2024年AI大模型場景探索及產(chǎn)業(yè)應(yīng)用調(diào)研報告-前瞻

FGGRWARD前

瞻決策·投資一定要有前瞻的眼光2024年中國AI大模型場景探索及

產(chǎn)業(yè)應(yīng)用調(diào)研報告-大模型“引爆”行業(yè)新一輪變革【聯(lián)合發(fā)布單位】前中口產(chǎn)瞻業(yè)咨

領(lǐng)

研(股票

院599)華為云初創(chuàng)生態(tài)聞

菖鋼基金CAN十參

加

成

就

大

家□本報告由深圳前瞻產(chǎn)業(yè)研究院、首鋼基金CANPLUS聯(lián)合華為云共同撰寫，并于2024年4月下旬正式聯(lián)合發(fā)布?？趫蟾骘@示，2023年我國Al大模型行業(yè)規(guī)模已達到147億元。Al

大模型的行業(yè)應(yīng)用及技術(shù)進步能有效提升各行業(yè)生產(chǎn)要素的產(chǎn)出效率并提高了數(shù)據(jù)要素在生產(chǎn)要素組合中

的地位。供給方面，當(dāng)前Al大模型企業(yè)主要通過深化通用大模型能力或打造垂類行業(yè)大模型兩種路徑為下游行業(yè)提供Al大模型應(yīng)用服務(wù)，商業(yè)模式則較為靈活且多元化

需求方面，企業(yè)需求特征表現(xiàn)為滿足可落地的前提下實現(xiàn)價格、私密安全性和大模型能力效果的三者平衡，因此大部分的規(guī)模企業(yè)用戶主要選擇參數(shù)規(guī)模在100~200億

之間的AI大模型和本地化部署的落地方式?？趹?yīng)用現(xiàn)狀，大模型賦能場景包括一般通用業(yè)務(wù)場景和行業(yè)應(yīng)用場景。截至2023年，我國大模型在各垂直應(yīng)用行業(yè)中，金融、政府、影視游戲和教育領(lǐng)域是大模型滲透率

最高的四大行業(yè)，滲透率均超過50%。電信、電子商務(wù)和建筑領(lǐng)域的應(yīng)用成熟度較高?？诿媾R的痛點，首先是基礎(chǔ)算力不足；其次是數(shù)據(jù)獲取成本高；三是人才不足；四是潛在法規(guī)風(fēng)險；五是市場認(rèn)知不準(zhǔn)確?？贏l

大模型行業(yè)是技術(shù)驅(qū)動的行業(yè)，且仍具有巨大的挖掘潛力、技術(shù)更新進步速度也較快，行業(yè)技術(shù)能力拓展上限尚未出現(xiàn)。行業(yè)發(fā)展的七大趨勢，

一是技術(shù)趨勢，具備強大預(yù)測能力的預(yù)測大模型、強大決策能力的決策大模型和能夠自主學(xué)習(xí)、實時交互的具身智能大模型最有可能成為繼自然語言大模型和多模態(tài)大模型后的下一個大模

型行業(yè)風(fēng)口；二是競爭趨勢，AI

大模型企業(yè)需將資源聚焦單一發(fā)展路徑，行業(yè)競爭將開始分化；三是應(yīng)用場景趨勢，行業(yè)應(yīng)用場景數(shù)量也將爆炸性的多元化增長，且會

逐漸從當(dāng)前的業(yè)務(wù)類場景向決策管理場景深入；四是應(yīng)用行業(yè)趨勢，前期信息化基礎(chǔ)較好，對新興技術(shù)接受度支付意愿也較高的金融、電商、教育和醫(yī)療領(lǐng)域是未來五

年AI大模型應(yīng)用潛力最高的四大下游行業(yè)領(lǐng)域；五是Al大模型的應(yīng)用將反哺基礎(chǔ)科學(xué)技術(shù)的發(fā)展；六是Al大模型將輕量化發(fā)展助力終端智能化；七是基礎(chǔ)A通用大模型

將開源化賦能構(gòu)建國產(chǎn)軟件生態(tài)；口針對Al大模型行業(yè)應(yīng)用的四大發(fā)展建議，

一是牢守安全底線、放開政策監(jiān)管力度，為行業(yè)創(chuàng)新發(fā)展打開政策空間；二是延續(xù)傳統(tǒng)高效的商業(yè)化應(yīng)用優(yōu)勢，加快Al大模型

應(yīng)用落地；三是打造開源生態(tài)，促進產(chǎn)業(yè)整體快速發(fā)展；四是加快人才培養(yǎng)，做好人才儲備工作；針對Al大模型行業(yè)應(yīng)用企業(yè)的三大發(fā)展策略，

一是脫虛向?qū)?，?jǐn)防陷入“模型”規(guī)模之爭；二是加強企業(yè)合作—t

十行業(yè)足爛曰業(yè)前苦西工久

日學(xué)亡細(xì)△行業(yè)+加△

習(xí)關(guān)已業(yè)產(chǎn)名代執(zhí)RWARD

前

瞻·投資一定要有前瞻的眼光引

言F決策FGRWARD

前

瞻決策

·投資一定要有前瞻的眼光01

Al大模型行業(yè)應(yīng)用概況02AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例C

O

N

T

E

N

T

S03

AI大模型行業(yè)應(yīng)用痛點及解決方案04AI大模型行業(yè)應(yīng)用前景趨勢及投資機會分析AI

大模型行業(yè)應(yīng)用概況1.1AI大模型定義及概述1.2AI大模型行業(yè)應(yīng)用價值1.3AI大模型行業(yè)應(yīng)用實現(xiàn)路徑1.4AI大模型行業(yè)應(yīng)用商業(yè)模式1.5AI大模型行業(yè)應(yīng)用需求概述1.6AI大模型行業(yè)應(yīng)用競爭格局1.7Al大模型行業(yè)應(yīng)用投融資分析1.8AI大模型行業(yè)應(yīng)用的合規(guī)要求2020-2023年中國大模型行業(yè)市場規(guī)模

(

單位：億元)1477037152020202120222023E多模態(tài)大模型CV大模型NLP大模型當(dāng)前整體AI大模型行業(yè)仍處

于萌芽期，市場規(guī)模并不大但行業(yè)增速較快，根據(jù)相關(guān)

公開統(tǒng)計數(shù)據(jù)顯示，2023年

我國大模型行業(yè)市場規(guī)模初

步估計將達到147億元，近三

年復(fù)合增速高達114%。Al大模型是指在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域中，采用大規(guī)模

參數(shù)(至少在一億個以上)的神經(jīng)網(wǎng)絡(luò)模型，AI

大模型在

訓(xùn)練過程中需要使用大量的算力和高質(zhì)量的數(shù)據(jù)資源。4.2L=(D/5.4·1013)-0.095

L=(N/8.8·1013)-0.0763.93.63.02.4L=(Cmn/2.3·108)-0.050108

109

10?10?1092021年

·

清華大學(xué)與阿里達摩院的研究2023年成果以及超算基礎(chǔ)實現(xiàn)的“腦級人工智能模型”八卦爐；(BAGUALU)

完成建立，其模型參數(shù)模型突破了174萬億個；·OpenAl

在國內(nèi)外引發(fā)熱潮；··

·2019年·

3月，百度推出了文心模型ERNIE

1.0,參數(shù)規(guī)模約1.1億，

此時尚未達到大模型的水平；·

同年7月，百度發(fā)布ERNIE2.0;

創(chuàng)新價值研究報告》前瞻產(chǎn)業(yè)研究院整理大模型算法的Loss

值隨計算資源、數(shù)據(jù)規(guī)模大小和參

數(shù)量的指數(shù)提升呈線性下降1.1AI大模型定義及概述阿里達摩院發(fā)布270億參數(shù)的

中文預(yù)訓(xùn)練語言模型PLUG;百度發(fā)布ERNIE3.0;浪潮信息發(fā)布超大規(guī)模預(yù)訓(xùn)練

模型“源1.0”;的大模型廠商及高校院所共計

254家；國家正式發(fā)布《生成式人工智

能服務(wù)管理暫行辦法》,規(guī)范

和鼓勵大模型行業(yè)的發(fā)展?！?/p>

商湯發(fā)布了書生

(INTERN)

大

模型；·

華為發(fā)布盤古系列超大規(guī)模預(yù)

