.jpg)
階段一：
探索孵化期
農業和能源等行業爲代表。行業中嘗試采用大模型的機構數量還較少，但仍有一些頭部或創新意識强的機構積極探索。
機構推進市場應用的關鍵在于證明技術的可行性和實用性，幷能解决行業特有的挑戰，面臨較高風險和不確定性，同時有機會引領市場。如電力行業，國有電網公司正在積極嘗試，但由于安全性等關鍵指標要求高，推進較謹慎、速度相對慢。
階段二：
試驗加速期
教育、金融、游戲與出行爲代表。行業普遍具備相對良好的數據基礎，探索應用大模型的機構數量快速增長，開始在特定應用場景産生經濟價值。
機構關注技術如何解决實際問題，如金融量化策略的贏率、游戲設計的降本增效等。成功案例是此階段的風向標，實用效益能够吸引更多參與者加入。
階段三
采納成長期:
廣告與軟件行業爲代表。行業中的主流機構，已普遍采納幷使用大模型。
由于與大模型基礎能力的高度匹配，目前在廣告以及軟件行業［包括各類互聯網應用］，文案生成、文生圖、代碼生成與數據分析等能力，已經在不少機構被大量使用。
繼續擴大市場的關鍵在于進一步優化技術應用，提升用戶體驗和效率，同時降低成本
階段四
落地成熟期:
目前還沒有行業達成。此階段意味著大模型技術應用基本成熟，絕大多數機構已在主要生産運營場景中使用，幷與供應商之間建立了穩定的商業合作關係。
目前大模型技術本身還遠未到成熟階段，行業應用的成熟需要更長的時間。大模型的穩定性、可解釋性、插件調用的可靠性等等，都是行業應用能步入成熟期的必要前提。
行業 AI 應用
AI 的三大主要功能
1) 內容生成與創意設計
主要運用大模型展現出的生成能力，包括文本生成、圖像生成及代碼、表格等泛文本生成能力，結合特定行業、場景的數據，支持內容生成和創意設計。
例如各行業都普遍需要營銷和廣告，不論是創意階段的文案製作、還是市場階段的廣告素材生成，結合行業特定數據的廣告大模型應用都能發揮更好的作用。
在數字化的浪潮下，很多行業也需要增加代碼開發、數據分析等工作，大模型輔助代碼生成、數據分析和圖表生成等，成爲增長中的跨行業共性需求。
2)信息提煉與專業輔助
主要運用大模型的摘要、規劃等能力，針對特定行業、場景的數據，輔助人進行專業知識的提煉、分析和加工。結合檢索增强生成等技術，許多行業通過對話機器人實現此類助手型應用，覆蓋研發設計、生産製造、營銷服務等多環節。
例如金融行業，結合金融領域專有知識形成的金融大模型，已能有效支持前後臺工作，成爲金融投資决策、風險評估等的關鍵支撑；醫療行業，科研人員可以通過對話式藥物研發助手，便捷查詢專業信息，助力新藥研發，甚至輔助DNA測序識別疾病與基因的關聯等。
3)任務調度與智能交互
行業對大模型的需求，更多還體現對其代理能力（Agent)的期待，希望大模型能與其他應用，甚至與現實世界的機器和設備等連通，在更廣泛的範圍協助進行任務調度和問題解决。
這涉及實時數據處理、自動化控制、環境感知和决策支持等，對模型的響應速度、準確度和自適應性提出了更高要求，需要大模型插件生態、大模型與小模型的結合、多模態大模型等順利發展。例如電力行業，希望通過大模型的任務調度和交互能力，有效整合傳感器等數據，優化能源分配和消耗，提高能源領域的運行效率；交通行業，涉及複雜的現實環境交互，對安全性和準確性要求高，可能需要開發具備多模態能力的原生交通大模型才能滿足需求。
AI 應用成功標準
基于本次研究對多方的實踐調研，結合國際前沿的相關探索，我們嘗試總結構建出當前衡量行業大模型應用成功的2-3-1原則：
避免兩個誤區、
評估三類價值、
構建一個模式。
評估三類價值
1) 降本提效
降本提效主要是衡量行業大模型對機構本身運營管理影響，也是目前比較顯性的成效表現。核心在于大模型能輔助增强人員能力，提升自動化水平進而簡化流程，最終减少人力等成本、提升組織運營和管理效率。
典型場景包括自動化開發、業務流程優化、智能化决策支持等，衡量成效的指標如大模型支持業務的成本節約、時間節約、效率提升、輔助决策的準確率等。
→ 1.1 自動化開發
大模型能自動生成代碼、提供編程建議，减少開發者的重複性工作，讓他們更專注于複雜的系統設計和問題解决。同時，這也降低了編程門檻，使非專業人士能參與編程開發，促進技術的普及和創新。
比如，大模型提供的代碼示例和建議，幫助開發者避免常見錯誤、提高效率。大模型能理解編程語言的語法和結構，甚至項目的具體上下文，爲開發者提供定制化支持。
