大模型2.0產(chǎn)業(yè)發(fā)展報告——商業(yè)落地創(chuàng)涌而現(xiàn)國家工業(yè)信息安全發(fā)展研究中心標準所聯(lián)想集團

2025年3月第一章大模型發(fā)展進入2.0階段?????????????????3一、大模型2.0的技術特點和產(chǎn)業(yè)生態(tài)

???????????????6二、大模型2.0驅動社會進入智能時代

??????????????10三、各國密集出臺人工智能及大模型的支持和監(jiān)管政策??????????????????????????????????12四、大模型引發(fā)科技巨頭的投資熱潮和人才需求的持續(xù)增長????????????????????????????????????15第二章大模型2.0階段的關鍵要素

??????????????18一、關鍵要素????????????????????????????????????18二、基礎層??????????????????????????????????????19三、模型與應用??????????????????????????????????25四、模型保障層??????????????????????????????????27繁華落盡繁星升起?????????????????????????????????????????????????

1

基礎篇第三章個人大模型

?????????????????????????????

31一、個人大模型為個人終端產(chǎn)品升級帶來新機遇??????

32二、個人大模型對個人終端硬件技術發(fā)展提出新要求??33三、智能個人助理成為個人大模型應用的重要方式????34第四章

企業(yè)大模型

?????????????????????????????35一、大模型給企業(yè)智能化轉型帶來的新機遇??????????36二、企業(yè)智能化轉型的價值體系????????????????????37大模型2.0產(chǎn)業(yè)發(fā)展報告

洞向篇目

錄目關卞,目●IC工信安全

數(shù)字化轉型I第六章大模型未來

?????????????????????????????51一、大模型的未來三大發(fā)展趨勢????????????????????51二、去概率化大模型成為大模型發(fā)展的主要框架??????53三、目標驅動的人工智能新架構????????????????????54四、相關研究與實踐??????????????????????????????56第五章

企業(yè)大模型及智能體實踐的方法與路徑

???41一、企業(yè)基于大模型構建智能體的步驟??????????????

42二、實踐案例：聯(lián)想的智能化轉型及聯(lián)想企業(yè)智能體??44三、大模型在行業(yè)智能化轉型的典型場景應用????????

47結語?????????????????????????????????????????????????????????????57大模型2.0產(chǎn)業(yè)發(fā)展報告目

錄目關卞,目●lc工信安全數(shù)字化轉型大模型廣泛應用將持續(xù)推進“人工智能+”行動當前，人工智能技術已成為國際經(jīng)濟的新焦點、經(jīng)濟發(fā)展的新引擎、社會建設的新機遇。隨著算力、算法與數(shù)據(jù)的協(xié)同突破，人工智能技術快速發(fā)

展，且已從實驗室走向產(chǎn)業(yè)實踐，深刻重塑著人類社會的生產(chǎn)生活方式。

我們站在這個新的技術革命起點，搶抓人工智能發(fā)展的重大戰(zhàn)略機遇，積

極推動大模型研制，給人工智能技術發(fā)展帶來重要突破。大模型憑借強大

的泛化能力、多模態(tài)理解與持續(xù)學習特性，成為推動智能化轉型的核心，

引領著我們進入一個全新的智能化、高效化的新紀元。近年來，我國政府相繼出臺了一系列政策支持人工智能的發(fā)展。國務院出臺了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升至國家戰(zhàn)略。中央網(wǎng)絡安全和信息化委員會出臺《“十四五”國家信息化規(guī)劃》，也提到了人

工智能技術。2024年《政府工作報告》提出開展“人工智能+”行動。

隨后我國各地政府也相繼出臺了相關支持政策，加快推動大模型產(chǎn)業(yè)的持竇克勤國家工業(yè)信息安全發(fā)展研究中心

標準所副所長、研究員大模型2.0產(chǎn)業(yè)發(fā)展報告【政觀經(jīng)緯】目關卞,目●IC工信安全數(shù)字化轉型續(xù)發(fā)展。其中，北京市人民政府辦公廳發(fā)布《北京市促進通用人工智能創(chuàng)新發(fā)展的若干措施》提出“高效推動新增算力基礎設施建設，開展大模型

創(chuàng)新算法及關鍵技術研究”；廣東省人民政府發(fā)布《廣東省人民政府關于

加快建設通用人工智能產(chǎn)業(yè)創(chuàng)新引領地的實施意見》提出“圍繞基礎架構、

訓練算法、調(diào)優(yōu)對齊、推理部署等環(huán)節(jié)，研發(fā)千億級參數(shù)的人工智能通用

大模型，形成自主可控的大模型完整技術體系”。在國家政策和地方政策

的指引下，我國人工智能產(chǎn)業(yè)發(fā)展迅速，形成了從基礎研究到應用落地的

完整生態(tài)體系。歷經(jīng)多年的技術攻關，國內(nèi)在大模型、人工智能芯片、開

源框架、算法優(yōu)化等領域涌現(xiàn)出了一系列創(chuàng)新成果，取得了令人矚目的成

就，極大地推動了產(chǎn)業(yè)的技術創(chuàng)新，也為實體經(jīng)濟的數(shù)字化、智能化、綠

色化轉型提供了強大動力。在此背景下，由國家工業(yè)信息安全發(fā)展研究中心標準所、全國兩化融合標委會（TC573）、《數(shù)字化轉型》期刊和聯(lián)想集團聯(lián)合編纂與發(fā)布《大模型2.0

產(chǎn)業(yè)發(fā)展報告》（以下簡稱《報告》）具有重要的意義。

一是《報告》系

統(tǒng)梳理模型架構創(chuàng)新、訓練范式革新以及算力基礎設施的演進等領域大模

型技術發(fā)展的最新趨勢。通過對比國內(nèi)外主流大模型的技術參數(shù)與應用效

能，為從業(yè)者提供客觀的技術參考。二是提供實踐指導，梳理大模型在個

人、企業(yè)的典型應用案例，揭示其賦能生產(chǎn)生活方式的核心邏輯，推動企

業(yè)實現(xiàn)轉型升級，大模型在企業(yè)的智能經(jīng)營管理、智能設計研發(fā)、智能供

應鏈管理、智能生產(chǎn)制造等典型場景的應用有效提升了企業(yè)的運營效率和

產(chǎn)品質(zhì)量。三是《報告》對未來發(fā)展方向進一步深刻洞察，為產(chǎn)業(yè)界和學

術界提供指導和參考。希望通過《報告》的發(fā)布，能夠激發(fā)更多業(yè)界同仁

的思考和討論，促進產(chǎn)學研各界的交流與合作，在彼此共同努力下，共同

創(chuàng)造人工智能產(chǎn)業(yè)的輝煌未來。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全數(shù)字化轉型大模型2.0驅動企業(yè)智能化升級破局近幾年，大模型超越了人工智能過去幾十年的發(fā)展速度。正因如此，大模型也正在引領著以人工智能為代表的新一代信息技術深入到人類的社會生

活和經(jīng)濟發(fā)展。從技術萌芽到產(chǎn)業(yè)應用，是一次巨大的技術躍升，大模型

技術也是如此，這也是我們這一產(chǎn)業(yè)發(fā)展報告的價值所在。從產(chǎn)業(yè)發(fā)展現(xiàn)狀來看，生成式大模型的技術成熟度已經(jīng)很高，但產(chǎn)業(yè)應用卻面臨著巨大的鴻溝。與社會個體或創(chuàng)作者日常的大模型應用場景（智能助手、文生圖、圖生文、翻譯及語音設備等）相比，大模型在企業(yè)生產(chǎn)經(jīng)【產(chǎn)經(jīng)智見】戴煒聯(lián)想高級副總裁中國方案服務業(yè)務群總經(jīng)理營中的應用要廣泛得多，也復雜得多。同樣基于目前個人和小組織的應用價值，或許只是大模型價值很小的一部分，而大模型在產(chǎn)業(yè)特別是企業(yè)中

一旦得到大規(guī)模深入推廣，那將是大模型真正的星辰大海。不僅如此，對于企業(yè)的轉型升級而言，大模型技術的成熟，對企業(yè)的智能化升級帶來更為現(xiàn)實和明確的方向，也對企業(yè)智能化升級之后的智能化運營效率和數(shù)字化創(chuàng)新能力的提升產(chǎn)生

巨大的影響。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全數(shù)字化轉型聯(lián)想是一家服務于企業(yè)和社會機構數(shù)字化轉型和智能化升級的企業(yè)，在近年的技術探索和產(chǎn)業(yè)實踐中，我們深切感受到：從基礎大模型走向企業(yè)級

大模型平臺，所需要的技術適配和系統(tǒng)平臺升級，遠比想象的復雜得多。在近年的探索實踐中我們發(fā)現(xiàn)，大模型在產(chǎn)業(yè)和企業(yè)的應用不像之前企業(yè)信息技術一樣，只是一個獨立的應用或系統(tǒng)，而是需要系統(tǒng)性解決企業(yè)生

產(chǎn)經(jīng)營平臺智能化的問題：需要融合企業(yè)原有專用人工智能應用和基礎大

模型；需要實現(xiàn)大模型的云端和本地的混合部署；需要實現(xiàn)企業(yè)商業(yè)數(shù)據(jù)