訓(xùn)練模型；分類應(yīng)用占比Al大模型定義產(chǎn)業(yè)規(guī)模FGRWARD前瞻··

大模型行業(yè)爆發(fā)，截至2023年

10月，我國10億參數(shù)規(guī)模以上160140120100806040200●2022年行業(yè)發(fā)展歷程決策

投資一定要有前瞻的眼光ComputePF-days,non-embeddingParametersnon-embeddingDataset

Sizetokens其他大模型10-7

10-1

10Test

Loss2-2.7f3Df2Cf0A(K,L,D)0

要素組合1勞動人口勞動人口工業(yè)經(jīng)濟管理勞動人口管理新生產(chǎn)要素數(shù)字經(jīng)濟是繼農(nóng)業(yè)經(jīng)濟、工業(yè)經(jīng)濟之后的現(xiàn)階段主要經(jīng)濟形態(tài)，數(shù)據(jù)要素已成為數(shù)字經(jīng)濟時代下

的新型生產(chǎn)要素。2019年十九

屆四中全會，數(shù)字要素首次被增

列為生產(chǎn)要素，數(shù)據(jù)要素地位得

到確立。我國成為首個將數(shù)據(jù)列

為生產(chǎn)要素的國家。數(shù)據(jù)從企業(yè)內(nèi)部到外部的流通過程中可以創(chuàng)造三次價值：1、數(shù)據(jù)支撐業(yè)務(wù)貫通；2、數(shù)據(jù)推

動企業(yè)數(shù)智決策；3、數(shù)據(jù)資源流通交易賦能社會創(chuàng)造額外價值；基于生產(chǎn)函數(shù)模型，

Al大模型的技術(shù)進

步對生產(chǎn)函數(shù)的影

響如左圖所示，且

當(dāng)前的大模型技術(shù)進步對經(jīng)濟增長的

影響仍成發(fā)散態(tài)勢，即AB<BC<CD。1.2AI大模型行業(yè)應(yīng)用價值：提升要素效率及數(shù)據(jù)要素地位原始數(shù)據(jù)生成方式

用戶

機器生成

生成提升數(shù)據(jù)要素在生產(chǎn)要素中的組

合占比比重AI大模型的應(yīng)用從改變數(shù)據(jù)要素的生成方

式和企業(yè)經(jīng)營決策驅(qū)

動方式兩大維度提升

了數(shù)據(jù)要素在生產(chǎn)要

素組合中的占比地位。AI大模型技術(shù)進步提升生產(chǎn)要素使用效率AI大模型技術(shù)進步提升數(shù)據(jù)要素地位數(shù)據(jù)產(chǎn)品化建立企業(yè)級數(shù)據(jù)集市大數(shù)據(jù)分析挖掘數(shù)據(jù)價值形成數(shù)據(jù)產(chǎn)品化多元模式依托管控式數(shù)據(jù)治理模數(shù)據(jù)資產(chǎn)化確權(quán)/定價/交易搭建企業(yè)數(shù)據(jù)資產(chǎn)平臺梳理形成數(shù)據(jù)資產(chǎn)目錄全生命周期數(shù)據(jù)資產(chǎn)運數(shù)據(jù)費產(chǎn)管理反哺數(shù)據(jù)治理數(shù)據(jù)資產(chǎn)管理反哺數(shù)據(jù)數(shù)據(jù)資本化數(shù)據(jù)證券化IPO

資產(chǎn)/并購數(shù)據(jù)資產(chǎn)入表質(zhì)押融資數(shù)據(jù)信托數(shù)據(jù)銀行數(shù)據(jù)已成為新生產(chǎn)要素N

大

模

型FRWARD

前

瞻·土地土地資本士地資本數(shù)據(jù)正券、中國信通院；前瞻產(chǎn)業(yè)研究院整理企業(yè)經(jīng)營決策驅(qū)動方式企業(yè)內(nèi)部由“流程驅(qū)動”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)驅(qū)動”,數(shù)據(jù)

支撐業(yè)務(wù)決策數(shù)據(jù)流通打

破企業(yè)壁壘，

賦能整體行業(yè)和社會，為企業(yè)創(chuàng)造額外價值數(shù)據(jù)支撐業(yè)

務(wù)系統(tǒng)運轉(zhuǎn)，

推動q企業(yè)

業(yè)務(wù)數(shù)字化

轉(zhuǎn)型與貫通數(shù)據(jù)要素價值創(chuàng)造過程決策投資一定要有前瞻的眼光新生產(chǎn)要素技術(shù)三次價值

企業(yè)外部創(chuàng)造價值數(shù)據(jù)驅(qū)動流程驅(qū)動農(nóng)耕經(jīng)濟數(shù)字經(jīng)濟一次價值

業(yè)務(wù)貫通二次價值知識企業(yè)內(nèi)部知識技術(shù)B1.3AI大模型行業(yè)應(yīng)用實現(xiàn)路徑AI大模型應(yīng)用架構(gòu)部署層本地部署

云部署

混合部署應(yīng)用層C

端應(yīng)用

B/G

端應(yīng)用能力層行為分析模型

評估模型

生成創(chuàng)作模型

垂類行業(yè)模型

Agent模型層TXTNLP大模型

CV大模型

多模態(tài)大模型

其他大模型基礎(chǔ)層軟件基礎(chǔ)

硬件基礎(chǔ)

數(shù)據(jù)資源基礎(chǔ)4P第a

a范diamAI芯

片

公開數(shù)據(jù)

行業(yè)數(shù)據(jù)垂類行業(yè)大模型的構(gòu)建優(yōu)化是站在通用大模型的“巨人的肩膀”

CO

商湯nsetime上，當(dāng)前亦有許多企業(yè)同時采取布局兩種路徑的方式。360

原：企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理四r當(dāng)前AI大模型的行業(yè)化應(yīng)用的布局路徑主要有兩種：深化通用大模型

能力垂類行業(yè)大模型持續(xù)加大對通用大模型的

研發(fā)投入，提升AIAgent能

力直接服務(wù)各個行業(yè)。Baid百度智譜

·AI

iFLYTEK科大訊飛O

R

阿帕斯大模型

銜遠(yuǎn)科技平均模型參數(shù)體量更小

算力需求更小需要更多的行業(yè)專業(yè)知識數(shù)據(jù)進

行二次訓(xùn)練基于通用大模型某一單一能力優(yōu)化構(gòu)建戶

星

空ONSTA獵Ri云計算

開發(fā)軟件預(yù)訓(xùn)練大模型垂類行業(yè)大模型通用大模型FGRWARD前瞻·融合行業(yè)know-how,基于通用大模型打造垂類行業(yè)模型。N

大

模

型

行

業(yè)

應(yīng)

用

的

實

現(xiàn)

路

徑?jīng)Q策

投資一定要有前瞻的眼光打造本地部署本地調(diào)用產(chǎn)品授權(quán)費用(按年/買斷)+人員服務(wù)費(人*天)中大型企業(yè)黨政、工業(yè)云部

署SaaS模式

APP/網(wǎng)頁

訂閱模式、廣告收入、按次數(shù)收費

小微企業(yè)

知識搜索，內(nèi)容生成Pa

aS模式遠(yuǎn)程平臺訂閱模式、二次開發(fā)分成小微企業(yè)、初創(chuàng)企業(yè)電商MaaS模式

調(diào)用API

按流量計費、二次開發(fā)分成

中小企業(yè)

醫(yī)療、教育、文旅混合部署本地+云產(chǎn)品授權(quán)費用(按年/買斷)+人員服務(wù)費(人*天)+流量費用中大型企業(yè)金融、工業(yè)當(dāng)前需求方企業(yè)議價能力更強主要體現(xiàn)在企業(yè)在相同價格下對服務(wù)內(nèi)

容上的定制化、保密性要求會更高，因此在實際過程中初創(chuàng)企業(yè)憑借高

效的流程效率和靈活的業(yè)務(wù)開展方式反而會更目優(yōu)熱當(dāng)前AI大模型行業(yè)應(yīng)用商業(yè)化布局過程中，需求企業(yè)會更關(guān)注AI大模型產(chǎn)品與公司所處業(yè)務(wù)場景的融合

可能性以及最終落地的效果。來源：企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理當(dāng)前AI大模型行業(yè)應(yīng)用的商業(yè)模式類型商務(wù)較為統(tǒng)一標(biāo)準(zhǔn)的

定論。AI大模型企業(yè)為爭奪不同類型

市場會提供各種不同的靈活部

署、收費方案。當(dāng)前AI大模型仍處于技術(shù)快速迭代

的階段，因此許多企業(yè)客戶或者廠

商都會主動要求將定期的大模型的

迭代更新服務(wù)列為義務(wù)的服務(wù)內(nèi)容之一。1

.4中國AI

大模型行業(yè)應(yīng)用商業(yè)模式：多元化AaaS模式

融合智能終端/APP買斷模式、訂閱模式、廣告收入不限不限AI大模型行業(yè)應(yīng)用商業(yè)模式分類重視后續(xù)升級服務(wù)

