2024年中国生成式AI行业最佳应用实践

AIGC、内容创新、跨界融合、知识图谱、数据治理 报告说明———— 沙利文联合头豹研究院谨此发布中国生成式AI系列报告之《2024年中国生成式AI行业最佳应用实践》。本报告旨在梳理生成式AI技术发展动向，明晰各行业对于生成式AI的需求，并基于完整的评选指标与流程，筛选出各行业的生成式AI最佳应用实践。 沙利文联合头豹研究院对生成式AI的厂商及对应合作的下游企业客户均展开调研。本市场报告提供的生成式AI在各行业的发展现状亦反映出生成式AI的整体发展动向。报告最终对最佳应用实践的评选判断基于各厂商向沙利文提报案例，且仅适用于本年度中国生成式AI应用案例发展周期。 本报告所有图、表、文字中的数据均源自弗若斯特沙利文咨询（中国）及头豹研究院调查，数据均采用四舍五入，小数计一位。———— 报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系弗若斯特沙利文及头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经弗若斯特沙利文及头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，弗若斯特沙利文及头豹研究院保留采取法律措施、追究相关人员责任的权利。弗若斯特沙利文及头豹研究院开展的所有商业活动均使用“弗若斯特沙利文”、“沙利文”、“头豹研究院”或“头豹”的商号、商标，弗若斯特沙利文及头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表弗若斯特沙利文或头豹研究院开展商业活动。 研究框架（1/2） ◆引言 ◆生成式AI最佳案例评分维度解析与成功标尺 •功能价值与适用性维度•技术性能与创新维度•落地实施与服务支持维度•客户体验与满意度反馈维度 ◆生成式AI行业最佳应用实践方案汇编 •生成式AI各行业应用实践汇集分析•生成式AI核心技术应用现状•生成式AI行业最佳应用实践综合图谱•游戏文娱行业的场景挑战与发展•游戏文娱行业的潜在应用风险•游戏文娱行业最佳应用实践•工业制造行业的场景挑战与发展•工业制造行业的潜在应用风险•工业制造行业最佳应用实践•医疗健康领域行业的场景挑战与发展•医疗健康行业的潜在应用风险•医疗健康领域行业最佳应用实践•金融行业的场景挑战与发展•金融行业的潜在应用风险•金融行业最佳应用实践•信息与通信技术行业的场景挑战与发展•信息与通信技术行业的潜在应用风险•信息与通信技术行业最佳应用实践 研究框架（2/2） •公共服务行业的潜在应用风险 •公共服务行业最佳应用实践 •汽车行业的场景挑战与发展 •汽车行业的潜在应用风险 •汽车行业最佳应用实践 •消费与零售行业的场景挑战与发展 •消费与零售行业的潜在应用风险 •消费与零售行业最佳应用实践 •教育行业的场景挑战与发展 •教育行业的潜在应用风险 •教育行业最佳应用实践 •企业应用行业的场景挑战与发展 •企业应用行业的潜在应用风险 •企业应用行业最佳应用实践 ◆法律声明 引言 ❑0.1定义与范围❑0.2报告背景与目的❑0.3最佳案例评选流程与方法论 •生成式AI可通过模拟人脑和决策过程的算法，实现以新生成内容响应用户需求,为使用者释放“认知盈余”机会，大幅降低了内容创作的成本与门槛。生成式AI的运作是持续迭代的过程，通过不断的模型再调整和评估，从而生成更高质且精准的内容。 •随着生成式AI正式迈入快速发展阶段，赋能各行业的生成式AI工具遍地开花，协助企业提升降本增效、加快创新等策略性效益。该报告融合了各行业场景领先的案例，为企业及市场提供技术能力的展示、创新思维的启发以及生成式AI赋能方式的普及。 •最佳案例评选流程为厂商报名参与、案例输入、案例赋分以及最后的案例交付与发布。案例评选将结合行业交叉大数据与沙利文创新的全维度评选指标，客观公正地呈现生成式AI行业的最佳案例。 