lǐng)域缺乏訓(xùn)練模型所需的大量數(shù)據(jù)，這會影響產(chǎn)品迭代速度，如醫(yī)療行業(yè)有公共性，屬于重監(jiān)管行業(yè)，醫(yī)院采用新技術(shù)新設(shè)備的周期長，這也會限制人工智能醫(yī)療產(chǎn)品落地的速度。2、從應(yīng)用主體看，中小企業(yè)落地應(yīng)用人工智能(大模型)相對緩慢大中型企業(yè)在人工智能應(yīng)用的資源投入、組織保障、發(fā)展模式、發(fā)展成效方面均好于小微企業(yè)，大企業(yè)自建系統(tǒng)及應(yīng)用、設(shè)置數(shù)字化轉(zhuǎn)型部門和上云用云情況均處于領(lǐng)先狀態(tài)，對人工智能應(yīng)用成效的評價(jià)也普遍更高。當(dāng)前日益復(fù)雜的國內(nèi)外形勢，使中小企業(yè)發(fā)展更加困難，許多中小企業(yè)面臨數(shù)字焦慮和數(shù)字化“轉(zhuǎn)型找死、不轉(zhuǎn)等死”的兩難困境。由于受限于技術(shù)掌握有限、資金儲備相對不足、對人工智能的戰(zhàn)略認(rèn)知尚淺等多方面因素影響，多數(shù)中小微企業(yè)的自身信息化水平相對較低、專業(yè)化程度也不高，導(dǎo)致數(shù)據(jù)信息采集率較低、產(chǎn)業(yè)鏈協(xié)同困難。大量中小企業(yè)對人工智能應(yīng)用缺乏有力的組織，無法在企業(yè)內(nèi)部上升到戰(zhàn)略的高度給予正確認(rèn)識與思想上的統(tǒng)一，很難結(jié)合企業(yè)自身發(fā)展提出具體的發(fā)展思路，在具體業(yè)務(wù)落地時(shí)又不自覺地回歸到老路上。IDC指出，對于中小企業(yè)來說，生成式人工智能的應(yīng)用開發(fā)所需的算力、人才和技術(shù)經(jīng)驗(yàn)仍然是一項(xiàng)高額成本，培訓(xùn)或招聘具備相關(guān)技能的人才會面臨成本和時(shí)間上的挑戰(zhàn)。人工智能賦能產(chǎn)業(yè)發(fā)展不是單一技術(shù)競爭，而是技術(shù)體系的競爭，需要具備包括AI芯片、云計(jì)算平臺、基礎(chǔ)大模型、開源生態(tài)、場景應(yīng)用等在內(nèi)的體系化能力。例如，Sora的核心技自于國際計(jì)算機(jī)視覺大會(ICCV)2023收錄論文提出的框架設(shè)計(jì)而成，表明國外學(xué)界提出基礎(chǔ)架構(gòu)后，業(yè)界就可以迅速應(yīng)用及迭代驗(yàn)證。而國內(nèi)部分在單一技術(shù)領(lǐng)域具有相對優(yōu)勢的高?；蚩蒲性核捏w系化能力不足，我國在產(chǎn)學(xué)研用結(jié)合及技術(shù)應(yīng)用方面存在明顯差距。如何在技術(shù)研發(fā)、應(yīng)用創(chuàng)新、市場拓展等方面加強(qiáng)產(chǎn)學(xué)研合作，加速我國人工智能大模型產(chǎn)業(yè)化落地，已成為未來人工智能賦能產(chǎn)業(yè)發(fā)展需要面對的重要課題。人工智能訓(xùn)練，數(shù)據(jù)是基礎(chǔ)。訓(xùn)練數(shù)據(jù)要求數(shù)量多、質(zhì)量高、多樣性。實(shí)際情況是，量大質(zhì)優(yōu)的數(shù)據(jù)極其稀缺，有效數(shù)據(jù)不足，特別是高質(zhì)量中文語料的短缺以及部分領(lǐng)域封閉式的數(shù)據(jù)生態(tài)給人工智能發(fā)展帶來了掣肘。數(shù)據(jù)質(zhì)量低和流通障礙制約我國人工智能賦能產(chǎn)業(yè)發(fā)展。數(shù)據(jù)質(zhì)量方面，目前的國際主流大模型的參數(shù)數(shù)據(jù)集主要以英文為主，其中ChatGPT的英文資料訓(xùn)練數(shù)據(jù)占比超90%。受高質(zhì)量中文語料資源短缺的掣肘，國內(nèi)許多大模型不得不依賴于外文標(biāo)注數(shù)據(jù)集、開源數(shù)據(jù)集或爬取網(wǎng)絡(luò)數(shù)據(jù)。