中国人工智能行业应用发展图谱2023

易观分析2024年2月 本产品保密并受到版权法保护Confidential and Protected by Copyright Laws 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 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 企业经营与发展是当下的核心命题，人工智能，尤其是山M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 人工智能与AGI发展阶段划分 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 分析式人工智能一生成式人工智能 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 交互革命人机交互方式GUIDUI/HUIPrompt工程价值凸显 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，提升部与应用的便捷度 增强用户体验，碾平企业数智化注地 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 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区动的学习范式，无法实现新知识的快速学习与选代，尤其是涉及到时效数据与专有数据的场景下存在障碍，OpenA/正在通过Pluqins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Alagent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 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 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”流需要进行模型3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 02 主要行业人工智能应用图谱及行业应用案例 AI驱动干行百业效率升级，大量行业场景应用价值仍待深挖 我国制造业规模庞大，但行业数字经济渗透率仍与发达国家存在差距，面临高端制造回流、中低端制造转移等多重压力 2022年，我国数字经济规模首次突破50万亿，达到50.2万亿元，总量稳居世界第二，占GDP比重提升至41.5%。作为数字经济核心产业与实体经济的根基，当前我国制造业规模已经跃居世界第一位，建立起门类齐全、独立完整的制造体系。在全球经济下行背景下，我国制造业产业链韧性和产品竞争力有显著提升。近年来我国数字经济与制造业融合发展程度不断深化，2022年制造业数字经济渗透率提升至24%，但与发达国家相比仍存在差距，且当前面临着高端制造回流、中低端制造转移等多重压力。 创新能力不足制约制造业向高质量阶段发展，需以并行模式融合网络化、数字化与智能化手段进行升级 中国制造业细分领域众多，行业间数字化基础差距较大且需求各异，在制造业由高增速向高质量发展过程中，我国制造业仍然面临低端供给过剩、高端供给不足、创新能力不适应高质量发展要求等诸多挑战。从全球工业革命的演变历程来看，我国尚处于工业化升级的进程当中，需要工业2.0、工业3.0与工业4.0“并行式”发展。图：中国智能制造基本范式滨进 中国制造业升级基本范式，需“并行推进，融合发展”，运用网络化、数字化、智能化技术手段，深度融合制造机理，构建具有深度自感知、智慧优化自决策、精准控制自执行的高柔性化及自适应功能的制造体系。 制造业尚需基于工业互联网融合发展生态，强化供给与市场需求的精准对接，推动形成全新的生产制造与供给服务体系 2023年的中央经济工作会议提出要以科技创新引领现代化产业体系建设：广泛应用数智技术加快传统产业转型升级。工业互联网能够实现大规模生产和个性化定制深度融合，而制造业是工业互联网应用的核心领域，在智能制造架构模型下，工业互联网成为智能制造的关键基础，为智能工厂的转型升级提供了必要的共性基础设施和能力，能够加速创新成果转化，有效提升制造业供给水平。 近年来我国工业互联网产业建设体系不断完善，带动核心产业、渗透产业蓬勃发展。2017-2022年我国工业互联网产业增加值年均复合增速达13.66%，工业互联网产业增加值贡献在GDP中的比重逐年提升。预计2023年工业互联网带动一、三产业的增加值规模将分别达到0.06万亿元、2.29万亿元、2.34万亿元，工业互联网核心产业将达1.35万亿元。 