中国人工智能产业应用图谱2023

易观智慧院2023年12月 Confidential and Protected by Copyright Laws本产品保密并受到版权法保护 目录 人工智能进入生成式阶段 行业转型升级从数字化向智能化迈进，与其将全部注意力放到大模型与AGI的进化当中，更需要同步关注企业主体在数智化转型过程中的需求、痛点以及待解问题，并以需求与应用驱动的方式倒逼人工智能的发展与进化。 1 生成式人工智能 数智化转型 场景驱动 人工智能应用价值与场景分析 围绕工业制造、零售、医疗健康、金融、娱乐、政府等行业，针对其行业发展的关键驱动力与挑战、AI在行业智能化发展的关键价值，以及核心环节/场景的典型案例，全面展开产业AI智能化应用全景。 2 企业AI应用突破方向与规划建议 以企业为主体，围绕其可持续发展，业务创新，降本提效等核心需求，针对营销/服务、办公协同、研发、企业安全等各个环节进行深入剖析，展开企业AI智能应用全景与规划建议。 3 01 人工智能进入生成式阶段，推动企业从数字化向智能化升级 持续关注AI产业价值落地 未来已来：技术变革来临 聚焦当下：商业价值深化探索 企业经营与发展是当下的核心命题，人工智能，尤其是LLM开启的人工智能，对于AI商业价值的探索与实践带来哪些变化，是本次研究的重点 人工智能发展进入生成式人工智能时代，大语言模型所呈现的“涌现”能力，正在推动人类社会向AGI的方向持续探索，这将贯穿科技公司与研究机构相当长周期的关注焦点 以业务驱动的方式拥抱AI 人工智能与AGI发展阶段划分 人工智能从未如ChatGPT这般普及，超过1亿用户主动体验的背后，是业务发展需求驱动AI应用场景探索与实践的重大转变 分析式人工智能→生成式人工智能 01 •思维革命•AI具备独立思考与逻辑判断的能力•进一步延展，具身智能连接物理世界，硅基生命与碳基生命共 AGI1.0 降低AI开发门槛 •知识革命•语言是知识的载体，未来模型人人可训、人人可用，即个人知识能力将得以复制和扩展 传统的AI开发模式需要针对不同的任务和场景进行定制化开发，大模型显著降低开发复杂度，提升部署与应用的便捷度 增强用户体验，碾平企业数智化洼地 AGI2.0 大模型对于人机交互方式的变革显著增强客户/用户体验与员工体验，有利于中后台赋能升级，以及员工原生数智动能发展 大模型应用尚未跨越鸿沟，尝鲜者重心在于技术突破与场景探索 技术局限尚需突破方能释放更大价值 1•知识更新与自主学习能力，目前大语言模型仍然为静态数据驱动的学习范式，无法实现新知识的快速学习与迭代，尤其是涉及到时效数据与专有数据的场景下存在障碍，OpenAI正在通过Plugins生态来突破这一局限•垂直领域泛化能力，通用任务的卓越能力已经显现，但是进入垂直细分领域与知识体系下，大模型的性能与泛化能力仍然需要增强，行业大模型训练是当前挑战的破局之道之一•长期记忆能力，目前正在通过增大上下文容量、数据向量化，以及AIagent等多种方式探索突破 巨大的模型训练与推理算力等成本拉低效益比 2•训练与微调成本，该训练成本仅针对企业应用基础模型结合行业知识与数据集进行训练与微调的成本，并非基础大模型训练成本，与上述“垂直领域泛化能力”相对应，该成本仍然为行业知识壁垒显著的企业必须承担的成本，开源基础模型在一定程度上可以降低这一阶段的训练成本•推理成本，大模型在参数体量巨大的情况下，仍然存在较高的推理成本，这方面可以通过模型压缩与剪枝等技术的发展进一步降低•模型能力与业务场景的适应成本，这部分成本虽然由于人机交互方式的变化显著降低，但是前期仍然需要考虑提示工程在特定场景的磨合成本 安全合规可信应用底线尚需刚性保障 