行业大模型调研报告 (85页)

目录

发展背景 01

一　大模型引发的智能革命 02

　　参数规模大 03

　　泛化能力强 04

　　支持多模态 05

二　发展行业大模型的必要性 05

　　大模型存在“不可能三角”问题 05

　　行业对大模型有内生需求 07

　　行业大模型是落地“人工智能+”的最后一公里 07

三　行业大模型的特点 09

　　行业大模型既有模型、也含应用 09

　　行业大模型大多生长于通用大模型之上 09

　　行业大模型的本质是解决方案 11

应用进展 12

一　行业大模型应用阶段划分 13

二　行业大模型应用场景分析 14

　　不同行业的大模型应用快慢有别，需求和数据是两个关键因素 17

　　大模型在垂直场景的应用渗透，呈现“微笑曲线”特征 18

　　不同行业对大模型能力有“三大共性需求” 20

三　终极之问：行业大模型怎样算成功？ 22

　　避免两个误区：片面追求技术性能或短期收益 23

　　评估三类价值：降本提效、业务创新和体验增强 24

　　构建一个模式：高质量数据飞轮 37

实现方式 39

一　引导：提示工程 40

二　外挂：检索增强生成 42

三　优化：精调 45

四　原生：预训练 48

五　典型案例：多种方式组合 49

　　商业案例：金融大模型+个股异动写稿 49

　　科研案例：scBERT单细胞基因数据分析大模型 52

安全与治理54

一　行业大模型治理的三项原则

二　价值对齐是行业大模型可信应用的基础保障56

三　行业大模型更需重视全生命周期的安全保障机制-

四 AI沙盒在行业中有较成熟探索，可成为实现监管目标的可行方案

五 合成数据有望为行业大模型增加数据来源60

六 行业大模型是走向 AI绿色可持续发展的路径之一61

未来展望 62

一　“人工智能+”促进行业大模型应用提速63

二　多模态大模型为数实融合打开新空间64

三　Al Agent 有望为各行业注入生产力

四  行业大模型将出现更多的端侧形态67

五 云智能一体支持行业大模型加速落地68

×