2024年中国AI大模型场景探索及产业应用调研报告——大模型 “引爆” 行业新一轮变革

【联合发布单位】

华为云初创生态

扫码获取更多报告

引言

 本报告由深圳前瞻产业研究院、首钢基金CANPLUS联合华为云共同出品。

报告显示，2023年我国AI大模型行业规模已达到147亿元。AI大模型的行业应用及技术进步能有效提升各行业生产要素的产出效率，并提高了数据要素在生产要素组合中的地位。供给方面，当前AI大模型企业主要通过深化通用大模型能力或打造垂类行业大模型两种路径为下游行业提供AI大模型应用服务，商业模式则较为灵活且多元化；需求方面，企业需求特征表现为满足可落地的前提下实现价格、私密安全性和大模型能力效果的三者平衡，因此大部分的规模企业用户主要选择参数规模在100亿\~200亿之间的AI大模型和本地化部署的落地方式。

 应用现状方面，大模型赋能场景包括一般通用业务场景和行业应用场景。截至2023年，我国大模型在各垂直应用行业中，金融、政府、影视游戏和教育领域是大模型渗透率最高的四大行业，渗透率均超过50%。大模型厂商纷纷开发专用垂直细分赛道的大模型产品，加速大模型在垂直领域的应用落地进程。

 面临的痛点方面，首先是技术面临“卡脖子”问题；其次是数据获取成本高；三是人才不足；四是潜在法规风险；五是市场认知不准确；六是行业know-how积累不足。

 AI大模型行业是技术驱动的行业，且仍具有巨大的挖掘潜力、技术更新进步速度也较快，行业技术能力拓展上限尚未出现。行业发展的七大趋势，一是技术趋势，具备强大预测能力的预测大模型、强大决策能力的决策大模型和能够自主学习、实时交互的具身智能大模型最有可能成为继自然语言大模型和多模态大模型后的下一个大模型行业风口；二是竞争趋势，AI大模型企业需将资源聚焦单一发展路径，行业竞争将开始分化；三是应用场景趋势，行业应用场景数量也将爆炸性的多元化增长，且会逐渐从当前的业务类场景向决策管理场景深入；四是应用行业趋势，前期信息化基础较好，对新兴技术接受度支付意愿也较高的金融、电商、教育和医疗领域是未来五年AI大模型应用潜力最高的四大下游行业领域；五是AI大模型的应用将反哺基础科学技术的发展；六是AI大模型将轻量化发展助力终端智能化；七是基础AI通用大模型将开源化赋能构建国产软件生态。

 针对AI大模型行业应用的四大发展建议，一是牢守安全底线、放开政策监管力度，为行业创新发展打开政策空间；二是延续传统高效的商业化应用优势，加快AI大模型应用落地；三是打造开源生态，促进产业整体快速发展；四是加快人才培养，做好人才储备工作；针对AI大模型行业应用企业的三大发展策略，一是脱虚向实，谨防陷入“模型”规模之争；二是加强企业合作，做大行业蛋糕是当前首要任务；三是关注细分行业机会，寻求差异化竞争优势。

01 AI大模型行业应用概况
02 AI大模型行业应用现状及案例
03 AI大模型行业应用痛点及解决方案
04 AI大模型行业应用前景趋势及投资机会分析

AI大模型行业应用概况

01

1.1 AI大模型定义及概述
1.2 AI大模型行业应用价值
1.3 AI大模型行业应用实现路径
1.4 AI大模型行业应用商业模式
1.5 AI大模型行业应用需求概述
1.6 AI大模型行业应用竞争格局
1.7 AI大模型行业应用投融资分析
1.8 AI大模型行业应用的合规要求

1.1 AI大模型定义及概述

AI大模型定义

大模型算法的Loss值随计算资源、数据规模大小和参数量的指数提升呈线性下降

AI大模型是指在机器学习和深度学习领域中，采用大规模参数（至少在一亿个以上）的神经网络模型，AI大模型在训练过程中需要使用大量的算力和高质量的数据资源。

产业规模

分类应用占比

当前整体AI大模型行业仍处于萌芽期，市场规模并不大但行业增速较快，根据相关公开统计数据显示，2023年我国大模型行业市场规模约147亿元，近三年复合增速高达114%。

大模型行业爆发，截至2023年10月，我国10亿参数规模以上的大模型厂商及高校院所共计254家；

国家正式发布《生成式人工智能服务管理暂行办法》，规范和鼓励大模型行业的发展。

清华大学与阿里达摩院的研究成果以及超算基础实现的“脑级人工智能模型”八卦炉；（BAGUALU）完成建立，其模型参数模型突破了 174 万亿个；OpenAI在国内外引发热潮；

资料来源：沙利文、《2023年A I大模型研究报告：人工智能大模型产业创新价值研究报告》、前瞻产业研究院整理

1.2 AI大模型行业应用价值：提升要素效率及数据要素地位

数据已成为新生产要素

数字经济是继农业经济、工业经济之后的现阶段主要经济形态，数据要素已成为数字经济时代下的新型生产要素。2019年十九届四中全会，数字要素首次被增列为生产要素，数据要素地位得到确立。我国成为首个将数据列为生产要素的国家。

AI大模型技术进步提升生产要素使用效率

基于生产函数模型，AI大模型的技术进步对生产函数的影响如左图所示，且当前的大模型技术进步对经济增长的影响仍成发散态势，即AB

数据从企业内部到外部的流通过程中可以创造三次价值：1、数据支撑业务贯通；2、数据推动企业数智决策；3、数据资源流通交易赋能社会创造额外价值。

数据要素价值创造过程

AI大模型技术进步提升数据要素地位

AI大模型的应用从改变数据要素的生成方式和企业经营决策驱动方式两大维度提升了数据要素在生产要素组合中的占比地位。

AI

大模型

资料来源：人民网、中航证券、中国信通院、前瞻产业研究院整理

1.3 AI大模型行业应用实现路径

大

模型行业应用的实现路径

当前AI大模型的行业化应用的布局路径主要有两种：

深化通用大模型能力

打造垂类行业大模

融合行业know-how，基于通用大模型打造垂类行业模型。

阿帕斯大模型

持续加大对通用大模型的研发投入，提升AI Agent能力直接服务各个行业。

垂类大模型与通用大模型的关系

垂类行业大模型更聚焦行业专业知识和能力应用，但其发展必须基于通用大模型已展现的能力基础上进一步优化和训练，因此垂类大模型的发展离不开底层通用大模型的技术进步。

• 参数规模更小

• 聚焦行业所需的专业知识和能力应用

垂类行业大模型

通用大模型

资料来源：企业调研访谈、前瞻产业研究院整理

1.4 中国AI大模型行业应用商业模式：多元化

AI大模型行业应用商业模式分类

中国AI大模型行业应用商业模式分类

部署模式	大模型使用方式	收费模式	适用企业规模	适用行业/场景
本地部署	本地调用	产品授权费用（按年/买断）+人员服务费（人*天）	中大型企业	党政、工业
SaaS模式云部署 PaaS模式	APP/网页	订阅模式、广告收入、按次数收费	小微企业	知识搜索，内容生成
SaaS模式云部署 PaaS模式	远程平台	订阅模式、二次开发分成	小微企业、初创企业	电商
MaaS模式	调用API	按流量计费、二次开发分成	中小企业	医疗、教育、文旅
混合部署	本地+云	产品授权费用(按年/买断)+人员服务费（人*天）+流量费用	中大型企业	金融、工业
AaaS模式融合智能终端/APP 买断模式、订阅模式、广告收入			不限	不限

当前AI大模型行业应用的商业模式类型尚无较为统一标准的定论。

AI大模型企业为争夺不同类型市场会提供各种不同的灵活部署、收费方案。

AI大模型行业应用商业拓展特点

重视后续升级服务

当前AI大模型仍处于技术快速迭代的阶段，因此许多企业客户或者商都会主动要求将定期的大模型的迭代更新服务列为义务的服务内容。

需求方议价能力更强

当前需求方企业议价能力更强主要体现在企业在相同价格下对服务内容上的定制化、保密性要求会更高，因此在实际过程中初创企业凭借高效的流程效率和灵活的业务开展方式反而会更具优势。