大模型的訓(xùn)練依賴于大量數(shù)據(jù)，但這些數(shù)據(jù)往往存在偏差、不完整或不準(zhǔn)確的問題，這可能導(dǎo)致模型在某些情況下輸出的結(jié)果不一定正確，且質(zhì)量不可控。在數(shù)據(jù)投喂方面，數(shù)據(jù)濫用導(dǎo)致訓(xùn)練的算法模型決策出現(xiàn)偏差。含有噪聲或偏差的訓(xùn)練數(shù)據(jù)影響算法模型準(zhǔn)確性。一方面，機(jī)器訓(xùn)練算法的效果依賴于所輸入數(shù)據(jù)質(zhì)量的優(yōu)劣，基于現(xiàn)實(shí)的“有什么喂什么”,往往會導(dǎo)致市場主體回避現(xiàn)實(shí)問題，并變異為“調(diào)整問題以適合現(xiàn)有數(shù)據(jù)”,最終導(dǎo)致基于非代表性數(shù)據(jù)集驅(qū)動的虛假關(guān)聯(lián)。如在教育、招聘等應(yīng)用中，歷史數(shù)據(jù)在性別、能力等方面存在的偏差，就會給使用者帶來誤導(dǎo)性甚至錯誤的結(jié)論。另一方面，在業(yè)務(wù)場景應(yīng)用復(fù)雜、數(shù)據(jù)源規(guī)模維度復(fù)雜、數(shù)據(jù)使用方式復(fù)雜的大背景下，數(shù)據(jù)濫用導(dǎo)致事故責(zé)任主體難確定，黑箱模型和算法偏見導(dǎo)致應(yīng)用結(jié)果難理解，給經(jīng)濟(jì)社會帶來重大風(fēng)險(xiǎn)。數(shù)據(jù)來源和應(yīng)用方面，即使作為政府最積極推動共享的政務(wù)數(shù)據(jù)，也受制于生產(chǎn)流通中各方權(quán)責(zé)不夠明確、共享范圍和邊界不夠清晰、數(shù)據(jù)共享和維護(hù)所需要的經(jīng)費(fèi)不明確等問題，致使信息孤島、數(shù)據(jù)煙囪現(xiàn)象仍存在。目前，數(shù)據(jù)已經(jīng)在許多行業(yè)和企業(yè)得到了一定程度的應(yīng)用，但應(yīng)用的深度仍然較為有限。例如，目前數(shù)據(jù)產(chǎn)品和通用人工智能算法的應(yīng)用還是主要集中在金融等產(chǎn)業(yè)規(guī)模體量較大、產(chǎn)品標(biāo)準(zhǔn)化程度較高的領(lǐng)域，在其他領(lǐng)域的應(yīng)用目前仍處于初級階段。我國制造業(yè)領(lǐng)域大量數(shù)據(jù)下沉在各條生產(chǎn)線之間，信息化建設(shè)不足導(dǎo)致各類生產(chǎn)制造數(shù)據(jù)極度缺乏。而且，制造業(yè)數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一，我國制造企業(yè)諸多生產(chǎn)設(shè)備均采購于多家國外廠商，不同制造企業(yè)，甚至是同一制造企業(yè)不同生產(chǎn)線之間，數(shù)據(jù)標(biāo)準(zhǔn)差異大，各類數(shù)據(jù)之間難以互通共享，限制了人工智能應(yīng)用落地。此外，我國尚未建立起安全有序的數(shù)據(jù)跨境流動機(jī)制，與其他國家和地區(qū)依然存在著數(shù)據(jù)跨境流動壁壘，不利于數(shù)據(jù)資源要素的開放共享和開發(fā)利用。2、算法領(lǐng)域薄弱，算法潛藏偏見和歧視可能導(dǎo)致決策結(jié)果算法框架是決定人工智能技術(shù)應(yīng)用的核心環(huán)節(jié)，是人工智能核心生態(tài)圈建立的基礎(chǔ)和關(guān)鍵。然而，當(dāng)前中國在人工智能基礎(chǔ)理論、原創(chuàng)算法、核心算法和開源系統(tǒng)等方面仍存在明顯不足。例如，在深度學(xué)習(xí)模型、生成式對抗網(wǎng)絡(luò)等領(lǐng)域新的重大成果和原創(chuàng)性理論貢獻(xiàn)不多，在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺等開源算法平臺方面布局不夠。