需求方議價能力更強AI大模型行業(yè)應(yīng)用商業(yè)拓展特點3重視實際落地效果FGRWARD

前

瞻決策

·投資一定要有前瞻的眼光中國AI大模型行業(yè)應(yīng)用商業(yè)模式分類1企業(yè)對AI大模型能力需求AI大模型表象的能力特征則大致可分為穩(wěn)定性、準(zhǔn)確性、計算

速度、學(xué)習(xí)速度和專業(yè)能力五大維度，其決定了AI大模型在行

業(yè)應(yīng)用過程中的應(yīng)用效果、可持續(xù)性和未來的可拓展性。調(diào)研訪談觀點：當(dāng)前下游應(yīng)用行業(yè)對AI大模型表象的能力特征

要求排名順序為：計算速度→穩(wěn)定性→學(xué)習(xí)速度→準(zhǔn)確性→專

業(yè)

能

力

，表明企業(yè)更關(guān)注大模型的可持續(xù)性和未來可拓展性。行業(yè)應(yīng)用對AI大模型能力需求特征評分雷達圖穩(wěn)定性專業(yè)能力

準(zhǔn)確性學(xué)習(xí)速度

計算速度模型參數(shù)更大、本地化部署

私密、安

全性高企業(yè)對安全性需求調(diào)研訪談觀點：由于企業(yè)對大模型部署的私密安全性的需求較高，尤其是

黨政領(lǐng)域，因此企業(yè)在選擇大模型的時候會優(yōu)先選擇以下類型的企業(yè)高校、研究院背景本地化部署方式◆當(dāng)前需求企業(yè)對于AI大模型的應(yīng)用需求特征為在滿足可落地的前提下實現(xiàn)價格、私密安全性和大模型

能力效果的三者平衡?！粽{(diào)研訪談觀點：100~200億參數(shù)規(guī)模的大模型即可

滿足當(dāng)前行業(yè)應(yīng)用的大部分場景需求，且性價比較高。價格低Al大模型行業(yè)應(yīng)用概述AI大模型的行業(yè)應(yīng)用的爆發(fā)亦始于ChatGPT

出現(xiàn)，當(dāng)前處于廣泛探索的階段：ChatGPT

出現(xiàn)從供需兩方面點爆AI大模型行業(yè)應(yīng)用市場需

供1.5

AI大模型行業(yè)應(yīng)用需求概述：100-200億參數(shù)規(guī)模最優(yōu)企業(yè)接受度提升潛在應(yīng)用場景增加企業(yè)需求量增長

OpenAI一吸引資本涌入技術(shù)快速升級供給企業(yè)數(shù)量增長AI

大模型能力強

原：企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理大部分規(guī)模企業(yè)選擇本地化部署100~200億參數(shù)FRWARD

前

瞻·決策

投資一定要有前瞻的眼光需求特征智

譜AI獵戶星空●騰訊科大訊飛APUS第四范式360瀾舟科技生數(shù)科技華為商湯科技百度縱軸：對應(yīng)企業(yè)已公開披露的最大參數(shù)大模型的參

數(shù)規(guī)模；>縱軸分界線：千億參數(shù)規(guī)模；橫軸：對應(yīng)企業(yè)最早公開發(fā)布大模型的時間節(jié)點；橫軸分界線：ChatGPT發(fā)布時間點；參數(shù)規(guī)模100000

挑戰(zhàn)者100001000100創(chuàng)新者102024年11月

企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理高校、研究院優(yōu)勢：·

豐富的各行業(yè)專業(yè)數(shù)

據(jù)積累；·充沛的學(xué)術(shù)研究人才；

·無逐利目標(biāo)要求；·

良好學(xué)術(shù)研究環(huán)境；清草大學(xué)Tsinghua

University比

浮PEKINGUNIVERSITY

FUDAN

UNIVER當(dāng)前AI大模型

產(chǎn)業(yè)應(yīng)用的參

與者主要分為

高校研究院、

傳統(tǒng)互聯(lián)網(wǎng)大

廠和AI初創(chuàng)企業(yè)，三者既是

競爭關(guān)系亦是

合作關(guān)系。傳統(tǒng)互聯(lián)網(wǎng)大廠優(yōu)勢：·

充足的資金支持；·大量經(jīng)驗豐富的行業(yè)人才；

·潛在的行業(yè)客戶基礎(chǔ)；目

■

圓Al初創(chuàng)企業(yè)優(yōu)勢：·高效的企業(yè)運作效率；

·靈活的業(yè)務(wù)開展方式；

·

專精于所處細(xì)分賽道；2547960321.6

AI大模型行業(yè)應(yīng)用競爭格局N

大

模

型

行

業(yè)

應(yīng)

用

競

爭

格

局30025020015010050200AI大模型數(shù)量FfRWARD前

瞻決策

·投資一定要有前瞻的眼光銜遠(yuǎn)科技科

大

訊

飛

iFLYTFKCO

商湯sensetime中國AI大模型企業(yè)競爭格局360發(fā)布時間務(wù)實者領(lǐng)先者阿里202■

圖

■

■國2021-2024中國AI大模型行業(yè)投融資事件輪次分布

(

單位：件)經(jīng)營風(fēng)險極高十權(quán)益融資資大模型行業(yè)

資料來源：

IT

桔子前瞻產(chǎn)業(yè)研究院整理AI

Agent,6其他類型，5決策類大模型，1通用大模型，2Al+智能終端，1圖像、視頻模型輕量化，2

生成，10軟件開發(fā)，2我國AI大模型行業(yè)投融資事件

始于2021年，并于2023年受

到資本的追捧，全年投融資

事件14件，投融資金額超10

億元。截至2024年4月，我國A

I大模

型投融資事件及金額已接近

2023年全年水平。從投融資事件輪次來看，除第四范式于2023年成

功在港股上市外，其余AI

大模型行業(yè)投融資事件均

集中于A+

輪及以前，其

中天使輪投融資事件數(shù)量

最多，達19件。1

.7中國AI大模型行業(yè)應(yīng)用投融資分析：處于萌芽階段2021-2024中國AI大模型行業(yè)投融資事件數(shù)量及金額(單位：件，億元)投資賽道分類投融資所處階段投融資規(guī)模及輪次FGRWARD前瞻·經(jīng)營風(fēng)險高十權(quán)益融資為主經(jīng)營風(fēng)險中等十權(quán)益+債務(wù)融經(jīng)營風(fēng)險低十權(quán)益+債務(wù)融資投資事件數(shù)量(件)

一投資金額(億元)決策

投資一定要有前瞻的眼光市

場

增

長

率衰退期成熟期萌芽期成長期AI大模型行業(yè)應(yīng)用合規(guī)要求《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》與《生成式人工智能服務(wù)管理暫行辦法》對比前我國AI大模型的行業(yè)應(yīng)用實行備案制，

正式參考文件是2023年7月，國家互聯(lián)網(wǎng)信

息辦公室發(fā)布的《生成式人工智能服務(wù)管理暫行辦法》;此外，在現(xiàn)有法律體系下，生成式人工智能

技術(shù)乃深度合成技術(shù)的子集。因此部分國內(nèi)

大模型企業(yè)亦可通過獲得《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》的備案實現(xiàn)大模型算法

的合規(guī)要求?！痘ヂ?lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》發(fā)布時間2022年12月2023年7月實行時間

2023年1月2023年8月定義概念深度合成技術(shù)，是指利用深度學(xué)習(xí)、虛擬現(xiàn)實等生成合成類算法制作文本、圖像、音頻、視頻、虛擬場景

等網(wǎng)絡(luò)信息的技術(shù)生成式人工智能技術(shù)，是指具有文本、圖片、音頻、視頻等內(nèi)容生成能力的模型及相關(guān)技術(shù)適用對象具有輿論屬性或者社會動員能力的深度合成服務(wù)提供者和服務(wù)技術(shù)支持者；提供具有輿論屬性或者社會動員能力的生成式人工智能服務(wù)的企業(yè)；主要區(qū)別深度合成技術(shù)本質(zhì)上是根據(jù)一定的需求，對已有的數(shù)據(jù)(圖片、文字等)進行組合、拼接，其并不能從無到有的生成新內(nèi)容；生成式人工智能技術(shù)的邏輯為“理解-創(chuàng)作”,生成內(nèi)容具有新穎性，并非對已有內(nèi)容的拼接，換言之，其具有對已有數(shù)據(jù)進行演繹創(chuàng)新的能力。抖音云雀大模型商湯科技日日星大模型出門問問序列猴子金山辦公WPS

Al華為

盤古大模型

MiniMax

A

BAB大模型昆侖萬維

天工大模型

360奇元大模型中科院紫東太初上海人工智能實驗室

書生通用大模型月之暗面

MoonShot資料來源：前瞻產(chǎn)業(yè)研究院整理阿里通義大模型智譜AIGL

M大模型螞蟻集團百靈大模型網(wǎng)易有道子曰大模型通過《生成式人工智能服務(wù)管理暫行辦法》備案的大模型名單第一批通過《生成式人工智能服務(wù)管理暫行辦法》大模型名單

