大模型與企業數智化升級2024大語言模型開啟AGI時代，人工智能進入生成式階段大語言模型開啟AGI時代，人工智能進入生成式階段什么是大模型？大語言模型（LLM）是建立在大量數據集上預訓練的巨大模型，包括如下關鍵要素：海量算力與數據支撐的大參數“涌現”智能能力，擁有解決它從未或

4AI對齊產品封裝4AI對齊產品封裝3指示學習2模型預訓練1架構設計極少見過的問題的能力需微調，就能夠解決多種通用型任務

基于Transformer架構，規劃技術路線，①編碼器路線；②編解碼器路線；③解碼器路線

基于海量數據進行模型訓練，并形成一個有監督的策略，引入獎勵模型和RLHF進行強化學習

在多類型下游任務上進行訓練，提升其少樣本/零樣本能力

持續探索更有效率的方式實現模型與人類社會普世價值觀的對齊，從而達到生產環境部署要求大語言模型關鍵能力

人工智能與AGI發展階段劃分語言能力知識能力包括語義理解，語言生成，多輪對話，乃至快速形成文本摘要的能力語言能力知識能力包括語義理解，語言生成，多輪對話，乃至快速形成文本摘要的能力包括事實性知識，也包括常識知識等交互革命交互革命GUI??DUI/HUIPrompt工程價值凸顯

AGI1.0 ?思維革命AI具備獨立思考與邏輯判邏輯與復雜問題推理能力利用上下文學習與思維鏈能力，持續對大模型進行訓練與微調，從而提升大模型的復雜問題推理能力邏輯與復雜問題推理能力利用上下文學習與思維鏈能力，持續對大模型進行訓練與微調，從而提升大模型的復雜問題推理能力通用任務能力多種通用任務

激發科技與創新活力

AGI0.1

將得以復制和擴展

斷的能力碳基生命共存AGI2.02大語言模型推動企業從數字化向智能化升級大語言模型推動企業從數字化向智能化升級大模型對企業帶來的核心價值是什么？中國企業部署AI應用所面臨的挑戰45.5%32.9%23.1%22.4%45.5%32.9%23.1%22.4%15.4%2.1%投資AI算法的可解釋性AI安全、倫理與合規問題其他

51.7%01以業務驅動的方式擁抱AI01以業務驅動的方式擁抱AI人工智能從未如ChatGPT這般普及，超過1億用戶主動體驗的背后，是業務發展需求驅動AI應用場景探索與實踐的重大轉變02降低AI開發門檻傳統的AI開發模式需要針對不同的任務和場景進行定制化開發，大模型顯著降低開發復雜度，提升部署與應用的便捷度03增強用戶體驗，碾平企業數智化洼地大模型對于人機交互方式的變革顯著增強客戶/用戶體驗與員工體驗，有利于中后臺賦能升級，以及員工原生數智動能發展0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0%數據來源：埃森哲2020，易觀整理?易觀Analysys 2023/7/14

激發科技與創新活力 3大模型應用尚未跨越鴻溝，嘗鮮者重心在于技術突破與場景探索大模型應用尚未跨越鴻溝，嘗鮮者重心在于技術突破與場景探索企業應用大模型可能面臨的挑戰與風險有哪些？技術能力彰顯，面臨場景摸索，跨越鴻溝技術能力彰顯，面臨場景摸索，跨越鴻溝落地，發揮業務價值價值曲線成本曲線2巨大的模型訓練與推理算力等成本拉低效益比顯著的企業必須承擔的成本，開源基礎模型在一定程度上可以降低這一階段的訓練成本與剪枝等技術的發展進一步降低然需要考慮提示工程在特定場景的磨合成本1技術局限尚需突破方能釋放更大價值知識更新與自主學習能力，目前大語言模型仍然為靜態數據驅動的學習范式，無法實現新知識的快速學習與迭代，尤其是涉及到時效數據與專有數據的場景下存在障礙，OpenAI正在通過Plugins態來突破這一局限的性能與泛化能力仍然需要增強，行業大模型訓練是當前挑戰的破局之道之一長期記憶能力，目前正在通過增大上下文容量、數據向量化，以及AIagent等多種方式探索突破3安全合規可信應用底線尚需剛性保障3安全合規可信應用底線尚需剛性保障方能進入到生產環境經營以及商業法則相匹配等，前者最為關鍵，這也是目前最為關注的AI在通過RLHF與RLAIF不同方式來實現隱私與數據安全問題，無論是大模型的訓練推理，還是對話應用的過程中，都存在過多的隱私暴露與數據安全風險，這有賴于技術突破和監管合規的進一步建立

激發科技與創新活力 4大模型所加速的生成式人工智能已經滲透到多個場景大模型所加速的生成式人工智能已經滲透到多個場景生成式人工智能，到底在生成什么，應用到哪些場景？文本 代碼 圖像 音視頻 3D 分子發現對話/問答文檔/文本/內容/會議摘要等語言翻譯文學/劇本創作等