這導(dǎo)致我國人工智能產(chǎn)業(yè)發(fā)展仍主要依賴國際科技巨頭的開源代碼和系統(tǒng)框架，基于深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的新一代人工智能的開發(fā)和應(yīng)用受到諸多限制。算法潛藏偏見和歧視可能導(dǎo)致決策結(jié)果存在不公。在社會主體層面，隨著技術(shù)演進(jìn)，算法正從事前掌握一套人類設(shè)定的行事規(guī)則的工具性角色向以數(shù)據(jù)為驅(qū)動建立思維、行動模式的自主性認(rèn)知轉(zhuǎn)變，算法技術(shù)日益在基本架構(gòu)層面塑造社會關(guān)系、重構(gòu)行為邏輯。由此使得不被理解、不被掌控和并非中立的“算法黑箱”所引發(fā)的社會經(jīng)濟(jì)矛盾更加突出?；谠创a檢查人工智能算法的治理方式，往往并不能充分考慮不同利益相關(guān)方群體的道德感受和價(jià)值訴求，最終會導(dǎo)致在特定應(yīng)用場景中的無效和不可靠甚至引發(fā)社會矛盾風(fēng)險(xiǎn)。在邏輯架構(gòu)層面，代碼的構(gòu)建基準(zhǔn)和運(yùn)行邏輯會植入技術(shù)開發(fā)者和資本的價(jià)值導(dǎo)向和特定訴求，由此使得算法技術(shù)在內(nèi)在實(shí)質(zhì)上凸顯了技術(shù)開發(fā)者和資本的意識形態(tài)和價(jià)值觀念。融合了虛擬與現(xiàn)實(shí)、主觀與客觀、技術(shù)與權(quán)力的算法不僅拓寬了自身權(quán)力的實(shí)現(xiàn)空間，也引發(fā)了新的社會風(fēng)險(xiǎn)。3、算力生態(tài)建設(shè)需持續(xù)完善，“群模亂舞”進(jìn)一步擾亂國內(nèi)資源配置國產(chǎn)化算力生態(tài)建設(shè)進(jìn)展緩慢。英偉達(dá)目前在全球數(shù)據(jù)中心AI加速市場處于絕對統(tǒng)治地位，且美國商務(wù)部產(chǎn)業(yè)與安全局(BIS)的《先進(jìn)計(jì)算芯片規(guī)則》限制我國獲得先進(jìn)計(jì)算芯片的能力會拉大雙方高端算力差距。國內(nèi)能批量生產(chǎn)的產(chǎn)品普遍落后于英偉達(dá)A100一代，且性能穩(wěn)定性弱，在英偉達(dá)算力芯片H200面世后，我國在高端算力芯片方面與其至少存在2代以上的技術(shù)代差。目前，雖然上海地區(qū)已有超過30款智能芯片實(shí)現(xiàn)了流片量產(chǎn)，但各廠家之間在技術(shù)架構(gòu)、配套開發(fā)工具鏈、軟件生態(tài)建設(shè)等方面各自為戰(zhàn)，存在一定程度的無序競爭，阻礙算力資源統(tǒng)籌發(fā)展和算力生態(tài)建設(shè)。隨著國內(nèi)訓(xùn)練前沿AI模型的總體擁有成本不斷上升和頂級人才的缺失，要素負(fù)擔(dān)能力將進(jìn)一步增強(qiáng)領(lǐng)先企業(yè)的市場主導(dǎo)地位，最終導(dǎo)致我國人工智能企業(yè)與領(lǐng)先企業(yè)間技術(shù)、生產(chǎn)力差距的擴(kuò)大?！叭耗y舞”進(jìn)一步擾亂國內(nèi)資源配置。自2022年ChatGPT問世以來，大模型成為風(fēng)口。據(jù)統(tǒng)計(jì)，截至2023年10月，我國擁有10億參數(shù)規(guī)模以上大模型的廠商及高校院所達(dá)254家，導(dǎo)致算力核心的GPU“軍備競賽”現(xiàn)象凸顯。如何集中芯片和算力資源緊跟美國大模型能力迭代，已成為十分緊迫和艱巨的任務(wù)。據(jù)公開資料顯示，2023年我國智能算力需求達(dá)到但智能算力供給規(guī)模僅為57.9EFLOPS,僅是智算需求的46.8%,仍存在較大的算力缺口，智能算力等先進(jìn)算力“荒”問題凸顯。