中国AGI市场发展研究报告 2024word版.docx

《中国AGI市场发展研究报告 2024word版.docx》由会员分享，可在线阅读，更多相关《中国AGI市场发展研究报告 2024word版.docx（61页珍藏版）》请在课桌文档上搜索。

1、极客邦科技双数研究院InfoQ研究中心中国AGl市场发展研究报告2024InfoQ极客传媒目录CONTENTOl中国AGl市场发展背景02中国AGl市场发展特征03中国AGI市场应用现状中国AGl市场发展趋势预测全球Al市场发展，正在进入了AGl主导的时代在经历了初期的探索与技术积累，以及随后的技术突破与商业化探索阶段后，人工智能市场迎来了爆发期，并逐渐进入以人工通用智能(AGI)为主导的新时代。探索阶段2011年以前人工智能主要处于概念提出和初步探索阶段。1950年，图灵测试为评估机器是否具备人类水平智能提供了一个哲学和方法论的框架。1956年，达特茅斯会议上，“人工智能”这一术语被正式提出

2、，标志着Al作为一独立学科的诞生。初步应用阶段2011年-2016年人工智能技术开始取得显著突破，并逐渐商业化。2011年，IBM的超级计算机沃森在电视智力问答节目危险边缘中战胜了人类冠军，这一成就证明了Al在理解和处理复杂语言问题方面的能力。深度融合阶段2020年-至今人工智能技术进入了一个更为成熟和广泛应用的阶段，AI开始与各行各业深度融合，并进入AGl主导的时代。2020年，GPT-3的推出在自然语言处理领域取得了显著成就，进一步提升了Al技术的智能化水平，加深了公众对Al潜力的认识和期待。政策逐步深化：国家级政策频繁出台，为AGl的实现提供政策土壤人工智能领域政策正在逐步深化。从最初的

3、观望态度到现在的积极融入，中国的政策环境经历了显著的演变。地方政府和多部联合发布的政策数量急剧增加，反映出跨部协作和地方特色创新的趋势。创新推动阶段：技术创新与应用推广着眼未来：战略部署与伦理治理着眼于Al的远发展和国家战略，政府工作报告和中国发展高层论坛强调人工智能的重要性。关注人工智能伦理治理和科技创新，旨在平衡创新与监管。一初始阶段：基础设施与法规建设专注于建立基础设施，如电子信息制造业2023一2024年稳增行动方案中提到的数据和人工智能基础设施建设。强调法律和安全框架的构建，例如生成式人工智.整合与实施阶段：3全面布局与综合QT应用政策覆盖广泛，涉及多个领域和多个部的联合政策发布，如

4、“数据要素X”三年行动计划。,强调AI的战略地位和行业应用，2024年人工智能+首次提出，象征着AI作为产业创新的关键抓手。支持技术创新和产业集群发展，如上海市推动人工智能大模型创新发展的若干措施。重点发展具体技术应用,比如人形机器人的创新开发（人形机器人创新发展指导意）。能服务管理暂行办法确立了安全评估规定。国内Al市场融资活跃，顶级Al领域人才数量中美差距较大资本市场活跃：较去年相比，今年第一季度融资金额远超去年同季度。2023年整年AI领域投资事件39起，融资金额50.7亿元，2024年第一季度，AI领域投资事件13起，融资金额74.9亿元。同时，融资轮次依然在早期融资。顶级人才数量差距

5、大：根据AI2000学者国家分布显示，中国与美国拥有世界上近八成的顶级Al领域人才。其中，美国有1188人，中国369人，美国人才储备为中国的3.2倍。2024年1月-4月Al领域投融资次数与金额2024年1月-4月Al领域融资轮次67.815.4%天使轮A轮B轮C轮战略投资中国AGl市场将期保持快速增态势 InfoQ研究中心预计，2030年中国AGl应用市场规模将达到4543.6亿元人民币。 2024-2027中国AGl应用市场将经历过速启动期；每年市场增速都将超过100%,2028年起，市场将进入快速成期，年市场增速保持在50%以上。并于2027年突破千亿人民币市场规模。 InfoQ研究中

