2024生成式AI产业落地路径研究报告

生成式AI产业落地路径研究报告 版权声明 本报告版权属于腾讯云计算（北京）有限责任公司，并受法律保护。转载、摘抄或利用其他方式使用本报告文字或观点的，应注明“来源：腾讯云计算（北京）有限责任公司”。违反上述声明者，公司保留追究其法律责任的权利。 引言 在当下新一轮科技革命和产业变革加速发展的背景下，数据已成为新的生产要素，算力成为新的基础能源，而人工智能则成为新质生产力。2024年的政府工作报告中，明确指出要深化人工智能应用，并首次提出开展“人工智能+”行动。该行动打开了新质生产力的大门，人工智能正在成为产业创新的关键抓手。尤其是以大模型为代表的生成式AI技术，已成为推动新一代产业变革的核心动力。 为抓住此次技术机遇，企业开始积极尝试将生成式AI融入工作流程，以探索各种创新可能性。生成式AI已经成为企业各个层面关注的焦点，CEO寄望于新技术成为公司业绩增长的引擎,而员工则期待新技术成为他们创意性工作的源泉。在这个变革的时代，企业不断努力将技术机遇转化为竞争优势，不断拓展业务领域，迎接未来的挑战。 对于企业而言，探索生成式AI应用落地是一项具有挑战性的任务。本报告提出了生成式AI应用场景矩阵，用以协助企业完善自身可落地应用场景。同时，报告还基于落地实践经验总结出生成式AI应用落地路线，指导企业遴选适合自身情况的落地方式。结合Gartner的产业技术研究，本报告力图为企业带来腾讯云的思考、实践经验与建议，希望帮助企业捕捉这一历史性新机遇，谱写第二增长曲线。 CONTENTS目录01生成式AI勾勒企业智慧未来02生成式AI产业落地路径，指引企业找到适合的落地场景和技术路线03腾讯云为客户提供生成式AI驱动的新一代产品方案一、 大模型技术发展迅速，激发企业生成式AI应用需求 / 02二、 生成式AI应用落地处在探索阶段 / 03三、 企业落地生成式AI应用面临两大挑战 / 03一、 生成式AI应用场景盘点梳理 / 06二、 腾讯云、Gartner联合推出生成式AI应用落地路线图 / 12三、 落地路线解读 / 16一、 基于生成式AI的腾讯云产品架构升级 / 22二、 腾讯云完善的产品矩阵，满足不同路线客户需求 / 22CONTENTS目录01生成式AI勾勒企业智慧未来02生成式AI产业落地路径，指引企业找到适合的落地场景和技术路线03腾讯云为客户提供生成式AI驱动的新一代产品方案一、 大模型技术发展迅速，激发企业生成式AI应用需求 / 02二、 生成式AI应用落地处在探索阶段 / 03三、 企业落地生成式AI应用面临两大挑战 / 03一、 生成式AI应用场景盘点梳理 / 06二、 腾讯云、Gartner联合推出生成式AI应用落地路线图 / 12三、 落地路线解读 / 16一、 基于生成式AI的腾讯云产品架构升级 / 22二、 腾讯云完善的产品矩阵，满足不同路线客户需求 / 22 04生成式AI产业最佳落地实践05生成式AI发展展望一、 路线一 - 标准软件 / 44二、 路线二 - 标准模型能力增强 / 46三、 路线三 - 定制化模型精调训练 / 5404生成式AI产业最佳落地实践05生成式AI发展展望一、 路线一 - 标准软件 / 46二、 路线二 - 标准模型能力增强 / 48三、 路线三 - 定制化模型精调训练 / 56 第一章生成式AI勾勒企业智慧未来 (一)大模型技术发展迅速，激发企业生成式AI应用需求 伴随2022年末ChatGPT的问世，以大模型为代表的生成式AI技术得到各行各业的高度关注和热议。最早由谷歌提出了Transformer架构，随后，谷歌相继发布了基于Transformer架构的Bert、T5等预训练模型，同时OpenAI也推出了GPT预训练模型。