第二批通過《生成式人工智能服務(wù)管理暫行辦法》大模型名單1.8

AI大模型行業(yè)應(yīng)用的合規(guī)要求：暫行備案制百度文心一言科大訊飛星火大模型美團未公開面壁智能

Luca大模型騰訊混元大模型百川智能

百川大模型知乎知海圖AI

好未來

九章大模型公司FGRWARD前瞻·決策

投資一定要有前瞻的眼光當(dāng)瀾舟科技孟

子

G

P

T深言科技語鯨大模型第四范式式說大模型步刻科技微步情報智腦京東言犀大模型

中科聞歌

雅意大模型銜遠(yuǎn)科技

品商大模型

BOSS直聘

南北閣大模型抖音福祿瓜大模型銜遠(yuǎn)科技慕小仙大模型智聯(lián)招聘“A

I改簡歷”云知聲山海大模型創(chuàng)思遠(yuǎn)達魔方大模型掌閱科技“

閱愛卿

”部分通過《互聯(lián)網(wǎng)信息服務(wù)深度合成公司大模型算法名稱深信服安全文本生成算法智譜AI文本結(jié)構(gòu)化生成算法華為云盤古NLP大模型算法360智腦圖像生成算法智譜AI多模態(tài)通用圖生文算法抖音云雀大模型算法中科院聞歌雅意大模型算法云知聲山海認(rèn)知大模型算法出門問問序列猴子大模型算法奇想智能視覺大模型算法MAiroaloL/ioion紅棉小冰科技小冰大模型識因智能一葉輕舟大模型小米“小愛同學(xué)”聆心智能Character

GLM

新壹科技

新壹視頻大模型

什么值得買

AI問答機器人1.8

AI大模型行業(yè)應(yīng)用的合規(guī)要求：暫行備案制快手

快意大模型

零一萬物理

零一萬物大模型

脈脈

“智能問答”第三批通過《生成式人工智能服務(wù)管理暫行辦法》大模型名單

第四批通過《生成式人工智能服務(wù)管理暫行辦法》大模型名單360

智腦文本生成算法

智譜AI

文檔解讀生成算法

百度

文心大模型算法阿里達摩院圖像合成算法網(wǎng)易有道

子曰大模型算法

昆侖萬維

天工大語言模型算法MetaLLM大語言模型文秘塔科技

本生成算法華為智慧助手大模型算法智譜AI交互式內(nèi)容生成算法華為云盤古多模態(tài)大模型算法WPSAI文本生成算法-1商湯科技商量大語言模型百度文生圖內(nèi)容生成算法

科大訊飛訊飛星火認(rèn)知大模型算法

阿里達摩院開放域自然對話合成算法FGRWARD前瞻·西湖心辰西湖大模型內(nèi)容生成算法京東言犀大模型內(nèi)容生成算法智譜AI

ChatGLM生成算法騰訊混元助手大模型百度

PLATO大模型算法決策

投資一定要有前瞻的眼光美圖秀秀中國AI大模型行業(yè)應(yīng)用現(xiàn)狀及案例2.1

AI大模型行業(yè)應(yīng)用滲透情況2.2

AI大模型行業(yè)通用場景應(yīng)用分析2.3

AI大模型+金融2.4AI大模型+政務(wù)2.5AI大模型+醫(yī)療2.6

AI大模型+電商2.7

AI大模型+教育2.8

AI大模型+終端2.9

AI大模型+其他行業(yè)02行業(yè)滲透情況金融政府影視游戲交通

電子商務(wù)能源建筑應(yīng)用成熟度截至2023年，金融、政府、影視游戲和教育領(lǐng)

域是大模型滲透率最高

的四大行業(yè)，滲透率均

超過50%。電信、電子

商務(wù)和建筑領(lǐng)域的應(yīng)用

成熟度較高。從我國AI大模型的生成模態(tài)來看，單一模態(tài)中

主要集中在AI文本，占

比為27%;其次為數(shù)字

人，占比也達到20%;

而AI音

頻

、Al繪畫以及

Al視頻的占比為8%、從區(qū)域滲透情況來看，我國AI大模型行業(yè)應(yīng)

用企業(yè)大多分布在東

部地區(qū)或經(jīng)濟發(fā)達的

一線城市，尤其集中在北京、上海、廣東、

浙江等地。2.1

AI大模型行業(yè)應(yīng)用滲透情況：金融、政務(wù)滲透率最高從AI大模型行業(yè)應(yīng)用路徑的具

體占比情況來看，當(dāng)前60%的

企業(yè)通過垂類行業(yè)大模型實現(xiàn)

Al大模型在行業(yè)的應(yīng)用布局。通用大模型...行業(yè)大模型..46生成模態(tài)分布AI大模型具體生成模態(tài)分布律安

徽

江

蘇

山

東原：賽迪、至頂科技前瞻產(chǎn)業(yè)研究院整理數(shù)字人，20%Al音頻，8%行業(yè)應(yīng)用路徑占比FGRWARD

前瞻·AI圖像，4%Al視頻，5%Al繪畫，6%2023年中國AI大模型企業(yè)區(qū)域分布TOP10(

單位：家)1413

107664443222教育制造醫(yī)療區(qū)域滲透情況決策

投資一定要有前瞻的眼光驅(qū)

你

件

比AI文本，27%城市治理滲透度公共安全其他，30%泛語言工業(yè)科研通信校對教育交通商業(yè)文娛法律汽車文旅媒體課

扣傳媒政務(wù)運維1

11

11111■自主學(xué)習(xí)及改進能力智能營銷利用算法和模型，通過分析大量數(shù)據(jù)來做出決策。它能夠快速調(diào)整策略，基于實時數(shù)據(jù)進行優(yōu)化，并自動執(zhí)行營銷活動。智能營銷通常能夠在一定程度上提高成本效益，因為它能夠自動執(zhí)行許多任務(wù)，減少了人工勞動力成本。而不斷優(yōu)化服務(wù)質(zhì)量

Frost

&Sullivan

前瞻產(chǎn)業(yè)研究院整理2019-2027年中國智能客服行業(yè)市場規(guī)模(單位：億元)181133=35%CPG30.1

48.716.0智能客服是通過文字、語音、圖片等媒介與用戶構(gòu)建交互

橋梁，協(xié)助人工進行會話、質(zhì)檢、業(yè)務(wù)處理。截至2023年我國智能客服行業(yè)市場規(guī)

模為87億元，預(yù)計到2027年

行業(yè)將增長到181.3億元，復(fù)

合增速達35%。大模型的功能特征完美契合了智能客服場景的實際需求，智能客服也因此進一步邁向AI數(shù)字化運營，智能客服的應(yīng)用邊界不斷拓寬拓深。智能營銷的主要目的是提高營銷效率和效果，

創(chuàng)造新的消費者交互場

景體驗，以及發(fā)現(xiàn)和創(chuàng)

造消費需求。當(dāng)前智能

營銷市場規(guī)模已突破500億元，預(yù)計2027年

將達到786億元。融合了AI大模型的智能營銷業(yè)務(wù)優(yōu)勢強調(diào)使用先進的技術(shù)，如人工智能、大數(shù)據(jù)分析和機器學(xué)習(xí)，依據(jù)處理大規(guī)模的數(shù)據(jù)，進行自動化決策；2.2AI大模型行業(yè)通用場景應(yīng)用分析具備自主學(xué)習(xí)和持續(xù)改進的能力，甚至可以在對話過程中，根據(jù)用戶前文

的反饋內(nèi)容做出實時的變化調(diào)整，從智能營銷智能客服FGRWARD

前瞻·能夠根據(jù)用戶的反饋內(nèi)容做出符合用戶需

求和場景的回復(fù)理解能力更強，能夠準(zhǔn)確地識別不同用戶

表達內(nèi)容背后的意圖2019-2027年中國智能營銷行業(yè)市場規(guī)模

(

單位：億元)786726670610決策變化成本

效益融合了大模型的智能客服優(yōu)勢A3%0550500決策

投資一定要有前瞻的眼光cAGR420對話決策能力決策依據(jù)理解能力66.83808730010395·

相較于傳統(tǒng)機器翻譯，大型語言模型能夠更好地理解上下文，考慮更長范圍的依賴關(guān)系，從而生成更準(zhǔn)確的翻譯結(jié)果。人性化程度·