6、心认为，中国AGI应用市场规模发展将由企业市场引领主导，到2030年企业市场规模预计达到3024.6亿元人民币。中国AGl市场四层结构示意图基础设施层算力、数据百度、阿里巴巴、科大讯、智谱AI、百川智能、零一万物、MiniMaX等解构AGl市场，四层结构释放技术潜力InfoQ研究中心将中国AGl市场自下向上分为基础设施层、模型层、中间层和应用层四层，这四层结构共同构成了中国AGl市场的技术框架。典型厂商出问问、商汤科技、作业帮、秘塔科技、美图、聆心智能、钉钉、WPS等阿里巴巴、腾讯、京东、网易有道、海等模型层是AGl的核心，其能力直接影响最终AGl应用效率基础设施层是实现AGl的基石，是保证模

7、型训练、中国电信、中国移推理部署能力的基础动、华为、浪潮等基础层：为解决算力短缺，短期唤醒沉睡算力，期持续建设智算中心伴随着AGl的不断发展，模型训练和部署对算力的需求不断提升，但中国在算力领域面临诸多挑战。截至2023年底，我国智能算力规模达到了70EF1.OPS,增速超过70%。但距离算力基础设施高质量发展行动计划设置的智能算力规模，仍存在50%的智算缺o因此，为了更好地应对算力短缺问题，短期的关键是如何唤醒沉睡算力，提高现有算力利用率。期持续建设智算中心满足算力供给，除了产业链相关企业，政府和运营商正在接力智算中心建设。我国智能算力建设缺口50%的现状.128个智算中心建设状态和主导方背

8、景分布情况短期内唤醒沉睡算力云算力租赁、算力调度中心等建设,在短期内有限的供给下，探索异构算力池，优化算力使用效率。期算力国产化和智算中心持续建设在美国对GPU管控趋严的背景下，中国国产算力抓住发展机遇，加强自主可控能力，期补充算力空缺。基础层：场景多但流动少，中国正在加速挖掘数据价值数据是大模型训练过程中不可或缺的燃料，其规模和质量也是影响大模型性能的核心要素。在数据总量多，但垂直领域数据流动少的现状下，国家数据局等17部联合印发“数据要素X”三年行动计划（20242026年）。推动科研机构、头企业等开展行业共性数据资源库建设、在重点领域、相关区域组织开展公共数据授权运营、引导企业开放数据，

9、鼓励市场力量挖掘商业数据价值。中国公开训练数据供给现状与行动计划现状数据总量多根据全国数据工作会议，经初步测算，2023年我国数据生产总量预计超32ZB。垂直领域数据流动少开源中文数据集有效供给少，全球通用的50亿大模型数据训练集里，中文语料占比仅为1.3%。完善数据要素市场相关制度行业共性数据资源库建设垂直领域公共数据来源较少，私有数据开放程度偏低。二在科研、文化、交通运输等领域，推动科研机构、头企业等开展行业共性数据资源库建设，打造高质量人工智能大模型训练数据集。行Z动计戈IJ通过数据交易体系建设，建立更加开放、透明的数据资源共享机制，引导企业合理开放数据，鼓励优质供给和增加数据流通。模型

10、层：通用大模型蓬勃发展，短时间内落地仍需行业大模型补行Vl/大精剂游戏电商Ir社交文娱I传媒影视-1!I阅文妙笔!文心传媒，影II大模型I视行业大模型I膏I1盘古跨境电商、SotiAl印T盘古媒体大模型I大模型玉才游戏行U!吁二二TI业大模型|文曲大模型|教育IkidsGPlIIIIn大BixII星辰教育大II模型可印短II/方困I一汽;W*11文心常髀W11大模型仓颉汽大模型1,IFinG1.MDriveGPTi|金融行业大模里十刎是线小将刑1.ightGPT口和星春大模型马上消西金刚盘古汽大模型II大模型金融1k1.则)想金融大模文因金融大模I型FD-1.1.M能源制造-I文心能源/I制造

11、行业I大模型星辰矿山I大模型盘古矿山大模型一医疗-I其他；I*盟i本草)!嘴里6携程问道(W11/城市/社I科/行业大科大讯营销大模型I模型盘古气象大模型I白玉兰科学大模型1.0招联智鹿金融大I模型IDOCtOrGTlChQt1.aWHMM|*火医疗大模型11法律大模型三田*蜡开Il通用K牙臭型玄厂商rI-服务商I科技公司CH)EJ里云I通义疆镇I九天1额黯勰Pl百灵河淄I天工Bai噩百度I文心metUIMiracleVision队赠照I孟子IIIIencenTHSiH混元土用电田|星河|IQMoonshotAiImoonshotC|日日新I盘古IIMNMAXjfKSabab。兔展聪I从容，D

