目錄

CONTENTS010204研究背景發(fā)展現(xiàn)狀1.

TOP5大模型應(yīng)用行業(yè)：互聯(lián)網(wǎng)、金融、醫(yī)療、政務(wù)1.

AI大模型可按照應(yīng)用領(lǐng)域和輸入數(shù)據(jù)類(lèi)型進(jìn)行分類(lèi)2.

至2024年中國(guó)AI大模型產(chǎn)業(yè)發(fā)展加速進(jìn)入商用階段2.

國(guó)產(chǎn)大模型已大幅降價(jià)，為廣泛商業(yè)化應(yīng)用奠定基礎(chǔ)3.

中國(guó)AI大模型產(chǎn)業(yè)圖譜4.

AI大模型商業(yè)化落地：55%為定制化模式、40%-45%為API及訂閱模式5.

五種部署方式：直接調(diào)用、能力嵌入、擴(kuò)展應(yīng)用、定制模型、全棧構(gòu)建6.

2024年AI大模型應(yīng)用市場(chǎng)規(guī)模約157億元，2022-2027年復(fù)合增長(zhǎng)率達(dá)148%7.

未來(lái)3年，中國(guó)AI大模型產(chǎn)業(yè)將逐步進(jìn)入需求側(cè)驅(qū)動(dòng)階段03應(yīng)用場(chǎng)景及案例1.

AI大模型在互聯(lián)網(wǎng)、政務(wù)、金融等行業(yè)應(yīng)用場(chǎng)景日益豐富2.

金融3.點(diǎn)及解決方案業(yè)痛點(diǎn)及解決方案展趨勢(shì)及挑戰(zhàn)育行業(yè)客服場(chǎng)景痛點(diǎn)及解決方案5.

政務(wù)領(lǐng)域市場(chǎng)監(jiān)督管理場(chǎng)景痛點(diǎn)及解決方案6.

零售消費(fèi)行業(yè)痛點(diǎn)及解決方案1.

AI大模型四個(gè)主要技術(shù)方向2.

融合應(yīng)用軟件、智能助手和AIAgent是AI3.

缺乏高質(zhì)量數(shù)據(jù)集是大模型商業(yè)落地面臨的用的三個(gè)主要方向挑戰(zhàn)7.

制造行業(yè)知識(shí)管理場(chǎng)景痛點(diǎn)及解決方案3研究背景定義及分類(lèi)A型可按照應(yīng)用領(lǐng)域和輸入數(shù)據(jù)類(lèi)型

分類(lèi)是指擁有億級(jí)以上參數(shù)的深度學(xué)習(xí)模型。AI大模型利用深度人工神經(jīng)網(wǎng)絡(luò)技術(shù)等AI技術(shù)，通過(guò)學(xué)習(xí)大量的數(shù)據(jù)提升預(yù)測(cè)能與模型的參數(shù)規(guī)模、據(jù)集大小和訓(xùn)練用的計(jì)算量之間存在冪律關(guān)系；AI大模型基于注意力

制，通過(guò)在大規(guī)模、多元化的無(wú)標(biāo)注數(shù)據(jù)集進(jìn)行訓(xùn)練，具有較強(qiáng)泛化，應(yīng)用在廣泛的場(chǎng)景和任務(wù)。按輸入數(shù)據(jù)類(lèi)型，AI大模型分為語(yǔ)言大模型，視覺(jué)大模型、多模態(tài)大模型等；從應(yīng)用領(lǐng)域角度分類(lèi)，AI大模型分為通用大模型、行業(yè)大模型、垂直大模型。L0

通用大模型L1

行業(yè)大模型L2

垂直大模型在多個(gè)領(lǐng)域和任務(wù)上通用，具有基礎(chǔ)的認(rèn)知能力，各學(xué)科知識(shí)都懂一點(diǎn)；通用大模型就像完成了大學(xué)前素質(zhì)教育階段的學(xué)生。按應(yīng)用領(lǐng)域針對(duì)特定的行業(yè)或領(lǐng)域的大模型，通常使用行業(yè)相關(guān)的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練或微調(diào)，來(lái)提高在該領(lǐng)域的性能和準(zhǔn)確度；行業(yè)大模型就像選擇了專(zhuān)業(yè)的大學(xué)生，對(duì)所在專(zhuān)業(yè)領(lǐng)域的知識(shí)有了更深入的了解。AI大模型分類(lèi)針對(duì)特定任務(wù)或場(chǎng)景的大模型，使用更加專(zhuān)業(yè)的知識(shí)和數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練和微調(diào)，在專(zhuān)業(yè)任務(wù)上的性能和效果更優(yōu)；垂直大模型就像研究生，在所在具體領(lǐng)域有了比較深究。通過(guò)處理大量文本數(shù)據(jù)來(lái)理解言的大模型，執(zhí)行自然語(yǔ)言處理任務(wù)，如文本分類(lèi)、問(wèn)答、對(duì)話(huà)、常語(yǔ)言大模型視覺(jué)大模型多模態(tài)大模型見(jiàn)的語(yǔ)言大模型包括Ch是一種基于大一言、訊飛星火等。入數(shù)據(jù)類(lèi)型大計(jì)算能力訓(xùn)練的深度學(xué)習(xí)模型，通過(guò)模擬人類(lèi)視覺(jué)系統(tǒng)的工作原據(jù)的高度識(shí)別、分析和表達(dá)的效果；常見(jiàn)的視覺(jué)大模型包括智譜CogVLM雜的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，生·視覺(jué)大模型等。實(shí)現(xiàn)對(duì)圖像和多模態(tài)大模型指的是將文本、圖像、視頻、音頻等多模態(tài)信息聯(lián)合起來(lái)進(jìn)行訓(xùn)練的模型；典型的多模態(tài)大模型包括騰訊的hunyuan-vision、商湯科技的日日新等。5發(fā)展歷程至4年中國(guó)AI大模型產(chǎn)業(yè)發(fā)展加速進(jìn)階段06年，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)的提出和發(fā)展，為AI大模型了技術(shù)基礎(chǔ)，大模型技術(shù)萌芽開(kāi)始出現(xiàn)；2006年后自然語(yǔ)言Transformer架構(gòu)發(fā)展，為大模型預(yù)訓(xùn)練算法技術(shù)和架構(gòu)奠定了基礎(chǔ)；2018年Open