重视实际落地效果

当前AI大模型行业应用商业化布局过程中，需求企业会更关注AI大模型产品与公司所处业务场景的融合可能性以及最终落地的效果。

1.5 AI大模型行业应用需求概述：100亿-200亿参数规模最优

AI大模型行业应用概述

AI大模型的行业应用的爆发亦始于ChatGPT出现，当前处于广泛探索的阶段：

ChatGPT出现从供需两方面点爆AI大模型行业应用市场

需

求特征

企业接受度提升潜在应用场景增加企业需求量增长

OpenAl

吸引资本涌入技术快速升级供给企业数量增长

当前需求企业对于AI大模型的应用需求特征为在满足可落地的前提下实现价格、私密安全性和大模型能力效果的三者平衡。

调研访谈观点：100亿\~200亿参数规模的大模型即可满足当前行业应用的大部分场景需求，且性价比较高。

价格低

模型参数更大、本地化部署

私密、安全性高

企业对安全性需求

调研访谈观点：由于企业对大模型部署的私密安全性的需求较高，尤其是党政领域，因此企业在选择大模型的时候会优先选择以下类型的企业

 高校、研究院背景

 本地化部署方式

企业对AI大模型能力需求

 AI大模型表象的能力特征则大致可分为稳定性、准确性、计算速度、学习速度和专业能力五大维度，其决定了AI大模型在行业应用过程中的应用效果、可持续性和未来的可拓展性。

调研访谈观点：当前下游应用行业对AI大模型表象的能力特征要求排名顺序为：计算速度→稳定性→学习速度→准确性→专业能力，表明企业更关注大模型的可持续性和未来可拓展性。

行业应用对AI大模型能力需求特征评分雷达图

资料来源：企业调研访谈、前瞻产业研究院整理

1.6 AI大模型行业应用竞争格局

高校、研究院优势：

• 丰富的各行业专业数据积累

• 充沛的学术研究人才

• 无逐利目标要求

• 良好学术研究环境当前AI大模型产业应用的参与者主要分为高校研究院、传统互联网大厂和AI初创企业，三者既是竞争关系亦是合作关系。

AI大模型数量

代表性AI大模型厂商区域分布图

广东——聚焦AI大模型的产业应用

广东方面，延续了其自改革开放以来走在高新技术产业化应用前沿的传统，其在AI大模型布局的侧重更多是聚焦在AI大模型的产业化应用。广州海珠目前打造了国内首个人工智能大模型应用示范区，截至2024年3月已落地21个大模型应用项目。

北京——关注大模型基础算法创新研究

北京是我国大模型企业的核心聚集地，汇集了包括智谱AI和360等在内的一批国内AI大模型头部企业，企业数量远超其他地区。此外，北京还拥有丰富的学术资源，也为AI大模型的创新研究奠定了基础。

上海— 侧重硬件芯片、算力

虽然上海在大模型企业数量上没有北京多，不过在算力、芯片方面，上海处于领先地位。除了拥有多家芯片制造厂，此外包括商汤、腾讯、华为和北斗博阳等都已在上海构建了算力中心。

1.7 中国AI大模型行业应用投融资分析：处于萌芽阶段

投融资规模及轮次

2021-2024中国AI大模型行业投融资事件数量及金额(单位：件，亿元)

我国AI大模型行业投融资事件始于2021年，并于2023年受到资本的追捧，全年投融资事件15件，投融资金额超30亿元。

截至2024年4月，我国AI大模型投融事件数量及资金额均已远超2023年全年水平。

投资赛道分类

投融资所处阶段
2021-2024中国AI大模型行业投融资事件轮次分布 (单位：件)

从投融资事件轮次来看，除第四范式和出门问问于2023和2024年成功在港股上市外，其余AI大模型行业投融资事件均集中于A+轮及以前，其中天使轮投融资事件数量最多，达22件。

资料来源：I T桔子、前瞻产业研究院整理

1.8 AI大模型行业应用的合规要求：暂行备案制

AI大模型行业应用合规要求

当前我国AI大模型的行业应用实行备案制，正式参考文件是2023年7月，国家互联网信息办公室发布的《生成式人工智能服务管理暂行办法》；

此外，在现有法律体系下，生成式人工智能技术乃深度合成技术的子集。因此部分国内大模型企业亦可通过获得《互联网信息服务深度合成管理规定》的备案实现大模型算法的合规要求。

《互联网信息服务深度合成管理规定》与《生成式人工智能服务管理暂行办法》对比

政策名称	《互联网信息服务深度合成管理规定》	《生成式人工智能服务管理暂行办法》
发布时间	2022年12月	2023年7月
实行时间	2023年1月	2023年8月
定义概念	深度合成技术，是指利用深度学习、虚拟现实等生成合成类算法制作文本、图像、音频、视频、虚拟场景等网络信息的技术	生成式人工智能技术，是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术
适用对象	具有舆论属性或者社会动员能力的深度合成服务提供者和服务技术支持者	提供具有舆论属性或者社会动员能力的生成式人工智能服务的企业
主要区别	深度合成技术本质上是根据一定的需求，对已有的数据（图片、文字等）进行组合、拼接，其并不能从无到有的生成新内容	生成式人工智能技术的逻辑为“理解-创作”，生成内容具有新颖性，并非对已有内容的拼接，换言之，其具有对已有数据进行演绎创新的能力

通过《生成式人工智能服务管理暂行办法》备案的大模型名单

第一批通过《生成式人工智能服务管理暂行办法》大模型名单

公司	大模型/产品	公司	大模型/产品
百度	文心一言	科大讯飞	星火大模型
阿里	通义大模型	智谱AI	GLM大模型
腾讯	混元大模型	百川智能	百川大模型
抖音	云雀大模型	商汤科技	日日新大模型
华为	盘古大模型	MiniMax	ABAB大模型
中科院	紫东太初	上海人工智能实验室	书生通用大模型
360	智脑大模型	华为	智慧助手 (小艺)

第二批通过《生成式人工智能服务管理暂行办法》大模型名单

公司	大模型/产品	公司	大模型/产品
美团	未公开	面壁智能	Luca大模型
蚂蚁集团	百灵大模型	网易有道	子日大模型
知乎	知海图AI	好未来	九章大模型
出门问问	序列猴子	金山办公	WPS AI
昆仑万维	天工大模型	360	奇元大模型
月之暗面	MoonShot

资料来源：前瞻产业研究院整理

公司	大模型/产品	公司	大模型/产品		公司	大模型/产品	公司	大模型/产品
澜舟科技	孟子GPT	深言科技	语鲸大模型	第四范式		式说大模型	步刻科技	微步情报智脑
京东	言犀大模型	中科闻歌	雅意大模型	衔远科技		品商大模型	BOSS直聘	南北阁大模型
抖音	福禄瓜大模型			衔远科技		摹小仙大模型	智联招聘	"Al改简历"
快手	快意大模型			零一万物		零一万物大模型	脉脉	"智能问答"
红棉小冰科技	小冰大模型			识因智能		一叶轻舟大模型	小米	“小爱同学”
聆心智能	CharacterGLM			新壹科技		新壹视频大模型	什么值得买	AI问答机器人
云知声	山海大模型				创思远达	魔方大模型	掌阅科技	“阅爱卿”

1.8 AI大模型行业应用的合规要求：暂行备案制

第三批通过《生成式人工智能服务管理暂行办法》大模型名单
第四批通过《生成式人工智能服务管理暂行办法》大模型名单
第五批通过《生成式人工智能服务管理暂行办法》大模型名单

公司	大模型/产品	公司	大模型/产品	公司	大模型/产品
中电信人工智能科技	星辰大模型	华策影视	有风大模型	深度求索	DeepseekChat
小米	小米大模型	猿力科技	看云大模型	海尔优家	HomeGPT
快手	可图大模型	中文在线	中文逍遥大模型	力拓飞远	心元大模型
爱奇艺	奇智大模型	同方知网	中华知识大模型	元石科技	元石大模型
腾讯云计算	行业大模型	比特易湃	蓝图大模型	右脑科技	Vega大模型
高德软件	干寻大模型	猎户星空	猎户星空大模型
思谋智能科技	思想天璞大模型	麒麟合盛	APUS大模型

资料来源：前瞻产业研究院整理

1.8 AI大模型行业应用的合规要求：暂行备案制

部分通过《互联网信息服务深度合成管理规定》备案的大模型算法名单

公司	大模型算法名称
智谱AI	ChatGLM生成算法
智谱AI	文档解读生成算法
智谱AI	文本结构化生成算法
智谱AI	多模态通用图生文算法
智谱AI	交互式内容生成算法
科大讯飞	讯飞星火认知大模型算法
科大讯飞	讯飞星火认知大模型算法-SparkDesk
华为	智慧助手大模型算法
华为	华为云盘古多模态大模型算法
华为	华为云盘古NLP大模型算法
百度	文生图内容生成算法
百度	PLATO大模型算法
百度	文心大模型算法