和社會公共數(shù)據(jù)融合后的大模型訓練和調(diào)優(yōu)；更需要實現(xiàn)企業(yè)算力平臺從

通用算力向“通用算力+圖形算力+智能算力”融合的混合算力體系的過

渡。我們把這些特征統(tǒng)稱為混合人工智能，這也是近幾年我們和合作伙伴

一起，為大模型應用提供的一種經(jīng)過產(chǎn)業(yè)驗證的技術方式。同時，在企業(yè)大模型的發(fā)展中，我們依托企業(yè)在不同場景智能體的應用，降低大模型應用過高的技術門檻?；谄髽I(yè)應用場景的閉環(huán)，依靠適合企

業(yè)特殊場景的大模型，實現(xiàn)企業(yè)獨立場景的智能化，同時提供不同智能體

的協(xié)同，讓企業(yè)的生產(chǎn)經(jīng)營和管理運營最終實現(xiàn)智能化。這就是大模型發(fā)

展過程的2.0階段，從模型研發(fā)向模型應用方向發(fā)展。大模型是企業(yè)智能化升級的一種高效技術路徑，但企業(yè)的數(shù)字化轉型和智能化升級，遠比大模型應用復雜得多。在大模型的企業(yè)應用中，或者說在

企業(yè)大模型的發(fā)展過程中，我們面臨著巨大的機遇和復雜環(huán)境，需要全產(chǎn)

業(yè)的持續(xù)創(chuàng)新。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全數(shù)字化轉型繁花落盡

繁星升起1956年8月，在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學院中，

一群科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習

以及其他方面的智能。會議足足持續(xù)了兩個月的時間，雖然大家沒有達成

普遍的共識，但是卻為會議討論的內(nèi)容起了一個名字——人工智能。因此，

1956年也就成為人工智能元年。在人工智能的漫長征程中，我們見證了技術的波瀾壯闊，也感受到了時代的脈動。大模型

1.0時代，如同一場科技的啟蒙，揭開了深度學習與自然

語言處理的新篇章。在這個時代，基于大型語言模型（LLM）架構的概率

模型，無論是通用模型還是行業(yè)模型，都在探索著人工智能的可能性。然

而，這些模型在虛擬的非嚴肅場景中雖然展現(xiàn)出了驚人的潛力，但在商業(yè)

模式的探索上卻顯得步履蹣跚。在這個時代，市場上涌現(xiàn)了

200多家致

力于大模型研發(fā)的企業(yè)，

一些企業(yè)如繁花般綻放，卻最終隨著競爭的激烈

而消逝，只有幾十家能夠適應市場并持續(xù)運營，其他企業(yè)未能在競爭中生存下來。隨著時間的推移，我們迎來了大模型發(fā)展的2.0時代。這是一個全新的紀元，

一個以可商業(yè)化為視角的時代。在這個時代，我們不再僅僅關注技術

的突破，更開始審視整個大模型發(fā)展的產(chǎn)業(yè)鏈、生態(tài)和價值體系。我們開

始思考，如何將這些強大的模型轉化為實際的生產(chǎn)力，如何在現(xiàn)實世界中

找到它們的立足之地。在大模型2.0時代，行業(yè)AI應用正對市場產(chǎn)生深遠的影響和改變。隨著技術的成熟和應用的深入，人工智能不再局限于虛擬的實驗場，而是開始

滲透到各行各業(yè)，從制造業(yè)的自動化到服務業(yè)的個性化推薦，從醫(yī)療診斷

的精準度到金融風險的管理，AI應用正在重塑傳統(tǒng)行業(yè)的面貌。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型1行業(yè)AI應用對市場的沖擊首先體現(xiàn)在效率的提升上。通過引入智能算法和自動化流程，企業(yè)能夠顯著提高生產(chǎn)效率，降低運營成本。其次，

AI技術的應用也為企業(yè)帶來了新的商業(yè)模式和收入來源。例如，基于數(shù)據(jù)分

析的個性化服務能夠更好地滿足消費者的需求，創(chuàng)造更大的市場價值。然而，行業(yè)AI應用也帶來了挑戰(zhàn)。隨著自動化和智能化水平的提高，

一些傳統(tǒng)崗位可能會被機器取代，引發(fā)就業(yè)結構的變化。同時，數(shù)據(jù)安全和

隱私保護也成為行業(yè)發(fā)展必須面對的問題。在這個時代，我們看到了基于

AIPC、AIPhone

等新硬件的個人模型的崛起。這些模型不僅僅是技術的展示，更是個人生活和工作的得力助手。它們以

更加個性化、智能化的方式，融入我們的日常生活，成為我們生活中不可

或缺的一部分。同時，基于企業(yè)化的場景模型也開始嶄露頭角。這些模型深入到各個行業(yè)，從金融到醫(yī)療，從教育到制造，它們正在改變著傳統(tǒng)的工作方式，提升著

生產(chǎn)效率，推動著產(chǎn)業(yè)的升級。它們不僅僅是簡單的工具，更是企業(yè)創(chuàng)新

和競爭力的新源泉。這些新硬件和場景模型的出現(xiàn)，正如繁星般升起，為我們描繪了一個嶄新的產(chǎn)業(yè)未來的藍圖。在這個藍圖中，大模型不再是高高在上的科技概念，

而是實實在在地服務于人類，成為推動社會進步的強大動力。它們成為了

產(chǎn)業(yè)未來的錨點，引領著我們向著更加智能、高效和人性化的未來邁進。本書旨在深入探討大模型2.0時代的發(fā)展趨勢、挑戰(zhàn)和機遇。我們將一起見證這個時代的變遷，

一起探索人工智能如何更好地服務于人類社會。在這個充滿無限可能的新時代，讓我們攜手前行，創(chuàng)涌未來！大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型2人工智能旨在讓計算機系統(tǒng)模擬人的思維過程和學習過程，其發(fā)展和技術演進經(jīng)歷了多個階段，并產(chǎn)生了自然語言處理、語音處理、計算機視覺數(shù)據(jù)分

析等一系列技術和方法。其中，人工智能大模型，即大型語言模型（Large

Language

Models，LLMs），是指基于深度學習算法，依托大規(guī)模的數(shù)據(jù)進行訓練，利用強大算力資源進行推理和應用，能執(zhí)行復雜下游任務的神經(jīng)網(wǎng)絡模型，也被簡稱為大模型。它使用大量的計算資源進行訓練和部署，在大規(guī)模數(shù)據(jù)集上完成預訓練后，無需或僅需少量數(shù)據(jù)的微調(diào)，即可完成問答、翻譯、語音識別、圖像識別等復雜任務，直接支撐各類應用。大模型的發(fā)展可以追溯到人工智能和機器學習的早期階段，但真正爆發(fā)卻是在最近幾年，特別是在自然語言處理（NLP）領域。一般來說，大模型的發(fā)展經(jīng)歷了以下幾個階段。?

人工智能探索期早期探索（1950-2000年）：人工智能概念提出以后，研究者首先進行了基于簡單規(guī)則進行推理與基于知識進行推理兩個階段的實踐。但實踐證明，基于第一章大模型發(fā)展

進入2.0階段大模型2.0產(chǎn)業(yè)發(fā)展報告本報告來源于三個皮匠報告站（）,由用戶Id:841177下載,文檔Id:621395,下載日期:2025-05-16基礎篇目關卞,目●IC工信安全

數(shù)字化轉型3知識系統(tǒng)和邏輯推理的機器并不智能。隨后研究者嘗試讓計算機自己在數(shù)據(jù)中學習，基于數(shù)據(jù)的統(tǒng)計學習出現(xiàn)并成為主流，人們將目光轉向了數(shù)據(jù)和統(tǒng)計理論。在這個階段，基于神經(jīng)網(wǎng)絡的連接主義學習也得到了一些進展，早期的模型如感知器和反向傳播算法為后來深度學習的發(fā)展奠定了基礎。?

新一代人工智能起步期深度學習的興起（2006-2012年）

：深度學習的概念在2006年被正式提出，它是一種復雜的機器學習算法，主要目的是模擬人腦的神經(jīng)網(wǎng)絡結構，使機器具備類似于人的分析和學習能力。同構建單層模型、需要人工提取特征的機器學習相比，深度學習構建了多層網(wǎng)絡，可以自動學習、提取數(shù)據(jù)特征，在模型復雜程度、能力上都比機器學習有明顯的提升，此后深度學習開始廣泛應用于

自然語言處理任務。預訓練模型的出現(xiàn)（2013-2018年）：隨著深度學習的應用發(fā)展，Word2Vec和BERT等預訓練模型出現(xiàn)。預訓練模型的出現(xiàn)，標志著“通用模型能力+特

定場景微調(diào)”思想的成熟。它的核心思想是將在一個任務上訓練得到的模型權重遷移到其他任務上，使得新任務能夠利用已經(jīng)學到的知識和特征。?

新一代人工智能發(fā)展期Transformer架構的突破（2017年

）：2017

年，谷

歌

團

隊

首

先提

出Transformer架構，該框架基于自注意力機制，解決了自然語言處理任務中循

環(huán)神經(jīng)網(wǎng)絡（RNN）和卷積神經(jīng)網(wǎng)絡（CNN）在應用中的長距離依賴問題，使長文本理解處理成為可能。這是人工智能領域發(fā)展的新突破，Transformer架構也成為后續(xù)大模型的核心技術。?