未來隨著類腦計(jì)算、超算等先進(jìn)計(jì)算技術(shù)應(yīng)用不斷深化，先進(jìn)算力需求將繼續(xù)擴(kuò)大。升大企業(yè)引導(dǎo)的開源生態(tài)水平不足。由于開源缺少可靠知識產(chǎn)權(quán)保護(hù)環(huán)境、缺乏對開源項(xiàng)目的認(rèn)可、缺乏運(yùn)營良好的基金和組織對開源項(xiàng)目進(jìn)行支持、對于開源項(xiàng)目的不信任等因素，國內(nèi)開發(fā)者普遍不愿意參與開源貢獻(xiàn)，特別是大企業(yè)沒有發(fā)揮營造開源生態(tài)的引導(dǎo)作用。從人工智能賦能產(chǎn)業(yè)發(fā)展實(shí)踐看，未來，基礎(chǔ)大模型將成為人工智能時(shí)代的基礎(chǔ)設(shè)施，科創(chuàng)類企業(yè)和傳統(tǒng)企業(yè)，將主要依托基礎(chǔ)大模型能力，在特定領(lǐng)域?qū)で髴?yīng)用轉(zhuǎn)化，然而當(dāng)前大型科技類平臺企業(yè)在為初創(chuàng)企業(yè)和中小企業(yè)使用人工智能技術(shù)創(chuàng)造必要條件方面未發(fā)揮出應(yīng)有作用。能(大模型)加快在各領(lǐng)域應(yīng)用；二是基于人工智能(大模型)驅(qū)動的發(fā)展路徑。就前者而言，人工智能(大模型)正在快速賦質(zhì)量發(fā)展。人工智能(大模型)能夠?yàn)楫a(chǎn)業(yè)的痛點(diǎn)、堵點(diǎn)、卡點(diǎn)生全新商業(yè)模式和服務(wù)方式。隨著人工智能(大模型)技術(shù)迅猛發(fā)展，“人工智能+”賦能千行萬業(yè)的場景將加速涌現(xiàn)。為全面了解人工技能(大模型)賦能高質(zhì)量發(fā)展的實(shí)踐和成效，課題組圍繞關(guān)系經(jīng)濟(jì)社會發(fā)展重點(diǎn)行業(yè)、重點(diǎn)領(lǐng)域，選取代表性企事業(yè)單位，通過文獻(xiàn)調(diào)研、現(xiàn)場訪談、座談研討等多種方式開展調(diào)研，重點(diǎn)了解企業(yè)等機(jī)構(gòu)應(yīng)用人工智能(大模型)的背景、人工智能所提供相關(guān)服務(wù)和應(yīng)用領(lǐng)域、使用人工智能后對企業(yè)經(jīng)營效益和管理效能提升作用、應(yīng)用人工智能的投入產(chǎn)出情況、使用人工智能過程中存在問題和和相關(guān)建議等問題。經(jīng)過全面梳理、系統(tǒng)了解、反復(fù)比較，確定了制造業(yè)、科學(xué)研究、交通、金融、能源資源、城市治理等六大領(lǐng)域的11個(gè)典型案例，這些領(lǐng)域覆蓋當(dāng)前人工智能(大模型)應(yīng)用落地的主要場景，典型案例在實(shí)踐中取得了顯著成效，具有較強(qiáng)代表性。(一)制造業(yè)領(lǐng)域我國是世界制造業(yè)大國，自2010年以來，制造業(yè)規(guī)模已連續(xù)14年位居世界第一，制造業(yè)增加值占全球比重約30%。但制造業(yè)“大而不強(qiáng)、全而不優(yōu)”的局面并未得到根本改變，創(chuàng)新能力不強(qiáng)、生產(chǎn)效率不高、產(chǎn)品附加值偏低等問題以及要素成本上升、環(huán)境壓力加大等挑戰(zhàn)日益突出。黨的二十大報(bào)告提出，推動制造業(yè)高端化、智能化、綠色化發(fā)展。人工智能(大模型)技術(shù)，能夠幫助制造企業(yè)加強(qiáng)生產(chǎn)過程的實(shí)時(shí)監(jiān)控和數(shù)據(jù)分析，優(yōu)化生產(chǎn)流程，加快響應(yīng)速度，實(shí)現(xiàn)降本增效；能夠準(zhǔn)確預(yù)測市場需求和技術(shù)產(chǎn)品的迭代趨勢，促進(jìn)新技術(shù)的研發(fā)和應(yīng)用，支持企業(yè)持續(xù)創(chuàng)新。