公司	大模型算法名称
百度	生成式医疗问答算法
360	智脑文本生成算法
360	智脑文本生成服务算法
360	智脑图像生成算法
猎户星空	猎户星空大模型算法
商汤科技	商量大语言模型
商汤科技	商汤琼宇场景生成算法
商汤科技	商汤AI代码生成算法
商汤科技	商汤AI视频生成算法
商汤科技	商汤秒画内容生成算法
阿里达摩院	开放域自然对话合成算法
阿里达摩院	图像合成算法
网易有道	有道子日大模型算法

公司	大模型算法名称
百川	百川大模型算法
生数	生数多模态大模型算法
麒麟合盛	APUS大模型算法
月之暗面	Moonshot-1语言模型算法
昆仑万维	天工大语言模型算法
京东	言犀大模型内容生成算法
出门问问	序列猴子大模型算法
抖音	云雀大模型算法
深信服	安全文本生成算法
中科院	闻歌雅意大模型算法
云知声	山海认知大模型算法
WPS	AI文本生成算法-1
奇想智能视觉大模型算法美图秀秀-MiracleVision

公司	大模型算法名称
云从科技	从容大模型算法
腾讯	混元助手大模型
腾讯	智影绘画生成算法
腾讯	腾讯云多行业客服场景大模型
微博	微博文本生成合成算法
知网	中华知识大模型算法
元象	元象XVERSE大模型算法
中科院	紫东太初大模型算法
云知声	山海认知大模型算法
中国电信	TeleChat语义大模型生成算法
中科闻歌	雅意大模型内容生成算法
开普云	开普云开悟文本生成算法
开普云	开普云开悟图像生成算法

中国AI大模型行业应用现状及案例

02

2.1 AI大模型行业应用渗透情况
2.2 AI大模型行业通用场景应用分析
2.3 AI大模型+金融
2.4 AI大模型+政务
2.5 AI大模型+医疗
2.6 AI大模型+电商
2.7 AI大模型+教育
2.8 AI大模型+终端
2.9 AI大模型+其他行业

2.1 AI大模型行业应用渗透情况：金融、政务渗透率最高

行业应用路径占比

行业渗透情况

截至2023年，金融、政府、影视游戏和教育领域是大模型渗透率最高的四大行业，渗透率均超过50%。电信、电子商务和建筑领域的应用成熟度较高。

生成模态分布

AI大模型具体生成模态分布

从我国AI大模型的生成模态来看，单一模态中主要集中在AI文本，占比为27%；其次为数字人，占比也达到20%；而AI音频、AI绘画以及AI视频的占比为8%、6%、5%。

区域渗透情况

从区域渗透情况来看，我国AI大模型行业应用企业大多分布在东部地区或经济发达的线城市，尤其集中在北京、上海、广东、浙江等地。

资料来源：赛迪、至顶科技、前瞻产业研究院整理

2.2 AI大模型行业通用场景应用分析

智能客服

2019-2027年中国智能客服行业市场规模 (单位：亿元)

智能客服是通过文字、语音、图片等媒介与用户构建交互桥梁，协助人工进行会话、质检、业务处理。截至2023年我国智能客服行业市场规模为87亿元，预计到2027年行业将增长到181.3亿元，复合增速达35%。

大模型的功能特征完美契合了智能客服场景的实际需求，智能客服也因此进一步迈向AI数字化运营，智能客服的应用边界不断拓宽拓深。

融合了大模型的智能客服优势

智能营销的主要目的是提高营销效率和效果，创造新的消费者交互场景体验，以及发现和创造消费需求。当前智能营销市场规模已突破500亿元，预计2027年将达到786亿元。

理解能力

理解能力更强，能够准确地识别不同用户表达内容背后的意图

智能营销

对话决策能力

能够根据用户的反馈内容做出符合用户需求和场景的回复

自主学习及改进能力

具备自主学习和持续改进的能力，甚至可以在对话过程中，根据用户前文的反馈内容做出实时的变化调整，从而不断优化服务质量

决策依据

融合了AI大模型的智能营销业务优势

强调使用先进的技术，如人工智能、大数据分析和机器学习，依据处理大规模的数据，进行自动化决策。

决策变化

智能营销利用算法和模型，通过分析大量数据来做出决策。它能够快速调整策略，基于实时数据进行优化，并自动执行营销活动。

成本效益

智能营销通常能够在一定程度上提高成本效益，因为它能够自动执行许多任务，减少了人工劳动力成本。

2.2 AI大模型行业通用场景应用分析

智能搜索

注：官方未发布2019年12月数据，故用2020年3月发布数据代替，其余年份都对应该年年底数据。

智能搜索是指采用了智能搜索引擎为用户提供相应信息的服务，智能搜索引擎是结合了人工智能技术的新一代搜索引擎。截至2023年，我国搜索引擎用户规模达8.27亿人，占网民整体的75.7%。

智能翻译

智能翻译涉及软件和硬件产品。随着全球化和互联网迅速发展，跨语言的网络资源不断呈几何级数增长，极大地刺激了智能翻译产业的发展。2023年中国智能翻译市场规模估算约为123亿元。

搜索引擎的变迁及融合了AI大模型的智能搜索优势

传统独立搜索		生态内搜索	融合大模型的搜索
搜索方式	用户输入搜索关键词，搜索引擎基于搜索算法，按关键词匹配及排名算法展示网页链接作为结果	随着用户INAPP搜索习惯逐步发展而成，主要基于平台生态中的内容满足搜索需求	以语义匹配为基础，使用大模型生成内容作为答案；具备自我学习能力，能够持续优化输出结果
知识调用	以关键词为知识调用方式，反馈结果包含大量基础信息	关键词搜索，反馈结果受内容生态完善度影响	通过自然语言交互反馈，知识调用方式更为自然
搜索体验	搜索信息源广泛，需要用户大量浏览及筛选; 无法直接理解、满足复杂及结构化的搜索需求	启发式搜索满足用户“随看随搜”需求；相对综合搜索更能满足垂直需求，但仍有相同弊端	：对话式搜索，具备交互性; 能够理解复杂问题，具有推荐和决策能力，可提供更为具体及个性化的回答

融合了AI大模型的智能翻译的优势

准确性

相较于传统机器翻译，大型语言模型能够更好地理解上下文，考虑更长范围的依赖关系，从而生成更准确的翻译结果。

人性化程度

相较于传统机器翻译，智能翻译融合了自然语言大模型后可以使其翻译的内容更符合人类语序。

理解能力

相较于传统机器翻译，融合了大模型的智能翻译工具能够更好地根据上下文和语序理解需要翻译的内容原文。

注：智慧金融市场包含A I大模型+金融，故行业规模较大

2.3 AI大模型+金融：智能风控应用落地价值最高

AI大模型+金融应用概述

AI+金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业务高质量发展的系列配套解决方案。

AI+金融应用概述

• 个性化产品设计

• 产品配置与解决方案

• 电销机器人

• 客户洞察与潜客预测

• 需求检测识别

• 客服机器人

• 基于图像、语音的身份识别

• 个性化服务

• 自动报表生成

• 内部合规风控

• 操作风险预警

细分场景价值分析

金融行业的数字化程度在全行业中相对领先，当前，智慧销售、智能问答和智慧办公是金融行业最热门也是应用成熟度最高的场景，智能风控则是最具有发展势能和应用落地价值的潜力场景。

市场规模

2017-2025年中国智慧金融市场规模及增速 (单位：亿元，%)