自然語言生成代碼代碼補齊生成軟件測試用例合成數據等

圖像分類/分割工業設計結果構建藝術/商業作品創作圖像修復觀測等

信息播報語音編輯/翻譯影視內容分析編輯視頻增強/風格遷移音樂/視頻生成

電影/游戲/建筑/家居設計工業制造工業/藝術設計醫療健康虛擬現實等

藥物設計材料科學食品與農業能源個人護理等01 02 03 04 05 062023/7/14

激發科技與創新活力 5大模型能力與AIGC相結合向企業經營關鍵環節滲透大模型能力與AIGC相結合向企業經營關鍵環節滲透企業可以考慮從哪些環節應用大語言模型？AI+營銷/客服

AI+財務 AI+HR AI+研

AI+供應鏈職能滲透

營銷物料生成智能廣告投放智能客服智能營銷等

工作助手會議管理Office助手等

財務決策財務風險管理報表編制

招聘/面試員工管理人才培養離職預測等

代碼編寫產品測試3D建模等

銷售分析與預測倉庫管理訂單履約風險預警等★★★★ ★★★★ ★★ ★★★ ★★★★ ★★數據分析內容生成知識管理協同辦公核心場景數據分析內容生成知識管理協同辦公語言能力（含生成能力）語言能力（含生成能力）

邏輯與復雜問題推理能力通用任務能力知識能力2023/7/14通用任務能力知識能力

激發科技與創新活力 6行業應用全面鋪開，實踐案例示范價值在于效益比測算與優化行業應用全面鋪開，實踐案例示范價值在于效益比測算與優化智能客服、商品海報與文案生成等智能客服、商品海報與文案生成等后臺乃至供應鏈與產品研發延伸實踐案例：阿里通義大模型賦能商家，AIGC生成3D商品與店鋪營銷物料工業/制造行業是知識密集型行業，尤其是進入到工業細分高度差異化，相應地，工業行業大模型的必要性甚高目前主要在AI輔助研發設計、工業質檢（分析）、生產流程智能化等方面應用，未來則需要探索AI+機器人的智能化升級，用大模型鏈接物理世界實踐案例：創新奇智人工智能技術棧及“奇智孔明”應用探索激發科技與創新活力工業/制造電商/零售行業金融行業金融行業產行業，包括圖像、音視頻、3D資產等，借助于大模型與AIGC能力首先提高內容生產效率是當務之急與對話生成等，中長期看智能NPC乃至游戲策略設計產行業，包括圖像、音視頻、3D資產等，借助于大模型與AIGC能力首先提高內容生產效率是當務之急與對話生成等，中長期看智能NPC乃至游戲策略設計實踐案例：啟元世界游戲AI解決方案“AIAI輔助診療，包括AI影像識別與臨床輔助決策等，賦能醫生與醫療機構提高平均專業水平，提高工作質量與效率實驗研究等，尤其是在藥物發現環節充分發揮探索性價值實踐案例：華為基于PanguDrugModel提供AI輔助藥物研發平臺，覆蓋新藥研發全流程醫藥/醫療娛樂/游戲行業方面則需要進行金融大模型的訓練與微調，探索創新價值實踐案例：中國農業銀行ChatABC，應用于多輪對話、內容摘要等場景教育行業教育行業圍繞受教育者與C端用戶：覆蓋K12、高等教育、職業教育展開圍繞賦能教育機構與施教者/老師：覆蓋備課、教學、考試智能化升級實踐案例：科大訊飛星火大模型賦能教育行業2023/7/14 7企業擁抱大模型，從應用場景入手探索最佳實踐再規劃自建路線企業擁抱大模型，從應用場景入手探索最佳實踐再規劃自建路線適用于數智技術驅動的行業，同時，企業IT投入與研發能力相對比較強，能夠將科技能力作為重要競爭力的行業與企業自建MaaS能力，實現技術驅動適用于大多數企業，IT能力建設并非重點，但是需要利用AI能力提效降本，賦能業務經營靈活應用AI能力，賦能業務經營適用于數智技術驅動的行業，同時，企業IT投入與研發能力相對比較強，能夠將科技能力作為重要競爭力的行業與企業自建MaaS能力，實現技術驅動適用于大多數企業，IT能力建設并非重點，但是需要利用AI能力提效降本，賦能業務經營靈活應用AI能力，賦能業務經營1 2 3 4端到端自主訓練大語言模型

利用開源模型，或者與LLM供應商進行聯合研發與微調，訓練專有模型

采購或者利用開源大模型API，利用向量化方式，優化自身應用

調整目前企業應用的選型策略，提升AI能力評價權重關鍵考量：AI工程化團隊數據資源持續投入能力企業實踐：關鍵考量：AI工程化團隊數據資源持續投入能力企業實踐：關鍵考量：算力資源基礎與投入仍為必須基礎模型選型，或LLM供應商選型行業頭部企業，例如中國工商銀行、等，進行金融行業專有模型訓練，契合金融場景業務需求，實現技術驅動與方式②相比，算力資源投入相對較低，同時降低對于算法能力的要求關鍵考量：AI能力的抽象與對模型的駕馭能力（Plug-in生態）中型企業在借力AI能力升級服務水平適用于大多數企業擁抱數智化的場景，是企業軟件AI能力的整體升級關鍵考量：業務經營目標驅動提示工程（PromptEngineering）能力更新企業軟件選型標準與合作伙伴企業實踐：釘釘接入通義千問全面升級協同辦公智能化水平，變相提升企業智能協同與辦公應用選型標準，包括HR客服等應用皆是如此科學評估用例價值，進而建立高效益比的MaaS路線2023/7/14