12、.C。Ml言犀；I僦您RI鸿湖II36I智脑格盟巴I山海r开源大模型IBaichuan2ChatG1.M3CogV1.M星辰语义大模型-TeIeehatSkywork丹QWen船:愿X元蒙大模1-1l研究机构j仪雅惟I星火建度甚IPoly1.MiCjw)二郎神IntellinusionI天书JelI西湖ImOSS三JI悟道42西湖心底I西湖法网易伏到I玉言11Al紫东太初何出门间间I序列猴子Ij豳圈段邕由典然漫中虫I天河天元I型MOSS嚏书生浦语O三ASI中间层：作为应用落地的能力补充，智能体表现亮眼*中间层是连接应用层和模型层的桥梁，在现阶段是作为大模型应用落地能力补充的重要层级，随着底层模

13、型技术的持续进步与演化，未来可能会出现模型层逐渐内化并泛化出原本由中间层提供的部分能力。中间层常形式包含微调、检索增强生成、提示工程和智能体。智能体在目前发展阶段因为其适应性搞和成本适中正在被更多的企业采用。与此同时新的沟通应用和模型层的需求还会持续出现。应用层中间层不断产生新需求适应性高基于应用的需要,中间层通过技术形式帮助应用层实现通用模型不具备的一些能力应用层模型层中间层中间层一模型层能力逐渐内化随着中间层能力的不断实践和积累，相对通用和标准化的能力将从中间层中提炼集成在模型层中。适应性低用于解决模型在实际应用中的交互和决策问题。提示工程用于解决模型对于不同任务的泛化能力不足的问题。智能

14、体(Agent)微调成本低检索增强生成用于幻觉和知识更新的问题。用于解决预训练模型在特定任务上性能不足的问题。j成本高OAIAgent具有四大特征，正在以三种形式开展工作AlAgent具有自主行动、沟通交互、随机反应和目标导向的特征，并且正在以多种角色拓展大模型应用范围。AIAgent的四大特征无需人类干预执行任务和作出决策与人和智能体进Slr行交流和协作感知环境变化并作出4St相应的反应主动采取行动以实现目标HjIHIIIAIAgent的三种工作方式1f*x*A单Agent独立工作epl.多Agenl矩阵协同工作，q其中包括BOSSAgent统;ep1.场多、筹和发号指令其他*w*w*Age

15、nt各司其职执行任务C-QnR，击单个或多Agent矩阵与人p3服一协同工作。AIAgent成为推动Al技术革命的关键力量在通往AGl的征途上，AIAgent正逐渐成为探索的核心路径。尽管大模型在全球范围内掀起了一场技术革新的浪潮，使得很多研究者和业界人士认为大模型已接近实现AGl的临界点，但随着时间的推移，大模型的一些局限性开始显现Q这使得研究者们认识到，尽管大模型在模仿人类认知方面取得了显著进步，但要达到真正的通用智能，仍需克服重重困难。因此，AlAgent作为新的研究方向，开始受到越来越多的关注。简化任务执行，拓宽大模型应用范围回AIAgent将简化用户与大模型的互动，允许用户只需指定目

16、标，即可驱动大模型完成任务，人与Al将形成更紧密的合作体系。尽管AIAgenl目前主要处理简单任务，但功能性正不断增强，AIAgenl在多个领域的应用已经开始，预示着未来将成为Al应用层的基本架构。特定垂直行业是AlAgent最有可能首先实现应用的领域在特定垂直领域中，AIAgCnl实现应用的优势主要集中于环境高度适应性。AIAgent.依赖于对环境的反馈，因此企业环境中的特定场景为AIAgent提供了理想的应用背景，便于建立起对特定垂直领域的深入认知。个人助理自动驾驶任务管理市场营销垂直行业专业知识更易理解特定行业的术语、规则、任务实践路径、甚至行业“黑话，可提供高度定制化的解决方案。合规性