這種自動化不僅加快了開發流程，也能提高産品質量。
→ 1.2 業務流程優化
大模型能通過智能助手等方式，嵌入業務流程環節中，提高環節間的交互效率，幷通過自動化方式簡化、優化流程，提升業務運營效率。
例如游戲行業，大模型能使初步概念快速轉化爲可視化內容，降低策劃與美術之間的溝通成本，提高游戲開發效率。
能源行業，像電網運維檢修，大模型結合向量數據庫加速了知識圖譜的創建，支持數據處理和决策流程提效，提升作業規範和安全性。
金融行業，大模型已被用于自動化交易、風險管理和合規監控中，輔助識別欺詐行爲等風險，同時提高交易的處理速度和精確度。
協同辦公領域也在融入大模型，如視頻會議結合大模型能自動生成會議記錄和摘要，形成行動計劃幷自動分發任務信息等。
→ 1.3 智能化决策支持
大模型還能在運營分析和管理上發揮作用。例如，在供應鏈管理中，大模型能輔助分析預測需求，支持庫存優化，提高物流效率幷降低成本。
交通領域，大模型能整合人、車、路、環境等多元的數據，提供智能管控方案，改善城市交通的流量管理。金融行業，大模型能輔助高效檢索信息，提高了財富管理顧問等决策和服務效率。
在數據分析方面，大模型能輔助數據探索、自動執行數據清洗和預處理等任務，節省分析時間、提升分析結果的時效性。
廣告行業，以大模型爲底座，通過投放的實時數據反饋來驅動創意素材的生成與預算分配中各項指標的設定，最終能建立起清晰的增長模型與投放策略。
2) 業務創新
業務創新主要是衡量行業大模型對業務供給能力的影響，也是很多機構最希望實現的目標。
核心在于大模型的生成能力能擴大內容供給，與應用場景的結合還可能創造新功能或業務，幫助提高業務的競爭力、擴大業務的市場空間。
典型場景包括豐富內容創意、優化業務功能、開發新業務等，衡量成效的指標如大模型支持內容生成的速度和質量、業務的用戶數、業務的營收等。
→ 2.1 降低創意門檻
大模型能快速生成內容，從而降低內容創意門檻，尤其在廣告、建築、規劃和設計領域表現顯著。
廣告營銷行業最典型，技術進步特別是文生圖像和視頻大模型如Midjourney、Stable Diffusion、Sora和Pika等不斷迭代升級，最直接衝擊的就是廣告。
這些模型使得創意不再是高不可攀的資源，普通人也能借助AI工具將其想法具象化，極大豐富廣告創意的供給。又如建築和規劃行業，大模型可以貫穿從創意啓動到審圖階段，輔助將創意逐步轉化爲合理的設計。
→ 2.2 豐富創意供給
一是擴大供給數量，由于創意生成門檻的降低，普通人也可以通過AI工具，將其創意想法進行呈現，幷進行各種再加工和應用，AIGC+UGC的混合方式大幅度提升創意的供應量；
二是豐富供給類型，目前文生圖只是AIGC的1.0版本，隨著Sora等新技術的出現，“扔一本小說生成一本繪本或者一部電影”的想像正在走向現實。
未來，文生文與文生圖、文生視頻、游戲引擎等結合，可能創造更多內容形態和服務方式。
3)體驗增强
體驗增强主要是衡量行業大模型對用戶使用的影響，體現對用戶的價值。大模型能提供自然語言交互能力，幷隨著向多模態、具身智能方向發展，爲用戶提供更加自然、豐富的體驗，從而創造價值增值。
典型場景包括交互方式變革、個性化服務、虛擬陪伴等，衡量成效的指標如大模型支持業務的用戶使用量、活躍度、滿意度、問題解决率、留存率等。
3.1 交互方式變革
大模型可能改變現有應用的交互方式，以更自然的對話方式，讓用戶使用應用和調用功能。
例如，文檔結合大模型，用戶可以通過描述需求，讓應用直接生成文字、圖形等內容。更有想像空間的是與AR/VR等新交互技術和設備的結合，像蘋果的Vision Pro,可能推動新一輪應用形態和體驗的變革。
3.2 個性化服務
大模型能够提供個性化服務。典型像教育領域，大模型可以根據每個學生的特點和興趣，輔助提供千人千面的個性化教學內容和服務。
同時，在教學過程中，對話式學習也將提升學生學習過程的交互性，提高每個學生的學習興趣。醫療領域，大模型可以爲醫生和患者提供助手服務，輔助實現大規模的精准醫療服務實施。
3.3 虛擬陪伴服務
在産品服務優化環節，將大模型的能力集成到産品中，成爲消費電子、汽車等領域産品智能化能力提升的探索焦點。
例如智能音箱Vifa ChatMini 內置了ChatGPT,在保持了專業聲學標準的基礎上，提升了自然語言交互體驗，可用于情感支持、學習陪伴、工作助手等。
Comments