制造業(yè)是“人工智能+”行動主戰(zhàn)場，一方面規(guī)模體量大、門類領(lǐng)域全的制造業(yè)，為人工智能創(chuàng)新發(fā)展提供了巨大應(yīng)用場景和施展空間；另一方面人工智能迅速發(fā)展、活力十足，正加發(fā)展的助推器。從發(fā)展實(shí)踐看，人工智能(大模型)賦能制造業(yè)轉(zhuǎn)型升級已取得明顯成效。至2024年，我國共建成了62家“燈塔工廠”,占全球“燈塔工廠”總數(shù)的40%,位列全球第一。截至2023年底，已培育421家國家級示范工廠、1萬余家省級數(shù)字化車間和智能工廠。從未來趨勢看，AI技術(shù)將引領(lǐng)中國制造1、上海汽車集團(tuán)股份有限公司隨著人工智能技術(shù)的飛速發(fā)展，汽車行業(yè)正經(jīng)歷著前所未有的變革。上海汽車集團(tuán)股份有限公司(以下簡稱“上汽集團(tuán)”)作為我國汽車行業(yè)的領(lǐng)軍企業(yè)，在人工智能(大模型)領(lǐng)域有著積極的探索和應(yīng)用。2018年6月29日，上汽集團(tuán)成立了我國汽車行業(yè)首個(gè)人工智能實(shí)驗(yàn)室，標(biāo)志著在人工智能領(lǐng)域開展戰(zhàn)略布局。當(dāng)前，上汽集團(tuán)已與多家國內(nèi)外知名企業(yè)和科研機(jī)構(gòu)建立了緊密合作關(guān)系，通過自主研發(fā)與合作開發(fā)相結(jié)合的方式，在預(yù)訓(xùn)練語言模型、多模態(tài)交互、自動駕駛等領(lǐng)域取得了重要進(jìn)展。在應(yīng)用場景方面，上汽集團(tuán)人工智能(大模型)主要應(yīng)用于三個(gè)領(lǐng)域。一是智能座艙，通過多模態(tài)交互和智能語音助手等功能，使用戶可以更加便捷地控制車內(nèi)設(shè)備、獲取導(dǎo)航信息、享受娛樂內(nèi)容等。上汽大眾與百度文心大模型展開深度合作，提供車載全知大語言模型服務(wù)，帶來貼心的智能用車客服和百科老師；二是自動駕駛，開發(fā)了高階智能駕駛系統(tǒng)，能夠?qū)崿F(xiàn)對復(fù)雜道路環(huán)境的感知、決策和規(guī)劃，為用戶提供更加安全、舒適的自動駕駛體驗(yàn)。其中，智己汽車采用導(dǎo)航輔助駕駛技術(shù)(NOA),進(jìn)一步增強(qiáng)了自動駕駛的實(shí)用性與便捷性；三是數(shù)字化生產(chǎn)，通過引入智能制造、智能物流等先進(jìn)技術(shù)手段，提高生產(chǎn)效率和質(zhì)量穩(wěn)定性，降低生產(chǎn)成本和能耗水平。探索了人工智能(大模型)在車輛制造中的應(yīng)用，進(jìn)行自動化設(shè)計(jì)、繪圖和代碼生成，從而縮短研發(fā)周期、降低研發(fā)門檻。(二)科學(xué)研究領(lǐng)域近年來我國科技創(chuàng)新水平取得了長足進(jìn)步，國家創(chuàng)新能力綜合排名已進(jìn)入全球前十，科學(xué)研究投入水平穩(wěn)步增長，2023年全國投入R&D經(jīng)費(fèi)33278.2億元，強(qiáng)度達(dá)2.64%。然而我國仍存在著基礎(chǔ)科學(xué)研究短板，科技成果轉(zhuǎn)化能力不強(qiáng)，原創(chuàng)性、突破性、顛覆性創(chuàng)新成果不多等問題。黨的二十大報(bào)告提出，到二O三五年，實(shí)現(xiàn)高水平科技自立自強(qiáng)，進(jìn)入創(chuàng)新型國家前列。人工智能(大模型)能夠通過對大量文獻(xiàn)和數(shù)據(jù)的挖掘分析，為科研人員提供有價(jià)值的科研線索和思路；能夠處理龐大的數(shù)據(jù)集，生成前所未有的解決方案，顯著提高科研效率；也可以通過自動化處理和分析海量數(shù)據(jù)提供智能化的輔助支持，減輕科研人員的文書工作負(fù)擔(dān)。