17、与规范业务流程理解更易掌握特定行业的法规和标准，确保其应用的行业合规性要求。更易掌握并适应特定行业的业务流程,与企业系统实现无缝集成。应用层：应用基础全面发展，应用层创新有望在AGI领域全球领先基础设施完备我国数字基础设施建设已取得显著成就，建立起全球最大的宽带网络之并在5G技术的研发和部署上处于领先地位。数据中心的大规模建设和智慧城市的快速发展也为AGl应用发展打下牢固的基础。AGl在短时间里经历了从大模型的涌现到应用层的快速创新，众多企业机构正在积极探索新的应用方向。应用层创新将成为有希望在AGl方面领先全球的板块。人才基数庞大中国拥有庞大的数字人才.这得益于国家对科技教育的期投入以及快速

18、的经济发展。中国数字人才不仅在国内市场发挥作用，许多也活跃在国际舞台上，为全球技术进步和知识交流做出了贡献。应用场景丰富中国在人工智能领域投入巨大,AI技术被广泛应用于制造业、医疗、交通、教育等多个行业。产学研各界也在积极探索AGl落地实践，不断扩大应用边界。政策环境鼓励政策密集出台,多部协同发力.以组合拳促AGl市场发展。鼓励深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。InfoQ极客传媒AGI行业应用生命周期罗盘一图了解中国五大行业50+场景AGI应用程度智能营销智能编码应用成熟期市场投放期营销应用阶段：大模型驱动内容、流量、服务与洞察全面升级A

19、Gl已经彻底颠覆了营销领域，Sora凭借其连贯流畅并细节饱满的视频生成能力宣布了文生图大模型的发展进入新篇章，为营销内容创作提供了更丰富的工具。大模型将在四个方面引领变革，包括革新内容的创造过程和效率、改变流量的分配和获取方式、提升服务体验、降低商业洞察槛并颠覆市场研究模式。营销行业AGl应用成熟度曲线市场应用程度应用探索期产品测试期智能投放结果预测创意灵感生成市场投放期应用成熟期电商经营：如虚拟主播内容制作（视频创作、音乐制作、包装设计、广告混剪等）企业运营：如数字员工、智能编码数据分析/复盘策略洞察辅助时间应用现状：覆盖从营销前到营销后的全流程环节目前，大模型应用在市场营销中涉及的重点板块

20、包括目标设定、内容生产、内容管理、投放运营以及效果评估五个环节。营销领域因其数据丰富、目标明确、个性化需求强烈、技术基础成熟等特点，成为大模型应用最成熟的领域之一目标设定内容生产内容管理投放与运营效果评估目标人群设定；目标市场设定；营销目标设定；渠道选择；营销策略制定；文案撰写；创意设计；话术生成；发布会PPT制作;内容营销；营销前测：创意评价、卖点选择等；内容审核；内容资产管理；版权管理；高质量话术提取；广告投放；内容推荐；智能客服/用户运营；舆t监测;直播电商；营销后测：TA表现、销售表现、策略/渠道/内容表现、代言人/广告语表现、舆情效果、品牌资产等C涉及的能力文字生成、音频生成、图像生

21、成、视频生成、场景生成、多模态生成、数据分析、策略分析辅助、智能客服、虚拟主播/数字人、代码生成等营销案例：帮助企业解决营销Al应用落地“最后一公里”营销领域企业借助AI能力，帮助品牌在不同渠道完成从寻找流量洼地、人群定位、创意挖掘、策略分析、投放运营、分析优化、效果评估等系列工作。实现从目标设定到效果评估的全流程智能服务根据不同的擅领域，解决客户不同核心问题投放前期：TA是谁？哪里找TA?TA喜欢什么创意？施明略趣NtMMCXAMPTCCMNaOGV小明助理AlCopilot：一款面向企业用户的一站式大模型Al智能助理、浏览器插件产品，兼顾PC/移动端网等产品形态：基于秒针系统行业知识库训练

22、优化的垂直大模型，企业可以完成营销策略输出、传播内容生成、销售素材生成等任务。百度营销AIGC营销：实现多模态内容生成，突破创意生产力瓶颈百度“轻舸AINative营销平台帮助广告主升级广告创编流程。投放中期：如何推广？如何运营？如何提效？.V11-=h11hn全站推广：产品将全面接入淘系搜索、推荐资源位，流量渠道二犷IlDI里。目。目等场域，为商品提供一步到位的全站流量运营解决方案。投放后期：哪里需要优化？如何积累品牌资产？依托多年营销数据、营销服务经验积累擅领域的行业知识、数据分析方法论、优秀营销案例等云积天赫：Al营销决策工具和服务提供商，提供企业Al发展战11._略和营销咨询服务,Al