和Google分別發(fā)布GPT-1與BERT，預(yù)訓(xùn)練大模型成為自然語(yǔ)言處

領(lǐng)域的主流；2022年底，OpenAI推出ChatGPT引發(fā)全球大模型發(fā)展熱潮，2023年中國(guó)國(guó)內(nèi)大模型訓(xùn)練開(kāi)始井噴，出現(xiàn)“百模大戰(zhàn)”現(xiàn)象；2024年中國(guó)政策加大行業(yè)落地推動(dòng)力度，商業(yè)發(fā)展加速。??1956年：約翰·麥卡錫首次提出“人工智能”概念，標(biāo)志著AI領(lǐng)???2024年1-7月，中國(guó)央國(guó)企采購(gòu)大模型項(xiàng)目數(shù)量已超過(guò)950個(gè)??2023年：GPT-4發(fā)布，具備了多模態(tài)理解與多類(lèi)型內(nèi)容生域的誕生成能力，進(jìn)一步推動(dòng)了大模型技術(shù)的發(fā)展1998年：法國(guó)學(xué)者YannLeCun等人構(gòu)建LeNet-5，標(biāo)志著機(jī)器學(xué)習(xí)從淺層模型向深度學(xué)習(xí)模型的轉(zhuǎn)變，為自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)等領(lǐng)域的研究奠定了基礎(chǔ)截至2024年11月，中國(guó)獲得備案的大模型數(shù)量達(dá)到309個(gè)，中國(guó)大模型開(kāi)始在垂類(lèi)行業(yè)眾多場(chǎng)景落地2023年：中國(guó)掀起“百模大戰(zhàn)”，發(fā)布各類(lèi)大模型數(shù)量超過(guò)100個(gè)，涵蓋通用大模型、行業(yè)大模型、基于通用大模型或行業(yè)大模型的應(yīng)用服務(wù)型大模型等截止2024年底，中國(guó)大模型產(chǎn)品使用價(jià)格進(jìn)一步下降，為大模型廣泛商用落地提供了基礎(chǔ)???2013年：Word2Vec模型誕生，提出將單詞轉(zhuǎn)換為向量的“詞向量模型”，推動(dòng)了自然語(yǔ)言處理的發(fā)展2024年生成式人工智能備案數(shù)量2023-2024年國(guó)產(chǎn)大模型價(jià)格走勢(shì)（元/百萬(wàn)Token2014年：對(duì)抗式GAN）誕生，標(biāo)志著深度學(xué)習(xí)進(jìn)入11712010080604了生成式模段955002e提出了基于自注意力機(jī)制的Transformer架構(gòu)，4003002001000300預(yù)訓(xùn)練算法架構(gòu)奠定了基礎(chǔ)18年：OpenAI和Google分別發(fā)布了GPT-1與BERT，標(biāo)志著預(yù)訓(xùn)練大模型成為自然語(yǔ)言處理領(lǐng)域的主流2201.50?2020年：OpenAI推出了GPT-3模型，參數(shù)規(guī)模達(dá)到了1750億，2024年4月（第一批）

2024年8月（第二批）

2024年11月（第三批）：第一新聲研究院整理2023年H12023年H22024年H12024年H2在零樣本學(xué)習(xí)任務(wù)上實(shí)現(xiàn)了巨大性能的提升數(shù)據(jù)數(shù)據(jù)：第一新聲研究院整理技術(shù)萌芽與技術(shù)探索期AI大模型訓(xùn)練井噴期AI大模型加速商用期1956202320246AI大模型產(chǎn)業(yè)發(fā)展現(xiàn)狀大模型發(fā)展與應(yīng)用結(jié)構(gòu)T

大模型應(yīng)用行業(yè)：互聯(lián)網(wǎng)、金融、教育、政務(wù)型需要依照《生成式人工智能管理暫行辦法》進(jìn)行備案，截11月，已有3批次共計(jì)309個(gè)大模型通過(guò)國(guó)家互聯(lián)網(wǎng)信息辦應(yīng)用類(lèi)型看，通模型占比28%，垂類(lèi)大模型占比72%；從應(yīng)用領(lǐng)域看，互聯(lián)網(wǎng)行業(yè)融行業(yè)、醫(yī)療行業(yè)、教育行業(yè)、工業(yè)行業(yè)大模型占比均超過(guò)10%。------

模態(tài)結(jié)構(gòu)

------------

類(lèi)型結(jié)構(gòu)

------------

行業(yè)結(jié)構(gòu)

------其他18%互聯(lián)網(wǎng)21%通用大模型28%視頻大模型12%工業(yè)10%多模態(tài)大模型10%金融16%政務(wù)11%直大模型72%語(yǔ)言大模型78%教育12%醫(yī)療12：得益于語(yǔ)言大模型的能力和豐富的應(yīng)用場(chǎng)景，語(yǔ)言大模型的數(shù)量明顯多于其他模態(tài)；隨著大模型多任務(wù)適應(yīng)性和多模態(tài)能力持續(xù)增強(qiáng)，對(duì)齊視覺(jué)特征和文本特征，實(shí)現(xiàn)跨模態(tài)的統(tǒng)一理解，并根據(jù)指令創(chuàng)造新的內(nèi)容或增強(qiáng)現(xiàn)有數(shù)據(jù)表達(dá)，成為當(dāng)前大模型創(chuàng)新的焦點(diǎn)。洞察二：閉型的商業(yè)化輸出和開(kāi)源大模型的涌現(xiàn)，洞察三：垂類(lèi)大模型覆蓋、醫(yī)療、教育、政業(yè)用戶(hù)對(duì)知識(shí)助手、智推動(dòng)大模型落地門(mén)檻持續(xù)降低，垂直行業(yè)成為創(chuàng)新的重要賽道，吸引了產(chǎn)業(yè)資本支持；2024年，我國(guó)垂直大模型涌現(xiàn)，快速向垂直行業(yè)滲透。務(wù)等眾多行業(yè)；目前垂類(lèi)能客服、智能營(yíng)銷(xiāo)、編碼助手等應(yīng)用接受程度高，同時(shí)對(duì)數(shù)據(jù)分析、辦公助手等應(yīng)用抱有較高期待。8數(shù)據(jù)：第一新聲研究院整理產(chǎn)品發(fā)展國(guó)模型已大幅降價(jià)，為廣泛商業(yè)化應(yīng)定基礎(chǔ)型產(chǎn)品進(jìn)化路線(xiàn)有兩條，一是通過(guò)增加模型參數(shù)量、擴(kuò)大數(shù)訓(xùn)練計(jì)算量來(lái)獲得性能更強(qiáng)大的大模型產(chǎn)品；二是通過(guò)優(yōu)化應(yīng)性和計(jì)算效率，更具性?xún)r(jià)比的產(chǎn)品，如70B參數(shù)的模型，通過(guò)優(yōu)化架構(gòu)和訓(xùn)練策獲得接近或超越更大規(guī)模模型的性能。隨著大模型能力和性?xún)r(jià)比的，國(guó)產(chǎn)大模型廠(chǎng)商開(kāi)始大幅降價(jià)，截止到2024年底，我國(guó)典型AI大模型的價(jià)格下降至0.5元/百萬(wàn)Tokens以?xún)?nèi)，為大模型應(yīng)用的廣泛落地打下了基礎(chǔ)。中國(guó)AI大模型代表廠(chǎng)商及最新大模型模型特點(diǎn)中國(guó)典型AI大模型產(chǎn)品最新價(jià)格價(jià)格(元/百萬(wàn)Tokens)AI大模型代表廠(chǎng)商大模型版本公司模型名稱(chēng)輸入0.5輸出0.54050億參數(shù)，具備全面的語(yǔ)言理解能力，更好的智能遵循能力和高質(zhì)量數(shù)據(jù)構(gòu)造能力，結(jié)合跨模態(tài)能力和實(shí)時(shí)推理能力，適用于聊天機(jī)器人、內(nèi)容創(chuàng)造、教育輔導(dǎo)、多模態(tài)交互等場(chǎng)景GLM-4-Plus智譜華章智譜華章字節(jié)跳動(dòng)里巴巴百度GLM-4-AirDoubao-vision-lite-32kQwen-vl-plus豆包通用模