金

融行业融合AI大模型优势

具备支付能力

新兴技术往往意味着高成本，金融行业盈利能力强，具备极强的为新技术买单的支付能力。

数字化基础好

金融行业前期数字化转型水平最高，超过90%以上，积累了丰富的行业数据资源。

新事物接受程度高

金融行业对新兴技术普遍接受程度、包容度和支付意愿都更强。

在为金融行业带来传统场景升级的同时，大模型的强大生成能力和多模态信息处理能力会为包括银行、保险、资管、投顾等在内的金融业务带来“迭代式”的场景变革。

AI大模型驱动金融行业新场景革新

以开/闭卷问答能力为核心

#

智能营销：通过多模态全维度营销策略，实现个性化广告投放，提高营销转化

场景案例：理财产品营销、银行零售业务

财富管理：整合投资银行分析师知识与研究成果，提供精准投资建议，实现智能化投资顾问服务

#

场景案例：针对TMT领域基金或理财、综合研判输出投顾建议

#

代码生成：提升金融系统开发效率和创新能力，并优化金融科技团队结构，增强团队效能

场景案例：高频重复业务场景的 SQL撰写、数仓的自动调度等

训练数据生成：金融企业可利用大模型自动生成逼真训练数据，替代真实客户数据，保护隐私

场景案例：关联交易风险预警模型、信贷授信模型等模型预料自动生成金融信息查询：大模型的应用推动了服务方式的创新，用户可通过自然语言问答直接获取金融数据等信息

场景案例：贷款总额报表的快速产出、高净值客户的相关信息快速调取

合规筛查：借助大模型，可有效监管难以直接监管的业务环节，降低潜在合规风险

场景案例：金融企业营销合规监察、银行催收合规监察

代码补全：大模型助力金融系统开发，提升代码构建和BUG定位效率

场景案例：Function函数创建、debug、测试（系统、单元等）

智能培训：构建企业内培训课程库，实现个性化精准培训

场景案例：面向投研、资管等专业金融技能的人力资源培训平台

 案例内容：基于AI大模型，研发出“海小智、海小慧”两位AI数字员工，为用户提供业务咨询与指导、产品推介、客户投教等交互服务。

 解决场景痛点：服务人力与需求不对等；数字鸿沟；老年客群不会使用电子设备，依赖人工交互等问题。

澜舟科技langboat

智能投研解决方案

 案例内容：在智能化投研平台基础上基于AI大模型能力新增投研知识库扩充、投研分析助手等功能，提高了大模型在金融投资研究中的应用能力。

 解决场景痛点：数据分析处理能力不足；检索方式单一；报告攥写时间长；信息汇总检索费时费力等。

风险控制决策应用案例

4Paradigm 第四范式国内某知名保险公司

 案例内容：基于AI大模型预测能力打造智能核保系统，实现了自动化、精准化、个性化的核保决策；同时，还打造了智能理赔系统，实现了自动化、快速化、公正化的理赔处理，有效降低了理赔成本和风险。

 解决场景痛点：理赔效率低下，人工审核慢。

360 KCB O金城银行

智能化虚拟分析师

 案例内容：利用360成熟的大语言模型、知识库等产品，一方面建立银行内部私有化定制大模型，提升办公运营效率；另一方面打造智能化虚拟分析师，为业务发展提供智能辅助，助力银行数字化转型。

 解决场景痛点：运营效率低，人工独立审核主观偏差风险。

AI社群运营机器人

衔远科技

国内某银行

 案例内容：在私域运营场景下，通过AI机器人辅助做社群运营，同时利用旗下MODI营销大脑多项营销功能，结合当下的社会热点话题快速生成合规的内容，引起群用户的关注以及讨论热度，进而推荐产品。

 解决场景痛点：私域活跃、私域转化，个性化服务，降本增效

2.4 AI大模型+政务：城市管理应用落地价值最高

AI大模型+政务应用概述

AI+政务应用概述

政府内部办公政务信息公开

政务服务提供

民生服务优化

国防航天

航空航天国防安全内部文书写作制作政府宣传类物料简化或改写官方文件公开新闻或稿件写作

公共安全

政务领域作为社会服务的核心，其业务背景包含庞大的政府数据、多元的社会信息，以及复杂的决策体系。从各国（地区）实践看，大模型技术已在政府内部办公、政务信息公开、政务服务提供、民生服务优化和国防航天等5大领域13个细分场景落地。

细分场景价值分析

地方政策

★ 2023年5月《北京市促进通用人工智能创新发展的若干措施》

利用人工智能在语义理解、自主学习和智能推理等方面的能力优势，提高政务咨询系统智能问答水平

★ 2023年3月《2023年上海市全面深化“一网通办”改革工作要点》探索运用自然语言大模型等新技术，不断优化智能客服“小申”智能检索、用户意图识别、多轮会话和答案精准推送能力

★ 2023年5月《深圳市加快推动人工智能高质量发展高水平应用行动方案》

鼓励各区在公共服务和城市治理等领域先行先试，积极创造条件开展全域全时人工智能应用示范

各国（地区）政府对大模型技术的应用实践案例

全

球应用实践案例

国家/地区	应用范围	国家/地区	应用范围
美国	众议院、国防部、国家航空航天局（NASA）、卫生与公共服务部、总务管理局，以及8个州、市、县等	日本	农林水产省、东京都、福岛县、木县、神奈川县横须贺市、北海道当别町等
加拿大	公务人员使用大模型产品进行办公	中国台湾	台湾地区教育事务主管部门
英国	财政大臣使用ChatGPT撰写演讲稿	韩国	首尔120山茶呼叫中心
丹麦	首相使用ChatGPT撰写演讲稿	马来西亚	科学、技术和创新部
葡萄牙	司法部、112政府紧急热线	印度	电子和信息技术部、教育部
爱尔兰	农业部、交通部	新加坡	科技研究局、劳动力局、卫生部等
澳大利亚	内政部

资料来源：各政府单位官网、前瞻产业研究院整理

2.4 AI大模型+政务案例

应用案例1

衔远科技X

案例内容：衔远科技协助保定市行政审批局基于AI大模型进行深度数据分析，通过对已有市民热线数据的分析和对通用大模型的进一步训练，深入挖掘热点民生问题背后的根因，并对比现有政策，提示政策缺失。

 解决场景痛点：政策缺失；治标不治本；数据信息利用程度不高。

保定市行政审批局

衔远科技基于AI大模型助力保定市行政审批局实现数据深度分析

假设数据分析目的案例：通过对舆情信息海量分析，了解民生诉求，同时为政策优化谏言献策

市民热线反馈数据

通用大模型

因果关系分析

分析得出热点民生问题

训练

对比学习现有政策

智慧政务助手（对外服务）

提示政策缺失

反馈给市政部门

事前预防

民生问题与市政部门的精准对接

中国互联网联合辟谣平台

省级互联网辟谣平台

党政机关官网政务信息

新闻媒体权威发布

APUS AI辟谣助手

辟谣知识库（含文字标注能力）

OCR识别

查询数据

多模态通用大模型 APUS

训练数据

训练/萃取

智慧网信大模型（Powered byAPUS）

数据查询

智慧辟谣助手（对外服务）

数据校正

APUSX

评价反馈平台

网络谣言问询

谣言举报收集

使用评价反馈

河南网信办

应用案例2

 案例内容：河南网信办等相关机构合作，借助 APUS 网信大模型创建智慧网信・辟谣助手，为民众在线提供可靠的信源、清晰的案例，以及图文并茂的真实辟谣信息，助力网信部门构筑清朗的网络空间。

解决场景痛点：谣言检索识别不准确、不及时，无法立即控制谣言的负面影响。

资料来源：企业调研访谈、前瞻产业研究院整理

2.4 AI大模型+政务案例

应用案例3

360

 案例内容：在政务领域，360基于360智脑大模型一方面与某城市合作建设政务大模型和政务服务应用；另一方面也在基于大模型的能力助力司法行政法治宣传质效双升，赋能我国法制宣传活动。

政务大模型

解决场景痛点：

 人员效率低

 法制宣传成本高任务重

 法制宣传力度不足

打造

政务服务应用

猎户星空AI政务数字客服能力

政务服务智能客服一体化平台

猎户星空大模型+强应用套件

通过大模型的Prompt连接NLP

传统智能化技术

通过大模型的FunctionCall能力调用业务API

希望信息数据治理成果

NLP

政务业务API

知识中台

业务知识政策文件

传统NLP与业务API不能很好打通

数据中台

政务业务职能部门数据

360AI大模型在政务领域应用案例

360智脑大模型

携手九地司法部门助力法制宣传

ORIONSTAR 猎

HOPESOFT

应用案例4

 案例内容：猎户星空携手希望信息，打造政务服务智能客户一体化平台。实现政务客服问答精准度由60.7%提升至97.4%，助力希望信息运营和交付人力成本降低约30%。当前该应用已成功覆盖宁夏自治区的其他各市县政务服务平台。

解决场景痛点：

 建立客服知识库耗人力，问答准确性待提升

 职能部门繁多，需搭建独立客服体系确保办理业务的流畅性

 客服系统与业务系统融合不足，无法完成在线闭单服务

 运营数据庞大，需快速分析以优化服务

2.5 AI大模型+医疗：药物研发场景应用落地价值最高

AI大模型+医疗应用概述

AI+医疗应用概述

文字对话

医院沉淀了大量电子病历，不管是电子健康档案还是电子病历，都是以文字方式积累。利用AI算法技术能够帮助医院自动识别文字含义及上下文关系，建立对应的医疗知识图谱，用于辅助诊断、用药提示、科研挖掘等。

