2024年中国生成式AI行业最佳应用实践.pdf

20242024年中国生成式年中国生成式AIAI行业行业最佳应用实践最佳应用实践头豹研究院弗若斯特沙利文2024年8月AIGC、内容创新、跨界融合、知识图谱、数据治理沙利文市场研读沙利文市场研读400-072-55883 引言引言-5定义与研究范围-6报告背景与目的-7最佳案例评选流程与方法论-8 生成式生成式AIAI最佳案例评分维度解析与成功标尺最佳案例评分维度解析与成功标尺-9功能价值与适用性维度-10技术性能与创新维度-11落地实施与服务支持维度-12客户体验与满意度反馈维度-13 生成式生成式AIAI行业最佳应用实践方案汇编行业最佳应用实践方案汇编-14生成式AI各行业应用实践汇集分析-15生成式AI核心技术应用现状-16生成式AI行业最佳应用实践综合图谱-17游戏文娱行业的场景挑战与发展-18游戏文娱行业的潜在应用风险-21游戏文娱行业最佳应用实践-22工业制造行业的场景挑战与发展-26工业制造行业的潜在应用风险-29工业制造行业最佳应用实践-30医疗健康领域行业的场景挑战与发展-34医疗健康行业的潜在应用风险-37医疗健康领域行业最佳应用实践-38金融行业的场景挑战与发展-42金融行业的潜在应用风险-45金融行业最佳应用实践-46信息与通信技术行业的场景挑战与发展-50信息与通信技术行业的潜在应用风险-53信息与通信技术行业最佳应用实践-54研究框架（研究框架（1/21/2）沙利文市场研读沙利文市场研读400-072-55884公共服务行业的场景挑战与发展-58公共服务行业的潜在应用风险-61公共服务行业最佳应用实践-62汽车行业的场景挑战与发展-66汽车行业的潜在应用风险-69汽车行业最佳应用实践-70消费与零售行业的场景挑战与发展-74消费与零售行业的潜在应用风险-77消费与零售行业最佳应用实践-78教育行业的场景挑战与发展-82教育行业的潜在应用风险-85教育行业最佳应用实践-86企业应用行业的场景挑战与发展-90企业应用行业的潜在应用风险-93企业应用行业最佳应用实践-94 方法论-98 法律声明-99研究框架（研究框架（2/22/2）引言引言 0.1 0.1 定义与范围定义与范围 0.2 0.2 报告背景与目的报告背景与目的 0.3 0.3 最佳案例评选流程与方法论最佳案例评选流程与方法论生成式AI可通过模拟人脑和决策过程的算法，实现以新生成内容响应用户需求,为使用者释放“认知盈余”机会，大幅降低了内容创作的成本与门槛。生成式AI的运作是持续迭代的过程，通过不断的模型再调整和评估，从而生成更高质且精准的内容。随着生成式AI正式迈入快速发展阶段，赋能各行业的生成式AI工具遍地开花，协助企业提升降本增效、加快创新等策略性效益。该报告融合了各行业场景领先的案例，为企业及市场提供技术能力的展示、创新思维的启发以及生成式AI赋能方式的普及。最佳案例评选流程为厂商报名参与、案例输入、案例赋分以及最后的案例交付与发布。案例评选将结合行业交叉大数据与沙利文创新的全维度评选指标，客观公正地呈现生成式AI行业的最佳案例。400-072-5588关键关键发现发现生成式AI可通过模拟人脑和决策过程的算法，实现以新生成内容响应用户需求,为使用者释放“认知盈余”机会，大幅降低了内容创作的成本与门槛。生成式AI的运作是持续迭代的过程，通过不断的模型再调整和评估，从而生成更高质且精准的内容。0 0.1.1 定义与研究范围定义与研究范围 生成式生成式AIAI始于复杂的始于复杂的深度深度学习模型学习模型，可用于创建新可用于创建新的想法与内容以响应用户的提示与请求的想法与内容以响应用户的提示与请求生成式AI属于深度学习模型的子集，这类模型基于受人脑神经网络结构启发的算法。生成式AI通过分析和编码大量现有数据中的结构与规律,从而能够处理用户的自然语言请求或问题,并生成新的内容作为响应。生成式AI通常需要更大规模的数据集进行训练,以提高其生成新颖和多样化内容的能力。然而,具体的数据需求可能因任务和模型架构而异。这些AI系统可用于创作全新且有意义的内容,包括图片、视频、代码、音频等多种形式的作品。生成式AI的主要特点在于其能够产生新的、独特的内容,而不仅仅是重复或组合已有的信息。这使得生成式AI在创意产业、内容创作、科研等多个领域具有广泛的应用前景。