0.1定义与研究范围 关键发现 生成式AI可通过模拟人脑和决策过程的算法，实现以新生成内容响应用户需求,为使用者释放“认知盈余”机会，大幅降低了内容创作的成本与门槛。生成式AI的运作是持续迭代的过程，通过不断的模型再调整和评估，从而生成更高质且精准的内容。 ❑生成式AI始于复杂的深度学习模型，可用于创建新的想法与内容以响应用户的提示与请求 生成式AI属于深度学习模型的子集，这类模型基于受人脑神经网络结构启发的算法。生成式AI通过分析和编码大量现有数据中的结构与规律,从而能够处理用户的自然语言请求或问题,并生成新的内容作为响应。生成式AI通常需要更大规模的数据集进行训练,以提高其生成新颖和多样化内容的能力。然而,具体的数据需求可能因任务和模型架构而异。这些AI系统可用于创作全新且有意义的内容,包括图片、视频、代码、音频等多种形式的作品。 生成式AI的主要特点在于其能够产生新的、独特的内容,而不仅仅是重复或组合已有的信息。这使得生成式AI在创意产业、内容创作、科研等多个领域具有广泛的应用前景。 ❑生成式AI的运作是持续迭代的过程，需要不断地调整模型和评估生成结果，从而得出更优质的生成效果 生成式AI的运作流程包含模型训练、模型选择、内容生成评估与模型再调整四个主要阶段，其中模型再调整为生成式AI模型更新、准确性和相关性提高的重要步骤。 0.2报告背景与目的 关键发现 随着生成式AI正式迈入快速发展阶段，赋能各行业的生成式AI工具遍地开花，协助企业提升降本增效、加快创新等策略性效益。该报告融合了各行业场景领先的案例，为企业及市场提供技术能力的展示、创新思维的启发以及生成式AI赋能方式的普及。 报告背景及目的 ❑报告背景：生成式AI迈入快速发展阶段，各行业积极部署生成式AI以跨越“效率鸿沟” 自2012年深度学习算法在语音、图像识别上取得重大突破，生成式AI开始迈入高速发展时期。如今，生成式AI工具遍地开花，加之企业数字化不断加速的宏观环境下，各行业企业为创造更多的策略性效益开始以不同的方式构建部署生成式AI。消费与零售 ❑报告目的：通过最佳案例的呈现方式为积极探索生成式AI的各行业提供技术能力的展示、创新思维的启发以及生成式AI赋能各行业的方式 技术能力的展示：优秀案例中的技术维度评估直观地向各行业展示生成式AI服务方案核心技术能力和创新表现，为企业实践提供显著且实际的价值效益 创新思维的启发：报告融合了多行业多模态的领先案例，协助具有部署生成式AI意愿的企业挖掘各场景领域与生成式AI的融合情况，启发各行业对于生成式AI功能场景的创新思考 生成式AI赋能方式的普及：通过展示生成式AI协助各企业解决实际痛点的方式，帮助各行业更好地理解生成式AI的原理及应用，增强市场对于生成式AI的关注度 0.3最佳案例评选流程与方法论 关键发现 最佳案例评选流程为厂商报名参与、案例输入、案例赋分以及最后的案例交付与发布。案例评选将结合行业交叉大数据与沙利文创新的全维度评选指标，客观公正地呈现生成式AI行业的最佳案例。 最佳案例评选方法论 ❑方法论：围绕功能价值与适用性、技术性能与创新、实施与支持以及客户体验与满意度反馈四个维度全面评估不同行业各模块的案例服务能力。 沙利文融合了传统与创新的研究方法论，结合行业交叉大数据，通过多元化的调研方法与创新的全维度评估指标，客观公正地呈现生成式AI行业的最佳案例。 章节一生成式AI最佳应用实践评选维度解析与成功标尺 ❑功能价值与适用性维度❑技术性能与创新维度❑落地实施与服务支持维度❑客户体验与满意度反馈维度 •功能价值与适用性维度衡量解决方案是否契合实际应用中的需求，包含与客户企业需求的适配性、数据供给专用性以及在不同业务场景下的功能泛化性。•技术性能与创新维度聚焦于衡量方案在生成内容效益层面所包含的核心技术能力与创新表现，具体包含生成内容质量可控性、生成内容推理延迟与生成内容合规安全。