進入大模型1.0時代GPT系列的崛起（2018年至今）：GPT系列模型是OpenAI推出的預訓練語言模型。GPT-1、GPT-2的實踐已經(jīng)暗示了擴大數(shù)據(jù)和參數(shù)后預訓練模型的潛

力。GPT-3在網(wǎng)絡容量上做了更大的提升，最終在不同任務上有了令人震驚的大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型4表現(xiàn)?；贕PT-3的對話產(chǎn)品ChatGPT在全球范圍內(nèi)也引發(fā)了巨大的關注和討論。GPT-4在參數(shù)上較GPT-3又有數(shù)量的突破，擁有了處理多模態(tài)數(shù)據(jù)的

能力。GPT系列的崛起證明了在Transformer架構下使用海量參數(shù)與數(shù)據(jù)訓練的模型的強大能力，“大模型+場景微調(diào)”成為了行業(yè)新的研究范式。多模態(tài)大模型的發(fā)展（2021年至今）

：隨著CLIP和DALL·E等模型的出現(xiàn)，大模型開始突破傳統(tǒng)的文本處理領域，進入圖像、音頻等多模態(tài)領域，進一步拓寬了人工智能的應用范圍。?

進入大模型2.0時代大模型發(fā)展的1.0階段，是大模型的探索階段。受到

GPT的沖擊，科技巨頭紛紛構建通用大模型，探求大模型在技術上的進一步發(fā)展，開始大模型在商業(yè)化層面的探索。行業(yè)巨頭開始籌備構建自己的垂直大模型，在通用大模型基礎上利用行業(yè)知識進行微調(diào)的行業(yè)大模型也在金融、醫(yī)療、能源等行業(yè)出現(xiàn)。大模型2.0階段，是大模型的應用階段。隨著通用大模型數(shù)量爆發(fā)與質(zhì)量快速提升，行業(yè)大模型繼續(xù)發(fā)展，在通用大模型基礎上基于企業(yè)數(shù)據(jù)和個人預訓練數(shù)據(jù)的企業(yè)大模型和個人大模型快速得到應用落地，已經(jīng)成為大模型最有價值的商業(yè)化方向。與此同時，通用多模態(tài)大模型產(chǎn)品也得到進一步突破。2024

年2月，OpenAI發(fā)布了其文本生成視頻的大模型Sora。Sora展示了人工智大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型5能在理解和模擬物理世界方面的能力，被認為是通用人工智能的關鍵一步。2024年5月，OpenAI推出其新旗艦模型GPT-4o，能夠實時對音頻、視覺和

文本進行推理，為多模態(tài)交互開啟無限可能。2025年1月，

DeepSeek正式

發(fā)布DeepSeekV3模型，大幅降低了大模型對算力的要求，同時顯著降低了企業(yè)應用門檻，加速推動了大模型在企業(yè)部署及應用的普及化。隨著大模型從1.0階段到2.0階段的邁進，大模型產(chǎn)業(yè)也從初期應用的探索轉向應用的規(guī)?；c深度化發(fā)展，

以企業(yè)和個人使用者為中心，

以大模型應用服

務提供商為主導的產(chǎn)業(yè)生態(tài)正在形成。大模型

2.0

的技術特點和（一）大模型2.0

時代大模型1.0階段的核心任務是人工智能技術實現(xiàn)快速迭代發(fā)展并且逐漸成熟，尤其在文字、語音、圖像、視頻、代碼等領域加速迭代，為大模型技術的商業(yè)

化應用打下了堅實基礎。大模型發(fā)展進入2.0階段的標志，就是在大模型能力快速增強，

以及對算力門檻與成本的大幅降低的背景下，大模型技術進入規(guī)模商業(yè)化。在資本逐漸認可大模型商業(yè)價值的背景下，個人和企業(yè)用戶初步形成付費意愿，越來越多的大模型賦能產(chǎn)品和服務被采購，產(chǎn)業(yè)不斷探索新的商業(yè)模式和業(yè)態(tài)。主要表現(xiàn)在兩個方面：面向個人消費市場，

以大模型技術路線的產(chǎn)品與服務越來越豐富，產(chǎn)品與服務在個人端不斷探索；面向企業(yè)級市場，幾乎所有企業(yè)與組織都積極探索大模型技術路線為企業(yè)帶來的創(chuàng)新與變革，大模型開始加速滲透到千行百業(yè)的場景中，賦能行業(yè)升級。在這個過程中，智能體

(Agent)作為大模型在企業(yè)落地的重要手段，其種類的豐富和繁榮，是大模型應用規(guī)模商業(yè)化的一個重要標志。智能體是一種能夠感知環(huán)境、進行自主決策并執(zhí)行行動以實現(xiàn)特定目標的智能實體或系統(tǒng)。它基于01大模型2.0產(chǎn)業(yè)發(fā)展報告產(chǎn)業(yè)生態(tài)目關卞,目●lc工信安全

數(shù)字化轉型6人工智能技術，具備學習、規(guī)劃、記憶、工具使用和行動等能力，能夠獨立或半自主地完成任務，而不僅僅依賴于用戶的明確指令。在大模型2.0的發(fā)展階段，大模型在技術、商業(yè)化應用、產(chǎn)業(yè)等層面均出現(xiàn)了顯性變化。技術上，為了解決基于Transformer架構黑箱推理過程、輸出可解釋可控的問題，

以及消除大模型的幻覺，對大模型的訓練數(shù)據(jù)、方法與模型算法持續(xù)優(yōu)化，提高大模型輸出的準確性；基于外掛知識庫的檢索增強生成模型和去概率化大模型逐漸發(fā)展，大模型輸出的邏輯性、可控性、專業(yè)化與行業(yè)化進一步加強。隨著模型能力的加強，通用大模型的參數(shù)也從千億級向萬億級發(fā)展，面向不同應用的不同參數(shù)規(guī)模的大模型多元化，對算力的要求進一步提高。商業(yè)上，在通用大模型與行業(yè)大模型持續(xù)發(fā)展的基礎上，大模型在個人場景與企業(yè)場景中找到了可發(fā)展的商業(yè)模式?；趥€人大模型的智能硬件和軟件的產(chǎn)品與服務如雨后春筍般出現(xiàn)，基于企業(yè)大模型的涉及生產(chǎn)、經(jīng)營、管理等全域智能化應用正成為企業(yè)數(shù)字化轉型和增強市場競爭力的重要工具。在產(chǎn)業(yè)層面，分別以個人和企業(yè)為核心的大模型生態(tài)體系正在形成。個人大模型的生態(tài)體系主要包括數(shù)據(jù)、技術基礎設施、模型應用、服務與產(chǎn)品、安全性

與隱私等多個層面；企業(yè)大模型的生態(tài)體系主要包括基礎層、應用層和戰(zhàn)略層。個人通過構建個人大模型推動個人工作方式創(chuàng)新升級，企業(yè)通過構建基于大模型的企業(yè)智能體進行智能化轉型，推動產(chǎn)業(yè)結構優(yōu)化升級，促進社會的生產(chǎn)能

力發(fā)展。（二）大模型2.0時代的技術特點在新的階段，大模型也形成了明顯的特點，主要體現(xiàn)在以下幾個方面。更強的理解能力。在大模型2.0發(fā)展階段，多模態(tài)大模型不僅能處理和理解文本、圖像、音頻和視頻等多模態(tài)的數(shù)據(jù)，還具備了理解跨模態(tài)數(shù)據(jù)的能力。另外，多模態(tài)大模型是以思想鏈展示出類似人類解決問題時的邏輯推理過程，輸出具有更高的可解釋性。更強的理解能力推動大模型推理的準確性，滿足了更多的個人與企業(yè)對大模型以及智能體的需求。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型7更全面的知識儲備。在2.0發(fā)展階段，數(shù)據(jù)版權化得到更多關注，數(shù)據(jù)版權趨勢有助于提高私有數(shù)據(jù)的隱私性和安全性，從而推動更多行業(yè)知識能夠安全進入大模型進行訓練，使大模型擁有更全面的知識儲備，進而在回答來自各種領域的復雜問題時，具備更高的泛化能力和更準確的應用范圍，推動了大模型在

千行百業(yè)向深度應用的拓展。更高效低碳的訓練模式。在大模型2.0發(fā)展階段，模型壓縮技術、RAG架構等技術創(chuàng)新能夠推動訓練流程優(yōu)化升級，TPU等集成電路的出現(xiàn)能夠加速網(wǎng)絡

的訓練和推理過程，異構計算平臺結合了多種硬件資源，在保證高性能的同時降低設備功耗，提高了效率，降低了大模型訓練成本，讓大模型發(fā)展更適應綠色環(huán)保的理念。更廣泛的產(chǎn)業(yè)應用能力。在大模型2.0發(fā)展階段，大模型通常提供服務化平臺，使得大模型的能力能夠以API或其他服務的形式對外提供，從而滿足不同使用者和應用場景的需求，更廣泛地應用于多個產(chǎn)業(yè)和領域，為不同企業(yè)提供更專業(yè)、更精細的技術支持。同時，為深度學習神經(jīng)網(wǎng)絡設計的專用處理器出現(xiàn)并逐漸應用，AI算力芯片逐步進入個人終端，推動個人生活和工作場景的智能

化發(fā)展。（三）大模型2.0的產(chǎn)業(yè)生態(tài)大模型在現(xiàn)實復雜場景中的應用，主要難點在于打造完整的產(chǎn)業(yè)生態(tài)體系，進而打通大模型應用的“最后一公里”?，F(xiàn)階段，