8000億參數(shù)，基于DIT架構(gòu)，在圖像和語(yǔ)音處理方面性能突出，其視頻生1.51.54.5字節(jié)跳動(dòng)阿里巴巴型pro成可幫助用戶(hù)提供專(zhuān)業(yè)級(jí)視頻內(nèi)容Qwen理的長(zhǎng)度極限獲得突破，推理速度顯著提升，適用于文本理解、碼處理等場(chǎng)景，兼具高效性與低成本優(yōu)勢(shì)訓(xùn)練速度相比上代產(chǎn)品提升數(shù)倍至數(shù)十倍，生成內(nèi)容更具條理性，大模型4.0TurboERNIE3.522出價(jià)格下降70%，適用于智能客服、智能助手、內(nèi)容創(chuàng)作、景DeepSeek-

參數(shù)規(guī)模6710億,采用了混合專(zhuān)家架構(gòu)（Mixture-of-Exper

MoE），這V3騰訊hunyuan-standardSparkPro0.80.5深度求索科大訊飛種架構(gòu)使得模型在有限硬件資源下仍能實(shí)現(xiàn)高性能訊飛星火

突出的數(shù)學(xué)能力和代碼能力，新增多模態(tài)視覺(jué)交互及超擬人虛擬人交互功4.0Turbo科大訊飛0.5能，適用于智能寫(xiě)作、多模態(tài)交互、醫(yī)療、教育、司法和政務(wù)服務(wù)等場(chǎng)景9產(chǎn)業(yè)圖譜2024年中國(guó)AI大模型產(chǎn)業(yè)圖譜用工具通用模型垂直模型芯片服務(wù)器數(shù)據(jù)設(shè)施10第一新聲研究院整理繪制商業(yè)化模式A型商業(yè)化落地：55%為定制化模式%-45%為API及訂閱模式AI大模型市場(chǎng)應(yīng)用的商業(yè)化模式逐漸清晰：AI大模型商業(yè)化形式?定制化模式面向大型政企：大型企業(yè)AI大模型應(yīng)用時(shí)，更傾向于定制化，并采用本地化部署模式；例如浦發(fā)銀行最新招標(biāo)的2024年大模型應(yīng)用體系建設(shè)項(xiàng)目，采購(gòu)定制化算力設(shè)備和大模型軟件，且要求算力設(shè)備和大模型軟件滿(mǎn)足信創(chuàng)要求。當(dāng)前，大模型技術(shù)和產(chǎn)品迭代迅速，定制化模式下，客戶(hù)會(huì)要求大模型服務(wù)商定期迭代更新服務(wù)。商業(yè)模式使用/部署方式適用領(lǐng)域n

本地化部署：軟硬件一體，提供預(yù)訓(xùn)n

適用于黨政、金融、能源、工業(yè)等行業(yè)的大中型企業(yè)和組織機(jī)構(gòu)；如中廣核引入科大訊飛大模型平臺(tái)，采用本地化部署方式練和微調(diào)等服務(wù)（80%在B端）定制化??API及訂閱模式適用于中小企業(yè)及機(jī)構(gòu)：采用API及訂閱模式采購(gòu)大模型服務(wù)，具有節(jié)省資源、快速集成、實(shí)時(shí)更新和可擴(kuò)展性強(qiáng)等優(yōu)勢(shì)，適用于中小型企業(yè)；如豆包大模型等采用API對(duì)外提供問(wèn)答等服務(wù)。此外，企業(yè)用戶(hù)調(diào)用API需要注意數(shù)據(jù)安全和隱私保護(hù)。（55%）n

云部署：提供算力服務(wù)和大模型預(yù)訓(xùn)練及微調(diào)服務(wù)S、PaaS、MaaS等方式調(diào)用服務(wù)，按流量、Tokens、產(chǎn)出內(nèi)容時(shí)間等方式計(jì)費(fèi)商、醫(yī)療、教育等中型用戶(hù)；如騰訊云MaaS服務(wù)用戶(hù)已超千家API及訂嵌入智能終端和APP中收取廣告費(fèi)的模式逐漸落地：隨著大模型應(yīng)大模（40型嵌入智能終端和APP中，向廣告主收取廣告費(fèi)的模式，將品變現(xiàn)的重要方式，未來(lái)大模型應(yīng)用將成為互聯(lián)網(wǎng)廣告提升和要抓手。2024年11月，蘋(píng)果與百度達(dá)成合作，國(guó)行版iPhone接入百度最新的

大模型Ernie4.0，iPhone將能夠提供更精準(zhǔn)、更智能的語(yǔ)音助手、圖像識(shí)別和數(shù)據(jù)處理等功能，將拉開(kāi)大模型規(guī)?；度胫悄芙K端、收取廣告費(fèi)的序幕。n