當(dāng)前我國已啟動“人工智能驅(qū)動的科學(xué)研究”(AIforScience)專項(xiàng)部署工作，緊密結(jié)合數(shù)學(xué)、物理、化學(xué)、天文等基礎(chǔ)學(xué)科關(guān)鍵問題，圍繞藥物研發(fā)、基因研究、生物育種、新材料研發(fā)等重點(diǎn)領(lǐng)域科研需求展開，布局前沿科技研發(fā)體系。2、上海交通大學(xué)2023年5月，上海交通大學(xué)與百度智能云合作，啟動建設(shè)AIforScience科學(xué)數(shù)據(jù)開源開放平臺。該平臺以百度文心大模型為基礎(chǔ)，結(jié)合大模型、人工智能中臺、數(shù)據(jù)中臺、隱私計(jì)算平臺、百度百舸·AI異構(gòu)計(jì)算平臺等“全家桶”解決方案，將大模型和科學(xué)研究緊密結(jié)合，助力推動前沿科技創(chuàng)新，構(gòu)建人工智能支撐基礎(chǔ)和前沿科學(xué)研究的新范式。在算力層，通過百度百舸端到端優(yōu)化的異構(gòu)算力底座能力，為上海交通大學(xué)科研人員提供訓(xùn)練、推理網(wǎng)絡(luò)的算力優(yōu)化配置，實(shí)現(xiàn)訓(xùn)練和推理加速，提高研究效率。結(jié)合數(shù)據(jù)中臺與人工智能中臺“全家桶”能力，實(shí)現(xiàn)對于科研數(shù)據(jù)、模型的開發(fā)和納管等綜合管理。同時(shí)，搭載隱私計(jì)算平臺，實(shí)現(xiàn)科學(xué)數(shù)據(jù)可信共享，為多學(xué)科數(shù)據(jù)的聯(lián)邦建模，聯(lián)合計(jì)算提供便利。該平臺已在上海交通大學(xué)的化學(xué)、流體等跨學(xué)科科研場景中得到應(yīng)用。比如，在化學(xué)合成領(lǐng)域，該平臺加速了從分子設(shè)計(jì)、反應(yīng)設(shè)計(jì)到條件生成、反應(yīng)檢驗(yàn)等化學(xué)合成全鏈條的過程，顯著縮短了潛在功能性分子如藥物分子的設(shè)計(jì)時(shí)長；在流體模擬和智慧司法領(lǐng)域，該平臺也形成了具有行業(yè)影響力的創(chuàng)新應(yīng)用。在AIforScience的推動下，上海交通大學(xué)推出了白玉蘭科學(xué)大模型，形成了“化學(xué)合成2.0”和“法律開源”等開源開放的創(chuàng)新應(yīng)用，不僅能夠提升了科研效率，還推動了跨學(xué)科的協(xié)同創(chuàng)新。3、中國中化控股有限責(zé)任公司新材料研發(fā)過程的核心在于分子間精妙而復(fù)雜的化學(xué)反應(yīng)重組。傳統(tǒng)新材料開發(fā)過程往往依賴于大量的實(shí)驗(yàn)和試錯，高度依賴于行業(yè)專家的深厚經(jīng)驗(yàn)與長期積累，研發(fā)周期長，專業(yè)人才欠缺，導(dǎo)致新材料研發(fā)效率低。為破解這一難題，中國中化控股有限責(zé)任公司(以下簡稱“中化集團(tuán)”)所屬中化信息技術(shù)有限公司(以下簡稱“中化信息”)將中化集團(tuán)員工連接平臺“化小易"和智能分子信息與合成設(shè)計(jì)系統(tǒng)接入百度智能云千帆大模型平臺，共同構(gòu)建化工行業(yè)大模型生態(tài)。在2024年5月23日至27日舉行的第七屆數(shù)字中國建設(shè)峰會上，中化信息發(fā)布了“天樞”智研化工場景大模型。該模型作為中化信息在人工智能與化工材料研發(fā)深度融合領(lǐng)域的最新成果，基于先進(jìn)的Agent智能體架構(gòu)，深度融合大語言模型與專業(yè)化學(xué)合成模型?！疤鞓小敝茄写竽Ｐ涂赏ㄟ^對話交互，高效完成分子智能化學(xué)檢索、分子逆合成設(shè)計(jì)和反應(yīng)條件推薦與優(yōu)化等化工場景研發(fā)任務(wù)，使研發(fā)過程告別大量手動文獻(xiàn)檢索時(shí)代，大幅提高信息獲取效率，為行業(yè)專家提供了更加精準(zhǔn)、高效的決策支(三)交通領(lǐng)域我國是交通大國，2023年完成全國旅客運(yùn)輸量93.04億人次、營業(yè)性貨運(yùn)量547.5億噸。