以個人和企業(yè)為核心的大模型

產(chǎn)業(yè)生態(tài)體系正在形成。個人大模型的產(chǎn)業(yè)生態(tài)體系主要涉及數(shù)據(jù)供給、技術基礎設施供給、模型應用、服務與產(chǎn)品供給、安全與隱私等多個方面。個人大模型的訓練需要個人活動和傳感器數(shù)據(jù)，并對個人數(shù)據(jù)進行分析與處理；此外，還需要應用程序、操作系統(tǒng)等軟件和個人終端產(chǎn)品、個人服務器等硬件提供技術基礎設施供給；在模型應用方面，個人大模型還可以提供個性化推薦、健康檢測、生產(chǎn)力工具等應用；

基于個人大模型，還有定制應用、智能家居、智能攝像頭等產(chǎn)品服務；在個人大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型8圖1

個人大模型產(chǎn)業(yè)生態(tài)圖譜企業(yè)大模型的產(chǎn)業(yè)生態(tài)體系主要包括基礎層、應用層和戰(zhàn)略層三大層面。在基礎層，首先，需要來自企業(yè)的內(nèi)部和外部等多種來源的數(shù)據(jù)供給；而后利用企業(yè)數(shù)

據(jù)訓練開發(fā)大模型，并將企業(yè)大模型應用于決策、自動化、個性化服務等多個方

面；在訓練企業(yè)大模型的過程中，還需要確保算力集群、儲存服務器等硬件和大

數(shù)據(jù)平臺、云計算工具等軟件技術基礎資源的供給。在應用層，企業(yè)大模型的應

用主要涉及市場與競爭、投資與財務、合作伙伴與生態(tài)系統(tǒng)、研發(fā)與創(chuàng)新、供應

鏈、用戶與客戶等多個領域，其中通過組織戰(zhàn)略合作，可以構建以企業(yè)大模型為

基礎的生態(tài)系統(tǒng)。在戰(zhàn)略層，主要涉及企業(yè)大模型的未來與發(fā)展、學習與優(yōu)化、

安全與合規(guī)三個方面，通過規(guī)劃大模型的未來發(fā)展、持續(xù)改進模型性能并保證過

程安全合規(guī)，推動企業(yè)大模型的可持續(xù)發(fā)展。在整個企業(yè)大模型產(chǎn)業(yè)生態(tài)體系的

構建下，企業(yè)能夠通過大模型推動自身轉型升級，實現(xiàn)長遠發(fā)展。數(shù)據(jù)分析與處理技術基礎設施數(shù)據(jù)生成數(shù)據(jù)保護：加密、匿名化合規(guī)性：數(shù)安法、GPDR……大模型的開發(fā)應用過程中，也要注意個人數(shù)據(jù)的保護與合規(guī)性。利用個人大模型，個人可以在學習、工作、生活、娛樂等多個方面提升體驗，實現(xiàn)個人生活的全方位升級和發(fā)展。人生活、工作、學習、娛樂、社交、購物、健康、個性化個人大模型數(shù)據(jù)收集：個人設備、應用數(shù)據(jù)數(shù)據(jù)存儲：云、個人服務器個人活動：社交、媒體、在線購物、健康檢測傳感器數(shù)據(jù)：可穿戴設備、位置數(shù)據(jù)、時空數(shù)據(jù)健康檢測：基于個人模型的預測生產(chǎn)力工具：日程管理、郵件分類處理、個人助理大模型2.0產(chǎn)業(yè)發(fā)展報告?zhèn)€性化推薦：音樂、視頻、新聞智能手機可穿戴設備電腦

個人服務器操作系統(tǒng)應用程序數(shù)據(jù)庫安全服務：智能攝像頭IOT服務：智能家居第三方服務：定制應用數(shù)據(jù)分析：機器學習、預測練目關卞,目●IC工信安全安全與隱私服務與產(chǎn)品

數(shù)字化轉型模型應用數(shù)據(jù)軟件硬件9圖2

企業(yè)大模型產(chǎn)業(yè)全景圖基于個人和企業(yè)需求的大模型產(chǎn)業(yè)生態(tài)體系的構建，是大模型普及的關鍵。預計未來，個人大模型產(chǎn)業(yè)生態(tài)體系和企業(yè)大模型產(chǎn)業(yè)生態(tài)體系將逐漸成形，并

為個人工作生產(chǎn)效率的升級和企業(yè)智能化轉型提供關鍵支撐。到大模型2.0發(fā)展階段，個人大模型和企業(yè)大模型已成為未來大模型發(fā)展的高價值發(fā)展方向，也成為新質(zhì)生產(chǎn)力的重要組成部分，不僅促進對個人的工作生活方式變革，而且推動企業(yè)的生產(chǎn)管理方式變革，進而極大地推動社會生產(chǎn)力大模型2.0驅動社會進入

智能時代決策支持：輔助管理、戰(zhàn)略決策自動化流程：日常運營自動化個性化服務：為客戶定制化服務內(nèi)部數(shù)據(jù)：運營、客戶、財務外部數(shù)據(jù)：市場、社交媒體、合作伙伴數(shù)據(jù)存儲：數(shù)據(jù)金庫、數(shù)據(jù)湖數(shù)據(jù)清洗：確保數(shù)據(jù)質(zhì)量員工：企業(yè)內(nèi)部生產(chǎn)力提升客戶：客戶調(diào)查和個性化服務供應商：供應鏈中數(shù)據(jù)的模型應用物流：多流程物流的優(yōu)化生產(chǎn)管理：運營管理效率提升質(zhì)量：大模型增強檢測體系產(chǎn)品開發(fā)：利用模型加速開發(fā)技術研發(fā)：探索新技術保持競爭力02大模型2.0產(chǎn)業(yè)發(fā)展報告算力集群存儲服務器云計算工具應用軟件生態(tài)系統(tǒng)：生態(tài)健康與廣泛性構建競爭對手：分析競爭對手、制定競爭策略風險管理：財務風險預測與管理數(shù)據(jù)安全：保護、授權、優(yōu)化模型訓練：使用企業(yè)數(shù)據(jù)訓練算法研究：適應企業(yè)要求的算法合規(guī)監(jiān)控：守法、異常動態(tài)監(jiān)控合作伙伴：組織戰(zhàn)略與合作技術趨勢：未來技術發(fā)展趨勢戰(zhàn)略與規(guī)劃：基于模型的長期戰(zhàn)略規(guī)劃市場趨勢：分析市場以指導產(chǎn)品開發(fā)數(shù)據(jù)收集：多來源數(shù)據(jù)反饋循環(huán)：基于模型輸出的反饋優(yōu)化持續(xù)改進：持續(xù)監(jiān)控模型性能并調(diào)優(yōu)投資決策：模型幫助投資決策大數(shù)據(jù)平臺合作伙伴與生態(tài)系統(tǒng)企業(yè)大模型及應用目關卞,目●lc工信安全技術基礎資源用戶與客戶研發(fā)與創(chuàng)新未來與發(fā)展市場與競爭安全與合規(guī)學習與優(yōu)化投資與財務

數(shù)字化轉型應用層基礎層模型應用企業(yè)數(shù)據(jù)戰(zhàn)略層生產(chǎn)制造模型開發(fā)數(shù)據(jù)類型供應鏈數(shù)據(jù)源10軟件硬件的發(fā)展。（一）個人生產(chǎn)力明顯提高對個人而言，基于大模型的智能軟件、智能終端（如AIPC、AI

Phone）將為個人提供全新的、智能的服務。大模型在內(nèi)容創(chuàng)作、數(shù)據(jù)分析等領域的廣泛應用，將打破技術壁壘，使人們能夠專注于更具創(chuàng)造性的任務，推動個人工作方式的創(chuàng)新升級，使個人的工作生產(chǎn)效率明顯提高。隨著新終端不斷涌現(xiàn)，傳統(tǒng)設備的功能將紛紛向各類新終端遷移，個人辦公助理將成為最早實現(xiàn)大規(guī)模商

業(yè)化的應用領域。（二）企業(yè)向全棧智能化發(fā)展對企業(yè)而言，企業(yè)將從基于“大模型+場景微調(diào)”的局部化場景智能化，向基于“大模型+企業(yè)私域知識庫+場景微調(diào)”的全棧智能化轉變。精準聚焦企

業(yè)自身生產(chǎn)經(jīng)營管理的企業(yè)大模型，促使企業(yè)從生產(chǎn)、經(jīng)營、管理、決策等多方面進行數(shù)字化與智能化重構，實現(xiàn)智能經(jīng)營管理、智能研發(fā)設計、智能供應鏈管理、智能生產(chǎn)制造，達到提升企業(yè)的業(yè)務效率、減少重復勞動、降本增效的目的，甚至改變企業(yè)組織結構、業(yè)務流程、生產(chǎn)形式與產(chǎn)品形態(tài)、商業(yè)模式等，充分釋放大模型帶來的新質(zhì)生產(chǎn)力變革。（三）促進社會生產(chǎn)力與生產(chǎn)關系變革對社會而言，大模型2.0的發(fā)展推動了生產(chǎn)力和生產(chǎn)關系的變革。大模型可以提升效率，降低成本，能夠承接重復工作。在生產(chǎn)領域，大模型驅動了人工智能工程化進程，從定制訓練轉向預訓練，重構產(chǎn)業(yè)鏈，將促進生產(chǎn)力的提升；在家庭生活和工作方式方面，大模型實現(xiàn)了語音和文本交互的高效、

自然，提高了工作效率；在產(chǎn)業(yè)智能化升級中，大模型在制造、金融、醫(yī)療等領域發(fā)揮了關鍵作用，提升了生產(chǎn)效率和服務質(zhì)量。此外，大模型的快速發(fā)展驅動了數(shù)字新基建，促進了數(shù)字經(jīng)濟的高質(zhì)量發(fā)展，成為推動社會生產(chǎn)力進步的重要力量。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型11（一）產(chǎn)業(yè)政策?