通过AI算法构建的图像识别方式辅助医师检查，准确率已经达到较高程度。例如，对患者的肺部放射影像诊断需要医生检查大量的放射影像，耗费大量的精力和时间，医学影像人工智能辅助诊断系统的应用极大提高了诊断的效率。

图像诊疗辅助研

在AI算法的支持下，大量医药企业正通过临床经验结合标志属性去挖掘发现更多的肿瘤标志，加速新药研发过程。相对文字和图像方向，辅助研发方向人工智能应用场景还处在相对初期阶段，在政策支持和市场需求的推动下，未来具有极大的发展潜力。

市场规模

2015-2028年中国智慧医疗市场规模及增速 (单位：亿元)

注：智慧医疗市场包含A I大模型+医疗，故行业规模较大

大模型可赋能医疗行业“医、教、研、管”等场景中的各个环节，以提高诊疗效率、诊疗精确度和管理效率等目标为手段，全方位提升诊疗水平。基于医疗行业应用场景复杂和数据专业度高等原因，大模型的技术成熟度相对较低，目前仅有电子病历等技术要求相对低的场景进入商业化阶段。

细分场景价值分析

AI

大模型融合影响分析

医疗机构

• 完善电子病历，提升管理效率

• 减少医患矛盾

• 利于医保控费

病患群体

• 降低小病治疗成本• 缩小医疗资源不足导致的分配不均问题

AI大模型融合影响分析

医护群体

• 减少琐碎工作压力

• 辅助诊疗支持

制药企业

• 降低研发成本，提升效率

资料来源：前瞻产业研究院整理

资料来源：企业官网、前瞻产业研究院整理

2.5 AI大模型+医疗案例

应用案例1

智谱·AIX

项目痛点

• 中医领域名医少、传承断代、医疗资源不足；

• 中医依赖医生经验及阅历；

• 中医数据资料庞大、典籍丰富。

解决方案

• 智谱AI基于GLM-130B大模型和千余本中医古籍书籍、中西医教材、期刊、医案、诊疗信息等数据构建数字中医服务平台。通过“复刻”名老中医诊疗经验和学术思想，形成与名老中医高度匹配的高危肺结节人工智能临床诊疗解决方案，并完成一定规模的临床评价研究。

项目成果

• 已初步开发了医疗垂直领域的问答功能，支持对医疗、健康问题进行智能化知识问答；

• 开发了根据症状生成中医诊方的功能；

• 提供处方主治症候医学解释等辅助诊疗功能。

APUS与河南省儿童医院合作项目全景图

APUSX

应用案例2

 案例内容：APUS基于医疗垂直场景数据，蒸馏提炼出行业基础层—APUS医疗大模型，与省儿童医院在知识库构建、智能诊疗平台搭建、AI数字医生、智能评价体系建设方面进行实践落地。

解决场景痛点：医疗行业容错率低、专业要求高、医疗压力大、患者就医等候时间长等。

资料来源：iResearch、前瞻产业研究院整理

2.6 AI大模型+电商：大模型应用推动信息获取方式变革

AI大模型+电商应用概述

AI电商从技术到价值的赋能逻辑

AI相关技术

电商类型与行业模块

深度学习

自然语言处理

计算机视觉

智能机器人

自动程序设计

数据挖掘

电商类型

货架电商

社交电商

赋能

兴趣电商

即时零售

私域电商

行业模块

供应链

内容制作与展示

运营与营销

落地

搜索与推荐

客服与客户管理

电商相关应用

AI产品设计

AI选品

AI供应链

AI创意与生成

AI预测

AI营销

AI虚拟数字人

AI运营

AI客服

AI对话

AI客户管理

AI电商价值

流量逻辑

用户体验

行业效率

影响

企业成本

职能替代

市场机遇

AI电商借助AI大模型相关技术，赋能各类型电商与行业模块，通过各AI大模型相关应用落地，从而对行业产生流量逻辑、用户体验、行业效率、企业成本、职能替代、市场机遇等影响价值。

市场规模

2017-2025年中国品牌电商服务行业市场规模 (单位：亿元)

AI大模型融合影响分析

内容电商

大模型应用推动信息获取方式变革

传统信息传递方式：被动

• 交互特点：用户与搜索引擎交互模式单一，智能化程度低

• 商业变现方式：主要依赖被动搜索广告变现

• 交互特点：通过相对精准算法推送，但针对精准领域推送精度较低

• 商业变现方式：主要为信息流广告变现，基于用户消费时长、浏览次数和广告加载

◆融合AI大模型后的

信息传递方式：主动

• 交互特点：支持多形态输入，生成信息准确度提升

• 商业变现方式：根据热点主动生成相关电商信息并精准投放意向客户

2.6 AI大模型+电商案例

应用案例1

衔远科技

案例内容：衔远科技成立于2021年，致力于成为新质生产力的引领者，推动人工智能技术与实体经济的深度融合。作为一家专注于大模型的前沿企业，衔远自研大语言模型 ProductGPT和多模态大模型ProductDiffusion 双双通过中央网信办备案，并构建了数千亿级参数规模的通专融合大模型。通过创新的大模型技术打造一个强大的智能化平台，提供从市场洞察、营销创意、内容生产到产品创新等全价值链赋能服务，助力电商企业实现从商机发现到产品交付的全链路数智化转型。

 对应行业场景：市场分析、产品创新、营销策划、智能导购等。

深度洞察Deep Insights市场趋势洞察营销转化洞察

产品创新Product Innovation由下游反作用于上游产品生产环节，实现真正意义上的C2B

商汤基于AI大模型融合实时热点赋能电商精准营销

实时热点

推进创新链产业链资金链人才...1黄磊首谈儿子138.1万新3高铁穿越金黄花海驶向..87.8万新·赵露思又又又有心花样了南

选取关联商品

网络商品库

AI赋能的价值

日食记x永理联名款浓缩正品【积室】新疆塔城咖啡液175g*2盒（14...奶酪包满满的馅料浓.
【买1送1】LEADR女神之美二裂酵母抗皱紧.

自动生成文案

橄榄按摩精油全身推油私处润滑油夫妻情侣..

宣传文案

果干及新疆西梅汁融入，蔓越莓果干酸甜的口感正好中和红枣的甜腻，鲜鸡蛋添加
量≥30%！

自动生成视频

精准捕捉流量热点

宣传视频

高效的推广速度

极低的推广成本

应用案例2

案例内容：商汤与国内某知名社交平台合作，基于AI大模型的能力，实现针对实时热点事件快速在商品库中的选品、对应宣传文案和宣传视频的生成，极大程度上缩短了从热点出现到相关商品精准投放的过程。

解决场景痛点：热点反馈不及时，营销文案、视频生成速度慢、成本高。

资料来源：企业调研访谈、企业官网、前瞻产业研究院整理

2.7 AI大模型+教育：促进教育公平、提高质量、实现教育个性化

AI大模型+教育应用概述

“AI+教育”是人工智能在教育领域的深度融合与应用，它包括“计算智能+教育”、“感知智能+教育”和“认知智能+教育”，从“能存会算”向“能听会说与能看会认”发展，最终实现“能理解与会思考”。

细分应用场景分析

精准化教学

智能助教

学情分析

拍照搜题

游戏学习机

◆ 个性化学习

智能批改

VRAR教学

面向教育者

自适应学习

教育机器人

面向受教育者

智慧校园

决策支持

机器组卷

科学化管理 ◆

口语考评

智能排课

校园监控

机器阅卷

试卷分析

自动化评阅

市场规模

2015-2023年中国AI教育市场规模及增速 (单位：亿元)

注：AI+教育市场包含A I大模型+教育，故行业规模偏大

AI

大模型融合影响分析

AI技术的加持有望从提升教学个性化和教学效率两个维度，降低教育投入成本，最终实现促进教育公平、提高质量、实现个性化的教育目标。

AI大模型融合影响分析

最终目标

教育公平

教育质量

教育个性化

资料来源：choice、前瞻产业研究院整理

2.7 AI大模型+教育案例

应用案例1

科大讯飞IFLYTEK

 案例内容：在AI大模型爆发以前，科大讯飞早已在AI融合教育领域深耕多年，并形成了面向教育管理者、学校管理者、教师、家长和学生的区域教育治理、校园主阵地建设、自主学习和智慧考试四大产品与服务。