但交通領(lǐng)域的管理和調(diào)度一直是行業(yè)難題，一方面，交通行業(yè)通常需要處理大量復(fù)雜且實(shí)時(shí)的數(shù)據(jù)信息，企業(yè)不僅要投入大量資源來收集、處理數(shù)據(jù)，還可能因安全性和敏感性而面臨數(shù)據(jù)可獲得性問題；另一方面，人們出行需求、貨物轉(zhuǎn)運(yùn)需求更加多樣化，對交通行業(yè)的服務(wù)水平和服務(wù)體驗(yàn)提出更高要求。人工智能(大模型)能夠處理復(fù)雜的、多維度的交通數(shù)據(jù)，實(shí)現(xiàn)交通態(tài)勢的實(shí)時(shí)感知和預(yù)測，在多方面提升交通服務(wù)質(zhì)量。通過大模型應(yīng)用，交通管理部門可以更加精準(zhǔn)地掌握交通流量、氣候變化等情況，優(yōu)化交通管理和調(diào)度；在智能車輛和自動駕駛方面，大模型可以顯著提升車輛的感知、認(rèn)知和決策能力，提升交通安全水平；在服務(wù)體驗(yàn)方面，可以通過自然語言交互和人機(jī)協(xié)同，提供個(gè)性化路徑規(guī)劃；在港航等貨運(yùn)領(lǐng)域，人工智能可以控制自動化設(shè)備替代部分人力操作，提高運(yùn)轉(zhuǎn)效率。人工智能大模型能夠在平衡人與車、車與路的關(guān)系乃至推動交通全流程優(yōu)化上起到關(guān)鍵作用，是助推智慧交通建設(shè)的關(guān)鍵力量。4、北京車網(wǎng)科技發(fā)展有限公司北京車網(wǎng)科技發(fā)展有限公司(以下簡稱“車網(wǎng)科技”)是北京市政府為推進(jìn)高級別自動駕駛示范區(qū)建設(shè)而成立的特殊目的公司，主要負(fù)責(zé)示范區(qū)的整體規(guī)劃、建設(shè)和運(yùn)營，推動“車路云網(wǎng)圖”五大體系協(xié)同發(fā)展。車網(wǎng)科技在發(fā)展過程中加強(qiáng)與國內(nèi)頭部信息技術(shù)企業(yè)合作，充分發(fā)揮通用大模型基座能力，適應(yīng)行業(yè)應(yīng)用場景開發(fā)垂直大模型。百度智能云積極參與示范區(qū)建設(shè)，全面支持網(wǎng)聯(lián)云控中國方案的落地實(shí)踐。2020年10月至今，陸續(xù)參與北京高級別自動駕駛示范區(qū)1.0、2.0至3.0建設(shè)。現(xiàn)已完成301個(gè)智能網(wǎng)聯(lián)標(biāo)準(zhǔn)路口建設(shè)，雙向750公里城市道路實(shí)現(xiàn)車路云一體化功能覆蓋，基本形成支撐高級別自動駕駛的城市級工程試驗(yàn)平臺。目前，3.0的初期工作已開始，將覆蓋440平方公里約1115個(gè)道路路口的與此同時(shí)，亦莊聯(lián)合百度智能云綜合利用通用大數(shù)據(jù)和交通行業(yè)大數(shù)據(jù)，推動交通行業(yè)大模型賦能小模型訓(xùn)練。研究以內(nèi)置通用大模型為底座，融入交通行業(yè)專業(yè)知識，打造多模態(tài)多場景多任務(wù)的預(yù)訓(xùn)練交通行業(yè)大模型。并擬利用智能網(wǎng)聯(lián)條件下的點(diǎn)云、視覺、文本等多種數(shù)據(jù)模態(tài)，建設(shè)滿足自動駕駛、智慧交通等多種應(yīng)用場景的行業(yè)大模型體系，形成一站式模型服務(wù)平臺。車網(wǎng)科技在發(fā)展交通領(lǐng)域人工智能(大模型)方面著重加強(qiáng)基礎(chǔ)能力建設(shè)，參與發(fā)布了“中國標(biāo)準(zhǔn)ICV(智能網(wǎng)聯(lián)汽車)場景庫建設(shè)及應(yīng)用服務(wù)平臺”,該平臺整合了5年的場景庫建設(shè)成推動智能網(wǎng)聯(lián)汽車的大規(guī)模落地；與其他單位合作，發(fā)布了首批政治、文化、社會、生態(tài)等不同領(lǐng)域，總規(guī)模超過500T,為通用大模型和行業(yè)大模型訓(xùn)練提供有力保障。