適用于智能終端等面向大規(guī)模人群的ToC場(chǎng)景；

如Kimi已開(kāi)始涉足大模型的廣告投放業(yè)務(wù)廣告n

嵌入智能終端或APP，用戶(hù)免費(fèi)使用，（＜5%）向廣告主收取廣告費(fèi)：第一新聲研究院11AI大模型應(yīng)用落地路徑五署方式：直接調(diào)用、能力嵌入、擴(kuò)用、定制模型、全棧構(gòu)建用需求落地一般分為四個(gè)階段：（1）場(chǎng)景需求評(píng)估：評(píng)估企、能力分析等。（2）部署能力建設(shè)：設(shè)計(jì)和構(gòu)建符合戰(zhàn)略規(guī)劃和模型技術(shù)、應(yīng)用場(chǎng)景和能力，做好大模型應(yīng)用落地的準(zhǔn)備，評(píng)估、應(yīng)用場(chǎng)景求的大模型能力體系，包括大模型建設(shè)方案設(shè)計(jì)、系統(tǒng)研發(fā)和功能、數(shù)據(jù)與算法準(zhǔn)備等。（3）大模型應(yīng)用部署：將大模型部署到具體的業(yè)務(wù)場(chǎng)景中，提供定制化的智能解決方案，實(shí)現(xiàn)大模型的商業(yè)化應(yīng)用，包括定制化優(yōu)化與應(yīng)用開(kāi)發(fā)、效能評(píng)估與閉環(huán)管理、全生命周期管理等。（4）大模型運(yùn)營(yíng)管理：建立大模型運(yùn)營(yíng)管理體系，保障大模型的長(zhǎng)效運(yùn)行，并通過(guò)實(shí)時(shí)監(jiān)測(cè)和反饋機(jī)制提升運(yùn)營(yíng)效率，包括實(shí)時(shí)監(jiān)測(cè)與動(dòng)態(tài)追蹤、持續(xù)優(yōu)化與管理體系完善等。AI大模型架構(gòu)圖大模型應(yīng)用部署方式全棧構(gòu)建（定制大模型）應(yīng)用層定制模型擴(kuò)展應(yīng)用能力嵌入直接調(diào)用增強(qiáng)檢索類(lèi)應(yīng)用智能體類(lèi)應(yīng)用事務(wù)處理類(lèi)應(yīng)用分析決策類(lèi)應(yīng)用檢索增強(qiáng)生成微調(diào)數(shù)據(jù)獲取數(shù)據(jù)向量訪(fǎng)問(wèn)控制應(yīng)用軟件應(yīng)用軟件應(yīng)用軟件應(yīng)用軟件應(yīng)用軟件應(yīng)用技術(shù)層智能體提示詞工程思維鏈數(shù)據(jù)清洗型工具鏈（數(shù)據(jù)檢索、提示詞工程等）大模型工具鏈（數(shù)據(jù)檢索、提示詞工程等）大模型工具鏈（數(shù)據(jù)檢索、提示詞工程等）大模型工具鏈（數(shù)據(jù)檢索、提示詞工程等提程等）語(yǔ)言-視覺(jué)大模型語(yǔ)音-語(yǔ)言大模型召回、排序模型AI大模型（基礎(chǔ)模型及微調(diào)）AI大模型（基礎(chǔ)模型及微調(diào)）AI大模型（基礎(chǔ)模型及微調(diào)）AI大模型（基礎(chǔ)模型及微調(diào)）大語(yǔ)言模型語(yǔ)音-視覺(jué)大模型圖片識(shí)別模型多模態(tài)檢網(wǎng)絡(luò)大模型算力基礎(chǔ)設(shè)施算力基礎(chǔ)設(shè)施算力基礎(chǔ)設(shè)施算力基礎(chǔ)設(shè)施算力基礎(chǔ)設(shè)施算力層GPUCPU存儲(chǔ)算力調(diào)度重量部署輕量部署12市場(chǎng)規(guī)模2AI大模型應(yīng)用市場(chǎng)規(guī)模約為157億

2022-2027年復(fù)合增長(zhǎng)率達(dá)148%根據(jù)第一新聲智庫(kù)研究，2022-2027年增長(zhǎng)率將達(dá)到148%，至2027年，AI大模大模型行業(yè)達(dá)到盈利臨界點(diǎn)。型應(yīng)用市場(chǎng)規(guī)模復(fù)合場(chǎng)規(guī)模將達(dá)到1130億，AI?

洞察一：2024年，中國(guó)AI大模型商用加速，根據(jù)第一新聲研究院不完全統(tǒng)計(jì)，2024年公開(kāi)的大模型中標(biāo)項(xiàng)目超過(guò)1000個(gè)，整體應(yīng)用市場(chǎng)規(guī)模將達(dá)到157億，市場(chǎng)用戶(hù)主要以定制化和API調(diào)用模式為主；大模型應(yīng)用市場(chǎng)規(guī)模包括企業(yè)用戶(hù)購(gòu)買(mǎi)大模型產(chǎn)品、大模型服務(wù)、大模型應(yīng)用服務(wù)和軟硬一體化大模型應(yīng)用平臺(tái)形成的市場(chǎng)總量。?

洞察二：

中國(guó)AI大模型商用主要通過(guò)三種通路，一是大模型廠(chǎng)商直接向終端用戶(hù)提供模型產(chǎn)品和部署服務(wù)；二是大模型服務(wù)商通過(guò)系統(tǒng)集CAGR：148%成商，將大模型產(chǎn)品以行業(yè)解決方案的形式提供給用戶(hù)；三是大服務(wù)商通過(guò)API接口，通過(guò)企業(yè)級(jí)軟件服務(wù)商或直接向用戶(hù)系統(tǒng)集成商和企業(yè)級(jí)軟件服務(wù)商將成為AI大模型提升驅(qū)動(dòng)方。型關(guān)鍵?