相較于傳統(tǒng)機器翻譯，智能翻譯可以容自然語言大模型從而使得其翻譯的內(nèi)容更符合人類語序。理解能力·

相較于傳統(tǒng)機器翻譯，融合了大模型的智能翻譯工具能夠更好地根據(jù)上下文和語序理解需要翻譯的內(nèi)容原文。2016-2022年中國智能翻譯行業(yè)市場規(guī)模

(

單位：億元)102.3379.4252.5528.02智能翻譯涉及軟件和硬件產(chǎn)品。隨著全球化和

互聯(lián)網(wǎng)迅速發(fā)展，跨語

言的網(wǎng)絡(luò)資源不斷呈幾

何級數(shù)增長，極大地刺

激了智能翻譯產(chǎn)業(yè)的發(fā)

展。2022年中國智能

翻譯市場規(guī)模102.33億

元。智能搜索是指采用了智能搜索引擎為用戶提供相應(yīng)信息

的服務(wù)，智能搜索引擎是結(jié)

合了人工智能技術(shù)的新一代

搜索引擎。2023年上半年我國網(wǎng)絡(luò)搜索用戶規(guī)模為8.41

億人，使用率為78.0%。用戶輸入搜索關(guān)鍵詞，搜索引擎基于搜索算法，按關(guān)鍵詞匹配及排名算法展示網(wǎng)頁鏈接作為結(jié)果以關(guān)鍵詞為知識調(diào)用方式，反饋結(jié)果包含大量基礎(chǔ)信息·

搜索信息源廣泛，需要

用戶大量瀏覽及篩選；·

無法直接理解、滿足復(fù)雜及結(jié)構(gòu)化的搜索需求隨著用戶IN

APP搜索習(xí)慣逐步發(fā)展而成，主要基于平臺生態(tài)中的內(nèi)容滿足搜索需求關(guān)鍵詞搜索，反饋結(jié)果受內(nèi)容

生態(tài)完善度影響2.2AI大模型行業(yè)通用場景應(yīng)用分析·

對話式搜索，具備交互性；●●

能夠理解復(fù)雜問題，具有推薦和決策能力，可提供更為具體及個性化的回答以語義匹配為基礎(chǔ)，使用大

模型生成內(nèi)容作為答案；具

備自我學(xué)習(xí)能力，能夠持續(xù)

優(yōu)化輸出結(jié)果

·

啟發(fā)式搜索滿足用戶“隨看隨搜”需求；●

相對綜合搜索更能滿足垂

直需求，但仍有相同弊端搜索方式知識調(diào)用搜素體驗7.506.816.406.02智能搜索智能翻譯融合了AI大模型的智能翻譯的優(yōu)

勢準(zhǔn)確性FGRWARD前瞻·2016年2017年2018年2019年2020年2021年2022年%

)84%

82%

80%

78%

76%

74%

72%

70%03易于把控搜索引擎的變遷及融合了AI大模型的智能搜索優(yōu)勢中國網(wǎng)絡(luò)搜索用戶規(guī)模及使用率(單位：億

人

，通過自然語言交互反饋，知識調(diào)用方式更為自然國互聯(lián)網(wǎng)信息中心前瞻產(chǎn)業(yè)研究院整理用戶規(guī)模(億人)

——使用率(%)8.508.00

7.50

7.00

6.50

6.00

5.505.00決策

投資一定要有前瞻的眼光8.297.70融合大模型的搜索智能翻譯特點融合大模型傳統(tǒng)獨立搜素翻譯速度快生態(tài)內(nèi)搜索成本低15.29.128.278.024.601022017-2025年中國智慧金融市場規(guī)模及增速(單位：億元，%)3638C

1692

19942017年2018年2019年2020年2021年2022年

2025年金

融

行

業(yè)

融

合N

大

模

型

優(yōu)具備支付能力新興技術(shù)往往以為著高成本，

金融行業(yè)盈利能力強，具備

極強的為新技術(shù)買單的支付細(xì)分場景價值分析智能

問答資產(chǎn)管理虛擬數(shù)字人產(chǎn)品

研發(fā)應(yīng)用落地價值數(shù)字化基礎(chǔ)好金融行業(yè)前期數(shù)字化轉(zhuǎn)型水平最高，超過90%以上，積累了豐富的行業(yè)數(shù)據(jù)資源。新事物接受程度高金融行業(yè)對新興技術(shù)普

遍接受程度、包容度和

支付意愿都更強。報告》企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理FGRWARD前瞻金融行業(yè)的數(shù)字化程度在

全行業(yè)中相對領(lǐng)先，當(dāng)前，

大智慧銷售、智能問答和

智能辦公是現(xiàn)階段金融行

業(yè)最熱門也是應(yīng)用成熟度

最高的AI大模型應(yīng)用場景，

智能風(fēng)控則是最具有發(fā)展

勢能和應(yīng)用落地價值的潛

力場景。·Al+金融并非單純的技術(shù)累加，而是針對不同業(yè)務(wù)場景需求，運用前沿技術(shù)成果

推出的創(chuàng)新金融產(chǎn)品、經(jīng)營模式、業(yè)務(wù)流程，以及推動金融業(yè)務(wù)高質(zhì)量發(fā)展的一

系列配套解決方案?！?/p>

個性化產(chǎn)品設(shè)計

·

產(chǎn)品配置與解決方案·電銷機器人客戶洞察與潛客

預(yù)測需求檢測識別●

資料自動審核

·

AI反欺詐·

AI信用評分·

客服機器人·

基于圖像、語音

的身份識別個性化服務(wù)·

自動報表生成

·

內(nèi)部合規(guī)風(fēng)控

·

操作風(fēng)險預(yù)警Al+金融應(yīng)用概述產(chǎn)品設(shè)計

市場營銷

風(fēng)險控制

客戶服務(wù)

支持性活動2.3

AI大模型+金融：智能風(fēng)控應(yīng)用落地價值最高注：智慧金融市場包含AI大模型

AI大模型+金融應(yīng)用概述市場規(guī)模決策

投資一定要有前瞻的眼光智慧

辦公代碼助手應(yīng)用技術(shù)成熟度智慧

銷售智能

風(fēng)控2822254623011526在為金融行業(yè)帶來傳統(tǒng)場景升級的同時，大模型的強大生成能力和多模態(tài)信息處理能力會為包括銀行、保險、資管、投顧等在內(nèi)的金融業(yè)務(wù)帶來“迭代式”的場景變革。AI大模型驅(qū)動金融行業(yè)新場景革新智能營銷：通過多模態(tài)全維度營銷策略，實現(xiàn)

個性化廣告投放，提高營銷轉(zhuǎn)化場景案例：理財產(chǎn)品營銷、銀行零售業(yè)務(wù)財富管理：整合投資銀行分析師知識與研究

成果，提供精準(zhǔn)投資建議，實現(xiàn)智能化投資

顧問服務(wù)場景案例：針

對TMT領(lǐng)域基金或理財，綜合研判輸

出投顧建議代碼生成：

提升金融系統(tǒng)開發(fā)效率和創(chuàng)新

能力，并優(yōu)化金融科技團隊結(jié)構(gòu)，增強團隊效能場景案例：高頻重復(fù)業(yè)務(wù)場景的SQL

撰寫，數(shù)

倉的自動調(diào)度等案例內(nèi)容：在智能化投研平臺基礎(chǔ)上基于AI大模型能力新增投研知識庫擴充、投研分析助手等功能，提高了大模型在金融投資研究中的應(yīng)

用能力，建立了可以實際使用的金融投研大模型。>解決場景痛點：數(shù)據(jù)分析處理能力不足；檢索方式單一；報告攥寫時間長；信息匯總檢索費時費力等。金融信息查詢：大模型的應(yīng)用推動了服務(wù)方式的

創(chuàng)新，用戶可通過自然語言問答直接獲取金融數(shù)據(jù)等信息場景案例：貸款總額報表的快速產(chǎn)出、高凈值客戶的相關(guān)信息快速調(diào)取-合規(guī)篩查：借助大型模型，可有效監(jiān)管難以直接監(jiān)管的業(yè)務(wù)環(huán)節(jié)，降低潛在合規(guī)風(fēng)險場景案例：金融企業(yè)營銷合規(guī)監(jiān)察，銀行催收合規(guī)監(jiān)察>案例內(nèi)容：基于AI大模型，研發(fā)出“海小智、海小慧”兩位AI數(shù)字員工，為用戶提供業(yè)務(wù)咨詢與指導(dǎo)、產(chǎn)品推介、客戶投教等交互服務(wù)。>

解決場景痛點：服務(wù)人力與需求不對等；數(shù)字鴻溝；老年客群不會使

用電子設(shè)備，依賴人工交互等問題。2.3

AI大模型+金融：大模型驅(qū)動金融行業(yè)新場景革新精準(zhǔn)化、個性化的核保決策；同時，還打造了智能理賠系統(tǒng)，實現(xiàn)了自動化、快速化、公正化的理賠處理，有效降低了理賠成本和風(fēng)險。解決場景痛點：理賠效率低下，人工審核慢。