全球主要經(jīng)濟體陸續(xù)出臺支持人工智能發(fā)展的相關政策近年來，全球主要經(jīng)濟體紛紛出臺政策以支持人工智能的發(fā)展。自

2013年以來，超過20個國家和地區(qū)發(fā)布了AI戰(zhàn)略或計劃，如歐盟簽署的《人工智能合

作宣言》和東盟的《東盟數(shù)字融合框架行動計劃》。美國政府強調(diào)人工智能的有效交互，并在2023年更新了《國家人工智能研發(fā)戰(zhàn)略計劃》，新增了對高質(zhì)量數(shù)據(jù)集和先進算力資源的重點支持。德國在2023年推出了《人工智能行

動計劃》，旨在提升AI質(zhì)量，加強算力和數(shù)據(jù)質(zhì)量。日本政府致力于建設國家級

AI平臺，并在2023年設立了戰(zhàn)略會議討論國家

AI戰(zhàn)略。英國則發(fā)布《人

工智能2020國家戰(zhàn)略》，并宣布建造超級計算機

Isambard-AI，同時鼓勵民

間資本投入AI領域。這些舉措共同推動了全球人工智能技術的快速發(fā)展和應

用。從全球各國不斷出臺的產(chǎn)業(yè)政策及戰(zhàn)略規(guī)劃分析，未來國際的科技競爭將主要集中在人工智能領域。?

以大模型為主的人工智能提升至我國國家戰(zhàn)略層面自新一代人工智能開始出現(xiàn)，我國相繼出臺了一系列政策措施，不斷推動人工智能發(fā)展步入新階段。在新一代人工智能起步期，我國逐漸將人工智能提升至國家戰(zhàn)略層面，

出臺相關發(fā)展措施；在人工智能發(fā)展期，我國出臺關于人工智

能的發(fā)展規(guī)劃，制定新一代人工智能標準體系；在大模型起步期，隨著

GPT-3.5在全球掀起大模型熱潮，我國出臺生成式人工智能的相關發(fā)展措施，并提

出研制大數(shù)據(jù)和算力相關的標準；在大模型發(fā)展期，我國中央和地方出臺政策和發(fā)展規(guī)劃，推動人工智能垂類大模型和多模態(tài)大模型等持續(xù)發(fā)展。各國密集出臺人工智能及

大模型的支持和監(jiān)管政策03大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型12圖3

國家層面人工智能與大模型的相關政策匯總（二）監(jiān)管與治理世界主要經(jīng)濟體如美國、歐盟和英國均對大模型采取了監(jiān)管措施，在引領

AI發(fā)展和管理風險方面均展現(xiàn)出積極態(tài)度，但具體監(jiān)管策略和方法存在差異。美國只是在現(xiàn)有立法框架內(nèi)進行規(guī)制，沒有在聯(lián)邦層面通過專門針對大模型的綜人工智能發(fā)展期大模型發(fā)展期大模型起步期《中華人民共和國國民

經(jīng)濟和社會發(fā)展第十四

個五年規(guī)劃和2035年

遠景目標綱要》提出推

動新一代人工智能前沿

理論突破，學習推理與

決策、自然語言識別處

理等領域創(chuàng)新?！秶倚乱淮斯ぶ悄軜?/p>

準體系建設指南》加強人

工智能領域標準化頂層設

計，推動人工智能產(chǎn)業(yè)技

術研發(fā)和標準制定，推進人工智能產(chǎn)業(yè)健康可持續(xù)

發(fā)展。人工智能

起步期2024年

1月《“數(shù)據(jù)要素

×”三年行動計劃（2024-

2026年）》提出支持開展通用人工智能大模型和垂直領域人工智能大模型訓練?！吨泄仓醒朕k公廳

國務院辦公廳關于加快公共數(shù)據(jù)

資源開發(fā)利用的意見》提

出充分發(fā)揮數(shù)據(jù)要素放大、

疊加、倍增效應，做強做

優(yōu)做大數(shù)字經(jīng)濟?！渡虾Ｊ型苿尤斯ぶ悄艽竽Ｐ蛣?chuàng)新發(fā)展若干措施（2023-2025年）》提出營造通用

人工智能創(chuàng)新生態(tài)，加快打造人工智能世界級產(chǎn)業(yè)集群?！缎庐a(chǎn)業(yè)標準化領航工程實施方案（2023—2035

年）》提出研制大數(shù)據(jù)、算力、人工智能等新興數(shù)字領域標準?！丁笆濉眹覒?zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》

提出培育人工智能產(chǎn)業(yè)生態(tài)，推動人工智能

技術在各領域的應用。2015年7月《國務院關于積極推進“互聯(lián)網(wǎng)+”行動的指導意見》提出加快人工智能核心技術突破?！渡钊雽嵤皷|數(shù)西算”

工程加快構建全國一體

化算力網(wǎng)的實施意見》

推動建設東中西部算力

一體化協(xié)同的算力網(wǎng)。《生成式人工智能服務管

理暫行辦法》提出促進生

成式人工智能技術發(fā)展的具體措施。2017年7月《新一代人工智能發(fā)展規(guī)劃》全面系統(tǒng)部署人工智能發(fā)展。大模型2.0產(chǎn)業(yè)發(fā)展報告2024年9月2023年12月2023年8月2021年3月2023年

11月2016年

11月2023年7月2020年7月目關卞,目●IC工信安全

數(shù)字化轉型13合性立法。歐盟通過了《人工智能法案》對人工智能進行監(jiān)管，在全球人工智能治理中領先。英國部分現(xiàn)存的法律法規(guī)已經(jīng)涵蓋了對人工智能的規(guī)定，早在2018年，英國通過了《數(shù)據(jù)保護法》；2021年5月通過關注AI倫理的《自

動決策系統(tǒng)的倫理、透明度與責任框架》；2023年3月，英國出臺《創(chuàng)新型

人工智能監(jiān)管》白皮書推動人工智能發(fā)展；2023年10

月，英國議會頒布了《在

線安全法案》保護用戶安全。我國對大模型的監(jiān)管現(xiàn)狀體現(xiàn)在多個層面，涉及網(wǎng)絡安全、數(shù)據(jù)安全、個人信息保護等關鍵領域。2023年1月國家互聯(lián)網(wǎng)信息辦公室等部門聯(lián)合頒布《互

聯(lián)網(wǎng)信息服務深度合成管理規(guī)定》，針對深度合成服務，要求服務提供者和技

術支持者依法進行安全評估和算法備案。2023年8月生效的《生成式人工智能服務管理暫行辦法》是我國針對生成式人工智能服務領域的首部法律法規(guī)，提出了分類分級監(jiān)管的要求，并明確了服務提供者和技術支持者在內(nèi)容管理、訓練數(shù)據(jù)、用戶權益保護等方面的責任。此外，我國還在積極推進全國層面的人工智能專門立法?！度斯ぶ悄芊ǎú莅福芬蚜腥雵鴦赵?023年立法工作

計劃，預示著未來將有更加全面和系統(tǒng)的法律框架來指導人工智能及大模型的發(fā)展?？傮w來看，全球大模型監(jiān)管正處于快速發(fā)展和完善階段，各國根據(jù)自身的法律體系和社會需求，制定了相應的監(jiān)管政策和法規(guī)。我國也在積極構建符合國情的大模型監(jiān)管體系，通過立法和行業(yè)規(guī)范的制定，推動大模型技術的合規(guī)發(fā)展，

并逐步與國際標準接軌。隨著技術的進步和社會的發(fā)展，大模型監(jiān)管將繼續(xù)適應新的挑戰(zhàn)，以確保技術的安全、可靠和倫理應用。（三）我國大模型合規(guī)標準的制定2024年6月，工業(yè)和信息化部、中央網(wǎng)信辦、國家發(fā)展改革委、國家標準委等四部門聯(lián)合印發(fā)《國家人工智能產(chǎn)業(yè)綜合標準化體系建設指南（2024

版）》（以下簡稱《指南》）

。提出到

2026年，我國標準與產(chǎn)業(yè)科技創(chuàng)新的聯(lián)動水平持續(xù)提升，新制定國家標準和行業(yè)標準50項以上，引領人工智大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型14能產(chǎn)業(yè)高質(zhì)量發(fā)展的標準體系加快形成。《指南》主要內(nèi)容涵蓋了人工智能產(chǎn)業(yè)的現(xiàn)狀分析、總體要求、建設目標、工作原則、建設思路、重點方向

和保障措施等多個方面，

并明確了關鍵技術和標準成果的具體目標，標志

著中國在人工智能領域標準化工作的重要進展?！吨改稀穼⑼苿尤斯ぶ悄?/p>

產(chǎn)業(yè)的高質(zhì)量發(fā)展，促進產(chǎn)業(yè)科技創(chuàng)新與標準化的聯(lián)動，加強跨行業(yè)、跨

領域的協(xié)同，

有助于提升中國在全球人工智能產(chǎn)業(yè)中的競爭力和影響力。BF系統(tǒng)軟件BG開發(fā)框架BB智能芯片BC智能傳感器BD計算設備BE算力中心BA基礎數(shù)據(jù)服務（一）科技巨頭企業(yè)的投資熱潮從自動駕駛到醫(yī)療診斷，從智能客服到金融科技，大模型正在逐步改變?nèi)藗兊腁A術語AD管理AB參考架構AE可持續(xù)AC測試評估大模型引發(fā)科技巨頭的投資熱潮和