洞察三：

2024年，中國(guó)大模型產(chǎn)業(yè)新增超過(guò)190萬(wàn)張，算力投資達(dá)千億規(guī)模，其中80%的新增頭部互聯(lián)網(wǎng)大模型訓(xùn)練和自有業(yè)務(wù)支撐，20%用于行業(yè)用戶(hù)大

型能力建設(shè)和對(duì)外提供MaaS服務(wù)，2024年，服務(wù)商大模型業(yè)務(wù)收入，主要用于覆蓋算力成本，尚未實(shí)現(xiàn)盈利，整體市場(chǎng)規(guī)模約157億元，預(yù)計(jì)至2025年后將有部分大模型企業(yè)開(kāi)始盈利。13發(fā)展驅(qū)動(dòng)未，中國(guó)AI大模型產(chǎn)業(yè)將逐步進(jìn)入需驅(qū)動(dòng)階段聲智庫(kù)調(diào)研，當(dāng)前大模型市場(chǎng)還處于產(chǎn)品供給驅(qū)動(dòng)為主的階將進(jìn)入以最終用戶(hù)需求驅(qū)動(dòng)為主的階段。來(lái)3年，隨著大模型應(yīng)用被行業(yè)用戶(hù)廣泛接受并積極推動(dòng)應(yīng)，中國(guó)大模型市場(chǎng)產(chǎn)品供給驅(qū)動(dòng)最終用戶(hù)需求驅(qū)動(dòng)?2024年2月，國(guó)資委提出中央企業(yè)要“開(kāi)展AI+專(zhuān)項(xiàng)行動(dòng)”，加快建設(shè)一批智能算力中心，進(jìn)一步深化開(kāi)放合作，構(gòu)建一批產(chǎn)業(yè)多模態(tài)優(yōu)質(zhì)數(shù)據(jù)集，打造從基礎(chǔ)設(shè)施、算法工具、智能平臺(tái)到解決方案的大模型賦能產(chǎn)業(yè)生態(tài)；國(guó)央企??研發(fā)和訓(xùn)練能力更為強(qiáng)大的通用大模型產(chǎn)品例如：字節(jié)跳動(dòng)不斷迭代豆包大模型，2024年5月新版本豆包大模型的綜合性能提升了20%以上，且還在不斷升級(jí)通用大模型廠(chǎng)商??根據(jù)第一新聲智庫(kù)調(diào)研，未來(lái)3年，每家央企每年在大模型領(lǐng)域的投入普遍超過(guò)2億元。政府主導(dǎo)的大模型采購(gòu)主要分為兩個(gè)部分，一是政務(wù)大模型平臺(tái)，用于提升政務(wù)效率；二是政府?聚焦特屬或領(lǐng)域，提供更高的準(zhǔn)確性和行業(yè)蜜巢大模型，聚焦政務(wù)與媒體等領(lǐng)域垂類(lèi)大模型廠(chǎng)商政府主導(dǎo)的區(qū)預(yù)心配套大模型平臺(tái)，用于支持區(qū)域企業(yè)智能化轉(zhuǎn)型，凝聚新型產(chǎn)業(yè)發(fā)展地市政府為主導(dǎo)的大模型采購(gòu)規(guī)模將超過(guò)百億/年，將極大推動(dòng)AI滿(mǎn)足信創(chuàng)要求的大模型。?模型解決方案金融、工業(yè)、教育、醫(yī)療、交通等領(lǐng)域大模型的落地場(chǎng)景需求豐富硬一體的大模型能力平臺(tái)強(qiáng)烈訴求，中小用戶(hù)對(duì)大模型抱有較模式賦能業(yè)務(wù)；用戶(hù)具有建設(shè)軟??將大模型能力融入應(yīng)用軟件，或基于大模型開(kāi)發(fā)企業(yè)級(jí)應(yīng)用業(yè)級(jí)應(yīng)用廠(chǎng)商向于采購(gòu)MaaS和SaaS行業(yè)用戶(hù)例如：SaaS服務(wù)商，將大模型集成到現(xiàn)有的應(yīng)用程序或服務(wù)中，提供更智能的體驗(yàn)，如智能客服、智能營(yíng)銷(xiāo)、知識(shí)管理等?未來(lái)1-2年，政策和需求牽引下，大模型應(yīng)用將逐漸從客服、營(yíng)銷(xiāo)、知識(shí)管理、聊天等場(chǎng)景延伸到風(fēng)控、運(yùn)營(yíng)分析等對(duì)大模型能力和準(zhǔn)確度要求更高的場(chǎng)景。14應(yīng)用場(chǎng)景及案例AI大模型應(yīng)用成熟度A型在互聯(lián)網(wǎng)、政務(wù)、金融等行業(yè)應(yīng)景日益豐富在ToB領(lǐng)域已廣泛應(yīng)用于互聯(lián)網(wǎng)、金融、政務(wù)、工業(yè)、教育領(lǐng)域，行業(yè)用戶(hù)通過(guò)引入AI大模型解決方案，優(yōu)化業(yè)務(wù)流程效率、創(chuàng)新服務(wù)模，積極探索如何利用最新大模型技術(shù)推動(dòng)企業(yè)數(shù)字化和智能化轉(zhuǎn)型。第一新聲研究院整理繪制16金融行業(yè)痛點(diǎn)及解決方案金業(yè)痛點(diǎn)及解決方案存在以下痛點(diǎn)：（1）營(yíng)銷(xiāo)獲客難：金融機(jī)構(gòu)存在用戶(hù)需求本高等痛點(diǎn)；（2）風(fēng)險(xiǎn)管理體系效率低：金融機(jī)構(gòu)在信用貸中監(jiān)控、反貸后管理等領(lǐng)域面臨很多難點(diǎn)，如在與黑灰產(chǎn)不斷升級(jí)演變中，提升機(jī)構(gòu)全流程業(yè)務(wù)安全、基礎(chǔ)安全、技術(shù)安全等；（計(jì)精準(zhǔn)定位難：隨著外資機(jī)構(gòu)、新的金融公司、股份制銀行的快速發(fā)展，金融機(jī)構(gòu)對(duì)優(yōu)質(zhì)