》、企業(yè)調(diào)研訪談前瞻產(chǎn)業(yè)研究院整理-智能培訓(xùn)：構(gòu)建企業(yè)內(nèi)培訓(xùn)課程庫，實現(xiàn)個性化精準(zhǔn)培訓(xùn)場景案例：面向投研、資管等專業(yè)金融技能的人力資源培訓(xùn)平臺訓(xùn)練數(shù)據(jù)生成：金融企亞可利用天型模型自動生成逼真訓(xùn)練數(shù)據(jù)，替代真實客戶數(shù)

據(jù)，保護隱私場景案例：關(guān)聯(lián)交易風(fēng)險預(yù)警模型，信貸授信模型等模型預(yù)料自動生成代碼補全：大型模型助力金融系統(tǒng)開發(fā)，提升代碼構(gòu)建和BUG

定位效率場景案例：Function

函數(shù)創(chuàng)建、debug、測試(系統(tǒng)、

單元等)以條件文本生成能力為核心AI大模型融合影響分析中國聯(lián)通軟件研究院智能投研解決方案應(yīng)用案例FGRWARD前瞻·以開/閉卷問答能

力為核心案例內(nèi)容：基

于Al大模型預(yù)測能力打造智能核保系統(tǒng)，實現(xiàn)了自動化、以知識推理能力為核心以代碼合成能力為核心風(fēng)險控制決策應(yīng)用案例AI數(shù)字員工應(yīng)用案例決策

投資一定要有前瞻的眼光4P第a四r

d元i

lm瀾舟科技l

a

n

g

bo

a

t上海銀行BankofShanghaiCO中國人壽HINA

L商湯onsetimeChinaunicom

Software細(xì)分場景價值分析政務(wù)領(lǐng)域作為社會服務(wù)的核心，其業(yè)務(wù)背景包含龐大的政府?dāng)?shù)據(jù)、多元的社會信息，以及復(fù)雜的決策體系。從各國(地區(qū))實踐看，大模型技術(shù)已在政府內(nèi)部辦公、政務(wù)信息公開、政務(wù)服務(wù)提供、民生服務(wù)優(yōu)化和國防航天等5大領(lǐng)域13個細(xì)分場景落地。應(yīng)用落地價值地方政策★2023年5月《北京市促進通用人工智能創(chuàng)新發(fā)展的若干措施》利用人工智能在語義理解、自主學(xué)習(xí)和智能推理等方面的能力優(yōu)勢，提高政務(wù)咨詢系統(tǒng)智能問答水平★2023年3月《2023年上海市全面深化“一網(wǎng)通辦”改革工作要點》探索運用自然語言大模型等新技術(shù)，不斷優(yōu)化智能客服“小申”智能檢索、用戶意圖識別、多輪會話和答案精準(zhǔn)推送能力★2023年5月《深圳市加快推動人工智能高質(zhì)量發(fā)展高水平應(yīng)用行動方案》向工工Lπ國家/地區(qū)應(yīng)用范圍國家/地區(qū)應(yīng)用范圍美國眾議院、國防部、國家航空航天局(NASA)、衛(wèi)生與公共服務(wù)部、總務(wù)管理局，以及8個州、市、縣等日本農(nóng)林水產(chǎn)省、東京都、福島縣、標(biāo)木縣、神奈川縣橫須賀市、北海道當(dāng)別町等加拿大公務(wù)人員使用大模型產(chǎn)品進行辦公中國臺灣臺灣地區(qū)教育事務(wù)主管部門英國財政大臣使用ChatGPT撰寫演講稿韓國首爾120山茶呼叫中心丹麥?zhǔn)紫嗍褂肅hatGPT撰寫演講稿馬來西亞科學(xué)、技術(shù)和創(chuàng)新部葡萄牙司法部、112政府緊急熱線印度電子和信息技術(shù)部、教育部愛爾蘭農(nóng)業(yè)部、交通部新加坡科技研究局、勞動力局、衛(wèi)生部等2.4

AI大模型+政務(wù)：城市管理應(yīng)用落地價值最高作政府

宣

傳

類

物化或改寫官方文4開

新

聞

或

稿

件

寫業(yè)

領(lǐng)

域

問

詢

系

統(tǒng)業(yè)

務(wù)

辦

理

智

能

助

手政

務(wù)

熱

線就業(yè)智

慧

城

市

建

設(shè)公

共

安

全內(nèi)部文書寫作知

識

檢

索

收

集鼓勵各區(qū)在公共服務(wù)和城市治展全域全時人工智能應(yīng)用示范FGRWARD前瞻·各國(地區(qū))政府對大模型技術(shù)的應(yīng)用實踐案例航

空

航

天國

防

安

全大模型應(yīng)用報告》前瞻產(chǎn)業(yè)研究院整理Al大模型+政務(wù)應(yīng)用概述政府內(nèi)部辦公決策

投資一定要有前瞻的眼光Al+政務(wù)應(yīng)用概述政務(wù)服務(wù)提供政務(wù)信息公開民生服務(wù)優(yōu)化影

響

分

析應(yīng)用技術(shù)成熟度國防航天模

型融

合N

大政務(wù)咨詢城市

管理業(yè)務(wù)辦理公文寫作輿情

監(jiān)控公共

安全智慧黨建智慧

司法工L

六口APUSAI辟謠助手中國互聯(lián)網(wǎng)聯(lián)合辟謠平臺(含文字標(biāo)注能力)省級互聯(lián)網(wǎng)辟謠平臺OCR識別黨政機關(guān)官網(wǎng)政務(wù)信息訓(xùn)練/萃取新聞媒體權(quán)威發(fā)布假設(shè)數(shù)據(jù)分析目的案例：哪些民生問題是由高溫氣候所引起的?是否有政策缺失的情況?

對比學(xué)習(xí)現(xiàn)有政策因果關(guān)系分析通用大模型100萬條市民熱線數(shù)據(jù)案例內(nèi)容：APUS

與河南網(wǎng)信辦等相關(guān)機構(gòu)合作，借助APUS

網(wǎng)信

大模型創(chuàng)建智慧網(wǎng)信·辟謠助手，為民眾在線提供可靠的信源、清晰

的案例，以及圖文并茂的真實辟謠

信息，助力網(wǎng)信部門構(gòu)筑清朗的網(wǎng)

絡(luò)空間。解決場景痛點：辟謠處理反饋不及

時，無法立即控制謠言的負(fù)面影響。>案例內(nèi)容：銜遠(yuǎn)科技協(xié)助北京市政府基于AI大模型進行深度數(shù)據(jù)分析，透

過對已有市民熱線數(shù)據(jù)的分析和對通

用大模型的進一步訓(xùn)練，深入挖掘熱點民生問題背后的根因，并對比現(xiàn)有

政策，提示政策缺失。>解決場景痛點：政策缺失；治標(biāo)不治本；數(shù)據(jù)信息利用程度不高。2.4

AI大模型+政務(wù)案例銜遠(yuǎn)科技

X

北京市人民政府FGRWARD

前瞻·銜遠(yuǎn)科技基于AI大模型助力北京市政府實現(xiàn)數(shù)據(jù)深度分析應(yīng)用案例2提示政策缺失事前預(yù)防應(yīng)用案例1網(wǎng)絡(luò)謠言問詢謠言舉報收集多模態(tài)通用大模型APUS分析得出由高溫引起的熱點民生問題數(shù)據(jù)補充數(shù)據(jù)校正智慧網(wǎng)信大模型

(PowerbyAPUS)智慧辟謠助手(對外服務(wù))智慧政務(wù)助手(對外服務(wù))查詢數(shù)據(jù)訓(xùn)練數(shù)據(jù)民生問題與市政部門的精準(zhǔn)對接反饋給市政

部門河南網(wǎng)信辦決策

投資一定要有前瞻的眼光評價反饋平臺APUS

X辟謠知識庫使用評價反饋數(shù)據(jù)查詢訓(xùn)練細(xì)分場景價值分析電子病歷醫(yī)學(xué)培訓(xùn)醫(yī)學(xué)影像篩查數(shù)字療法

藥物研發(fā)應(yīng)用落地價值大模型可賦能醫(yī)療行業(yè)“醫(yī)、教、研、管”等場景中的各個環(huán)節(jié)，以

提高診療效率、診療精確度和管理

效率等目標(biāo)為手段，全方位提升診

療水平?；卺t(yī)療行業(yè)應(yīng)用場景復(fù)

