[沙利文]：2024年中国大模型行业应用优秀案例白皮书 -尊龙凯时人生就博
ai智能总结2024年中国大模型行业应用优秀案例白皮书 报告执行摘要 4 章节一：ai大模型行业应用发展背景 5 各行业企业积极推进ai大模型在业务场景下的深度应用 6 国家政策大力支持ai大模型技术创新应用 7 各地方政府积极响应国家政策，加快大模型区域化发展 8 章节二：ai大模型行业应用发展现状 9 ai大模型具备规模性、涌现性与泛化性等特征 10 ai大模型供给端转向基于业务场景反馈精调的新范式 11 ai大模型需求空间随着应用进入成熟落地阶段进一步释放 12 应用与技术端双向反馈迭代保证大模型的落地与长期效益 13 多模态与agent深入发展，技术竞赛转向行业需求驱动 14 章节三：ai大模型企业级产品应用竞争力分析 15 场景适配、用户交互、安全与高性能共筑大模型核心能力 16 经济性、专业性、安全性与持续性共筑企业客户核心需求 17 核心技术企业级需求决定大模型企业级产品应用竞争力 18 企业级应用大模型以ai云厂商为主，运营商云逐步入局 19 百度智能云企业级产品应用竞争力处于领先地位 20 章节四：ai大模型行业应用与优秀案例 21 行业优秀案例综合图谱 22 金融行业大模型应用与优秀案例 23 能源行业大模型应用与优秀案例 29 教育行业大模型应用与优秀案例 35 科学行业大模型应用与优秀案例 41 医疗健康行业大模型应用与优秀案例 47 高端制造行业大模型应用与优秀案例 53 互联网行业大模型应用与优秀案例 59 汽车行业大模型应用与优秀案例 65 交通行业大模型应用与优秀案例 71 政务行业大模型应用与优秀案例 77 附录：专业名词解释 83 附录：方法论 84 报告背景 案例分布 执行摘要 随着人工智能技术飞速发展，ai大模型在各行各业的应用日益广泛，是助力各行业提升产业智能化水平、优化业务流程等必不可少的推力。 不同于c端用户，企业用户对大模型提出了更高的专业性、安全性、稳定性、持续性等要求。两种类型用户需求的截然差异主要源于企业应用覆盖复杂细化的业务场景，涉及更长的链条数据分析，因此大模型需要经过精调等方式以满足垂类行业的专业知识需求；其次，行业各场景应用涉及到研发生产到用户反馈，对大模型容错接受度极低，大模型幻觉等挑战将为企业造成不可挽回的巨大损失。基于此，为帮助厂商及用户了解大模型在各行业的应用情况、厂商表现以及优秀的行业实践标杆，沙利文对中国各行业大模型应用案例进行了深度分析。 本报告案例覆盖对象主要为可满足企业级用户需求的头部ai云厂商、ai创业企业、运营商云与部分企业机构自研四大类厂商。其中，头部ai云厂商涵盖百度智能云、华为云、阿里云、腾讯云、火山引擎等厂商 （注：排名不分前后）。ai创业企业涵盖智谱ai、科大讯飞等。运营商云厂商涵盖中国移动与中国电信等。所调研大模型案例应用行业覆盖金融、能源、医疗健康、教育、科学、高端制造、互联网等共计十大行业类型，以全面了解大模型在各行业的应用与发展情况。优秀案例的采写考量标准结合了大模型能力与企业级用户需求，主要包含大模型产品技术、服务能力与行业经验三大维度。 报告撰写背景 来源弗若斯特沙利文 第一章 ai大模型行业应用发展背景 02 为响应国家政策、应对技术变革、实现智能升级，中国各行业企业纷纷开始探索并实践ai对于业务的赋能，积极推进ai大模型在各场景下的深度应用与落地。与此同时，各企业用户对于ai大模型应用的精确度、落地效果、开发与部署效率等提出了更高的要求。 ai大模型行业应用发展背景 智能客服 视觉 智能风控 内勤知识量化交易问答助手 智能对话 语音医疗咨询企业内部 模拟培训 短文创作辅助诊断 模型基础行业知识企业知识 ai能力图片生成增强城市大脑结合 大模型企业作业 流程管控 语义视频生成大数据分析 内容剪辑内部设备 新闻采编管理 生成智能教学 基础通用模型标准模型能力增强专业化模型精调 （基于rag等）（基于企业专属知识等） 购买合作共建 各行各业都在积极拥抱生成式ai带来的智能化升级浪潮。