在自動駕駛領(lǐng)域，通過人工智能(大模型)處理海量數(shù)據(jù)，優(yōu)化車輛的路徑規(guī)劃、障礙物識別等關(guān)鍵功能，提升車輛的感知、決策和執(zhí)行能力。在智慧交通系統(tǒng)建設(shè)方面，將人工智能(大模型)應(yīng)用于交通流量預(yù)測、信號燈控制優(yōu)化等方面，減少擁堵和事故，提高城市交通系統(tǒng)的運(yùn)行效率和安全性。以AI全域信控優(yōu)化為例，基于交通大現(xiàn)單點(diǎn)自適應(yīng)路口車均延誤率下降達(dá)30.48%,車輛排隊(duì)長度下降30.3%,綠燈浪費(fèi)時(shí)間下降18.33%,雙向干線綠波道路車均延誤減少16%以上。5、山東省港口集團(tuán)有限公司山東省港口集團(tuán)有限公司(以下簡稱“山東港口集團(tuán)”)旗下?lián)碛?2個(gè)板塊集團(tuán)，包括21個(gè)主要港區(qū)、370余個(gè)生產(chǎn)性泊位、340余條集裝箱航線，具有豐富應(yīng)用場景。為響應(yīng)國家戰(zhàn)略需求、推動港口行業(yè)智能化轉(zhuǎn)型、實(shí)現(xiàn)關(guān)鍵技術(shù)自主可控、以及提升服務(wù)質(zhì)量和客戶體驗(yàn)，山東省港口集團(tuán)與百度集團(tuán)基于百度智能云千帆大模型平臺加強(qiáng)合作，在港口日常管理、經(jīng)營分析、生產(chǎn)運(yùn)行、智慧辦公、物流服務(wù)等領(lǐng)域開展大模型港口實(shí)踐，賦能港航領(lǐng)域上下游產(chǎn)業(yè)鏈和生態(tài)企業(yè)。山東港口集團(tuán)打造了“人工智能+港口+”示范工程。在青島港開展自動化集裝箱碼頭全域多場景關(guān)鍵技術(shù)與裝備研發(fā)，推動船側(cè)集裝箱岸橋作業(yè)實(shí)現(xiàn)全流程自動化；在日照港開展順岸式自動化集裝箱碼頭裝備研發(fā)及工藝升級，突破順岸式碼頭人機(jī)交叉難題；助力業(yè)務(wù)人員遠(yuǎn)程作業(yè)，智能化系統(tǒng)可對整個(gè)港口的堆場進(jìn)行厘米級的地理信息采集，實(shí)現(xiàn)精準(zhǔn)定位，形成“綜合地圖”。依托智能化系統(tǒng)，日照港件雜貨碼頭整體運(yùn)轉(zhuǎn)效率提升10%,設(shè)備利用率提升20%,堆場周轉(zhuǎn)率提升20%,堆場利用率提升15%。(四)金融領(lǐng)域金融行業(yè)屬數(shù)據(jù)密集型產(chǎn)業(yè)，既產(chǎn)生大量的業(yè)務(wù)交易服務(wù)數(shù)據(jù)，又對保護(hù)個(gè)人信息、保障數(shù)據(jù)安全具有極高要求。中國人民銀行數(shù)據(jù)顯示，2024年一季度，支付系統(tǒng)供出了支付業(yè)務(wù)2900.75億筆。金融機(jī)構(gòu)在處理大量數(shù)據(jù)和復(fù)雜交易時(shí)，往往需要耗費(fèi)大量時(shí)間和人力，影響工作效率；在風(fēng)險(xiǎn)控制和合規(guī)管理方面面臨巨大挑戰(zhàn)，欺詐行為、異常交易等風(fēng)險(xiǎn)事件頻發(fā)；用戶對于個(gè)性化服務(wù)需求日益增長，用戶體驗(yàn)愈發(fā)成為衡量金融服務(wù)質(zhì)量的核心要素。金融行業(yè)的海量數(shù)據(jù)資源一方面使其更容易暴露在風(fēng)險(xiǎn)中，但也使其具有開發(fā)應(yīng)用人工智能(大模型)的先天優(yōu)勢，成為大模型開發(fā)應(yīng)用的最佳場景之一。大模型能夠通過數(shù)據(jù)處理和分析、自動化執(zhí)行重復(fù)性任務(wù)、協(xié)助復(fù)雜決策等方式，有效釋放人力資源，實(shí)現(xiàn)降本增效；通過分析客戶行為