戶(hù)的競(jìng)爭(zhēng)也愈發(fā)激烈，如何打造直擊用戶(hù)需求的金融產(chǎn)品，成為各家

融機(jī)構(gòu)競(jìng)爭(zhēng)的關(guān)鍵之一

；（4）全流程數(shù)字化轉(zhuǎn)型成本高、周期長(zhǎng)、難以快速形成收益：金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型，需要布局全流程數(shù)字化，局部數(shù)字化會(huì)造成無(wú)法和前后流程對(duì)接，而全流程數(shù)字化也面臨成本高、建設(shè)周期長(zhǎng)的痛點(diǎn)，難以快速形成收益?；鹕揭娼鹑诖竽Ｐ徒鉀Q方案服務(wù)體系海爾消金-消費(fèi)金融垂直大模型應(yīng)用成果場(chǎng)景賦能智能應(yīng)用用戶(hù)增長(zhǎng)（MAU）內(nèi)容套件資產(chǎn)提升（AUM）數(shù)據(jù)套件管理提效（ROI）AI套件算法套件?????A/B測(cè)試公域洞察用戶(hù)畫(huà)像自動(dòng)化營(yíng)銷(xiāo)用戶(hù)增長(zhǎng)分析????熱點(diǎn)洞察內(nèi)容創(chuàng)作內(nèi)容????個(gè)性化推薦多方安全計(jì)算智能反欺詐聯(lián)邦學(xué)習(xí)????智能創(chuàng)作智能雙錄智能外呼數(shù)字ACoze專(zhuān)業(yè)版模型精調(diào)Hi型體驗(yàn)中心模型評(píng)測(cè)模型推理pt優(yōu)化智能體廣場(chǎng)服務(wù)豆包·視頻生成模型豆包·文生圖模型豆包·語(yǔ)音合成模型豆包通用模型Pro豆包·向量化模型豆包通用模型lite豆包·圖生圖模型豆包·FunctionCall模型豆包·角色扮演模型17醫(yī)療健康行業(yè)痛點(diǎn)及解決方案醫(yī)康行業(yè)痛點(diǎn)及解決方案行業(yè)普遍存在以下痛點(diǎn)：（1）就醫(yī)高峰期患者候診時(shí)間長(zhǎng)，患者驟增，候診時(shí)間長(zhǎng)，患者就醫(yī)感受差；（2）檢查和醫(yī)生為規(guī)避險(xiǎn)，會(huì)選擇通過(guò)檢查甚至是多次檢查來(lái)確認(rèn)診斷結(jié)果，導(dǎo)致患者在等待檢查結(jié)果時(shí)間長(zhǎng)，患者在拿到檢查結(jié)果后，難以理，依賴(lài)醫(yī)生的解釋等導(dǎo)致檢測(cè)和治療效率低；（3）用藥處方開(kāi)具涉及信息眾多：用藥處方開(kāi)具需綜合評(píng)估關(guān)系到疾病表現(xiàn)出來(lái)的癥狀、患者年齡、患者生活的

境等超200個(gè)維度，醫(yī)生很難從200多個(gè)維度來(lái)周密思考用藥；（4）中醫(yī)領(lǐng)域醫(yī)療資源不足：中醫(yī)領(lǐng)域面臨名醫(yī)少、傳承斷代、醫(yī)療資源不足，中醫(yī)醫(yī)生依賴(lài)經(jīng)驗(yàn)及閱歷，同時(shí)由于中醫(yī)數(shù)據(jù)資料龐大、典籍豐富，中醫(yī)培養(yǎng)難度高等挑戰(zhàn)。智譜AI醫(yī)療健康行業(yè)解決方案東方醫(yī)院-數(shù)字中醫(yī)大模型應(yīng)用成果醫(yī)療機(jī)構(gòu)疾病預(yù)防互聯(lián)網(wǎng)醫(yī)院疾病篩查零售藥房醫(yī)藥銷(xiāo)售健康管理機(jī)構(gòu)醫(yī)生問(wèn)診運(yùn)動(dòng)健康機(jī)構(gòu)疾病治療醫(yī)療美容機(jī)構(gòu)

醫(yī)共體/醫(yī)聯(lián)體場(chǎng)景賦能醫(yī)院運(yùn)營(yíng)患者康復(fù)?

AI營(yíng)養(yǎng)師?

健康百科?

保健建議?

在線(xiàn)問(wèn)診告解讀?

導(dǎo)購(gòu)輔助?

禁忌查詢(xún)?

銷(xiāo)售質(zhì)檢?

智能導(dǎo)診?

檢查推薦?

檢驗(yàn)單診斷?

治療建議?

用藥建議?

醫(yī)囑質(zhì)檢?

用藥知識(shí)庫(kù)?

制度問(wèn)答?

數(shù)據(jù)分析?

AI回訪(fǎng)?

用藥指導(dǎo)?

康病自測(cè)醫(yī)AI醫(yī)療對(duì)話(huà)助手醫(yī)生診斷助手醫(yī)生研究助手藥品銷(xiāo)售助手手解生成關(guān)鍵信息結(jié)構(gòu)化提取自動(dòng)化標(biāo)簽生成??大綱生成文獻(xiàn)引用查找研究?jī)?nèi)容生成與質(zhì)檢??檢驗(yàn)單診斷與解讀檢驗(yàn)推薦????報(bào)告生成對(duì)話(huà)式經(jīng)營(yíng)數(shù)據(jù)查詢(xún)??診前輕問(wèn)診健康掰開(kāi)??檢CharacterGLMCodeGeeX多模態(tài)大模型Text-Embedding18教育行業(yè)痛點(diǎn)及解決方案教

業(yè)客服場(chǎng)景痛點(diǎn)及解決方案詢(xún)客服場(chǎng)景普遍存在以下痛點(diǎn)：（1）線(xiàn)上多渠道咨詢(xún)接待精準(zhǔn)分流，服務(wù)效率低；（2）服務(wù)數(shù)據(jù)分散難以集中管理和分咨詢(xún)官網(wǎng)、APP、小程序、熱線(xiàn)電話(huà)等多個(gè)渠道，咨詢(xún)正式接待之前間信息流通不暢，數(shù)據(jù)孤島嚴(yán)重，數(shù)據(jù)統(tǒng)計(jì)分析困難，無(wú)法集析；（3）獲客成本高：線(xiàn)上獲客成本越來(lái)越高，售前獲客線(xiàn)索留資率提升難；（4）高峰期人工客服接待壓力大：在特定的時(shí)間段內(nèi)客戶(hù)咨詢(xún)和投訴的數(shù)量會(huì)顯著增加,人工客服負(fù)荷加大等。美洽全渠道AI客服解決方案美世教育大模型獲客機(jī)器人應(yīng)用成果全渠道接入業(yè)務(wù)場(chǎng)景：售前接待、咨詢(xún)服務(wù)客戶(hù)問(wèn)題1

：線(xiàn)上多個(gè)渠道咨詢(xún)接待，效率不高，服務(wù)數(shù)據(jù)分散企業(yè)私域：集成知識(shí)庫(kù)生態(tài)內(nèi)置行業(yè)標(biāo)準(zhǔn)知識(shí)庫(kù)豐富的文檔格式支持????官網(wǎng)App小程序H5文本AI