•落地实施与服务维度评估了方案基于客户不同使用场景的经济性以及厂商在执行中所提供的培训支持服务能力，具体包含生成内容推理成本、方案部署成本、方案实施实践成本以及培训与支持指标。•客户体验与满意度反馈维度通过企业客户视角直观判断方案在切实落地中的效益价值，具体包含场景价值满意度、体验和定制化满意度以及性能与创新满意度。 1.1功能价值与适用性维度 关键发现 功能价值与适用性维度衡量解决方案是否契合实际应用中的需求，包含与客户企业需求的适配性、数据供给专用性以及在不同业务场景下的功能泛化性。 评分解析——功能价值与适用性 ❑功能价值与适用性维度定义：关注方案在实现预期功能、带来效益、资源管理以及多场景应用中的全面表现，以确保其具备高效性、适应性和战略对齐能力，为能够在实际应用中符合场景需求奠定方向。 成功标尺——功能价值与适用性 亚马逊云科技×中集集团 例 •需求适配：亚马逊云科技为中集集团提供多场深入交流活动，通过AmazonBedrcok上的大语言模型构建的数字员工为集团全面提升生产力，上线的财司助手以及基于Amazon Bedrock知识库打造的维修助手辅助企业员工智能问答。 •数据供给专用性：对中集集团内部资料如维修文档等专有数据用于训练输入，并将业务数据统一录入数据湖。 •场景功能泛化：该解决方案在支持多语言环境下，通过RAG知识库、大模型Agent打造数字员工实现集团内部多部门联通。 1.2技术性能与创新维度 关键发现 技术性能与创新维度聚焦于衡量方案在生成内容效益层面所包含的核心技术能力与创新表现，具体包含生成内容质量可控性、生成内容推理延迟与生成内容合规安全。 评分解析——技术性能与创新 ❑技术性能与创新维度定义：关注方案在生成质量、推理速度和合规安全方面的核心技术能力和创新表现，能够在实际应用中展示出显著和有效的价值。 成功标尺——技术性能与创新 阿里云×哈啰集团 例 •生成内容准确性：海螺机器人在办公助手、代码助手等角色中表现出高准确率和用户采纳率，准确率高达88%，显著提升了业务效率，此外，阿里云通过SFT精调和RAG知识库不断提高内容生成质量。•推理效率优化：阿里云针对哈啰设计优化推理方案，包括但不限于推理框架性能优化、API与终端网络优化等。•安全合规性：以阿里云内容安全API赋能敏词过滤功能，实现合法合规备案。 1.3落地实施与服务支持维度 关键发现 落地实施与服务维度评估了方案基于客户不同使用场景的经济性以及厂商在执行中所提供的培训支持服务能力，具体包含生成内容推理成本、方案部署成本、方案实施实践成本以及培训与支持指标。 评分解析——落地实施与服务支持 ❑落地实施与服务支持维度定义：评估了方案的经济性、可扩展性、落地效率和持续支持方面具备高效性和可靠性，从而满足客户在实际应用中的需求，提升客户满意度和方案的长期价值。 阿里云×联想 例 •推理与部署成本优化：方案通过提供不同尺寸的模型，满足联想不同业务场景下性能与成本最优化需求，极具经济性和成本效益，此外阿里云提供百炼API为联想扩容，无容载上限。 •培训与支持服务：解决方案服务支持层面，阿里云为联想定期安排交流活动，与客户方同步模型进展，合作优化内部模型，此外，针对云资源与大模型分别提供了SLA 7x24小时工单支持与分钟响应速度的钉钉群支持。 1.4客户体验与满意度反馈维度 关键发现 客户体验与满意度反馈维度通过企业客户视角直观判断方案在切实落地中的效益价值，具体包含场景价值满意度、体验和定制化满意度以及性能与创新满意度。 评分解析——客户体验与满意度反馈 ❑客户体验与满意度反馈维度定义：从用户视角判断方案在实际应用中的整体价值和客户满意度，为企业在选择和优化GenAI方案时提供有力的依据。 商汤科技×海通证券 例 •场景价值满意：智能问答、代码等方案完全符合海通需求预期，大幅提升了海通内部工作效率•长期合作意愿：海通证券负责人表示，未来将结合商汤大模型全栈式AI能力，继续共同推动证券行业的业务流程、交互变革与数智化业务系