3•模型安全与可控制性问题，这是人工智能普遍面临的问题，大模型并不能幸免，包括模型攻防、数据注入等问题；同时，模型能力来自于“涌现”，需要进行模型能力，尤其是生成结果的可控制，方能进入到生产环境•对齐问题，既包括人工智能与人类社会价值观保持一致，也包括与不同国家价值观，不同类型企业经营以及商业法则相匹配等，前者最为关键，这也是目前最为关注的AI不受控制的风险之一，目前在通过RLHF与RLAIF不同方式来实现•隐私与数据安全问题，无论是大模型的训练推理，还是对话应用的过程中，都存在过多的隐私暴露与数据安全风险，这有赖于技术突破和监管合规的进一步建立 大模型所加速的生成式人工智能已经渗透到多个场景 行业应用场景导向，落地为先，倒逼基础能力升级 关键发现 进入生成式人工智能阶段过程中，各个行业AI应用发展成熟度不一，关键要素在于： •行业特征与企业经营目标导向•数字化基础能力建设•数据资源沉淀，特别是行业Know-how导向数据资源•生态体系完善与丰富程度，尤其在于是否具备核心链主企业驱动 02 主要行业人工智能应用价值与场景分析 AI驱动千行百业效率升级，大量行业场景应用价值仍待深挖 制造行业AI应用概述：提升研发生产与运营效率，提升产品核心竞争力与质量，实现可持续发展 制造行业是我国加快建设现代化产业体系的重要支撑，增强制造行业全价值链条数智化能力，全面提升智能制造整体水平与实力当务之急。同时，制造行业在IT与数字化等基础设施建设方面，尤其是面临不同行业、不同类型与规模企业的能力不均衡，相应地，制造行业数智化升级也就面临更大挑战，需要政府、行业链主企业以及科技企业共同以生态搭建协同运营等方式，来加速推动制造行业数智化升级与AI应用落地。 工业制造 制造行业当前发展现状 人工智能在推动制造行业数智化转型过程中的核心价值 •通过自动化实现制造行业常规流程和任务，提高生产和运营效率•通过数据分析与建模发现质量缺陷，预测潜在问题，并通过优化工艺和生产参数来提高生产质量•通过优化生产计划、材料以及能源使用等，提高能源使用效率，降低废品率，实现可持续发展•通过引入人工智能进入产品研发流程，提升研发效率，缩短研发周期 •消费驱动力不足带来供需不平衡，供大于求导致行业竞争加剧•高端制造业向发达国家回流，低端制造业向低成本国家转移•创新能力不足，核心技术和核心高端设备、零部件额元器件仍受制于人•高能耗、高污染，碳排放压力巨大•国际贸易争端愈演愈烈，制造业供应链风险显著增加 制造行业AI应用概述：应用价值与场景 制造行业AI应用关键挑战与趋势 关键挑战 •模型应用可靠性：工业领域，尤其是生产制造流程，最重视安全、可靠和稳定，相应地，工业制造领域最核心需要保障应用的可靠性，这就对人工智能模型，包括大模型提出了更高的要求。•应用成本挑战：从大模型驱动的AI应用方面，应用成本需要大幅度降低，目前定制化千亿参数通用大模型的成本难以被客户接受；算力成本仍然高居不下，训练卡价格仍然在上升，同时，未来考虑到未来LLM不断升级，训练推理成本或将持续上行；相应地，垂类大模型能够达到参数量、效果、成本和场景的匹配，此外，模型蒸馏压缩、采用MoE架构，小样本微调等技术路径也能够有效降低成本，加速落地。•行业Knowhow与数据资源挑战：与其他行业不同，工业场景相对来说数据样本量较小，AI训练相对困难，相应地，工业数字孪生可以通过仿真的形式生成大量数据，帮助AI模型深度优化，同时，也仍然需要制造企业强化自身数据积累与沉淀，从而提升AI应用现实可行性。 发展趋势 •大模型将柔性融入工业制造流程，成为工厂智能中枢。大模型的出现为工业智能注入了更为强大的认知能力，将能够深入理解适应不同的生产环境和工厂特点，实现AI与传统工业设备的高度契合。通过全面理解从生产流程到设备状态的各类工业应用场景，提供智能化的监控和调度能力。柔性融合更加突显了大模型对原有工业流程的适应性和灵活性，并为工业制造的持续创新提供了可能。 •AI将与工业大数据深度融合，成为工业智能化的关键推动力。