中国市场大模型落地进展与趋势洞察 2023.pdf
《中国市场大模型落地进展与趋势洞察 2023.pdf》由会员分享,可在线阅读,更多相关《中国市场大模型落地进展与趋势洞察 2023.pdf(43页珍藏版)》请在咨信网上搜索。
1、中国市场大模型落地进展与趋势洞察Jul.2023目录Contents中国市场大模型进展与趋势大模型在企业用户落地进展大模型在科技厂商落地进展中国大模型市场全景地图国产大模型市场机会企业落地大模型路径企业用户对大模型的预期大模型在行业落地进展大模型在企业落地方式大模型对科技厂商的价值大模型在数据分析、营销、办公的落地案例02.03.01.10中国大模型市场全景地图国产大模型市场机会企业落地大模型路径中国大模型市场进展与趋势大模型定义大模型:参数量超过10亿、具备泛化能力的模型,可以被称为大模型。大模型小模型AI建模方法深度学习、自然语言处理、多模态技术机器学习、深度学习、自然语言处理、计算机视觉
2、等参数量参数量规模在10亿以上参数量规模是几万至几百万参数应用场景泛语言类场景(自然语言、编程语言等)、多模态场景(文本、图像、音频、视频)场景更加多样,但生成类场景效果差,不具备多模态泛化能力强,处理多任务效果好弱,处理多任务效果差可解释性弱强训练冷启动成本低任务对齐成本高冷启动成本高任务对齐成本低推理反馈速度慢准确率低反馈速度快准确率高大模型当前以生成类应用为主,多模态是未来重点发展方向生成类应用对话式交互内容生成代码开发虚拟专家智能体决策类应用辅助决策:描述、诊断智能决策:预测、指导多模态应用图像、语音、视频、结构化数据企业用户是从应用视角出发,分成生成类应用、决策类应用和多模态应用。受
3、限于模型能力、应用效果等因素,当前阶段以生成类应用为主。理解生成推理大模型能力对比美国市场,中国市场在模型层和应用层发展迅速通用大模型应层模型层基础层AI芯片高速网络存储向量数据库云平台行业大模型领域大模型企业大模型中间层大模型应用开发工具数据标注工具提示词工程工具金融能源教育出海传媒电商医疗政务客服营销应用开发数据分析MSP运维服务商ISV独软件服务商SI系统集成商任务大模型三大要素,驱动中国“OpenAI”(通用大模型)必定出现国产化:从IT基础设施到上层应用软件的国产化、自主可控需求强烈。银行、大型央国企在内部明确限制员工使用ChatGPT用于内部办公、生产场景,5家银行在1年内有明确采
4、购国产大模型服务的计划。客群特征:以央国企等集团型企业为主的客群,集团层面要进行大模型能力建设,有明确购买/自研通用大模型的需求。本地部署:从数据安全角度出发,银行、大型央国企如果将大模型用于生产,必须要进行本地部署。根据爱分析调研,除了部分企业基于开源自研之外,绝大部分国内企业用户和应用厂商,都在等国产大模型的商业化落地,这是国产大模型最核心的驱动力。本地部署国产化国产化服务支持本地部署市场成熟度、监管要求、数据安全等因素推动行业/领域大模型发展监管要求:C端应用短期不会放开,更多应用场景在B端。数据安全:大型甲方企业数据安全考虑,特定场景的SFT数据获取存在一定难度。FT数据量不大,但需要
5、有很深的行业know-how,获取难度不低。通用大模型优先训练通用场景FT数据,特定场景积累需要时间。市场成熟度:很多甲方企业在23-24年有明确上线大模型需求,当前国产通用大模型能力不足。服务支持:中国企业客户需要端到端服务,倾向于采购行业大模型+业务应用,几乎不可能直接采购通用大模型,需要有很强的区域服务支持能力。监管要求市场成熟度数据安全服务支持大模型能力建设和应用场景探索是当前企业用户落地大模型的主要路径基础设施建设芯片(算力)大模型训练模型选型模型训练与微调大模型应用模型压缩大模型与小模型结合集团企业重点是大模型能力建设,一般企业/部门重点是应用场景探索。大模型能力建设分成三个层面:
