2024年中国大模型行业应用优秀案例白皮书

目录 ◆报告执行摘要 ◆章节一：AI大模型行业应用发展背景 •各行业企业积极推进AI大模型在业务场景下的深度应用-------------------6•国家政策大力支持AI大模型技术创新应用-------------------7•各地方政府积极响应国家政策，加快大模型区域化发展-------------------8 ◆章节二：AI大模型行业应用发展现状 •AI大模型具备规模性、涌现性与泛化性等特征-------------------10•AI大模型供给端转向基于业务场景反馈精调的新范式-------------------11•AI大模型需求空间随着应用进入成熟落地阶段进一步释放-------------------12•应用与技术端双向反馈迭代保证大模型的落地与长期效益-------------------13•多模态与Agent深入发展，技术竞赛转向行业需求驱动-------------------14 ◆章节三：AI大模型企业级产品应用竞争力分析 ◆章节四：AI大模型行业应用与优秀案例 -------------------21 •行业优秀案例综合图谱-------------------22•金融行业大模型应用与优秀案例-------------------23•能源行业大模型应用与优秀案例-------------------29•教育行业大模型应用与优秀案例-------------------35•科学行业大模型应用与优秀案例-------------------41•医疗健康行业大模型应用与优秀案例-------------------47•高端制造行业大模型应用与优秀案例-------------------53 目录 •互联网行业大模型应用与优秀案例•汽车行业大模型应用与优秀案例•交通行业大模型应用与优秀案例•政务行业大模型应用与优秀案例 执行摘要 报告背景 案例分布 随着人工智能技术飞速发展，AI大模型在各行各业的应用日益广泛，是助力各行业提升产业智能化水平、优化业务流程等必不可少的推力。 本报告案例覆盖对象主要为可满足企业级用户需求的头部AI云厂商、AI创业企业、运营商云与部分企业机构自研四大类厂商。其中，头部AI云厂商涵盖百度智能云、华为云、阿里云、腾讯云、火山引擎等厂商（注：排名不分前后）。AI创业企业涵盖智谱AI、科大讯飞等。运营商云厂商涵盖中国移动与中国电信等。所调研大模型案例应用行业覆盖金融、能源、医疗健康、教育、科学、高端制造、互联网等共计十大行业类型，以全面了解大模型在各行业的应用与发展情况。优秀案例的采写考量标准结合了大模型能力与企业级用户需求，主要包含大模型产品技术、服务能力与行业经验三大维度。 不同于C端用户，企业用户对大模型提出了更高的专业性、安全性、稳定性、持续性等要求。两种类型用户需求的截然差异主要源于企业应用覆盖复杂细化的业务场景，涉及更长的链条数据分析，因此大模型需要经过精调等方式以满足垂类行业的专业知识需求；其次，行业各场景应用涉及到研发生产到用户反馈，对大模型容错接受度极低，大模型幻觉等挑战将为企业造成不可挽回的巨大损失。基于此，为帮助厂商及用户了解大模型在各行业的应用情况、厂商表现以及优秀的行业实践标杆，沙利文对中国各行业大模型应用案例进行了深度分析。 02 章节一AI大模型行业应用发展背景 1.1各行业企业积极推进AI大模型在业务场景下的深度应用 •为响应国家政策、应对技术变革、实现智能升级，中国各行业企业纷纷开始探索并实践AI对于业务的赋能，积极推进AI大模型在各场景下的深度应用与落地。与此同时，各企业用户对于AI大模型应用的精确度、落地效果、开发与部署效率等提出了更高的要求。 •各行各业都在积极拥抱生成式AI带来的智能化升级浪潮。在金融、制造、医疗等多个领域，传统行业企业积极寻求与新科技企业的合作，投入资源以共同研发建设基于具体业务场景的企业级应用大模型。 ➢各行业数字化转型与智能化升级需求激增：为响应国家政策、应对技术变革、实现智能升级，中国各行业企业纷纷开始探索并实践AI对于业务的赋能，积极推进AI大模型在各场景下的深度应用与落地。与此同时，各企业用户对于AI大模型应用的精确度、落地效果、开发与部署效率等提出了更高的要求。 章节一AI大模型行业应用发展背景 1.2国家政策大力支持AI大模型技术创新应用 •我国对于大模型行业整体秉持包容审慎的态度，大模型相关政策的颁布于2023年后呈现密集态势。•人工智能大模型作为创新技术应用，受到国家层面的大力支持，国家政策一方面对于大模型相关技术与产业应用发展给予支持与指导性建议；另一方面对于大模型的安全合规与行业标准逐步完善。 章节一AI大模型行业应用发展背景 1.3各地方政府积极响应国家政策，加快大模型区域化发展 •各地方政府为响应国家政策，相继出台了支持政策与行动计划，以加快大模型产业的区域化持续发展。•地方性政策目标主要包括推动AI技术的落地应用、增强区域的科技创新竞争力、引导地方性传统产业利用大模型技术升级改造、提升包含智慧政务等公共服务应用建设以及培养人工智能人才等。 中国AI大模型行业地方性政策梳理，2024年 •政策文件：《河北省人民政府办公厅关于进一步优化算力布局推动人工智能产业创新发展的意见》•颁布主体：河北省政府办公厅 2024.05.08 •政策文件：《北京市算力基础设施建设实施方案（2024—2027年）》•颁布主体：北京市经信局与市通信管理局 2024.04.24 •政策文件：《江苏省机器人产业创新发展行动方案》•颁布主体：江苏省工信厅等5部门 2024.04.17 •政策文件：《陕西省培育千亿级人工智能产业创新集群行动计划》•颁布主体：陕西省发改委 2024.03.26 政策文件：《贵阳贵安关于支持人工智能大模型发展的若干措施（试行）》颁布主体：贵阳市大数据局等4部门 2024.03.25 •政策文件：《福州市促进人工智能产业创新发展行动方案（2024—2026年）》•颁布主体：福州市政府办公厅 2024.03.20 政策文件：《长春市数字经济发展攻坚突破行动计划》颁布主体：长春市政府办公厅 2024.02.22 •政策文件：《内蒙古自治区促进通用人工智能发展若干措施》•颁布主体：内蒙古政务与数据局等4部门 2024.02.01 •政策文件：《成都市进一步促进人工智能产业高质量发展的若干政策措施》•颁布主体：成都市经信局等6部门发布 2024.01.22 AI大模型行业应用发展现状 02 章节二AI大模型行业应用发展现状 2.1AI大模型具备规模性、涌现性与泛化性等特征 •AI大模型指具有庞大规模和复杂计算结构的机器学习模型，这些模型通常由深度神经网络构建而成，拥有数以亿计的参数。•依据应用领域的差异，大模型可分为通用大模型、行业大模型与垂直大模型。•大模型的主要特性包含规模性、涌现性与强大的泛化性。 AI大模型的定义 •AI大模型指具有庞大规模和复杂计算结构的机器学习模型，这些模型通常由深度神经网络构建而成，拥有数以亿计的参数。大模型通过海量数据的学习和深度神经网络的优化，进而提高模型的表达能力和预测性能，以处理更加复杂的任务和数据。 •垂直大模型：指针对特定任务或场景的大模型，通常使用任务相关数据进行预训练或微调，以提高在该任务上的性能和效果。 •行业大模型：指使用行业相关数据进行预训练或微调，以提高在该行业领域的性能和精准度的大模型 •通用大模型：指可以在多个领域和任务上通用的大模型，可在不进行微调的情况下完成多场景任务 •AI大模型依据不同的应用领域可划分为通用大模型、行业大模型与垂直大模型。大模型通常具有规模性（参数量大）、涌现性（产生预料之外的新能力）以及泛化性等特点。➢规模性：大模型通常包含数以千计的参数，且模型大小可达到数百GB或更甚。