雜和數(shù)據(jù)專業(yè)度高等原因，大模型

的技術(shù)成熟度相對較低，目前僅有

電子病歷等技術(shù)要求相對低的場景

進入商業(yè)化階段。AI大模型融合影響分析面醫(yī)護群體·

減少瑣碎工作壓力

·

輔助診療支持Al+醫(yī)療應(yīng)用概述醫(yī)院沉淀了大量電子病歷，不管是電子健康檔案還是電子病歷，都是以文字方式積累。利用AI算法技術(shù)能夠幫助醫(yī)院自動識別文字含義及

上下文關(guān)系，建立對應(yīng)的醫(yī)療知識圖譜，用于輔助診斷、用藥提示、

科研挖掘等。醫(yī)療機構(gòu)·

完善電子病歷，提升管

理效率·

減少醫(yī)患矛盾

·

利于醫(yī)?？刭M病患群體·

降低小病治療成本

·

縮小醫(yī)療資源不足導(dǎo)致制藥企業(yè)·

降低研發(fā)成本，提升效率資料來源：前瞻產(chǎn)業(yè)研究院整理在Al

算法的支持下，大量醫(yī)藥企業(yè)正通過臨床經(jīng)驗結(jié)合標(biāo)志屬性去挖

掘發(fā)現(xiàn)更多的腫瘤標(biāo)注，加速新藥研發(fā)過程。相對文字和圖像方向，

輔助研發(fā)方向人工智能應(yīng)用場景還處在相對初期階段，在政策支持和

市場需求的推動下，未來具有極大的發(fā)展?jié)摿?。通過AI算法構(gòu)建的圖像識別方式輔助醫(yī)師檢查，準(zhǔn)確率已經(jīng)達到較高程度。例如，對患者的肺部放射影像診斷需要醫(yī)生檢查大量的放射影

像，耗費大量的精力和時間，醫(yī)學(xué)影像人工智能輔助診斷系統(tǒng)的應(yīng)用

極大提高了診斷的效率。2.5

AI大模型+醫(yī)療：藥物研發(fā)場景應(yīng)用落地價值最高(

單位：億元)2332.0C937.0市場規(guī)模2015-2028年中國智慧醫(yī)療市場規(guī)模及增速文字對話AI大模型+醫(yī)療應(yīng)用概述201520162017201820192020注：智慧醫(yī)療市場包含AI

大模型FGRWARD

前瞻·542.0302.4333.8375.2410.6451.7N

大

模

型

融

合

影

響

分

析圖像診療決策

投資一定要有前瞻的眼光應(yīng)用技術(shù)成熟度臨床

文檔

管理健康

管理輔助

診療助研發(fā)Al檢驗650.4780.5APUS與河南省兒童醫(yī)院合作項目全景圖Al數(shù)字醫(yī)生健康評估/疾病篩查數(shù)據(jù)補充健康診療知識庫

智能診療平臺數(shù)據(jù)校正健康管理知識慢病養(yǎng)護/養(yǎng)生建議使用評價反饋APUS

醫(yī)療大模型

評價體系FGRWARD前瞻

項目成果·

已初步開發(fā)了醫(yī)療垂直領(lǐng)域的問答功能，支

持對醫(yī)療、健康問題進行智能化知識問答?！?/p>

開發(fā)了根據(jù)癥狀生成中醫(yī)診方的功能?！ぬ峁┨幏街髦伟Y候醫(yī)學(xué)解釋等輔助診療功能?！ぁ?/p>

中醫(yī)領(lǐng)域存在名醫(yī)少、傳承斷代、醫(yī)療資源

不足；·

中醫(yī)依賴醫(yī)生經(jīng)驗及閱歷；·

中醫(yī)數(shù)據(jù)資料龐大、典籍豐富；·

智譜基于GLM-130B

大模型和千余本中醫(yī)古籍書籍、中西醫(yī)教材、期刊、醫(yī)案、診療信息等數(shù)據(jù)構(gòu)建數(shù)字中醫(yī)

服務(wù)平臺。通過“復(fù)刻”名老中醫(yī)診療經(jīng)驗和學(xué)術(shù)思想，

形成與名老中醫(yī)高度匹配的高危肺結(jié)節(jié)人工智能臨床診

療解決方案，并完成一定規(guī)模的臨床評價研究。

案例內(nèi)容：APUS

基于醫(yī)療垂直場景數(shù)據(jù)，蒸餾提煉出行業(yè)基礎(chǔ)層——APUS

醫(yī)療大模型，與省兒童醫(yī)院在

知識庫構(gòu)建、智能診療平臺搭建、AI

數(shù)字醫(yī)生、智能評價體系建設(shè)方面進

行實踐落地。>解決場景痛點：醫(yī)療行業(yè)容錯率低、

專業(yè)要求高、醫(yī)療壓力大、患者就醫(yī)

等候時間長等資料來源：企業(yè)官網(wǎng)前瞻產(chǎn)業(yè)研究院整理

項目痛點智譜

·AI北京中醫(yī)藥大學(xué)東方醫(yī)院北京中醫(yī)藥大學(xué)第二臨床醫(yī)學(xué)院——三級甲等中醫(yī)醫(yī)院解決方案2.5

AI大模型+醫(yī)療案例應(yīng)用案例1醫(yī)學(xué)理論文獻臨床醫(yī)案經(jīng)驗混

惠

富

章

原

熙

鄭州大學(xué)附康兒童醫(yī)北京兒童醫(yī)院鄭則醫(yī)院鄭州ou4。章。愿熙決策

投資一定要有前瞻的眼光知識問詢/病情咨詢應(yīng)用案例2智能分診1智能客服養(yǎng)生食療知識APUSXAI大模型+電商應(yīng)用概述Al電商從技術(shù)到價值的賦能邏

輯電商類型與行業(yè)模塊

電商相關(guān)應(yīng)用

AI電商價值電商類型

行業(yè)模塊

AI產(chǎn)品設(shè)計AI選品

流量邏輯貨架電商

供應(yīng)鏈

AI供應(yīng)鏈

Al預(yù)測

用戶體驗社交電商內(nèi)容制作與展示

AI創(chuàng)意與生成AI營銷

行業(yè)效率興趣電商

運營與營銷

落地

AI虛擬數(shù)字人

AI運營

影響

企業(yè)成本即時零售

搜索與推薦

Al客服AI對話

職能替代私域電商

客服與客戶管理AI客戶管理市場機遇◆融合AI大模型后的信息傳遞方式：主動·

交互特點：支持多

形態(tài)輸入，生成信

息準(zhǔn)確度提升·

商業(yè)變現(xiàn)方式：根

據(jù)熱點主動生成相

關(guān)電商信息并精準(zhǔn)

投放意向客戶。前瞻產(chǎn)業(yè)研究院整理2017-2025年中國品牌電商服務(wù)行業(yè)市場規(guī)模

(

單

位：億元)4822446940773663AI電商借助AI大模型相關(guān)技術(shù)，賦能各類型電商與

行業(yè)模塊，通過各AI大模

型相關(guān)應(yīng)用落地，從而對

行業(yè)產(chǎn)生流量邏輯、用戶

體驗、行業(yè)效率、企業(yè)成

本、職能替代、市場機遇

等影響價值。時長、瀏覽次數(shù)和廣告加載

來源：

iResearch2.6

AI大模型+電商：大模型應(yīng)用推動信息獲取方式變革◆傳統(tǒng)信息傳遞方式：被動交互特點：用戶與搜索引擎交互模式單一，智能化程度低商業(yè)變現(xiàn)方式：主要依賴被動搜索廣告變現(xiàn)交互特點：,通過相對精準(zhǔn)算法推送，但針對精準(zhǔn)領(lǐng)域

推送精度較低商業(yè)變現(xiàn)方式：主要為信息流廣告變現(xiàn)，基于用戶消費29512407211115401095Al相關(guān)技術(shù)深度學(xué)習(xí)自然語言處理計算機視覺智能機器人N

大

模

型

融

合

影

響

分

析市場規(guī)模FRWARD前

瞻·自動程序設(shè)計數(shù)據(jù)挖掘大模型應(yīng)用推動信息獲取方式變

革快手

小紅書決策

投資一定要有前瞻的眼光2017201820192020

2021貨架電商內(nèi)容電商國賦能唯品會o記

基

的

生京東·銜遠(yuǎn)科技基于自建的Product

大模型打造六大Agent

應(yīng)用市場解讀助手產(chǎn)品創(chuàng)新助手內(nèi)容設(shè)計助手O1

05市場、產(chǎn)品、消費者的

包含產(chǎn)品知識的企業(yè)內(nèi)部洞察與推理

知識問答系統(tǒng)02

04品參、配方級別的產(chǎn)品

線上線下個性化的設(shè)計與研發(fā)輔助

產(chǎn)品導(dǎo)購03

營銷策劃助手智能導(dǎo)購助手知識小秘書營銷圖

案例內(nèi)容：銜遠(yuǎn)科技成立于2021年底，由前京東技術(shù)掌門人周伯文創(chuàng)立，自成立

以來就一直重點布局AI大模型在消費品

領(lǐng)域的應(yīng)用。公司自研的品商AI大模型，

更擅長理解人與商品，并通過構(gòu)建符合

企業(yè)業(yè)務(wù)場景的agent應(yīng)用，助力電商企

業(yè)實現(xiàn)從商機發(fā)現(xiàn)到產(chǎn)品交付的全鏈路數(shù)智化轉(zhuǎn)型。>對應(yīng)行業(yè)場景：市場分析、產(chǎn)品創(chuàng)新、營銷策劃、智能導(dǎo)購等。>

