Confidential and Protected by Copyright Laws本产品保密并受到版权法保护中国人工智能产业应用发展图谱2023易观智慧院2023年12月 2慨〄猰䪮♸⴯倝崞⸂2023/12/14123人工智能进入生成式阶段人工智能应用价值与场景分析企业AI应用突破方向与规划建议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。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。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。生成式人工智能数智化转型场景驱动深入行业关键环节核心场景典型案例深入企业核心场景典型案例AI规划目录 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01 4慨〄猰䪮♸⴯倝崞⸂2023/12/14持续关注AI产业价值落地•交互革命•人机交互方式：GUIDUI/HUI•Prompt工程价值凸显AGI0.1•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AGI1.0•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存AGI2.0人工智能与AGI发展阶段划分01以业务驱动的方式拥抱AI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02降低AI开发门槛传统的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03增强用户体验，碾平企业数智化洼地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未来已来：技术变革来临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，是本次研究的重点分析式人工智能→生成式人工智能 5慨〄猰䪮♸⴯倝崞⸂2023/12/14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1技术局限尚需突破方能释放更大价值•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AI agent等多种方式探索突破2巨大的模型训练与推理算力等成本拉低效益比•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3安全合规可信应用底线尚需刚性保障•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 6慨〄猰䪮♸⴯倝崞⸂2023/12/14010203040506大模型所加速的生成式人工智能已经渗透到多个场景文本代码图像音视频3D分子发现•对话/问答•文档/文本/文案生成•内容/会议摘要等•语言翻译•文学/剧本创作等•自然语言生成代码•代码补齐•生成SQL•生成软件测试用例•合成数据等•图像分类/分割•工业设计•医学影像标注与解剖结果构建•艺术/商业作品创作•图像修复•天文观测、卫星遥感观测等•电影/游戏/动画制作•建筑/家居设计•工业制造•工业/艺术设计•医疗健康•虚拟现实等•信息播报•语音编辑/翻译•影视内容分析编辑•视频增强/风格迁移•音乐/视频生成•药物设计•材料科学•食品与农业•能源•个人护理等 7慨〄猰䪮♸⴯倝崞⸂2023/12/14行业应用场景导向，落地为先，倒逼基础能力升级中国生成式人工智能行业AMC应用曲线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关键发现市场启动期应用成熟期高速发展期探索期应用价值HVIII电商广告游戏动漫影视交通能源农业自动驾驶医疗制造教育基础科研零售政府与公共服务音乐仍然处于加强基础能力建设阶段，同时需要加强数据资源沉淀以及相关数智技术能力建设等，方能发挥人工智能在其中的关键价值金融数字化基础能力初步搭建，出于行业特点与实际场景要求，需要进一步完善人工智能应用的可信与合规等保障，才能进一步在点状探索的基础上全面铺开数字化基础能力大体完善，本身也是对于内容资产与互动体验要求相对比较高的行业，相应地，生成式人工智能渗透速度更快效率为先稳中求进行业发展特点：旅游©易观分析www.analysys.cn 主要行业人工智能应用价值与场景分析02 9慨〄猰䪮♸⴯倝崞⸂2023/12/14AI驱动千行百业效率升级，大量行业场景应用价值仍待深挖产品研发/设计生产制造供应链/资源管理市场/营销用户/客户运营组织协同软件工程农业能源化工/机械先进制造食品饮料服装/服饰家电汽车建筑与房地产交通运输金融教育医疗健康零售商贸文化娱乐餐饮旅游政府行业环节AI赋能效率升级程度0100深入行业关键环节的AI价值渗透度©易观分析www.analysys.cn 10慨〄猰䪮♸⴯倝崞⸂2023/12/14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•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•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。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工业制造零售金融医疗健康娱乐数字政府 11慨〄猰䪮♸⴯倝崞⸂2023/12/14制造行业AI应用概述：应用价值与场景质量管控/生产工艺优化仓储配送市场营销销售管理供应链管理物流管理设备管理/预测性设备维护事故预警需求预测客户服务产品辅助设计代码辅助赋能工业软件升级智能评审与反馈数字孪生/仿真优化生产流程生产计划/智能排产核心价值应用场景研究范围与零售行业相对应，该部分为制造行业AI应用重点研究部分以零售行业AI应用研究为主提升工程仿真精度，提升设计与研发效率强化工业机器人信息处理、感知执行等能力，提升智能化生产能力与质量提升工业企业经营管理工作效率，探索用户中心经营模式关键环节工业制造零售金融医疗健康娱乐数字政府运营管理产品设计生产制造 12慨〄猰䪮♸⴯倝崞⸂2023/12/14制造行业AI应用关键挑战与趋势•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。关键挑战发展趋势工业制造零售金融医疗健康娱乐数字政府•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。 13慨〄猰䪮♸⴯倝崞⸂2023/12/14制造行业AI应用图谱产品设计产品辅助设计虚拟工厂生产制造柔性制造设备预测性维护机器人制造生产运营优化智能仓储管理工业云平台工业互联网平台工业质检©易观分析www.analysys.cn注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正中国工业制造行业AI应用图谱工业制造零售金融医疗健康娱乐数字政府 14慨〄猰䪮♸⴯倝崞⸂2023/12/14案例：海尔卡奥斯AI工业大脑赋能智能制造全链场景工业制造零售金融医疗健康娱乐数字政府海尔卡奥斯工业大脑平台架构海尔卡奥斯以“大连接、大数据、大模型”为主线构建的卡奥斯COSMOPl