 当前科大讯飞已将自建的讯飞星火大模型深入融合进已有智慧教育硬件产品及服务中。

区域教育治理

因材施教综合解决方案

教育数字基座解决方案

• 教育大数据解决方案

• 新高考综合解决方案• 其他

中公网校虚拟数字讲师“小鹿老师”克服技术难点

讯飞智慧教育产品与服务

校园主阵地建设

• 智慧课堂

• 大数据精准教学

• AI听说课堂

• 其他

• AI教研平台

 案例内容：中公教育基于商汤的“如影”数字人与“商量”语言大模型技术，分析优秀师资的教学过程，模拟教学方法和风格，构建虚拟数字讲师“小鹿”，为学生提供高质量的个性化教学。

 解决场景痛点：老师成本高、节约真人老师教学实践、教学质量更高、满足学生个性化教学需求。

教育管理者

自主学习

智慧考试

• AI学习机

• 传统教育考试

• AI翻译笔

• 计算机化考试

• 全球中文学习平台

• 讯飞易听说

• 智能语言测试

• 智能语言学习

学校管理者

教师

应用案例

ORIONSTAR猎户星空

混沌学园

 案例内容：猎户星空为创新课程在线培训企业混沌学园基于AI大模型打造AI助教。

解决场景痛点：

• 老用户单向学习无互动，流失率高，复购率低。

• 新用户选课迷茫，课程推荐形式单一。

• 真人助教专业局限，实时服务成本高。

学员使用智能助教问答次数增加5136次/日

老用户留存比率
环比提升
3.2%
新用户数量环比
增长
11.7%

家长

学生

资料来源：企业调研访谈、前瞻产业研究院整理

2.8 AI大模型+终端：赋能终端设备行业规模二次增长

AI大模型+终端应用概述

2023年AI大模型潜在融合终端领域销售量及增速

传统终端-PC

4124万台同比-17% 新终端-汽车

新终端-工业机器人

3009万台同比+12%

28.3万台同比+0.4%新终端-服务机器人783.3万套同比+23.3%新终端-手机

2.89亿部同比+6.5%新终端-彩电

电视：3656万台同比-8.4%新终端-可穿戴设备

新终端-平板电脑

新终端-无人机（存量）126.7万台同比+32.2%

3470万台同比+7.5%

2818万台同比-4.5% 新终端-智能音箱 2111万台同比-21%

新终端-VR/AR设备

72.5万台同比-39.8%

AI大模型与终端设备的融合，是指将AI大模型算法轻量化后下沉，私有化内嵌部署到每一个终端设备中。当前我国智能终端设备市场呈现分化，传统PC、彩电平板、智能音箱等市场规模受市场需求逐渐饱和的影响销量有所放缓；但在汽车、服务机器人、无人机等新终端新兴市场则保持着较快的增长。AI大模型的融合将带动终端设备的智能化升级，提升机器设备的生产力，从而促进消费者和企业对终端设备更新换代的需求，促进整体终端设备行业规模的二次增长。

AI大模型融合影响分析

提升终端数据分析处理能力

记忆学习，提供定制化服务

改变终端设备信息传递模式

改变人机交互模式

资料来源：Canalys PC、中国信通院、乘联会、IDC、前瞻产业研究院整理

2.8 AI大模型+终端案例

汽车领域应用案例1

案例内容：商汤及联合实验室提出了行业首个感知决策一体自动驾驶通用模型UniAD，首次将检测、跟踪、建图、轨迹预测，占据栅格预测以及规划等模块整合到一个基于Transformer的端到端网络框架之下。

解决痛点：实现信息的无损传递、打破基于规则的智驾方案的能力天花板

融合大模型的端到端自动驾驶解决方案— UniAD 商汤UniAD自动驾驶解决方案

动态元素提取特征帧间物体跟踪

：本元

·基于自车query的轨迹优化·基于occ的碰撞优化

动静态元素特征提取实例级特征预测

短时序全场景BEV，实例级预测链接规划模块友好

商汤合作过的部分国内外汽车品牌

百川助力某新能源汽车品牌搭建车上AI虚拟陪伴系统解决方案

持续优化学习：通过与用户的持续互动和学习，它能够不断适应用户的需求，提供更加贴心和高效的服务。

个性化角色设定：根据用户喜好创建专属角色，具备长期记忆能力，满足不同家庭成员需求。

多功能智能服务：为用户提供从日常闲聊到行程规划的全方位服务。无论是长途旅行中的陪伴，还是日常路上的助手，都能够胜任。资料案例内容：某品牌汽车与百川大模型合作，共同打造一款具有高度个性化交互的AI虚拟陪伴系统，为用户提供全方位智能化车上娱乐服务。

解决痛点：传统的车载系统往往功能单一，而市场上的智能助手又缺乏足够的个性化和情感交流能力。

来源：企业调研访谈、企业官网、前瞻产业研究院整理

2.8 AI大模型+终端案例

机器人领域应用案例1

ORIONSTAR猎户星空

案例内容：自2024年5月起，猎户星空启动自主研发的开源百亿参数的猎户星空大模型与旗下全系列服务机器人的深度融合。此外，猎户星空大模型还推出了日语、韩语版本，大大提高了服务机器人在海外市场的人机交互能力和智能服务能力。

机器人领域应用案例2

案例内容：百川将角色大模型和知识库嵌入机器人，实现角色扮演实时互动，为政府单位解决承办展会可能面临的人工依赖、运营成本高等问题。

百川智能

百川角色大模型+知识库助力政府单位实现科技办会解决方案

0 机器人对接：接入定制好的角色API，机器人可实现以生动的方式实时与会展嘉宾进行语言交互与语音交互

猎户星空大模型机器人AI讲解员

知识管理与Agent搭建：基于百川知识库与角色定制平台，搭建虚拟人，设定角色性格、对话方式、知识等角色数据，生成角色API

2023年8月15日
科大讯飞
iFLYTEK

2023年10月17日Bai 百度

2023年11月1日vivo

2024年2月22日包 xiaomi

其他终端AI大模型应用案例

2024年4月11日

搭载讯飞星火认知大模型V2.0的科大讯飞AI学习机迎来重磅更新，拥有基于大模型的7大类人功能特性在百度世界大会上，正式发布小度添添家庭机器人、青禾学习一体机，以及两款 Tiantian Casa 智能音箱，全面接入文心一言大模型

vivo正式发布自研蓝心大模型BlueLM、OriginOS4、自研蓝河操作系统BlueOS，以及在人文关怀、生态建设等领域的最新成果

正式发布了小米14 Ultra，小米14 Ultra最大的亮点是搭载了首个AI大模型计算摄影平台，小米影像大脑Xiaomi AISP

推出全新华为 MateBookX Pro 笔记本，并且新款MateBook X Pro 笔记本将接入华为盘古大模型

资料来源：企业调研访谈、企业官网、前瞻产业研究院整理

2.9 AI大模型+其他产业应用

AI大模型+文旅

• AI大模型在文化和旅游领域的应用多样，如个性化推荐、改善客户服务、提供多语言支持、沉浸式体验、市场趋势洞察以及智能内容创作。

• 技术运用：机器学习、深度学习模型、自然语言处理、情感分析模型等。

AI大模型+影视游戏

• AI大模型在影视游戏领域的应用除了常见的概念场景图生成、文生视频画面等，当前在3D生成技术方面也正持续突破，并逐步在3D动画等领域实现应用。

• 技术运用：机器学习、深度学习、深度生成网络、扩散概率模型、多模态训练。

AI大模型+法律

• AI大模型应用在法律文档自动生成、法律研究与案例检索、合同审查与风险评估、法律顾问与在线咨询等领域。

• 技术运用：自然语言处理（NLP）技术、知识图谱、机器学习、文本分类与聚类、对话管理系统等。

AI大模型+遥感

• AI大模型在遥感行业的应用场景主要涉及图像解译任务、图片美化、目标变化检测等场景。

• 技术运用：自然语言处理（NLP）技术、机器学习、图像识别和计算机视觉、时间序列分析等。

代表企业案例：科大

湖北省利川市依托讯飞星火认知大模型和昇腾算力，构建了自主创新人工智能公共算力平台，驱动利川数字产业、智慧文旅、康养产业、智慧农业等领域全面发展。

代表企业案例：生数

VoxCraft：一款面向3D资产创建的自动化工具，仅需输入文本描述或2D图像即可自动生成3D模型，同时可自定义编辑模型贴图，支持高精度、分钟级的模型构建。

代表企业案例：

ChatLaw是北大团队推出的一款中文法律大模型，提供普惠法律服务，支持文件、语音输出，协助文书写作和法律建议，是当前国内最专业的法律大模型之一。

代表企业案例：

商汤“地界”AI 遥感大模型源于商汤视觉大模型技术，构建3.5亿+参数的AI遥感大模型型分析能力。商汤“地界”涵盖30+智能遥感分析算法，覆盖地物分类、作物识别、变化检测、目标识别等应用场景。