案例內(nèi)容：商湯結(jié)合微博熱搜，基于AI大模型的能力，實現(xiàn)針對實時

熱點快速在商品庫中的選品、對應(yīng)

宣傳文案和宣傳視頻的生成，極大

程度上縮短了從熱點出現(xiàn)到相關(guān)商品精準(zhǔn)投放的過程。>

解決場景痛點：熱點反饋不及時，

營銷文案、視頻生成速度慢、成本

高；

研訪談、企亞官網(wǎng)

前瞻產(chǎn)亞研究院整理微博熱搜

點擊刷新不推進創(chuàng)新鏈產(chǎn)業(yè)鏈資金鏈人才..1

黃磊首談兒子138.1萬2

暴雪回歸92

.8萬

淵3高鐵穿越金黃花海駛向…87.8萬

新

·

趙露思又又又有心花樣了窗選取關(guān)聯(lián)商品微博小店商品庫自動生成文案宣傳文案微博小店Wa小這個四構(gòu)紅志糕，我一1氣十了=個!非常松軟，軟糯香甜~沒有顏分加一濮水，純牛奶和面，松軟苔養(yǎng)，老人孩子的苜僅有顏更有果干及新西將汁融入，喜補莓果T

酸甜的口感正好中和紅士的甜貳，解雞蛋添加量≥30%!每一塊蟲糕祁足展

開2.6AI大模型+電商案例精準(zhǔn)捕捉流量熱點高效的推廣速度

極低的推廣成本C

O商湯

日日新sensetime

sensenova應(yīng)用案例1FGRWARD前瞻·應(yīng)用案例2商湯基于AI大模型融合實時熱點賦能電商精準(zhǔn)營銷Al賦能的價值自動生成視頻宣傳視頻銜遠(yuǎn)科技

Product

大模型X

6

微博小店實時熱搜決策

投資一定要有前瞻的眼光抓取熱點事件CO商湯sensetime功啡液175g*2

盒(14

.

.

奶酪包

滿滿的餡料59

*56高保真、不變形的產(chǎn)品數(shù)據(jù)能存會算能理解會思考教育能聽會說

能看會認(rèn)十教育教育目標(biāo)AI大模型融合影響分析AI技術(shù)加持交互性和內(nèi)容輸出最終目標(biāo)教育公平教育質(zhì)量無AI技術(shù)加持教育個性化教育投入成本非普惠教育資料來源：前瞻產(chǎn)業(yè)研究院整理智能助教學(xué)情分析拍照搜題游戲?qū)W習(xí)機◆個性化學(xué)習(xí)智能批改VRAR教學(xué)自適應(yīng)學(xué)習(xí)教育機器人智慧校園決策支持機器組卷口語考評面向受教育者“AI+教育”是人工智能在教育領(lǐng)域的深度融合與應(yīng)用，它包括“計算智能+教育”、-教育能，教能存會知回“能聽會說與能看會認(rèn)”發(fā)展，

最終實現(xiàn)“能理解與會思考”。2.7

AI大模型+教育：促進教育公平、提高質(zhì)量、實現(xiàn)教育個性化市場規(guī)模2015-2023年中國Al教育市場規(guī)模及增速

(

單位：億元)7198科學(xué)化管理◆智能排課校園監(jiān)控機器閱卷試卷分析自動化評閱◆AI技術(shù)的加持有望從提升教學(xué)個

性化和教學(xué)效率

兩個維度，降低

教育投入成本，最終實現(xiàn)促進教育公平、提高質(zhì)

量、實現(xiàn)個性化細(xì)分應(yīng)用場景分析◆精準(zhǔn)化教學(xué)

面向教育者N

大

模

型

融

合

影

響

分

析20152016

201720182019注：AI+教育市場包含AI

大模型FGRWARD前瞻·AI大模型+教育應(yīng)用概述算法信息

智能

感知

智能

認(rèn)知

智能十52233780共性教育普惠教育決策

投資一定要有前瞻的眼光教學(xué)效率性化程度206

286

477個性教育個17141034評價方式十教育服務(wù)2000>案例內(nèi)容：中公教育基于商湯的“如影”數(shù)字人與“商量”語言大模型技術(shù)，分析

優(yōu)秀師資的教學(xué)過程，模擬教學(xué)方法和

風(fēng)格，構(gòu)建虛擬數(shù)字講師“小鹿”,為學(xué)

生提供高質(zhì)量的、個性化教學(xué)。

解決場景痛點：老師成本高、節(jié)約真人

老師教學(xué)實踐、教學(xué)質(zhì)量更高、滿足學(xué)

生個性化教學(xué)需求。案例內(nèi)容：中公教育基于商湯的“如影”數(shù)字人與“商量”語言大模型技術(shù)，分析

優(yōu)秀師資的教學(xué)過程，模擬教學(xué)方法和

風(fēng)格，構(gòu)建虛擬數(shù)字講師“小鹿”,為學(xué)

生提供高質(zhì)量的、個性化教學(xué)。解決場景痛點：老師成本高、節(jié)約真人

老師教學(xué)實踐、教學(xué)質(zhì)量更高、滿足學(xué)

生個性化教學(xué)需求。與人類講師上萬人大課不同，小鹿老師是“因材施教”小鹿老師作為“高顏值名師”,讓學(xué)

員的學(xué)習(xí)交互過程更加生動?！癆I系統(tǒng)班”讓教師與廣大學(xué)員“先人一步”掌握數(shù)字生產(chǎn)力技能。

研訪談、企業(yè)官網(wǎng)前瞻產(chǎn)業(yè)研究院整理課件研發(fā)難講師形象僵硬互動形式單一區(qū)域教育治理因材施教綜合解決方案

·

教育數(shù)字基座解決方案

·

教育大數(shù)據(jù)解決方案●

新高考綜合解決方案

其他CO

商湯sensetime聲音優(yōu)化難校園主陣地建設(shè)·

智慧課堂·

大數(shù)據(jù)精準(zhǔn)教學(xué)·

AI聽說課堂·

Al教研平臺·

其他2.7

AI大模型+教育案例自主學(xué)習(xí)·

Al學(xué)習(xí)機·

AI翻譯筆●

全球中文學(xué)習(xí)平臺

·

訊飛易聽說智慧考試·

傳統(tǒng)教育考試

·

計算機化考試

·

智能語言測試

·

智能語言學(xué)習(xí)應(yīng)用案例1FGRWARD前瞻·小鹿老師的優(yōu)勢訊飛智慧教育產(chǎn)品與服務(wù)應(yīng)用

過

程

中

解

決

的

技

術(shù)虛擬數(shù)字講師“小鹿老師”首次

亮相決策

投資一定要有前瞻的眼光應(yīng)用案例2中公

網(wǎng)

校

獨

家

Al老

師科大訊下

iFLYTEK教育管理者學(xué)校管理者offcn中公網(wǎng)校小鹿老師學(xué)生家長教師AI大模型與終端設(shè)備的融合，是指將AI大模型算法輕量化后下沉，私有化內(nèi)嵌部署到每一個終端設(shè)備中。當(dāng)前我國智能終端設(shè)備市場呈現(xiàn)分化，傳統(tǒng)PC、彩電平板、智能音箱等市場

規(guī)模受市場需求逐漸飽和的影響銷量有所放緩；但在汽車、服務(wù)機器人、無人機等新終端新

興市場則保持著較快的增長。AI大模型的融合將帶動終端設(shè)備的智能化升級，提升機器設(shè)備

的生產(chǎn)力，從而促進消費者和企業(yè)對終端設(shè)備更新?lián)Q代的需求，促進整體終端設(shè)備行業(yè)規(guī)模

的二次增長?！?/p>

提升終端數(shù)據(jù)分析處理能力記憶學(xué)習(xí)，提供定制化服務(wù)●

改變終端設(shè)備信息傳遞模式2023年AI大模型潛在融合終端領(lǐng)域銷售量及增速傳統(tǒng)終端-PC4124萬臺同比-17%同比-39.8%

院、乘聯(lián)會、I