人才需求的持續(xù)增長FB治理FA

安全BH軟硬件協(xié)同04大模型2.0產(chǎn)業(yè)發(fā)展報告圖4

中國人工智能標準體系結構圖DA智能機器人DD數(shù)字人CA機器學習CD

自然語言處理CG生物特征識別CJ群體智能CL具身智能CI智能體CF計算機視覺CC大模型DB智能運載工具DC智能移動終端DE智能服務CB知識圖譜CH

人機混合增強智能CE智能語音CK跨媒體智能軟件平臺硬件平臺數(shù)據(jù)EJ智能教育EB智能家居EF智能能源EC智能城市EG智能環(huán)保EK智能醫(yī)療ED科學智算EH智能金融EI智能物流EL智能交通EA智能制造EE智能農(nóng)業(yè)EM智能文旅D智能產(chǎn)品

與服務E行業(yè)應用C關鍵技術B基礎支撐F安全/治理目關卞,目●IC工信安全A基礎共性

數(shù)字化轉型15生活和工作方式，這也使投資者看到了其中的巨大商機，投資者對于大模型的未來發(fā)展充滿了信心，紛紛將資金投入到這個領域。谷歌、亞馬遜、微軟、阿里巴巴和聯(lián)想等全球知名的科技巨頭都已經(jīng)在大模型領域進行了布局和投資，通過設立專門的研發(fā)機構、招募頂尖的研究團隊、投入巨額的研發(fā)經(jīng)費，積極推動大模型技術的研發(fā)和應用。這些科技巨頭在大模型領域的投資主要集中在以下幾個方面：一是基礎技術研發(fā)，包括模型結構、算法優(yōu)化、訓練技術等方面的研究；二是應用研發(fā)，將大模型技術應用到具體的業(yè)務場景中，如智能客服、智能推薦、自動駕駛等；三是生態(tài)建設，通過建立開放平臺、發(fā)布開源工具、提供技術支持等方式，吸引更多的開發(fā)者使用大模型技術，共同推動大模型生態(tài)的發(fā)展。微軟在2019年向OpenAI投資了10億美元，并在2023年年初再次宣布向

OpenAI投資100億美元。在云計算、辦公軟件、搜索引擎等方面開展大模型

應用均有大手筆投資。谷歌不僅推出了自己的大模型

PaLM2，還向人工智能公司Anthropic投資至多20億美元，以加強與微軟的競爭力。亞馬遜投資40

億美元支持Anthropic的基礎模型開發(fā)，Anthropic的產(chǎn)品Claude被認為是

GPT-4的重要競品。國內(nèi)云計算巨頭與大模型創(chuàng)企之間的投資與合作表現(xiàn)活躍。阿里巴巴已經(jīng)投資了5家國產(chǎn)大模型企業(yè)（截至2024年3月）

，分別是月之暗面、MiniMax、

智譜AI、百川智能和零一萬物，尤其是在

MiniMax

和月之暗面這兩筆大規(guī)

模融資中，阿里巴巴是主要的投資方。騰訊投資了智譜AI、MiniMax和百川智能3家，其中對百川智能、智譜AI的投資是與阿里共同參投。聯(lián)想投資了

relnventAI、XSquare和諾諦智能等大模型企業(yè)，

其中relnventAI

由聯(lián)想創(chuàng)投獨家投資，諾諦智能是由聯(lián)想孵化并投資的行業(yè)大模型及應用企業(yè)。聯(lián)想集團在智能化時代的轉型變革過程中，根據(jù)自身特點和優(yōu)勢，將大模型投資作為人工智能領域的重要布局。聯(lián)想基于AI原生技術架構的技術突破，打造了針對特定行業(yè)或企業(yè)場景的聯(lián)想“智能體”，并形成了端到端的行業(yè)解決大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型16方案，提供基于企業(yè)智能體的評估、部署、監(jiān)控和運營等一站式服務，并可以迅速通過API實現(xiàn)與外部應用融合，形成了企業(yè)智能體系統(tǒng)性解決方案。（二）人才需求的持續(xù)增長隨著大模型技術的快速發(fā)展，特別是在自然語言處理、計算機視覺等領域的應用不斷拓展，對于具備深度學習、數(shù)據(jù)科學等專業(yè)技能的人才需求呈現(xiàn)出爆炸

性增長。大模型優(yōu)秀人才缺口大，主要有以下幾個原因：一是行業(yè)對于能夠將大模型技術應用于實際業(yè)務場景的高端技術人才有著迫切的需求；二是大模型生態(tài)不僅需要單一領域的專家，更需要跨學科知識融合的人才；三是大模型技術在多個行業(yè)領域的應用不斷拓展，增加了對具備相關領域知識和技能的人才的需求。為了滿足日益增長的人工智能產(chǎn)業(yè)需求，近年來國內(nèi)通過政策鼓勵和高校人才培養(yǎng)等措施，加快培養(yǎng)人工智能創(chuàng)新型人才。如

2023

年11

月，上海市印發(fā)《上

海市推動人工智能大模型創(chuàng)新發(fā)展若干措施（2023-2025年）》，包括優(yōu)先推薦大模型創(chuàng)新重點人才納入國家和本市相關高層次人才計劃，重點支持大模型相關緊缺技能人才落戶，組織企業(yè)、高校、科研機構聯(lián)合培養(yǎng)跨學科大模型人

才等。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型17隨著大模型應用逐漸廣泛、商業(yè)化逐漸落地，大模型發(fā)展的關鍵要素均發(fā)生變化，它們相互關聯(lián)、相互促進，共同推動著大模型的發(fā)展。01關鍵要素大模型具有海量參數(shù)和復雜架構，是一種用于深度學習任務的模型，擁有強大的處理能力和表征能力。大模型關鍵要素具體包括基礎層、模型層、應用層和保障層。大模型以數(shù)據(jù)、算力、算法和工具為基礎支撐，借助數(shù)據(jù)管理、模型訓練、評估優(yōu)化、服務平臺、插件等大模型輔助工具，由大模型供應商開發(fā)出基礎大模型或行業(yè)大模型，

再由大模型應用服務商與用戶一起將其延伸至制造業(yè)、金融、醫(yī)療、交通等下

游場景應用，切入個人或企業(yè)的實際場景。第二章大模型2.0階段

的關鍵要素大模型2.0產(chǎn)業(yè)發(fā)展報告基礎篇目關卞,目●lc工信安全

數(shù)字化轉型18標準框架共性標準基礎支撐標準

關鍵技術標準產(chǎn)品與服務標準賦能工業(yè)軟件排產(chǎn)

供應鏈…模型安全應用安全基礎大模型數(shù)據(jù)隱私語音

圖像

視頻VR/AR

多模態(tài)代碼算法公正可持續(xù)發(fā)展數(shù)據(jù)多元化和包容錯參數(shù)調(diào)節(jié)器價值對齊特征向量較準私有化數(shù)據(jù)集壓縮與加速器代碼與解釋，知識探索圖5大模型生態(tài)關鍵要素02基礎層在大模型的發(fā)展過程中，數(shù)據(jù)、算力、算法和工具是大模型發(fā)展的基礎和支撐。數(shù)據(jù)作為大模型能力的來源，數(shù)據(jù)服務產(chǎn)業(yè)將持續(xù)發(fā)展，數(shù)據(jù)版權化意識不斷增強，推動數(shù)據(jù)治理、數(shù)據(jù)安全和隱私保護的法律法規(guī)建設不斷完善，確保數(shù)據(jù)的合法合規(guī)使用。算力是模型落地的物質(zhì)基礎，國家正在建設算力網(wǎng)絡，

以智算為主的異構算力結構得到發(fā)展，為大模型提供了強大的計算支持，也為人工智能的廣泛應用打下了堅實基礎。算法是大模型的骨架，它們定義了模型的學習方式和決策過程，算法的創(chuàng)新和優(yōu)化直接關系到大模型的性能和智能水平。隨著深度學習、強化學習等先進算法的不斷進步，大模型的學習能力和適應性將得到顯著提升。AI芯片算力中心算力調(diào)度平臺算力網(wǎng)，架構計算大模型2.0產(chǎn)業(yè)發(fā)展報告分布式能

源管理大規(guī)模

儲能異構數(shù)據(jù)調(diào)度深度學習遷移學習監(jiān)督學習強化學習企業(yè)大模型行業(yè)大模型以人為本技術向善面向未來綜合交通

管理公共交通服務設備預測

性運維生產(chǎn)流程優(yōu)化數(shù)據(jù)采集、標注、脫敏

數(shù)據(jù)處理服務等會社應用層基礎安全數(shù)據(jù)安全目關卞,目●IC工信安全個人大模型

數(shù)字化轉型倫理治理安全保障開源數(shù)據(jù)集保障層數(shù)字

人模型層基礎層制造業(yè)客戶服務智能投研智能出行智能投顧輔助診療智能診療醫(yī)療影像19虛擬

IP算力算法金融交通能源醫(yī)療工具客服游戲運維辦公辦公學習娛樂圖紙工藝工具…………（一）數(shù)據(jù)不同場景、任務對大模型能力的不同需求，需要不同來源的數(shù)據(jù)支撐。數(shù)據(jù)作為生產(chǎn)資料，其版權化服務模式流行，將極大推動數(shù)據(jù)服務產(chǎn)業(yè)的發(fā)展。?