23、策略中台和Al全域营销系统以及资产eBrands=积天赫管理（数据资产、用户资产、策略资产）服务.助品牌实现生意增,沉淀策略资产。中国营销AGl厂商图谱应用场景-内容生产及创意文本图像视频音频虚拟主播场景倒映有声Go阿里云0元分房：FancyTech八百度营销FrSUndAl声智0Ifiig科技CSNoliboxV*：火山引擎metu广告投放及运营销售及客服GD阿里云0京东云慧鹭乡网易云商（2）腾讯云Neocrm销售易F-QO螳螂科技亿量科技策略与研究1归一智能gnbronds五枳天n|三三*百度营销IConvertlab益腾讯企点Ichcktech易点天下画浊心巨量引擎.力腾讯广告电戏需八百

24、度营销BIueFOCUSCW磁力引擎：京准通G归-智能1.EODigital百幽出率P可里妈妈（X豁麟行业专业技能欠缺成为主要的营销大模型应用挑战大模型在各个行业应用存在一些共通的挑战，如成本与算力的平衡问题、数据质量和安全性问题、行业知识问题、模型可解释性问题等。由于各行各业都存在营销需求，缺乏特定行业的深入知识这一挑战在营销大模型应用中显得尤为突出，营销效果考核挑战成为独特挑战。营销大模型应用主要挑战突出挑战营销Al大模型更需要垂类竞争力在不少垂直领域，营销大模型除了需要解决专业术语的识别和理解难题，还要了解“行业黑话；预训练模型在建立其词库时，可能没有考虑到特定领域中的高频专业词汇。这意

25、味着营销大模型可能无法识别或正确解释该领域内的关键术语和概念。因此，营销大模型可能缺乏对某些专业领域深入理解的能力。营销效果考核压力各行各业都在寻求降本提效的方法。广告主在这种背景下，更加注重营销ROI。对营销大模型的期待不仅体现在创意本身质量.还关注投放后的营销效果。后者延了营销大模型的考核链路，为服务商带来了挑战；创意与效果双重考核压力：广告主不仅关注营销创意是否能够吸弟目标受众，满足产品和审美的要求,广告主同样关注这些创意投放后的实际效果甚至销售转化。独特挑战零售应用阶段：内容生成和投放推荐成为应用“先锋队”AGl在零售行业的应用已经走过了初期的探索阶段，目前正处于快速发展和市场投放期。

26、尽管整体上还处于成阶段，但某些特定应用如智能推荐和个性化营销已经相对成熟，而其他应用如基于Agent的平台商家助手和供应链管理则仍在发展中。生成能力则促进了Al商拍、营销物料生成等全新场景的诞生和发展。零售行业AGl应用成熟度曲线市场应用程度零售场景核心升级点围绕效率提升与体验优化总体来看，AGI在零售行业的应用正推动着从前端用户体验到后端运营效率的全面革新。围绕效率提升和体验优化，为零售行业带来了深刻的变革。零售行业AGl应用两大核心升级点体验优化效率提升1.metu/更有交互感、更能帮助推G4口%玄拒力用户体验优化荐商品、更能提升售后服吕销效率提升务的智能客服文案、海报、视频、产品图等/物

27、料生成效率的提升/可以帮助商家了解平台规商家体验优化则、各项活动解读，并提投放效率提升供优化经营策略Alibaba淘宝问问（A嘀拍）（海报设计）八百度营销厂自然语言营销、意图识别J一京乐基于Agent的商家平台助手,守中闺电相基嘉编5联大模型的看店助手J自然语言表达投放诉求、智能/可以帮助店店员解读各简化投放流程,智能匹配投放店体验优化项商品活动、并提供产品物料和提供投放优化建议营销和库存管理建议Ggent简化投放、I流程）中国零售AGl厂商图谱围绕核心升级点，零售行业AGl厂商在Al商拍、营销物料生成、店管理、智能投放、平台商家助手、智能客服、数字人导购/主播等场景提探索产品应用与解决方案。