这些参数可 以存储模型的知识和经验，使其具备强大的表达能力和学习能力，更好地捕捉数据中的复杂模式和特征。 ➢涌现性：涌现性对于大模型而言，指当模型的训练数据突破一定规模后，大模型突然涌现出之前小模型所没有的，可以综合分析和解决更深层次问题的复杂能力和特性，展现出类似人类的思维和智能。➢泛化性：大模型通过在大规模数据进行训练，具备强大的泛化能力以适应不同的应用场景，能够在各种任务上表现出色。 章节二AI大模型行业应用发展现状 2.2AI大模型供给端转向基于业务场景反馈精调的新范式 •大模型的快速发展反向助推其技术架构，从基础设施层至AI应用层实现全栈的技术升级优化。基础设施层围绕高可用、高扩展等需求实现新一代基础设施的重构；模型层，随着多模态融合、模型压缩等出现进一步优化了模型的基本性能，降低其推理成本；应用层各项功能的出现则大幅提高了大模型在专业领域的表现性能，实现更高效和精准的处理。 •传统基于场景化数据集进行手工标注和模型迭代的生产方式转向基于业务逻辑对基础模型进行微调，辅之模型反馈机制的新范式，进而更快速、低成本、高精度地覆盖更多行业。AI大模型从基座–新一代的AI基础设施到包含Agent等新兴技术功能的应用层均呈现快速发展态势。 ➢AI基础设施层：大模型的快速发展带来了全新的业务负载特征，对算力密度、计算性能等提出了更高的要求，反向助推高可用、高扩展、高性能的新一代基础设施的重构，为大模型提供更强的硬件支持。 ➢AI模型层：模型层发展包含模型架构、数据处理、模型优化与压缩等相关技术的创新优化。模型架构层面，稀疏注意力与Longformer的提出在大模型主流使用的Transformer架构上进一步优化。数据处理层面，多模态融合概念的出现提高了数据的丰富性与模型的精准度，同时在数据稀缺的情况下促进了知识迁移。模型优化与压缩层面，混合精度训练提升了训练速度且降低了显存占用。模型蒸馏、参数量化与稀疏化等一系列模型压缩方法降低了模型推理成本，实现了模型与产品的低成本集成。 ➢AI应用层：Agent、RAG、大模型微调与提示词工程的出现，一方面通过对模型进行细致的调整或外部工具的使用，使大模型更好地适应特定任务需求，在专业领域任务中的性能得到显著提升；另一方面，通过提示语的优化引导大模型生成更符合用户预期的内容，提升生成文本的质量。 章节二AI大模型行业应用发展现状 2.3AI大模型需求空间随着应用进入成熟落地阶段进一步释放 •各行业数智化转型需求驱动中国行业大模型市场规模增长，2023年市场规模达到105亿元，预计2024年市场规模达到165亿元，同比增长为57%。•目前各行业对AI大模型的采用集中在探索孵化期与试验加速期，随着大模型在各行业的进一步渗透，市场需求存在较大的释放空间。 受行业数智化转型需求带动，预计2024年中国行业大模型市场规模达到165亿元，同比增长为57%。 2023年中国行业大模型市场规模达到105亿元，各行业面临数智化转型，对AI大模型需求大幅增长，预计2024年市场规模将达到165亿元。随着大模型在各行业及细分场景的渗透率进一步提升，预计2028年市场规模将达到624亿元，复合增长率为40%。人工智能赋能经济社会发展各领域，下游各行 业的产业升级驱动对大模型需求的持续走高，大模型有望在下游领域不断渗透，实现大规模落地应用。 •目前各行业在对AI大模型的应用集中在探索孵化期与试验加速期，未来各行业对于大模型的采用逐步进入采纳成长期和落地成熟期，AI大模型需求空间广阔。 各应用领域中，需求适配度与数据可得性为大模型采用进展的核心影响因素，具体表现在包含互联网应用等数字原生行业为先行者；以金融等为例的传统行业中生产性服务业进展速度较快；以建筑等为例的重资产行业则进展缓慢。 下游行业对人工智能的需求及采用呈现多样化与碎片化特点。大模型相较传统从开发、精调、优化、迭代至最后应用的模式，更具直接向外赋能的优势。例如通过开放API等形式，降低AI应用开发门槛