激發科技與創新活力

起步探索最佳用例8領先頭部企業自建私有大模型需綜合考量，忌忽視產品與生態能力領先頭部企業自建私有大模型需綜合考量，忌忽視產品與生態能力如何對基礎大模型合作伙伴進行選型與評估？AINative應用應用層AINative應用2B應用（AI升級產品能力）2C應用（AI加持用戶體驗）現有應用（AI增強）2B應用（AI升級產品能力）2C應用（AI加持用戶體驗）

模型能力

★★★★數據準備中間層數據準備

中間層生態是大模型能力的重要體現

需要關注基礎大模型的關鍵能力，包括語言能力（簡單理解、知識運用、推理能力、特殊生成等）、安全和價值觀以及通用任務能力，可以參考FlagEval（天秤）語言大模型評測體系插件服務模型運營插件服務模型運營模型部署模型訓練

備注：大模型產品僅為示例，未包括海外大模型企業

產品能力

★★★★ 行業大模型 基礎大模型

需要關注基礎大模型的產品化封裝與解決方案能力，包括大模型能力抽象與API化易用性、大模型訓練與微調環節支撐與服務保障能力、任務場景實踐能力，以及運營維護保障能力等多模態百度阿里多模態百度阿里華為科大訊飛商湯昆侖萬維騰訊智源研究院聯匯科技計算機視覺華為?盤古百度?文心京東?言犀商湯字節跳動騰訊?混元阿里?通義智源研究院?視界海康威視第四范式?式說達觀數據?曹植中科院?紫東太初復旦大學?MOSS自然語言處理阿里?通義 智源研究院?悟道百度?文心 科大訊飛?星火騰訊?混元 光年之外華為?盤古 聆心智能360?智腦 MiniMax京東?言犀 智譜AI?ChatGLM商湯?日日新生態能力昆侖萬維?天工浪潮信息?源昆侖萬維?天工浪潮信息?源瀾舟科技?孟子可持續發展能力 ★★公有云平臺基礎設施層公有云平臺023/7/14 計算硬件023/7/14 計算硬件 AI芯片 智能計算服務器

人工智能計算中心公有云人工智能計算中心

私有云/IDC私有云/IDC與創新活力

基礎大模型非一蹴而就需要持續投入與迭代，需要關注大模型企業戰略路線與資源投入程度和專注度、人才梯隊建設與核心人才情況等9選型企業應用標準被升級，AI能力權重上升選型企業應用標準被升級，AI能力權重上升應用層現有應用（AI增強）2C應用（AI加持用戶體驗）應用層現有應用（AI增強）2C應用（AI加持用戶體驗）AINative應用2B應用（AI升級產品能力）調整目前企業應用的選型策略，提升AI能力評價權重，關鍵考量標準：認知沉淀/行業Know-how→專有數據能力交互協作體驗→workflow整合能力企業類型B：中小型企業靈活應用AI能力，賦能業務經營中間層模型層基礎大模型基礎設施層公有云中間層模型層基礎大模型基礎設施層公有云智能計算服務器計算硬件人工智能計算中心私有云/IDC多模態計算機視覺自然語言處理插件服務模型運營模型部署模型訓練數據準備公有云平臺規劃企業自身AI策略與MaaS能力的過程中，將基礎模型與應用的能力邊界競合融合納入考量范圍：①部分應用能力壁壘被大模型擊穿，納入MaaS能力范疇沉淀為中臺能力②其他應用持續增強AI賦能，提升解決特定場景與任務的能力，不定期掃描企業類型A：大型企業自建MaaS能力，實現技術驅動

激發科技與創新活力 10業務為綱，機制兜底，企業組織發展模式將發生深刻變革業務為綱，機制兜底，企業組織發展模式將發生深刻變革如何規劃未來3-5年大語言模型與AIGC在企業中的應用？01業務為綱規劃人工智能上線與推廣計劃01“所有行業都值得用大模型重新做一遍”，前提是圍繞用戶與客戶價值的體驗升級與業務發展，相應地，人工智能與企業數智化轉型一致，業務驅動是核心原則，圍繞業務發展掃描數智化洼地，規劃人工智能應用用例，獲取業務價值，并形成迭代優化擴大AI應用范圍的閉環02專有數據資產沉淀與管理，應對模型訓練與應用02無論是自主訓練大語言模型，還是圍繞自身行業與業務場景進行模型精調，都需要依賴于企業過往積累的專業領域知識沉淀，進行專有數據語料的準備，從而能夠讓基礎模型的“通才”能力發展成為具備行業屬性的“專才”，專有數據是未來模型能力平民化后的重要差異化03設定人工智能應用合規與風險管理防范機制03

未來組織能力圍繞人工智能發展，既包括創造人工智能，也包括應用人工智能，前者是少數，主要在