模型的参数量迅速提升至千亿甚至万亿级别，成为超大规模参数模型，同时通过对丰富知识数据的学习，大模型技术在泛化能力、多模态能力、开放域交互和模型可解释性等方面均有巨大提升。 2020年，GPT3.0发布，在文本生成方面的能力表现优异。其生成的文本准确、连贯，并且更加贴近人类的表达方式，这使得大模型在内容创作、对话交互等场景具备实用性。2022年，Midjourney发布，大模型的图像生成能力得到广泛认可，应用于广告、游戏等创意设计场景。2024年，Sora发布，可以根据文本、图像生成逼真且具有想象力的视频。教育和娱乐等行业正在积极应用Sora制作视频。 大模型技术发展带来的生成式AI效果提升催生出了新的场景和产业模式，企业探索生成式AI的需求迅速增长。 根据 Gartner 对 822 位企业领导者进行的 "2024 年新一代人工智能规划 "调查显示，绝大多数正在实施或积极计划实施生成式AI的企业高管已经预期或实现了实施收益。平均而言，受访者调查报告：收入增加 15.8%，成本节约 15.2%，员工人数减少 4.6%，生产率提高 22.6%。[1][1]Gartner Inc., How to Calculate Business Value and Cost for Generative AI Use Cases, G00805323生成式AI产业落地路径研究报告02 (二)生成式AI应用落地处在探索阶段 生成式AI技术在极短时间内快速渗透到各个工作场景之中，并在改变以往的工作方式。这种新技术的普及将不可避免地诞生新的商业模式和产业生态，并带来全新的机遇。在这个变革的过程中，企业都在积极融入新技术的潮流，并期望在竞争中脱颖而出。 根据Gartner调研数据，44%企业CIO表示已经落地或将在未来12个月落地生成式AI，68%企业CIO表示已经落地或将在未来24个月内落地生成式AI。 目前，经过初步对生成式AI技术的观望学习，企业认为抓住这一变革性新技术将改变行业竞争格局。大量企业开始转向尝试探索将生成式AI技术应用在自己的业务流程中。 首先，生成式AI有望大幅实现降本增效，从而彻底改变行业成本结构。生成式AI打造的智能助手使得企业为每位员工配备了“专家智囊”，员工个人产能得以倍数级提升，重塑了企业人力资源成本结构。 其次，生成式AI有望实现客户交互方式的变革，使得企业在客户争夺战中抢得先机。一方面，生成式AI的交互体验与真人无差，且个性化更强，年轻客户更青睐新一代的交互方式。另一方面，全新的交互方式之上有可能孕育全新的消费模式。(三)企业落地生成式AI应用面临两大挑战 生成式AI为企业描绘了美好的未来前景，然而，要将其真正应用于实际业务中，企业仍然面临着场景价值、落地可行性等诸多挑战。 在场景价值方面，企业担心新技术应用价值不及预期，面临如何规划应用落地场景的挑战。企业需要确定生成式AI在特定业务场景下的实际应用和价值，这涉及到对业务需求、用户体验的全面分析和评估。但面对场景价值如何分类与遴选、生成式AI能够解决到何种程度等问题时，企业仍缺少成熟的方法支撑。[2][2]Gartner Inc., 2024 CIO and Technology Executive Agenda: A China Perspective, G00807509生成式AI产业落地路径研究报告03 在落地可行性方面，企业担心生成式AI技术人才储备不足、数据基础设施不成熟等问题，面临如何选择适合自身情况落地技术路线的挑战。尽管生成式AI技术非常先进，但要在企业内部或产品中实际落地应用，需要充分考虑哪些评估维度，以及可以选择哪些落地路线，企业亟待解决。 针对以上两大挑战，企业需要梳理落地场景，从中优选适合自身的应用落地。