在金融、制造、医疗等多个领域，传统行业企业积极寻求与新科技企业的合作，投入资源以共同研发建设基于具体业务场景的企业级应用大模型。 各行业数字化转型与智能化升级需求激增：为响应国家政策、应对技术变革、实现智能升级，中国各行业企业纷纷开始探索并实践ai对于业务的赋能，积极推进ai大模型在各场景下的深度应用与落地。与此同时，各企业用户对于ai大模型应用的精确度、落地效果、开发与部署效率等提出了更高的要求。 来源：弗若斯特沙利文 我国对于大模型行业整体秉持包容审慎的态度，大模型相关政策的颁布于2023年后呈现密集态势。 人工智能大模型作为创新技术应用，受到国家层面的大力支持，国家政策一方面对于大模型相关技术与产业应用发展给予支持与指导性建议；另一方面对于大模型的安全合规与行业标准逐步完善。 中国ai大模型行业国家政策梳理，2023年至今 政策名称 颁布日期 颁布主体 政策要点 政策性质 《关于推动未来产业创新发展的实施意见》 2024年2月 工信部等7部门 对下一代移动通信、卫星互联网、量子信息等技术产业化应用，加快量子、光子等计算技术创新突破，加速类脑智能、群体智能、大模型等深度赋能，加速培育智能产业。加快突破gpu芯片、集群低时延互连网络、异构资源管理等技术，建设超大规模智算中心，满足大模型迭代训练和应用推理需求。 指导类 《“数据要素x”三年行动计划20242026 年》 2024年1月 国家数据局 等17部门 以科学数据支持大模型开发，深入挖掘包含科技文献在内的各类科学数据，通过细粒度的知识抽取，构建科学知识资源底座，建设高质量语料库和基础科学数据集，支持开展通用人工智能大模型和垂直领域人工智能大模型训练。 指导类 《关于加快推进视听电子产业高质量发展的指导意见》 2023年12月 工信部等7 部门 支持骨干企业做大做强，支持人工智能企业研发视听应用大模型。推动企业建立先进质量管理体系，开展质量管理能力评价，激励企业向卓越质量攀升。 指导类 《新产业标准化领航工程实施方案（20232035年）》 2023年8月 工信部等4部门 围绕多模态和跨模态数据集，研制视频、图像、语言、语音等数据集和语料库的标注要求、质量评价、管理能力、开源共享、交易流通等基础标准。围绕大模型关键技术领域，研制通用技术要求、能力评价指标、 参考架构，以及训练、推理、部署、接口等技术标准。 围绕基于生成式人工智能aigc的应用及服务，面向应用平台、数据接入、服务质量及应用可信等重点方向，研制aigc模型能力、服务平台技术要求、应用生态框架、服务能力成熟度评估以及生成内容评价等应用标准。 规范类 《电子信息制 造业2023 2024年稳增长行动方案》 2023年8月 工信部、财政部 推动先进计算产业发展和行业应用，开展先进计算在工业、城市管理等领域应用案例征集和应用对接，举办先进计算技术创新大赛等活动，加快先进技术和产品落地应用。鼓励加大数据基础设施和人工智能基础设施建设，满足人工智能、大模型应用需求。 指导类 《生成式人工智能服务管理暂行办法》 2023年7月 国家网信办 等7部门 鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系。鼓励生成式人工智能算法、框架、芯片及配套软件平台等基础技术的自主创新，平等互利开展国际交流与合作，参与生成式人工智能相关国际规则制定。 支持类 各地方政府为响应国家政策，相继出台了支持政策与行动计划，以加快大模型产业的区域化持续发展。 地方性政策目标主要包括推动ai技术的落地应用、增强区域的科技创新竞争力、引导地方性传统产业利用大模型技术升级改造、提升包含智慧政务等公共服务应用建设以及培养人工智能人才等。 