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/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A应用落地。 工业制造 人工智能在推动制造行业数智化转型过程中的核心价值 制造行业当前发展现状 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应用价值与场景 AI+工业互联网重构传统制造形态，实现全要素、全流程、全生命周期以及全价值链的互联互通与高效决策 传统制造 智能赋能 传统制造 关键变量 智能赋能 工业互联网将人、机、料、法、环、测以数据相连接，融合AI技术实现自动化与智能决策，数智驱动实现精益管理 人、机、料、法、环、测缺乏自动化连动与优化机制，依赖于人的决策实现精益管理机 传统制造业生命周期线性转换，以商品为核心，但是对用户需求失焦 全要素 各参与方间构建信息流动有效渠道可进行持续互动、建立正反馈循环，助力制造系统选代 各参与方间仅生产方与用户方存在单向买卖关系，缺乏有效的信息沟通反 重构制造与经营生态，以生态为主阵地，打破封闭协同经营，从而重构生产体系中信息流、产品流与资金流的运行模式 传统制造以企业为核心，工厂、睿户、供应商、渠道商单向封闭 全价值链 全流程 制造业AI应用需要结合场景进行建模与优化，以工业互联网为基础的智能工厂是AI在制造业落地实践的最佳形式 工业互联网典型应用模式 方面，人工智能与工业知识的结合能够构建各类工业机理模型，嵌入智能工厂重点领域与场景，加速协同与创新。另一方面，由于智能工厂环节多，系统复杂度高，工业AI的开发与应用须依托工业互联网方可实现创新在效率的预期目标。目前工业互联网已经形成六大类典型应用模式，各模式中均深度融合A/技术，能够拓展智能工厂各项能力建设，在推动模式创新的同时将核心业务链条中的创新进行集成，从而实现系统性创新。 平一台化设计 依托工业互联网平台，汇聚人员、算法、模型、任务等设计资源，实现高水平高效率的轻量化设计，并行设计、敏捷设计、交互设计和基于模型的设计，变革传统设计方式，提升研发质量和效率 智能化制造 人工智能等数智技术在制造业领域加速创新应用实现材料、设备、产品等生产要素与用户之间的在线连接和实时交互，逐步实现机器代替人生产，智能化代表制造业未来发展的趋势 基于工业互联网泛在连接能力结合A/技术实现工业设备资产的智能化管理，包括远程诊断、预测性维护等。 络化网协司 通过跨部门、跨层级、跨企业的数据互通和业务互联，推动供应链各类信息资源实现网络化的协同设计、协同生产、协同服务，进而促进资源共享、能力交易以及业务优化配置 面向消费者个性化需求，通过客户需求准确获取和分析、敏捷产品开发设计、柔性智能生产、精准交付服务等，实现用户在产品全生命周期中深度参与 个性化定制 基于工业互联网对产品全生命周期进行贯通连接，融合AI技术强化在产品设计、流程规划生产工程等环节的模型、机理共享与协同设计，产品数据的智能分析等。 企业从原有制造业务向价值链两端高附加值环节延伸，从以加工组装为主向“制造+服务”转型，从单纯出售产品向出售“产品+服务”转变 服务化延伸 数字政府 数字化管理 通过打通核心数据链，贯通生产制造全场景、全过程，基于数据的广泛汇聚、集成优化和价值挖掘，优化、创新乃至重塑从企业战略决策到市场服务的各项业务活动 人工智能与制造机理深度融合，驱动智能工厂多层次创新 在制造业迎来“数字化、网络化、智能化”为发展方向的变革中，以人工智能为代表的数智技术与制造机理深度融合，构建智能制造发展范式，已经成为加快制造业高质量发展和建设新型工业化的重要抓手。通过A/在关键环节的赋能作用，智能工厂实现了生产、管理、服务的智能化，推动了产业模式向服务型制造转变，助力制造业实现数字化端到端集成，促进协作与资源共享，为未来制造业发展注入新的动力。 产品创新 产业模式创新 智能化产品是制造业价值创造的核心。随着人工智能技术的深入应用，将使产品发生革命性变化，产品的创新与升级换代将极大提升各种产品的性能与市场竞争力，以及提高智能工厂的生产效率和质量水平。在日常消费方面，将现出大批先进的智能生活产品：如智能终端、智能家电、智能玩具等。在工业制造方面，设备将全面智能升级，如信息制造装备、农业装备、医疗装备、智能机床、智能机器人等。 从“以产品为中心”向“以用户为中心”的转变是产业模式创新的内核，主要是从生产型制造向服务型制造的转变。通过深度学习和数据分析，人工智能提供更全面、精准的用户洞察，使智能工厂能够构建更智能化、自适应的生产体系，同时也为用户提供了更加可靠和高质量的产品和服务， 系统集成创新 生产技术创新 A/+工业互联网平