機(jī)器人無(wú)法集中管理與分析AI

分析???文本生成???信息抽取客戶(hù)問(wèn)題2：

線(xiàn)上流量越來(lái)越昂貴，如何提升售前留資率，成為有效對(duì)話(huà)率獲線(xiàn)留資率內(nèi)容加工知識(shí)檢索??AI輔助決策AI數(shù)據(jù)分析首要需求意圖識(shí)別角色扮演AI主流廣告平臺(tái)：獨(dú)立接待客戶(hù)問(wèn)題3：高峰期人工客服接待壓力大，需要分配人力處理夜?百度?360間咨詢(xún)量語(yǔ)音AI

機(jī)器人?搜狗響應(yīng)速度服務(wù)效率?騰訊廣告???聲音復(fù)刻方言理解多語(yǔ)言??通話(huà)打斷低延遲通話(huà)……一鍵上傳簡(jiǎn)易操一客戶(hù)滿(mǎn)意度社交新媒體：習(xí)解決方法：???微信客服小紅書(shū)抖音人機(jī)協(xié)同歷史知識(shí)學(xué)習(xí)標(biāo)注學(xué)習(xí)針對(duì)以上問(wèn)題美世教育先后采用美洽全渠道A及2024年最新發(fā)布的大模型獲客機(jī)器人詢(xún)接待統(tǒng)一處理、集中分配管理與以客戶(hù)咨AI

輔助上?快質(zhì)量提升效率提升???話(huà)術(shù)改寫(xiě)對(duì)話(huà)總結(jié)??自動(dòng)標(biāo)簽信息抓取同步…，同時(shí)接入AIok大模型獲客機(jī)器人，夜間獨(dú)立放人工坐席。agramWhatsAppTelegramLineAgent

Studio??AgentsWorkflowProxy?Email全渠道客戶(hù)消息一個(gè)工作臺(tái)管理智能分流，數(shù)據(jù)分析，提升運(yùn)營(yíng)效率LLMGatewayAI帶來(lái)的效率提升售前獲線(xiàn)留資率提升……400%58%語(yǔ)音/400電話(huà)基礎(chǔ)模型層19政務(wù)領(lǐng)域市場(chǎng)監(jiān)督場(chǎng)景痛點(diǎn)及解決方案市督管理場(chǎng)景痛點(diǎn)及解決方案理應(yīng)用場(chǎng)景當(dāng)前存在的普遍痛點(diǎn)包括：（1）數(shù)據(jù)分散、統(tǒng)計(jì)析等；（2）知識(shí)庫(kù)更新不及時(shí)：市場(chǎng)監(jiān)管領(lǐng)域知識(shí)庫(kù)需根據(jù)法量案件材料難以統(tǒng)一管理和分析，傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)方法效率低政策變化和業(yè)務(wù)指南不斷更新，當(dāng)前缺乏統(tǒng)一的更新標(biāo)準(zhǔn)和規(guī)行直觀(guān)、全面致信息冗余、混亂或不一致；（3）執(zhí)法文書(shū)寫(xiě)作耗時(shí)長(zhǎng)、易出錯(cuò)：首先人工編寫(xiě)文書(shū)耗時(shí)費(fèi)力，且案件業(yè)務(wù)復(fù)雜、法規(guī)政策條款眾多，信息易缺漏、錯(cuò)誤，其次文書(shū)格式要求嚴(yán)格，業(yè)務(wù)人員撰寫(xiě)時(shí)易出現(xiàn)不規(guī)范的情況；（4）咨詢(xún)回復(fù)慢、投訴處理效率低：一方面法規(guī)政策多，人工回復(fù)慢，市民理解難；另一方面信息檢索困難、查詢(xún)結(jié)果不準(zhǔn)確、回復(fù)效率低等問(wèn)題，容易引發(fā)市民投訴。蜜巢大模型-市場(chǎng)監(jiān)督管理解決方案某區(qū)市場(chǎng)監(jiān)督管理局應(yīng)用成果案件過(guò)程材料報(bào)告類(lèi)型模板讓模型更貼合訓(xùn)練知識(shí)完善模型詢(xún)問(wèn)筆錄

立案審批

有關(guān)事項(xiàng)

其他材料專(zhuān)業(yè)報(bào)告表達(dá)效果在報(bào)告中的表達(dá)能力調(diào)查報(bào)告詢(xún)問(wèn)筆錄力，提升效率報(bào)告類(lèi)型模板+訓(xùn)練知識(shí)深度訓(xùn)練與學(xué)習(xí)蜜巢文稿寫(xiě)作能案快捷高效地生成一篇調(diào)查報(bào)告法律法規(guī)當(dāng)事人的事實(shí)案件性質(zhì)私有化部署提升至75%蜜巢大模型自由裁量處理意見(jiàn)處罰告知其他文書(shū)其他報(bào)告專(zhuān)業(yè)用語(yǔ)存儲(chǔ)與算力基礎(chǔ)設(shè)施20零售消費(fèi)行業(yè)痛點(diǎn)及解決方案零售行業(yè)痛點(diǎn)及解決方案消費(fèi)統(tǒng)業(yè)務(wù)模式當(dāng)前面臨主要問(wèn)題包括：（1）客戶(hù)洞察不足