中国ai大模型行业地方性政策梳理，2024年 20240508 政策文件：《北京市算力基础设施建设实施方案（20242027年）》 颁布主体：北京市经信局与市通信管理 局 20240417 政策文件：《陕西省培育千亿级人工智能产业创新集群行动计划》 颁布主体：陕西省发改委 20240325 政策文件：《河北省人民政府办公厅关于进一步优化算力布局推动人工智能产业创新发展的意见》 颁布主体：河北省政府办公厅 20240424 政策文件：《江苏省机器人产业创新发展行动方案》 颁布主体：江苏省工信厅等5部门 20240326 政策文件：《贵阳贵安关于支持人工智能大模型发展的若干措施（试行）》 颁布主体：贵阳市大数据局等4部门 政策文件：《福州市促进人工智能产业创新发展行动方案（20242026年）》 颁布主体：福州市政府办公厅 20240222 20240320 政策文件：《长春市数字经济发展攻坚突破行动计划》 颁布主体：长春市政府办公厅 政策文件：《内蒙古自治区促进通用人工智能发展若干措施》 颁布主体：内蒙古政务与数据局等4部门 20240122 20240201 政策文件：《成都市进一步促进人工智能产业高质量发展的若干政策措施》 颁布主体：成都市经信局等6部门发布 第二章 ai大模型行业应用发展现状 02 ai大模型指具有庞大规模和复杂计算结构的机器学习模型，这些模型通常由深度神经网络构建而成，拥有数以亿计的参数。 依据应用领域的差异，大模型可分为通用大模型、行业大模型与垂直大模型。 大模型的主要特性包含规模性、涌现性与强大的泛化性。 ai大模型的定义 ai大模型指具有庞大规模和复杂计算结构的机器学习模型，这些模型通常由深度神经网络构建而成，拥有数以亿计的参数。大模型通过海量数据的学习和深度神经网络的优化，进而提高模型的表达能力和预测性能，以处理更加复杂的任务和数据。 ai大模型的分类（依据应用领域划分）与特点 垂直大模型 l2 行业大模型l1 通用 大模型 l0 规模性 泛化性 涌现性 垂直大模型：指针对特定任务或场景的大模型，通常使用任务相关数据进行预训练或微调，以提高在该任务上的性能和效果。 行业大模型：指使用行业相关数据进行预训练或微调，以提高在该行业领域的性能和精准度的大模型 通用大模型：指可以在多个领域和任务上通用的大模型，可在不进行微调的情况下完成多场景任务 ai大模型依据不同的应用领域可划分为通用大模型、行业大模型与垂直大模型。大模型通常具 有规模性（参数量大）、涌现性（产生预料之外的新能力）以及泛化性等特点。 规模性：大模型通常包含数以千计的参数，且模型大小可达到数百gb或更甚。这些参数可以存储模型的知识和经验，使其具备强大的表达能力和学习能力，更好地捕捉数据中的复杂模式和特征。 涌现性：涌现性对于大模型而言，指当模型的训练数据突破一定规模后，大模型突然涌现出之前小模型所没有的，可以综合分析和解决更深层次问题的复杂能力和特性，展现出类似人类的思维和智能。 泛化性：大模型通过在大规模数据进行训练，具备强大的泛化能力以适应不同的应用场景，能够在各种任务上表现出色。 来源弗若斯特沙利文 大模型的快速发展反向助推其技术架构，从基础设施层至ai应用层实现全栈的技术升级优化。基础设施层围绕高可用、高扩展等需求实现新一代基础设施的重构；模型层，随着多模态融合、模型压缩等出现进一步优化了模型的基本性能，降低其推理成本；应用层各项功能的出现则大幅提高了大模型在专业领域的表现性能，实现更高效和精准的处理。 ai大模型生产范式变化 技术架构发展 ai 超算基础设施 模 型微调 手工标注 云基础设施 ai模型 ai模型 ai模型ai模型 ai模型 业务逻辑b 业务逻辑a 新一代ai基础设施：高性能计算大数据 基础模型层： 多模态模型人类反馈的强化学习 （rlhf）闭环 领域模型 领域模型 agentrag 模型压缩 tansformer 架构优化 多