對數(shù)據(jù)數(shù)量、質(zhì)量、樣態(tài)產(chǎn)生豐富需求訓練集的質(zhì)量直接影響著大模型訓練的成本與結果。隨著市場對大模型能力要求的不斷增加,對高質(zhì)量、精細化、定制化的數(shù)據(jù)需求日益凸顯。對于文本類

數(shù)據(jù)集與圖像數(shù)據(jù)集,基于分類、目標檢測、語義分割、序列標注等不同的任務也表現(xiàn)出不同樣態(tài)。AR、自動駕駛等場景的出現(xiàn)，實時圖像數(shù)據(jù)采集和數(shù)

據(jù)自動標注的技術亦在快速發(fā)展。?

數(shù)據(jù)來源豐富、數(shù)據(jù)工具發(fā)展大模型訓練數(shù)據(jù)的來源愈發(fā)豐富，數(shù)據(jù)構建的主體由大模型建設商、數(shù)據(jù)服務商逐漸向個人、企業(yè)、行業(yè)主體發(fā)展。數(shù)據(jù)構建由通用向私域延伸，個人、企業(yè)、行業(yè)構建私域數(shù)據(jù)集的意識加強。這些推動了數(shù)據(jù)建設平臺的發(fā)展，數(shù)據(jù)

傳輸、整理的工具軟件愈發(fā)豐富、便捷。?

數(shù)據(jù)服務產(chǎn)業(yè)發(fā)展將推動數(shù)據(jù)版權化數(shù)據(jù)交易將推動數(shù)據(jù)建設平臺與數(shù)據(jù)交易方式逐漸完善，數(shù)據(jù)版權化意識加強，數(shù)據(jù)付費成為未來趨勢，定制訓練數(shù)據(jù)集的需求激增。根據(jù)Cognilytica數(shù)據(jù)，2021年全球人工智能訓練數(shù)據(jù)市場需求約為42億美元，預計到

2027年這一

需求將增長到220億美元，2021-2027年復合增長率（CAGR）達32%。?

數(shù)據(jù)治理仍須加強推動構建高質(zhì)量數(shù)據(jù)的同時要加強數(shù)據(jù)治理。從企業(yè)來看，大部分企業(yè)的數(shù)據(jù)治理工作面臨著數(shù)據(jù)量龐大、數(shù)據(jù)種類繁多、數(shù)據(jù)管理效率低的挑戰(zhàn)，

目前尚未出現(xiàn)通用、可靠的數(shù)據(jù)管理工具，數(shù)據(jù)治理僅是企業(yè)的單兵作戰(zhàn)。同時，加強數(shù)據(jù)治理也是保障國家安全、社會穩(wěn)定和公民權益的迫切需要。企業(yè)數(shù)據(jù)如大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全

數(shù)字化轉型20何合理合規(guī)，并能保障數(shù)據(jù)所有者的利益，將是未來行業(yè)大模型發(fā)展的關鍵。?

數(shù)據(jù)安全需要堅實保障數(shù)據(jù)安全關系到企業(yè)的運營穩(wěn)定、業(yè)務發(fā)展以及聲譽維護。企業(yè)不僅要健全數(shù)據(jù)安全管理系統(tǒng)，更要加強安全技術如加密、訪問控制等的研發(fā)與應用。數(shù)據(jù)安全更是涉及國家安全、社會穩(wěn)定、經(jīng)濟發(fā)展以及公民權益的重要議題。隨著信息技術的發(fā)展，數(shù)據(jù)安全保障將愈發(fā)重要，從立法和執(zhí)法角度加強對數(shù)據(jù)安

全的監(jiān)管勢在必行。（二）算力算力是大模型落地的物質(zhì)基礎，大模型對算力的強需求推動異構算力技術發(fā)展。?

算力需求涌現(xiàn)，智算將成主流在大模型落地之前，基于CPU芯片的基礎算力是日常計算的主要支持，基于超級計算機的超算算力主要應用于科學計算與工程計算等高端領域。隨著大模型的廣泛應用，支撐人工智能應用和產(chǎn)業(yè)發(fā)展的智能算力（基于GPU和NPU

芯片）將成為主要算力。據(jù)預測，2022-2027年中國智能算力規(guī)模年復合增長率將達到33.9%，同期通用算力規(guī)模年復合增長率為16.6%。我國智能算力需求的增長速度遠超過

通用算力增加速度。?

異構算力技術得到發(fā)展大模型面對不同場景的挑戰(zhàn)，高效計算成為迫切要求，在此背景下，以CPU、GPU、FPGA、ASIC等多種算力協(xié)同的異構算力處理體系,因為具有多樣性、靈活性、高效性等優(yōu)點正在嶄露頭角。?

算力服務方式走向多元大模型落地應用的前提是算力基礎設施的搭建。目前，企業(yè)應用大模型，如果大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型2120202021

2022

20232024202520262027來源：IDC圖6中國智能算力規(guī)模與預測圖采用純自建算力設施的方式，將面臨軟硬件采購、機房搭建、系統(tǒng)運維等困難，容易陷入投入高、回報低的困境。購買云算力，將成為企業(yè)突圍算力壁壘的有效途徑。私有云在維護企業(yè)數(shù)據(jù)隱私和業(yè)務安全的技術上，能夠為企業(yè)提供基本的計算服務，公有云可以彌補私有云算力的不足，在通用的場景下進一步滿

足計算要求，以“私有云+公有云”的方式搭建自身混合算力將成為企業(yè)搭建

算力的通用范式。與企業(yè)算力需求相應，異構算力的交易將從硬件向云端算力拓展，交易方式將從“一次性交付”向“按需訂閱、按量計費”轉變。算力服務將從算力本身向AI服務、中間件服務、數(shù)據(jù)庫服務等配套服務發(fā)展，并與它們綁定。隨著大模型的廣泛運用，特定場景對異構算力的要求將愈發(fā)提高，但搭建算力以滿足

應用的過程將愈發(fā)簡單。基于大模型對異構算力的依賴，異構算力提供商將成為大模型及智能體服務生態(tài)的重要一員。已經(jīng)有異構算力提供商，如聯(lián)想，搭建了可訂閱的、一站全包的“臻算服務2.0”。算力價格與服務能力將成為未來異構算力提供商的主要競爭點。單位：EFLOPS

1117.4大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●lc工信安全497.1259.9812.5

數(shù)字化轉型616.6414.1155.275.022（三）算法算法是大模型的骨架。當前大模型的主流架構仍是Transformer，其推理過程的無法解釋性與結果的不可控性無法得到完全解決，未來融合檢索增強生成(即

RAG)+知識圖譜的架構或將成為新潮流。?

Transformer仍是當前大模型的主流架構大模型的快速崛起，主要歸功于Transformer在自然語言處理任務上的突破。從技術架構上看，Transformer架構是當前大模型領域主流的算法架構基礎，

雖然有Megabyte、RetNet等挑戰(zhàn)者的出現(xiàn)，深度學習的大部分算法主要還是在Transformer的基礎上創(chuàng)新，整個行業(yè)的底層算法發(fā)展開始放緩。圖7LLM進化圖來源：《HarnessingthePowerofLLMsinPractice:ASurveyonChatGPTandBeyond》大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型23?LLM輸出準確性有所提高，RAG應用廣泛基于Transfomer算法本身的復雜性，大模型算法內(nèi)部決策過程是黑箱的，其輸出的結果具有無法解釋性與不可控性，可能會帶來算法歧視、信息泄露、模型幻覺等諸多問題。隨著大模型訓練數(shù)據(jù)質(zhì)量的提高、訓練方式的優(yōu)化，

目前

LLM框架下模型輸出的正確性已經(jīng)得到有效提高。RAG是當前火熱的LLM應用方案。

RAG即Search+LLM，即從外掛知識庫中進行信息檢索，并將檢索到的信息注入

LLM

提示中，以得到最終答案。這種基于外部知識庫檢索增強的生成模型，其結果有一定依據(jù)、更加可控，

目前已

經(jīng)有越來越多的應用實例。（四）工具為了讓更多的企業(yè)、開發(fā)者可以便捷地將大模型應用于自身業(yè)務，全面完善的大模型工具鏈應運而生。工具鏈包含大模型訓練框架、模型社區(qū)、應用開發(fā)工具、模型試驗與評估、模型試驗管理、數(shù)據(jù)標注、模型部署、模型監(jiān)控與可監(jiān)控平臺、向量數(shù)據(jù)庫等等，可以大致分為服務于模型開發(fā)者的模型訓練工具、模型調(diào)用工具和服務于模型應用者的一體化模型服務平臺。大模型工具不斷發(fā)Megatron-LMDeepSpeedMindSporePETFairScaleParallelFormersMegatron是由

NVIDIA

開發(fā)的用

于

研究大規(guī)模訓練大型語言模型，支持

Transformer模

型

的

模型并行和多節(jié)點預

訓練。DeepSpeed

是微軟的深度學習庫，能訓練具有數(shù)十億或數(shù)萬億個參數(shù)的密集或稀

疏模型，有出色的

系統(tǒng)吞吐量,以低成本實現(xiàn)了模型極致壓

縮。MindSporePET是

一

款

基

于

MindSpore

框架的大模型低參微調(diào)套件，提供了豐富的模型庫和預訓練模型供用戶直接使用，還支持多種數(shù)據(jù)預處理、增強方式和多種

分布式訓練策略。FairScale是一個用

于高性能和大規(guī)模訓

練

的

PyTorch

擴

展

庫，支持用戶能夠以最小的認知代價理解和使用該工具，在擴展和效率方面提供了

最佳性能。Parallel

Formers

是

一個基于

Megatron-

LM

的庫。

它與

Huggingface庫很好地集成在一起。目前

它只支持推理。千帆大模型平臺千帆大模型平臺是百度提供的生成式AI生產(chǎn)及應用全流程

開發(fā)工具平臺，該平臺接入國內(nèi)外33個大模型。在Prompt工程化方面，上線了103個Prompt模板，覆蓋對話、游戲、編程、寫作十余個場景。智能體開發(fā)與運行平臺聯(lián)想智能體開發(fā)與運行平臺是聯(lián)想開發(fā)的