来源：沙利文生成式生成式AIAI行业定义行业定义生成式生成式AIAI运作流程及范围界定运作流程及范围界定层层递进包含层层递进包含生成式生成式AIAIAIAI机器学习机器学习深度深度学习学习基于原始数据基于原始数据的训练模型的训练模型错误反馈与错误反馈与自我学习自我学习生成新内容生成新内容需需求求管管理理模型训模型训练练（输入数据概率分布及结构学习）模型库（模型库（GANGAN、LLMLLM等）等）模型选择模型选择（不同类型的数据需要不同的模型生成）智能运维：智能运维：可观测性、监督输出输出评估评估（内容质量与合规）编排部署编排部署输出内容模块输出内容模块文本图像视频音频编程3DTO C TO C TO B TO B TO P TO P 报告评报告评选范围选范围集中于集中于To BTo B企企业服务业服务案例案例微调、微调、RAGRAG、提示词工程、提示词工程 生成式生成式AIAI的运作是持续迭代的过程的运作是持续迭代的过程，需要不断地调整模型和评估生成结果需要不断地调整模型和评估生成结果，从而得出更优质的生从而得出更优质的生成成效果效果引言引言行业与研究介绍行业与研究介绍沙利文市场研读沙利文市场研读数据管理用户生成式AI的运作流程包含模型训练、模型选择、内容生成评估与模型再调整四个主要阶段，其中模型再调整为生成式AI模型更新、准确性和相关性提高的重要步骤。400-072-5588关键关键发现发现随着生成式AI正式迈入快速发展阶段，赋能各行业的生成式AI工具遍地开花，协助企业提升降本增效、加快创新等策略性效益。该报告融合了各行业场景领先的案例，为企业及市场提供技术能力的展示、创新思维的启发以及生成式AI赋能方式的普及。报告背景及目的报告背景及目的来源：沙利文 报告背景：生成式报告背景：生成式AIAI迈入快速发展阶段迈入快速发展阶段，各行业积极部署生成式各行业积极部署生成式AIAI以跨越以跨越“效率鸿沟效率鸿沟”自2012年深度学习算法在语音、图像识别上取得重大突破，生成式AI开始迈入高速发展时期。如今，生成式AI工具遍地开花，加之企业数字化不断加速的宏观环境下，各行业企业为创造更多的策略性效益开始以不同的方式构建部署生成式AI。降低成本降低成本增强决策能力增强决策能力 报告目的：通过最佳案例的呈现方式为积极探索生成式报告目的：通过最佳案例的呈现方式为积极探索生成式AIAI的各行业提供技术能力的展示的各行业提供技术能力的展示、创新创新思维的启发以及生成式思维的启发以及生成式AIAI赋能各行业的方式赋能各行业的方式1 1技术能力的展示技术能力的展示：优秀案例中的技术维度评估直观地向各行业展示生成式AI服务方案核心技术能力和创新表现，为企业实践提供显著且实际的价值效益2 2创新思维的启发创新思维的启发：报告融合了多行业多模态的领先案例，协助具有部署生成式AI意愿的企业挖掘各场景领域与生成式AI的融合情况，启发各行业对于生成式AI功能场景的创新思考3 3生成式生成式AIAI赋能方式的普及赋能方式的普及：通过展示生成式AI协助各企业解决实际痛点的方式，帮助各行业更好地理解生成式AI的原理及应用，增强市场对于生成式AI的关注度引言引言行业与研究介绍行业与研究介绍沙利文市场研读沙利文市场研读汽车汽车公共公共服务服务医疗健康医疗健康信息与通信技术信息与通信技术生成式生成式AIAI工业制造工业制造消费与零售消费与零售游戏文娱游戏文娱企业企业应用应用教育教育金融金融各行业企业效益各行业企业效益提升流程效率提升流程效率挖掘市场机遇挖掘市场机遇加快创新加快创新改善客户体验改善客户体验0.2 0.2 报告背景与目的报告背景与目的400-072-5588关键关键发现发现最佳案例评选流程为厂商报名参与、案例输入、案例赋分以及最后的案例交付与发布。案例评选将结合行业交叉大数据与沙利文创新的全维度评选指标，客观公正地呈现生成式AI行业的最佳案例。来源：沙利文最佳案例评选方法论最佳案例评选方法论最佳案例评选流程最佳案例评选流程0101020203030404厂商报名厂商报名案例输入案例输入案例赋分案例赋分案例交付案例交付&发布发布厂商报名厂商报名：提供所处行业及联系方式等基本信息案例输入案例输入：沙利文向各厂商发送调查问卷，同时展开深入市场调研，了解各厂商案例服务情况案例赋分案例赋分：结合问卷调查结果与厂商沟通信息，对厂商案例服务能力根据行业模块、评选指标进行赋分案例交付与发布案例交付与发布：针对案例赋分情况，撰写最佳案例评选内容，并与厂商保持透明的沟通确保案例内容的准确性功能价值与适用性功能价值与适用性需求适配性、数据供给专用性、场景功能泛化性技术技术性能与创新性能与创新生成内容的质量可控性、生成内容的推理延迟、生成内容的合规安全实施与支持实施与支持生成内容推理成本（使用运营）、方案部署成本（前期部署）、方案实施的时间成本、培训与支持客户体验与满意度反馈客户体验与满意度反馈场景价值、体验和定制化、性能与创新 方法论方法论：围绕功能价值与适用性：围绕功能价值与适用性、技术性能与创新技术性能与创新、实施与支持以及客户体验与满意度反馈四个实施与支持以及客户体验与满意度反馈四个维度全面评估不同行业各模块的案例服务维度全面评估不同行业各模块的案例服务能力能力。