28、应用层-Al商拍_一ArcSoft虹软metuPhotoMagicONolibox爰WeShoP唯家I0所科技IZM0.AI营销物料生成Alibaba稿定京东metuQNolibox智能客服一-!AlibabaBmi卷百度BetterVeah(数字人导购/主播百度智能三减灵4冈平智能店管理三DMA1.1.QMCH企迈科技实在泻雕IntclmocnckImoccoN沃丰科技智能投放一奉阿里妈妈G磁力引擎小巨量引擎百度营销C京准通加腾讯广告r平台商家助手1IAlibabaI丁京东光云W沃丰科技包晓多科技，智齿科技A盘京东人工智能研究院6拟仁智能iH1.hmjmamTECWNe1.DSY嵯基智能Me

29、nMViiiMC*闪剪二Tabcut特看wondershareW万丹科技Xmov方DpScenc需要综合考虑落地成本和应用效果，大小模型并行成为破局之道零售场景下，幻觉问题会对严重破坏用户信任和用户体验。商家也可能会因为生成错误的营销活动信息而蒙受损失。此外在落地时也逃离不了对于成本和效果之间的权衡。现阶段，大小模型并行仍然是主要探索的路径，预计伴随着大模型能力的不断提升，和落地探索的不断成熟，大模型将逐渐承担更多任务。幻觉带来的生成内容错误、偏差问题推理成本和性能之间的平衡 基于零售领域数据的模型微调以及通过RAG等技术手段，生成内容可控 在场景应用中，发挥大小模型的不同优势，权衡成本和效率

30、，不过度追求新技术，以场景需求为核心 探索大模型作为主Agent规划任务,调用小模型作为工具使用、同时搭载记忆模块的智能体应用金融应用阶段：金融行业整体处于应用探索期，逐渐向产品测试期迈进整体来看，金融行业通向AGl应用的步伐尚处于探索期，正逐渐向产品测试期发展。绝大部分中小型金融机构尚未找到大模型与业务的融合点，对大模型应用处于观望阶段或将大模型产品仅应用于通用业务场景中。部分头部金融机构积极创新，不仅能够通过大模型产品解决通用业务问题，还能应用于解决非决策类业务问题。个别大型新兴金融科技公司已推出AlAgent产品或相关框架，即将迈进市场投放期。市场应用程度金融行业AGI应用成熟度曲线时间

31、应用现状：主要应用于运营管理和非决策类业务环节由于金融行业对信息和数据的精确度、合规性有着极高的要求，且大模型在准确性和判断力方面还存在一些不足，这与金融行业对高精确度的需求并不匹配。因此，大模型在金融行业目前主要被应用于智能客服、智能办公等通用场景，尚未深入到核心业务流程的探索中，仅个别机构在单点业务环节有所尝试。大模型是否能够在金融核心业务中发挥出重要作用，一直是业界热议的话题。运营管理环节绝大多数金融大模型目前还只能作为辅助工具使用，应用主要局限于较为初级的领域。但在降本增效的背景下，金融机构经营中降低人力成本变得尤为重要,引入数字员工成为了关键策略；针对传统的、重复性高、效率较低的工作

32、环节，数字员工不仅能够释放人力资源还可以实现降本增效。运营管理环节主要应用场景核心业务环节探索尝试中国农业银行BNKOFCHINAMuninau.aavBANKOFCHINA序4Caaifit5ChraOoravucaonBar*广发银行ICGB信用卡中心QBSPINGAN阳光保险集团SunshinInsuranceGroup邮中信银行xlzCHINAcr11cBANK蚂蚁集团Antgroup度小满SUMHUNDhJDT京东科技乐众安科技信也Q!FyFiT腾讯金融科技S言jf,ivvFM*0k11Mouc(vIII疑归而l_O.com马上消费WWWMSXFCOM施肖费生融招联银行保险证券资产管

33、理信托财务管理投资银行险管理金融科技融资租赁监管机构投资基金期货和衍生品交易金融行业大模型工具，解决方案及应用应用层传统金融机构互联网金融服务机构-消费金融-金融科技公司1-科技公司及互联网金融数据服务商亘通04HUAWEI3牺书麟功夫曼化繇功骋需令中初科金TW9网易数帆中OD”冷QIR方站-X-智谱AIMEEVll旷视Cl百度智能已Mh.i115DataCan器”1能尾道博识伊通致星圄在应用大模型过程中，金融机构面临四大挑战在金融行业，Al大模型目前应用仍主要集中在办公、开发、营销、客服等非核心业务场景，对于投研、交易、控等核心业务，多数金融机构的相关动作仍然相对保守。从IDC中国人工智能行