一

個智能服

務平臺。采用組件化AI應用構建，用戶可以按需選擇

Prompts、RAG、FunctionCalling的服務，

將多組件自由整合，是聯(lián)想打造的一站式交付的企業(yè)智能體建設平臺。模型訓練工具大模型2.0產(chǎn)業(yè)發(fā)展報告圖8

模型工具分類舉例一體化模型服務平臺目關卞,目●lc工信安全

數(shù)字化轉型24展，將逐漸降低大模型訓練和調(diào)優(yōu)的技術門檻，使得大模型訓練、調(diào)優(yōu)流程愈發(fā)簡單。03模型與應用通用大模型與行業(yè)大模型是行業(yè)的基座，模型數(shù)量激增，模型市場尚未收斂，商業(yè)化落地將成為模型生存競爭點。企業(yè)大模型服務于企業(yè)生產(chǎn)全場景，已經(jīng)初步形成了以大模型服務商為主導的產(chǎn)業(yè)生態(tài)?；趥€人大模型的產(chǎn)品已經(jīng)如

雨后春筍般出現(xiàn)。（一）通用大模型與行業(yè)大模型繼續(xù)發(fā)展?

通用大模型數(shù)量尚未收斂受到

GPT的沖擊，不少科技巨頭企業(yè)均嘗試以其自身的優(yōu)勢，構建通用大模型。各家通用大模型在訓練數(shù)據(jù)、參數(shù)量、訓練框架、任務能力等方面互相比拼，

整體向更大參數(shù)、更高精度、更強能力方向發(fā)展。雖然通用大模型在廣泛的任務上均展現(xiàn)出穩(wěn)定且強大的性能，但不同通用大模型在不同任務下的能力仍有不同。目前，使用者需要在眾多的通用大模型中，同時考察大模型在特定任務中微調(diào)后的能力及在通用任務中的能力，最終確認使用的通用大模型。在產(chǎn)業(yè)激烈競爭背景下，通用大模型建設商，可以在模型通用能力的基礎上打造模型的特殊能力，也可以打造一體化的通用智能體平臺，構建模型應用生態(tài)。大模型只有在市場中被選擇，才能在激烈競爭中生存。?

行業(yè)大模型需要繼續(xù)錘煉行業(yè)大模型是針對特定行業(yè)領域應用的預訓練大模型，其訓練數(shù)據(jù)來源涵蓋通用公域數(shù)據(jù)與行業(yè)數(shù)據(jù)。目前，制造、金融、醫(yī)療、游戲、法律、交通等行業(yè)均憑借各自獨特的場景需求，搭建了行業(yè)大模型。這些行業(yè)大模型的意義在于深入理解和滿足行業(yè)的特殊場景，為行業(yè)智能化、高效化發(fā)展提供有力支撐。大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型25未來，隨著技術的不斷進步和應用場景的拓展，更多行業(yè)將構建出符合自身發(fā)展需要的行業(yè)大模型。然而，行業(yè)大模型的發(fā)展仍面臨著諸多嚴峻的挑戰(zhàn)。首要問題便是缺乏充足且高質(zhì)量的行業(yè)數(shù)據(jù)庫。對于已經(jīng)構建行業(yè)大模型的行業(yè)而言，數(shù)據(jù)庫需要不斷得到補充和完善，

以適應行業(yè)的快速發(fā)展和變化。對于尚未構建行業(yè)大模型的行業(yè)，若無企業(yè)牽頭并提供豐富的行業(yè)經(jīng)驗和資源，構建符合行業(yè)需求的數(shù)據(jù)庫將變得尤為困難。其次，由于行業(yè)大模型無法給出可靠、可控的輸出，這給那些需要精確、唯一數(shù)據(jù)的生產(chǎn)場景帶來了潛在風險。目前，大模型基于Transformer架構尚無法根本解決這一問題，只能通過不斷優(yōu)化數(shù)據(jù)與訓練方法，努力提高模型輸出的準確性。（二）企業(yè)大模型商業(yè)化加速落地企業(yè)大模型是利用企業(yè)自身的知識庫并結合企業(yè)的使用場景,根據(jù)需求對基礎大模型進行了充分的優(yōu)化調(diào)整和自有知識庫訓練,可廣泛應用于企業(yè)生產(chǎn)經(jīng)營活動中的定制化、本地化或混合方式部署的大模型。大模型經(jīng)過企業(yè)知識庫的訓練和優(yōu)化，可以應用于經(jīng)營管理、研發(fā)設計、生產(chǎn)制造、供應鏈管理等企業(yè)AgentLLM合同審核

服務派單CRM

ITSM大模型出現(xiàn)之后的應用架構大模型出現(xiàn)之前的應用架構大模型是企業(yè)的大腦，Agent

基于大模型自動理解意圖，計劃分解，調(diào)用企業(yè)內(nèi)部系統(tǒng)，完成多種任務每個AI模型只能完成特定任務，業(yè)務應用系

統(tǒng)按需調(diào)用AI模型大模型2.0產(chǎn)業(yè)發(fā)展報告圖9

大模型出現(xiàn)前后的應用架構變化產(chǎn)品推薦PMS產(chǎn)品推薦模型智能派單

模型備件需求預測模型CRMITSMSCM…………目關卞,目●lc工信安全

數(shù)字化轉型26生產(chǎn)經(jīng)營的核心流程，為企業(yè)數(shù)字化重構、智能化運營提供驅動力。以企業(yè)知識庫訓練的大模型，可以泛化應用于零售、政務、教育、金融和制造等諸多領域，雖然目前仍處在初級探索階段，但已經(jīng)初步形成了以智能體服務商為主導的商業(yè)生態(tài)，將會是大模型最具價值的應用方向之一。（三）個人大模型產(chǎn)品大量出現(xiàn)基于個人私域數(shù)據(jù)訓練，并能依據(jù)個人使用習慣、偏好和需求提供個性化服務的大模型是個人大模型?；趥€人大模型的應用軟件已經(jīng)如雨后春筍般出現(xiàn)，在工作與生活場景中為用戶賦能。隨著大模型能力的增強和算力芯片的發(fā)展，嵌入個人大模型的個人AI終端產(chǎn)品也已誕生。個人大模型落地背后涉及硬件、軟件的技術革新，將個人終端產(chǎn)品拉入新的競爭賽道。04模型保障層大模型的發(fā)展離不開堅實的保障措施，合規(guī)標準的建立是其發(fā)展的基礎支撐。在推進過程中，數(shù)據(jù)、模型、應用的安全保障必須全面到位，同時倫理治理亦

不容忽視，只有確保價值對齊，大模型才能實現(xiàn)可持續(xù)發(fā)展。（一）產(chǎn)業(yè)合規(guī)標準提供基礎框架人工智能產(chǎn)業(yè)標準對于推動技術創(chuàng)新、提升企業(yè)競爭力、引導產(chǎn)業(yè)升級轉型至關重要。它確保技術發(fā)展先進可靠，同時通過嚴格的安全與治理規(guī)范，保障技術應用的安全性和倫理性，為產(chǎn)業(yè)的可持續(xù)、高質(zhì)量發(fā)展奠定基礎。人工智能標準體系的建立主要從以下六個層面展開。一是建立基礎共性標準。包括術語定義、參考架構、測試評估、管理和可持續(xù)性等方面，為其他標準制定提供基礎和框架。二是建立基礎支撐標準。涉及數(shù)據(jù)、算力、算法等技術要大模型2.0產(chǎn)業(yè)發(fā)展報告目關卞,目●IC工信安全

數(shù)字化轉型27求，為人工智能產(chǎn)業(yè)發(fā)展提供堅實的技術基礎。三是建立關鍵技術標準。包括文本、語音、圖像等人工智能技術規(guī)范，推動技術研發(fā)與創(chuàng)新應用。四是建立智能產(chǎn)品與服務標準。規(guī)范由人工智能技術形成的智能產(chǎn)品和服務模式，確保產(chǎn)品和服務的質(zhì)量與效能。五是建立行業(yè)應用標準。規(guī)范人工智能在各行業(yè)的應用技術要求，推動產(chǎn)業(yè)智能化發(fā)展。六是建立安全和治理標準。包括人工智

能的安全要求和治理準則，為產(chǎn)業(yè)發(fā)展提供安全保障。推動多層面標準的建立，可以形成一個全面、系統(tǒng)、高效的人工智能產(chǎn)業(yè)標準化體系，為人工智能產(chǎn)業(yè)的健康、快速發(fā)展提供堅實的支撐。（二）數(shù)據(jù)、模型、應用需要全面安全保障在模型應用過程中，保障安全至關重要。必須采取一系列有效的安全措施，確保模型應用的全過程都在安全可控的范圍內(nèi)進行，從而為用戶提供更加可靠、