6、基础设施建设、大模型训练和大模型应用,当前以基础设施建设和大模型训练为主。综合成本和安全性考虑,智算中心会成为解决算力问题的重要方式自建集群成本高AI团队要求高安全性高云服务租用性价比高安全性差智算中心成本低于云服务安全性强安全性投入产出比智算中心云服务租用自建集群当前以SFT为主,未来预训练会成为主流SFT预训练投入算力成本低算力成本高团队需要具备模型训练经验数据集SFT精标数据SFT精标数据大量无标注数据集模型能力受限于模型本身能力能力增强,但可能出现灾难性遗忘安全性受限于模型自身数据集,只能尽可能弥补安全问题很大程度上解决安全性问题未来发展迁移成本低受限于基础大模型,迁移成本高SFT试错
7、成本低,成为多数企业的选择。未来随着基础/通用模型成熟和算力持续降低,模型预训练成为主流方式。当前以小模型为主,模型级联是未来主要应用方向分成三种形式,现阶段以(1)和(2)为主:1)小模型为主,大模型提升小模型的开发效率;2)大模型与小模型级联,小模型连接应用,大模型增强小模型能力;3)大模型与小模型融合以小模型为主大模型提升小模型训练效率降低数据标注成本大模型与小模型级联安全性、性价比、准确度大模型提升小模型的理解和生成能力大模型与小模型融合当前主要探索方向20企业用户对大模型的预期大模型在行业落地进展大模型在企业落地方式大模型在企业用户落地进展多数企业认为大模型将带来变革性价值,但应用场
8、景尚需挖掘调研行业分布72%28%关注不关注15%85%高层部门中层在金融、消费品零售、能源、汽车等重点行业,对大模型现状进行了摸排调研是否关注需求及来源能源、金融、消费品零售、汽车等行业最为关注大模型大型央企等控股集团从高层推动,其他企业多从IT等部门自下而上推动45%39%16%0%观望学习探索可研试点应用全面应用43%40%12%5%变革性高中低当前阶段预期业务价值大模型上线应用以内部生产力工具为主,对客应用囿于监管和大模型技术成熟度,尚需时日大多数企业对大模型预期业务价值抱有高期待1%1%1%1%3%4%4%6%7%9%16%43%咨询化工交通地产媒体信息技术央国企制造汽车能源消费品零
9、售金融附录:预期业务价值释义高预期业务价值由高向低创造新的业务模式,并实现新的业务收入来源在既有业务模式下,业务价值得以显著增强或业务流程得以重塑,从而明显增加收入或者降低成本在既有业务模式下,业务流程有所改善,并带来收入增长或成本下降用户体验改善等业务微调,难以与收入增长或成本下降直接关联变革性中低大模型可分为生成和决策两类应用场景,决策场景预期业务价值更高生成场景决策场景通过数据分析建模,由系统直接给出能达成预期业务目标的行动方案典型场景:智能决策系统通过数据分析发现业务现象背后的原因,实现业务可诊断典型场景:数据分析通过数据采集和展示,描述业务正在发生什么,实现业务可视化典型场景:数据大
10、屏通过数据分析,判断业务未来会可能会发生什么,实现业务结果可预测典型场景:机器学习平台辅助决策智能决策通过自然语言与用户进行交互典型场景:聊天机器人在特定领域,通过对大量的非结构化数据总结,为用户提供专业意见典型场景:智能客服生成用户需要的文字、图片、音频、视频、3D模型等典型场景:AI绘画对已有代码检查、修正,或根据要求生成代码典型场景:代码生成通过对话,调用内外部数据,满足用户目标,短期内难实现典型场景:Auto-GPT虚拟专家内容生成代码开发智能体指导诊断描述预测对话式交互基于大模型构建的AI原生应用,有望创造变革性价值预期业务价值高或中在既有业务模式下,增强或改善业务流程,带来收入增长
11、或者成本下降预期业务价值变革性基于大模型,创造全新业务模式,并实现新的业务收入来源。只有大模型才具备涌现能力、泛化能力,从而跳脱出在系统中的模块局限。小模型时代,系统中只有部分模块为AI替代。AI应用场景切割的很细,工行1,000+场景、3,000+模型。大模型时代,整体系统具备AI能力,创造全新业务。能源、银行两大行业,大模型落地进展最快所处阶段观望学习探索可研试点应用全面上线场景丰富度高中低制造智能问答研发设计辅助主机厂自动驾驶智能座舱消费品零售智能客服千人千面文案营销图片生成导购赋能媒体摘要生成写作助手智能问答银行智能问答智能客服数字营业厅贷后报告生成沉睡客户唤醒金融产品推荐证券智能投顾