34、业渗透度排名来看，过去5年一直位列前三的金融行业，2023年已经被电信和政府反超，仅排名第四。这与金融行业强监管的特殊属性有关，而这种行业特性也在一定程度上制约了大模型在金融业的规模化应用进程，金融机构应用Al大模型主要面临四大挑战。金融机构在应用大模型过程中面临的主要四大挑战挑战1：大模型的可解释性和稳定性不足金融行业监管要求严格，这是大模型的“黑盒特性注定在其核心业务场景走不通的重要原因。挑战2：数据的质量、规模和安全问题语料是制约金融业落地大模型的关键桎梏，在AI的数据问题中，针对特定指令的数据集构建较为困难，这要求对数据的质量和相关性有更高的标准。挑战3：算力资源欠缺，算力部署复杂大模

35、型的发展对算力提出了更高的要求，而当前我国市场正面临算力供给的严重短缺。此外，算力部署也是金融领域发展大模型时面临的复杂工程，要想发挥算力的最大效能，必须确保网络、存储和服务器机架等所有相关组件都能够与算力资源相匹配，这是一个成本高昂且技术挑战巨大的过程。挑战4：人才缺失大模型成功应用不仅要求人才具备扎实的算法能力，还需掌握算法工程化的实现方法，以及将算法与具体业务相结合的能力。因此，企业渴求的是一种新型的六边形人才”。企业对人才能力的需求边界在不断扩展、这无疑加剧了人才短缺的问题。企业服务应用阶段：功能场景贴近通用模型能力，逐步迈进市场投放期 由于大语言模型对文本处理类场景有着天然且直接的适

36、配性，文本总结、文本内容生成、服务指引等发展起步早且应用成熟度更高。 在数据分析方面，现有结合Al技术的产品可以帮助分析数据、生成报告或提供洞，但由于大模型幻觉问题，为了保证足够的准确性仍然需要进行人工验证。 企业资源管理、供应链管理等技术更为复杂且涉及多个模块，同时安全性与可靠性要求较高，所以应用程度相对较低。AGI应用覆盖企业全流程，注重效率、知识管理和流程优化AGl在企业服务中，各应用已覆盖企业全流程，包含人力、法务、财税、流程自动化、知识管理和软件开发各领域。企业服务应用落地特点典型场景典型场景招聘简历筛选面试总结新员工培训企业知识管理合同审查法规学习法律知识管理智能开票智能报税财税知

37、识管理人力文档总结数据分析流程优化企业资源管理流程自动化全流程法务财税软件开发知识查询智能问答项目管理辅助编程测试和漏洞优化建议，生成式的内容赋能企业内部沟通协同效率,认知增强能力赋能企业知识管理,规划决策执行能力赋能企业管理流程优化资源优化AGl应用覆盖企业全流程典型场景AGI赋能沟通协同效率、企业知识管理和管理流程优化，生成式的内容赋能企业内部沟通协同效率F1认知增强能力赋能企业知识管理F1规划决策执行能力赋能企业管理流程优化工作助理钉钉Al助理、钉钉（聊天总结）C会议纪要）（下一步工作任务和日程智能生成）文档生成WPSAI工作规划和总结、活动策划等文档智金山办公能生成辅助编码Amazon

38、Q开发者版（Developer）覆盖软件开发全周期：代码解释与亚马逊云科技自然语言代码生成、单元测试代码生成、安全漏洞扫描和修复建议、成本和资源可观测和优化建议人力招聘信息自动生成Beisen北森简历智能筛选面试题库和面试总结法务落地合同审查领域，提律己AI供合同智能总结、修订建议、险提醒等财税CosmicKingdeeiX财务指标查询智能报表生成流程自动化实在AgentC玄自然语言生成流程，通过多模型协作，合理拆解复杂任务，自动规划执行步骤数据分析AmazonQ企业版（Business）亚马逊云科技基于企业知识库和数据源，通过自然语言，生成数据报表、提取数据的洞察信息和报告内容生成中国企业服务AGl厂商图谱企业服务AGl厂商将人工智能技术应用于企业层面，提高工作效率和决策质量，其中应用层覆盖协同办、辅助编程、自动化流程、数据分析、企业资源规划。模型层在于构建一个在垂直领域应用的大模型，为不同应用提供驱动力和智能支持。企业服务行业AGI厂商图谱应