03 中国AI大模型行业应用痛点及解决方案

3.1 AI大模型行业应用痛点

3.2 AI大模型行业应用解决方案

3.1 AI大模型行业应用痛点：技术面临“卡脖子”&数据不足

技术面临“卡脖子”

当前AI大模型行业应用面临的最大痛点即是在产业链各环节面临“卡脖子”的风险：

算力方面，随着大模型的不断开发和应用，2030年智能算力需求预计将达到52.5ZFlops，是全球算力最主要的需求增长动力，但是当前算力服务器的核心部件GPU芯片我国依然主要依赖于海外进口。

 算子库方面，算子是深度学习算法最基础的计算单元，AI大模型的训练过程中需要频繁调用各种算法，因此其效率很大程度上也取决于训练软件平台底层算子库的规模。我国AI软件开发起步相对较晚，软件算法的开源生态构建也远不及海外发达国家，而目前使用的许多AI算法主要还是海外开源算法，其底层也是基于海外Tensor Flow或Pytorch等开源框架，因此也存在面临“卡脖子”的潜在风险。

2030年全球算力需求预测(单位：ZFlops，%)

AI大模型数据来源

数据质量差，且已面临枯竭

数据获取有成本，且质量差异大

由于安全性或企业前期数字化建设不足的问题导致获取成本高

数据获取需前期巨大的传感器硬件设备投入，成本高

数据缺乏

 大模型对数据要求高：需求方面来看，大模型的训练对数据的需求特征主要体现数据体量足够庞大和数据质量足够优秀，其中数据质量优表现在准确性和连贯性等方面。此外，当前随着多模态大模型的不断应用发展，大模型对数据的需求特征也呈现多模态化的特点。

数据供给面临枯竭：在供给方面，当前训练AI大模型的数据来源则主要有四种。当前绝大部分AI大模型企业主要采用公开数据或付费的行业数据库，这些数据一方面质量参差不齐，另一方面当前也逐渐面临数据枯竭的问题；而大模型企业想要获得更质量的数据则只能选择企业私有数据或真实世界感知数据，但都面临着数据获取难度大或者成本高的问题。

2022年全球人工智能学者榜单各国/地区上榜数量(单位：人)

3.1 AI大模型行业应用痛点：人才缺失&法规风险

人才缺失

我国在AI大模型面临人才短缺问题，无论是人才数量还是质量都与发达国家有明显差距。2020年我国人工智能人才缺口便已超过500万，供需比例失衡，且预计到2030年这一缺口仍将超过400万。同时，顶尖算法人才不足，全球最具影响力学者榜单中，美国学者数量是中国学者的五倍。这些问题对大模型研发及整个人工智能行业的快速发展构成了挑战。

AI大模型开发应用缺失的主要人才类型

法规风险

数据安全和隐私问题

大模型的训练和应用需要处理大量数据，其中可能包含敏感或个人信息。现有的数据保护法律法规可能难以完全覆盖大模型相关的数据使用场景，特别是在跨境数据传输、数据匿名化处理等方面，存在法律空白或不足。

责任归属和伦理问题

当前大模型已逐步逼近图灵测试的极限，且部分企业已将大模型技术应用于复活逝者等敏感行业，造成社会争议。未来随着AI大模型技术的突破，相关矛盾将进一步突出和加剧。

监管与技术创新矛盾

当前我国大模型主要实施备案制度，以规范和监管大模型的开发和使用。然而，技术的快速迭代和复杂性使得备案审批过程可能变得?缓慢和繁琐，影响到大模型的研发和市场应用速度。

知识产权（IP）问题

大模型的开发涉及大量代码、算法、数据集等知识产权。此外，如何处理由AI生成的内容的版权，也成为一个挑战。

3.1 AI大模型行业应用痛点：市场认知不准&行业know-how不足

此外，在企业调研访谈中我们发现市场对AI大模型行业应用的认知不准确也是当前AI大模型行业应用推进过程中企业面临的主要痛点，这种认知不准确则分为两类极端：

 认知严重不足：部分群体或企业并不认可AI大模型的能力，故选择不采购相应服务

 认知预期过高：客户对AI大模型能力有较高预期，采购应用后发现无法达成预期失望

从目前来看，由于AI大模型的火爆，认知预期过高的群体甚至可能超过认知不足的群体，从而对AI大模型的实际应用落地造成巨大的阻碍。

对于AI大模型的行业应用，除了AI大模型本身的能力提升，最重要的便在于如何实现应用落地，并且真正有用。应用程序算法本身难度并不大，不同企业的应用产品之间的差异点在于软件内核体现出的企业对行业know-how的积累和深度，这需要长时间和丰富的实践案例的积累。

3.2 AI大模型行业应用痛点解决方案

应对技术面临“卡脖子”

租用算力：当前最主流的方式，灵活性高，且成本相对较低；

合作建设算力中心：自主或与硬件厂商共建算力中心，满足算力需求，如科大讯飞与华为合作；

当前包括360、华为在内的多家国内大厂都已开始构建自主软件开源生态。

应对数据缺乏

? 购买数据：当前企业获取非公开数据的主要方式；

. 与企业合作获取数据；

. 布局现实传感，获取真实数据。

应对人才缺失

. 与高校合作：如科大讯飞联合成渝多所高校，积极推进AI专业人才培养；

举办开发者大赛：如百度、华为通过悬赏举办开发者大赛吸引高技术人才。

应对法规风险

应对产权风险：增加隐性数字水印；

. 应对数据安全风险：建立安全风控机制及保护措施；

. 应对伦理及合规风险：在方向选择或数据筛选过程中直接过滤不合规信息。

应对市场认知不准确

. 积极推进市场化应用落地；

. 塑造企业案例。

应对行业know-how不足

与头部企业合作积累know-how；

聘请行业专家；

与第三方行业咨询公司合作；

构建行业生态合作体系。

04 AI大模型行业应用前景趋势及投资机会分析

4.1 中国AI大模型行业应用发展前景及趋势

4.2 中国AI大模型行业应用投资机会及风险

4.3 中国AI大模型行业应用发展建议与对策

4.1 AI大模型行业应用前景趋势：技术趋势决定行业前景

技术趋势决定行业发展前景及其他趋势

尽管技术进步无法量化，但前瞻基于调研分析、生产函数理论，假设行业技术进步和单位要素组合创造经济曲线如下图所示。当前AI大模型行业仍处于技术进步对单位要素生产效率不断放大的阶段，故在可预见的未来中，技术进步趋势仍将是AI大模型行业规模体量上限的决定性因素。

AI大模型技术发展趋势：预测大模型、决策大模型和具身智能大模型

AI大模型技术发展仍具有巨大的挖掘潜力，且技术更新进步速度快，行业技术能力上限尚未出现。从未来趋势来看，具备强大预测能力的预测大模型、强大决策能力的决策大模型和能够自主学习、实时交互的具身智能大模型最有可能成为继自然语言大模型和多模态大模型后的下一个大模型行业风口。

资料来源：SeedV实验室，企业调研访谈、前瞻产业研究院整理

4.1 AI大模型行业应用前景趋势：竞争趋于分化

AI大模型行业应用竞争趋势：趋于分化

由于AI大模型行业当前技术上限边际仍未出现，而：

 AI通用大模型路径：算力和数据资源对资金和人力的投入需求将呈倍数的增长；

 打造行业垂类大模型路径：积累行业know-how经验所需的资金和人力投入将持续增长；

因此AI大模型行业应用的竞争者若想要提升竞争优势，必将资源聚焦单一发展路径，行业竞争也将开始分化。

AI大模型行业应用竞争分化趋势

AI大模型行业应用竞争趋势：应用场景挖掘能力决定竞争胜负

通过对企业的调研访谈，前瞻认为在未来AI大模型的行业应用竞争中，真正决定企业能否在竞争中脱颖而出的要素是谁能找到AI大模型最佳的行业落地应用场景，并且做到真正好用，满足企业的实际需求。