：測(cè)市場(chǎng)趨勢(shì)和消費(fèi)者行為；（3）客戶(hù)體驗(yàn)不佳：服務(wù)個(gè)性到限制，缺乏有效的工具來(lái)收集和分析客戶(hù)數(shù)據(jù)；（2）市場(chǎng)傳統(tǒng)方法法滿(mǎn)足客戶(hù)的多樣化需求，購(gòu)物流程繁瑣，環(huán)節(jié)多，體驗(yàn)差；效率低下：營(yíng)銷(xiāo)缺乏創(chuàng)新，難以吸引和留住客戶(hù)，且營(yíng)銷(xiāo)活動(dòng)缺乏針對(duì)性；（5壓力大：市場(chǎng)變化快速，市場(chǎng)競(jìng)爭(zhēng)日益激烈，許多零售商沒(méi)有意識(shí)化轉(zhuǎn)型價(jià)值。Marketingforce邁富時(shí)消費(fèi)與零售解決方案消費(fèi)與零售解決方案應(yīng)用成果21制造行業(yè)痛點(diǎn)及解決方案制業(yè)知識(shí)管理場(chǎng)景痛點(diǎn)及解決方案制產(chǎn)品開(kāi)發(fā)生命周期長(zhǎng)，跨部門(mén)協(xié)調(diào)溝通困難，項(xiàng)目成果多，方面通常面臨以下痛點(diǎn)：（1）研發(fā)知識(shí)難以查找：研發(fā)資料心技術(shù)人員，缺乏隱性經(jīng)驗(yàn)挖掘，忽視了團(tuán)隊(duì)能力的提升，知致問(wèn)題重復(fù)發(fā)生；（4）營(yíng)銷(xiāo)與研發(fā)生產(chǎn)脫節(jié)：產(chǎn)品相關(guān)資料不全知識(shí)共享存在壁大；（3）生產(chǎn)良品率以查找，沒(méi)有體系；（2）業(yè)務(wù)骨干依賴(lài)度高：產(chǎn)品研發(fā)過(guò)度以提高：過(guò)往經(jīng)驗(yàn)和案例總結(jié)不到位，質(zhì)量問(wèn)題得不到及時(shí)的解決人員賦能不夠體系，導(dǎo)致?tīng)I(yíng)銷(xiāo)業(yè)務(wù)開(kāi)展受阻；（5）知識(shí)缺少場(chǎng)景化應(yīng)用：不能根據(jù)應(yīng)用場(chǎng)景進(jìn)行精準(zhǔn)知識(shí)推送和嵌入、知識(shí)和業(yè)務(wù)兩張皮；（6）知識(shí)運(yùn)營(yíng)難以持續(xù)：缺乏科學(xué)的知識(shí)運(yùn)營(yíng)方法、缺乏相應(yīng)數(shù)據(jù)支撐及智能工具，知識(shí)管理推進(jìn)三分鐘熱度，難以持續(xù)。藍(lán)凌基于aiKM的制造企業(yè)知識(shí)管理解決方案知識(shí)管理建設(shè)應(yīng)用成果決策輔助內(nèi)容生成基于大模型的消費(fèi)方式搜索推薦問(wèn)答措施：基于藍(lán)凌aiKM構(gòu)建全新知識(shí)管理平臺(tái)，包括：基于社群空間構(gòu)建強(qiáng)化同行協(xié)助、知識(shí)共創(chuàng)及經(jīng)驗(yàn)沉淀；積極探索AI智能助理創(chuàng)新應(yīng)用基于賽力斯特有研發(fā)知識(shí)，對(duì)接大模型，滿(mǎn)足特定業(yè)務(wù)領(lǐng)域的識(shí)應(yīng)用的搭建及運(yùn)營(yíng)，實(shí)現(xiàn)了“四個(gè)一”的效果↓；各項(xiàng)知造1個(gè)團(tuán)隊(duì)共創(chuàng)社群空間1天問(wèn)題得到初步解答實(shí)現(xiàn)1分鐘找到知識(shí)/專(zhuān)家22發(fā)展趨勢(shì)及挑戰(zhàn)技術(shù)趨勢(shì)A型四個(gè)主要技術(shù)方向型技術(shù)發(fā)展呈現(xiàn)四大趨勢(shì)：（1）

Scaling

Law面臨挑戰(zhàn)，重點(diǎn)從預(yù)訓(xùn)練轉(zhuǎn)向后訓(xùn)練；（2）算力平臺(tái)和模型創(chuàng)新緊密耦鏈不斷完善加速大模型應(yīng)用研發(fā)與落地。模型創(chuàng)新效率；）MoE架構(gòu)開(kāi)始廣泛應(yīng)用于推動(dòng)模型性能和效率提升；（4）大模01.03.Scaling

Law面臨挑戰(zhàn)，大模型研究重點(diǎn)從預(yù)訓(xùn)練轉(zhuǎn)向后訓(xùn)練MoE架構(gòu)開(kāi)始廣泛應(yīng)用于推動(dòng)模型性能和效率提升MoE架構(gòu)鼓勵(lì)在模型設(shè)計(jì)和訓(xùn)練過(guò)程中采用創(chuàng)新方法，有助于促進(jìn)AI領(lǐng)域內(nèi)的多樣性和創(chuàng)新，MoE架構(gòu)具有平衡大模型訓(xùn)推成本和計(jì)算效率等優(yōu)勢(shì)，適合處理大規(guī)模數(shù)據(jù)和復(fù)雜任務(wù)，已成為谷歌、OpenAI、阿里、騰訊等企業(yè)控制成本、提升模型性能、應(yīng)對(duì)大模型“價(jià)格戰(zhàn)”的新方向。隨著互聯(lián)網(wǎng)文本數(shù)據(jù)的耗盡，預(yù)訓(xùn)練階段的Scalinglaw面臨挑戰(zhàn)，大模型研究關(guān)注焦點(diǎn)從預(yù)訓(xùn)練階段轉(zhuǎn)移至后訓(xùn)練階段，提升數(shù)據(jù)質(zhì)量、提升模型復(fù)雜邏輯推理能力、降低成本并減少幻覺(jué)成為大模型研究工作的重點(diǎn)。02.大模型工具鏈不斷完善加速大模型應(yīng)用研發(fā)與落地和模型創(chuàng)新緊密耦合，提升大模型創(chuàng)新效率+大算力+大數(shù)據(jù)”是推動(dòng)大模型創(chuàng)新和能力提升的重要路線(xiàn)，大模效率提升需要算力芯片、大模型訓(xùn)練和推理加速框架、高質(zhì)量多模態(tài)緊密耦合共同推動(dòng)。大模型工具鏈包括訓(xùn)練工具、推理工具和應(yīng)用開(kāi)發(fā)工具，工具務(wù)體系，應(yīng)對(duì)大模型訓(xùn)推復(fù)雜性的挑戰(zhàn)和降低大模型開(kāi)發(fā)不斷完善工具鏈?zhǔn)峭苿?dòng)大模型研發(fā)和落地的重要方向。對(duì)構(gòu)建大模型服檻起到較強(qiáng)的推動(dòng)作用，24市場(chǎng)應(yīng)用趨勢(shì)用軟件、智能助手和AI

Agent是A型市場(chǎng)應(yīng)用的三個(gè)主要方向大模型商業(yè)地需要找到合適的產(chǎn)品方向融合應(yīng)用軟件智能助手Agent?