12、智能投研智能客服智能风控审计助手智能营销药企药物研发能源智能客服设备运检知识助手检修文档生成电力系统仿真平台电力负荷预测出海智能客服能源企业生成类场景落地速度快,高价值应用聚焦决策类场景主流采纳时间1年内实现1-3年实现3年以上实现生成类大模型带来的场景价值变化决策类原生应用注:主流采纳时间,指被行业内企业用户主流采纳应用的时间。场景价值变革性高中低设备故障维修资金归集设备预测性维护电力负荷预测新能源规划设计电力系统仿真平台设备运检知识助手智能客服/虚拟营业厅检修文档生成大模型基于设备日志等运行信息进行故障定位,有望成为首个中价值场景设备运检知识助手场景价值案例对比 过去:基于NLP技术构建结
13、构化知识库 现在:利用大模型构建运检助手 预期:效率改善 实际:提取效率和效果、交互方式有优化智能客服/虚拟营业厅场景价值案例对比 过去:基于Bert模型的智能客服 现在:利用大模型改善智能客服的用户体验 预期:用户体验改善 实际:意图理解更准确、语言更拟人化检修文档生成场景价值案例对比 过去:模板式文档填写 现在:利用大模型快速自动生成文档 预期:效率提升 实际:尚未实现,未知设备故障维修场景价值案例对比 过去:传统故障检修方法难度大、耗时耗力 现在:大模型快速定位故障原因,提供检修建议和方案 预期:故障快速定位与修复 实际:尚未实现,未知预测类决策场景是未来高价值场景新能源规划设计场景价值
14、案例对比 过去:新能源供电不稳定,分配不同类型新能源电站强依赖专家经验 现在:利用大模型规划电站建设最优解 预期:提高供给侧规划准确率 实际:尚未实现,未知设备预测性维护场景价值案例对比 过去:AI算法故障预测能力弱 现在:大模型可以提取潜在故障特征,实现对电力设备故障预测 预期:提高设备故障预测准确率 实际:尚未实现,未知电力系统仿真平台场景价值案例对比 过去:MATLAB等电力仿真工具 现在:利用大模型自动实现仿真样本补充和样本分布改造 预期:丰富仿真样本库 实际:尚未实现,未知电力负荷预测场景价值案例对比 过去:负荷预测考虑实时影响因素少 现在:纳入更多影响因素实时预测负荷 预期:提高预
15、测准确率 实际:尚未实现,未知银行重视大模型在营销、风控、运营三个方向应用价值主流采纳时间1年内实现1-3年实现3年以上实现生成类大模型带来的场景价值变化决策类原生应用注:主流采纳时间,指被行业内企业用户主流采纳应用的时间。场景价值变革性高中低沉睡客户唤醒金融产品推荐营销图片自动生成个性化资产配置申请/交易反欺诈智能问答助手智能客服贷后报告撰写数字营业厅智能客服场景价值案例对比 过去:智能陪练题库少,缺少针对性 现在:基于大模型生产个性化题库 预期:改善培训效果 实际:测试中,预期可以缩短培训周期营销图片自动生成场景价值案例对比 过去:设计师在素材库中选取并设计,耗时天级别 现在:Midjou
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中国市场大模型落地进展与趋势洞察 2023 中国市场 模型 落地 进展 趋势 洞察
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【Stan****Shan】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【Stan****Shan】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。