并且，企业需要审慎评估技术、预算、风险等维度，寻找合理的落地方式。为此，基于Gartner的研究方法，腾讯云结合自身的大模型应用落地实践经验，为企业提供生成式AI应用场景矩阵和生成式AI应用落地路线图，帮助企业解决场景价值、落地可行性等挑战。生成式AI产业落地路径研究报告04 第二章生成式AI产业落地路径，指引企业找到适合的落地场景和技术路线 生成式AI技术有助于企业构建行业竞争壁垒，提升市场竞争力，改善客户体验。然而，企业在落地生成式AI应用时，缺少落地场景规划和落地路线选择的方法指导。本章旨在帮助企业全面规划落地场景，遴选最适合自身情况的落地技术路线，实现生成式AI应用的快速落地。同时，本章节还为企业用户落地生成式AI匹配了相应的腾讯云产品方案，使企业能够更加高效地利用生成式AI技术，实现场景价值。（一）生成式AI应用场景盘点梳理 1.生成式AI应用场景矩阵 生成式AI在各行业、各企业职能中的落地应用场景不断增多。然而，在进行生成式AI应用建设之前，企业往往缺乏明确的可落地场景参考，并且对于如何优选试点应用进行落地缺少经验和方法参考。为此，腾讯云推出生成式AI应用场景矩阵，通过对场景价值分类，并对场景技术成熟度进行评估，协助企业系统梳理适合自身情况的落地场景。（落地场景图由横纵2个坐标轴，4个场景价值象限，以及分布在象限中的场景点构成。）生成式AI产业落地路径研究报告06 在生成式AI应用场景矩阵中，横轴是指落地场景面向的企业业务流程分类。横轴正方向，是生成式AI应用到与外部用户体验相关的业务流程，涵盖直接与用户交互或者将生成式AI应用内置于销售给用户的产品服务中等方式。横轴负方向，是生成式AI应用到企业日常运营相关的企业内部流程，生成式AI技术服务于企业员工或企业内部核心业务流程。 纵轴是指落地场景对于业务的改造程度分类。纵轴正方向，是指生成式AI具备颠覆既有业务的创新能力，通过变革产品/业务模式创新，实现业务价值革新。纵轴负方向，是指生成式AI可以改善既有的业务和运营模式，实现业务流程增强。 通过横纵2个坐标轴，生成式AI落地场景被划分至4个场景价值象限中，分别为运营效率提升、客户体验提升、产品价值创新和业务流程重塑。 运营效率提升象限，指面向企业内部用户，改善了现有业务流程的场景；通过生成式AI应用帮助企业IT、办公、营销、人财税法职能运营等部门实现降本增效的价值。 客户体验提升象限，指面向企业外部用户，增强业务服务流程的场景。通过生成式AI应用提升了企业售前、售中、售后的全流程客户体验,。 产品价值创新象限，指面向企业外部用户，颠覆了传统业务价值的场景，此类场景通过生成式AI重新定义企业服务客户的产品与服务模式。 业务流程重塑象限，指面向企业内部用户，革新业务价值的场景。通过生成式AI应用彻底改造了企业研发、供应链、生产等核心价值链。生成式AI产业落地路径研究报告07 2.四大场景象限 生成式AI将在各个行业、各个业务流程释放价值，这既包括现有业务流程增强所带来的收入增长或成本下降，也包含推动行业进化过程中带来的全新经济价值。以下，我们将对运营效率提升、客户体验提升、业务流程重塑、产品价值创新4大场景价值进行解析。 3.运营效率提升 高效的执行力是企业核心竞争壁垒之一。生成式AI既是通用知识的百科专家，在学习行业和企业专有知识之后，也可以成为特定领域的专家。生成式AI的专家能力，通过智能助手辅助员工或者智能化自动执行业务流程完成落地，从而实现运营效率提升。 首先，企业员工日常有大量文档撰写、图片素材制作、代码注释补齐等执行性工作。通过与模型的问答交互，员工可以获得文档、图像、代码等基础成果，在此之上进行调优可以提高工作效率。 企业可以参考生成