AI通过挖掘分析工业大数据中的潜在关联和模式，将数据转化为实质性的智能决策和洞察，提供更准确实时的数据分析、决策支持、需求预测等关键能力，帮助企业更好地规划生产计划、优化库存管理等，实现降本增效，提升工业智能化水平。•生成式AI的应用将为工业知识的沉淀和传承提供强力支持。生成式AI通过将大量的工业数据、技术文档和专家经验整合，可构建更为智能高效的知识体系，这将支持企业有效沉淀和传承核心领域的工业知识，不仅能为工厂提供实时指导和支持，还有助于应对人才流失和知识断层问题。 制造行业AI应用图谱 案例：海尔卡奥斯AI工业大脑赋能智能制造全链场景 海尔卡奥斯以“大连接、大数据、大模型”为主线构建的卡奥斯COSMOPlat工业互联网平台，深度赋能工业场景，实现对工业领域的群体智能决策。其中“卡奥斯BaaS工业大脑”、“天智工业大模型”致力于降低人工智能作为生产要素的使用门槛及成本，实现人工智能以自动化、自适应的方式在工业企业中落地。在工信部发布2023年度智能制造示范工厂揭榜单位和优秀场景名单中，卡奥斯创智物联合肥互联工厂、卡奥斯COSMOPlat赋能打造的青岛海尔特种冰箱智能制造示范工厂、海尔上海洗衣机智能制造示范工厂成功入选。 工业制造 大连接 通过建设面向工业的现代物联栈，支持多种方式全面连接工业设备及企业数据源，畅通企业协作。 大数据 基于现代数据堆栈将数据持续汇聚、工业知识持续沉淀，并整合工业数据算法分析优化，利用AI挖掘数据隐含关系、隐性知识，广泛应用于供应链优化、工业控制、产能分析等场景。 大模型 通过建设面向工业的现代模型栈，在在开源基础大模型基础上自主研发了天智工业大模型，协同3900多个机理模型与200多个专家算法库，提升了大模型在工业场景下的精度。目前已在工业设计与研发、柔性装配与数字孪生等细分场景落地应用。 目前，基于天智工业大模型形成的企业智能中台已集成至卡奥斯BaaS工业大脑，工业企业通过部署工业大脑即可构建一套智能化转型所需的平台底座。 案例：海尔卡奥斯AI工业大脑赋能智能制造全链场景 卡奥斯工业互联网平台中深度融合AI技术，包括视觉监控检测、质量缺陷检测、智能安防、智能物流等，广泛应用于工业设计与研发、机理仿真及数字孪生，具备高度的可迁移和可复制性，多年来已合作打造多个工业领域标杆案例。 作为国内智能控制器行业首家全球灯塔工厂，卡奥斯创智物联合肥互联工厂通过应用AI、机器视觉等数字化技术，以大规模定制模式驱动制造转型，实现对100余家客户、500余家供应商及6家自有工厂的端到端链接，完成订单100%准时交付的同时，将交付周期缩短一半，原材料库存周转天数降低56%。 中德冰箱互联工厂是行业首家智能+5G互联工厂应用标杆。通过AI+5G的技术组合，工厂实现全流程信息自动感知、全要素事件自动决策、全周期场景自动更新迭代。实现了生产模式、生产技术以及组织模式的升级。 其中，海尔冰箱制造核心工艺——超薄真空节能发泡是基于卡奥斯COSMOPlat平台所研发的发泡设备数字孪生模型，通过实时采集发泡200多项工艺、环境等参数，实现发泡环境压力动态控制，使泡孔更小更均匀，提升保温性能。同时还节省了材料用量，解决了行业溢料等难题，最终实现了生产效率提升50%，产品节能提升12%，支撑了海尔冰箱在低碳环保方面的全球引领。 案例：华为工业AI质检实现生产质量管控智能化 针对传统工业质检场景下准确率低、开发难、运维难等问题，华为基于工业AI质检基于AI、大数据、云计算等能力，结合自身200+条产线AI质检实践经验，提炼800+工业级图像处理算子，为汽车、烟草、电子等制造行业客户打造工业AI视觉质检平台，实现生产质量管控的自动化、智能化，助力持续提质降本增效。 工业制造 华为工业AI质检行业应用实践 •富士康智能光伏控制器产线AI质检 低代码平台封装典型工业应用场景算子工具，提升AI质检应用开发效率 端云边协同实现模型快速迭代优化，满足生产快速上线需求 联合华为在智能光伏控制器产线打造了昇腾智造AI质检示范产线，通过人工