01 应用场景

找到AI大模型最佳的行业落地应用场景，并且做到真正好用，满足企业需求。

资料来源：企业调研访谈、前瞻产业研究院整理

4.1 AI大模型行业应用前景趋势：场景更加多元化

AI大模型行业应用趋势：金融、电商行业潜力最大

未来五年AI大模型应用潜力行业

 首先从应用潜力行业排序来看，通过对企业的问卷调研反馈，金融、电商、教育和医疗领域是未来五年应用潜力最高的下游行业，而这些行业普遍具有以下特征：

 前期信息化、数字化基础较好，具有丰富的数据积累

 行业对前沿技术接受度和支付意愿较高

AI大模型行业应用趋势：场景多元化

 从当前AI大模型能力边际来看，需要与人互动、重复性较强的业务类行业应用场景会优先成为AI大模型发展应用场景；

 但从长远来看，随着AI大模型技术能力的突破，AI大模型应用场景必将多元化增长，且会逐渐从当前的业务类场景向决策管理场景深入。

资料来源：企业调研访谈、前瞻产业研究院整理

4.1 AI大模型行业应用前景趋势：到2028年行业规模超1000亿元

AI大模型行业应用其他趋势：

AI大模型反哺基础科学技术的发展

随着AI大模型技术能力的突破，其对基础科学研发的效率提升以及其强大自我学习能力都将反哺基础科学技术的发展，推动基础科学技术的突破。

模型轻量化助力终端智能化

未来，随着AI大模型代码的轻量化发展，越来越多的“小模型”将涌现并装载出现在各种类型的终端设备上，真正助力设备智能化的实现。

OPEN

基础AI通用大模型开源化赋能构建国产软件生态未来，基础AI通用大模型将进一步开源化，二次开发和广告收入将成为通用大模型厂商主要收入来源，开源化将有助于打造我国国产的软件行业生态。

2024-2028年中国大模型行业市场规模预测 (单位：亿元，%)

基于AI大模型行业上限仍未可知的技术前景以及巨大的应用潜力市场，结合《2023年AI大模型研究报告：人工智能大模型产业创新价值研究报告》中的分析，我们预计到2028年我国AI大模型行业的市场规模将突破千亿元，行业复合增速将超过50%，行业前景巨大。

机遇

4.2 中国AI大模型行业应用的投资机会与风险

总体来看，我国AI大模型行业应用的发展具有一定的基础优势及需求机遇；但同时也面临基础算力不足、软件生态仍需补强、传统行业信息化基础薄弱和复合型人才缺乏等行业风险挑战。从投资机会来看，算力芯片、行业垂类大模型等都具有较大的投资潜力。

#

AI大模型技术发展处于国际领先

稳定、积极向上的政商环境

高效的产品商业化应用落地速度

数字经济发展机遇

优势

AI大模型行业应用资金支持

人口老龄化劳动力要素替代机遇企业降本增效率的需求机遇

区域市场投资机会

华东/一线城市等经济发达、技术基础发达地区

细分市场投资机会

行业垂类大模型

基础算力不足

公开/行业数据面临枯竭企业数据获取成本高

复合型人才缺乏

包括安全、知识产权和道德伦理等风险，还需兼顾AI技术创新。

投资机会

算力芯片

产业链投资机会

细分产品投资机会

预测大模型、决策大模型、具身智能大模型

GPU芯片依赖进

数据获取成本高

AI大模型的行业应用需要既懂软件又懂行业的复合型人才

法规风险

应用领域投资机会

电商、金融、教育和医疗

4.3 中国AI大模型行业应用发展建议— 对政府

优化发展环境

牢守安全底线、放开政策监管力度，为行业创新发展打开政策空间

加快应用落地

AI大模型行业属于技术快速更新迭代的新兴行业，当前监管法规尚不完善，而政府在构建法规体系时，需针对行业技术更新迭代快的特性，在牢守安全底线的同时，尽量放开政策监管力度，为行业的技术创新发展打开政策空间。

打造开源生态，促进产业整体快速发展

AI大模型行业属于软件信息行业，根据发达国家的发展经验，政府应积极鼓励打造开源的软件行业生态，一方面有助于形成我国自有的软件生态保护壁垒，另一方面也有助于加速AI大模型行业应用拓展及技术创新。

延续传统高效的商业化应用优势，加快AI大模型应用落地

在AI大模型的发展方面，政府应延续我国在电子支付、电商等互联网产品领域高效商业化应用落地的经验优势，加速鼓励AI大模型的商业化应用落地，通过在行业中实际应用的经验积累弥补在上游硬件端与海外发达国家的差距。

加快人才培养，做好人才储备工作

当前AI大模型仍处于发展初期，各国都在积极布局AI人工智能领域的发展，人才自然成为各国首要争夺和储备的生产要素资源。我国应积极加快针对AI领域的人才培养，做好人才储备工作，避免未来人才的缺失或者流失。

4.3 中国AI大模型行业应用发展建议— 对企业

重视应用融合

关注细分机会

脱虚向实，谨防陷入“模型”规模之争

企业在AI大模型的行业应用竞争中需要关注大模型实际与行业融合的效果，而非大模型的参数规模。

加强企业合作，做大行业蛋糕是当前首要任务

当前AI大模型的行业应用仍处于落地转化的阶段，企业之间在竞争的同时更应加强合作，共同做大行业蛋糕才是当前首要任务。

关注细分行业机会，寻求差异化竞争优势

尤其对于中小初创的AI大模型行业应用企业而言，找到细分行业的细分应用场景，构建差异化的竞争优势壁垒是企业生存下去的唯一途径。

鸣谢

本报告撰写过程中涉及对以下企业的调研访谈，特此感谢各家企业的积极配合！

智谱·AI

衔远科技

报告编委会

出品人：

前瞻产业研究院创始人：陈立科

• 首钢基金执行董事、CANPLUS创办人：李青阳

主编人员：

前瞻产业研究院分析师：宁凯亮刘海晶李宛卿

首钢基金CANPLUS科技产业负责人：杜磊

前瞻经济学人

华为云初创生态

CANPLUS

2024年中国AI大模型场景探索及产业应用调研报告——大模型 “引爆” 行业新一轮变革

引言

AI大模型行业应用概况

01

1.1 AI大模型定义及概述

AI大模型定义

产业规模

1.2 AI大模型行业应用价值：提升要素效率及数据要素地位

数据已成为新生产要素

AI大模型技术进步提升生产要素使用效率

AI

1.3 AI大模型行业应用实现路径

大

垂类大模型与通用大模型的关系

1.4 中国AI大模型行业应用商业模式：多元化

AI大模型行业应用商业模式分类

AI大模型行业应用商业拓展特点

重视后续升级服务

需求方议价能力更强

重视实际落地效果

1.5 AI大模型行业应用需求概述：100亿-200亿参数规模最优

AI大模型行业应用概述

需

模型参数更大、本地化部署

企业对安全性需求

企业对AI大模型能力需求

行业应用对AI大模型能力需求特征评分雷达图

1.6 AI大模型行业应用竞争格局

高校、研究院优势：

广东——聚焦AI大模型的产业应用

北京——关注大模型基础算法创新研究

上海— 侧重硬件芯片、算力

1.7 中国AI大模型行业应用投融资分析：处于萌芽阶段

1.8 AI大模型行业应用的合规要求：暂行备案制

AI大模型行业应用合规要求

通过《生成式人工智能服务管理暂行办法》备案的大模型名单

1.8 AI大模型行业应用的合规要求：暂行备案制

1.8 AI大模型行业应用的合规要求：暂行备案制

中国AI大模型行业应用现状及案例

02

2.1 AI大模型行业应用渗透情况：金融、政务渗透率最高

行业应用路径占比

行业渗透情况

生成模态分布

区域渗透情况

2.2 AI大模型行业通用场景应用分析

智能客服

融合了大模型的智能客服优势

理解能力

智能营销

对话决策能力

自主学习及改进能力

决策 依据

融合了AI大模型的智能营销业务优势

决策变化

成本效益

2.2 AI大模型行业通用场景应用分析

智能搜索

智能翻译

搜索引擎的变迁及融合了AI大模型的智能搜索优势

融合了AI大模型的智能翻译的优势

准确性

人性化程度

理解能力

2.3 AI大模型+金融：智能风控应用落地价值最高

AI大模型+金融应用概述

细分场景价值分析

市场规模

金

具备支付能力

数字化基础好

新事物接受程度高

AI大模型驱动金融行业新场景革新

以开/闭卷问答能力为核 心

#

#

#

360

KCB O金城银行

智能化虚拟分析师

决策依据

以开/闭卷问答能力为核心

★ 2023年5月《北京市促进通用人工智能创新发展的若干措施》