沙利文融合了传统与创新的研究方法论，结合行业交叉大数据，通过多元化的调研方法与创新的全维度评估指标，客观公正地呈现生成式AI行业的最佳案例。评选评选维度维度引言引言行业与研究介绍行业与研究介绍沙利文市场研读沙利文市场研读0.3 0.3 最佳案例评选流程与方法论最佳案例评选流程与方法论章节一章节一生成式生成式AIAI最佳最佳应用实践评选应用实践评选维维度度解析与成功标尺解析与成功标尺 功能价值与适用性维度功能价值与适用性维度 技术性能与创新维度技术性能与创新维度 落地实施与服务支持维度落地实施与服务支持维度 客户体验与满意度反馈维度客户体验与满意度反馈维度功能价值与适用性维度衡量解决方案是否契合实际应用中的需求，包含与客户企业需求的适配性、数据供给专用性以及在不同业务场景下的功能泛化性。技术性能与创新维度聚焦于衡量方案在生成内容效益层面所包含的核心技术能力与创新表现，具体包含生成内容质量可控性、生成内容推理延迟与生成内容合规安全。落地实施与服务维度评估了方案基于客户不同使用场景的经济性以及厂商在执行中所提供的培训支持服务能力，具体包含生成内容推理成本、方案部署成本、方案实施实践成本以及培训与支持指标。客户体验与满意度反馈维度通过企业客户视角直观判断方案在切实落地中的效益价值，具体包含场景价值满意度、体验和定制化满意度以及性能与创新满意度。400-072-5588关键关键发现发现功能价值与适用性维度衡量解决方案是否契合实际应用中的需求，包含与客户企业需求的适配性、数据供给专用性以及在不同业务场景下的功能泛化性。评分解析评分解析功能价值与适用性功能价值与适用性 功能价值与适用性维度定义：功能价值与适用性维度定义：关注方案在实现预期功能、带来效益、资源管理以及多场景应用中的全面表现，以确保其具备高效性、适应性和战略对齐能力，为能够在实际应用中符合场景需求奠定方向。功能价值与适用性维度功能价值与适用性维度维度一维度一一级指标一级指标二级指标二级指标指标要点指标要点需求需求适配性适配性产品预期目标、正向收益、开发与使用代价、长期战略目标评估在目标达成、收益实现、代价考量及战略对齐方面的表现，以确保其适应并解决市场需求数据供给数据供给专用性专用性训练数据输入、数据供给方案、数据处理方案、新数据处理利用评估在数据供给方面的专用性和优化能力，以确保方案能有效支持特定场景的需求场景功能场景功能泛化性泛化性拓展能力、新功能快速封装、多语言支持评估方案能够在不同业务场景中灵活适用并提供高效的解决方案的能力指标定义说明指标定义说明成功标尺成功标尺功能价值与适用性功能价值与适用性三个指标均领先市场平均水平，高度符合企业客户的实际应用场景需求三个指标的得分均达到平均水平，整体基本达到企业客户的实际应用场景需求无法切实解决企业客户所在的实际应用场景需求来源：沙利文章节一章节一评选维度介绍评选维度介绍沙利文市场研读沙利文市场研读方案能力低方案能力低方案能力高方案能力高亚马逊云科技亚马逊云科技 中集集团中集集团需求适配需求适配：亚马逊云科技为中集集团提供多场深入交流活动，通过Amazon Bedrcok上的大语言模型构建的数字员工为集团全面提升生产力，上线的财司助手以及基于Amazon Bedrock知识库打造的维修助手辅助企业员工智能问答。数据供给专用性数据供给专用性：对中集集团内部资料如维修文档等专有数据用于训练输入，并将业务数 据统一录入数据湖。场景功能泛化：场景功能泛化：该解决方案在支持多语言环境下，通过RAG知识库、大模型Agent打造数字员工实现集团内部多部门联通。例例1.1 1.1 功能价值与适用性维度功能价值与适用性维度400-072-5588关键关键发现发现技术性能与创新维度聚焦于衡量方案在生成内容效益层面所包含的核心技术能力与创新表现，具体包含生成内容质量可控性、生成内容推理延迟与生成内容合规安全。成功标尺成功标尺技术性能与创新技术性能与创新评分解析评分解析技术性能与创新技术性能与创新技术性能与创新维度技术性能与创新维度维度二维度二 技术性能与创新维度定义：技术性能与创新维度定义：关注方案在生成质量、推理速度和合规安全方面的核心技术能力和创新表现，能够在实际应用中展示出显著和有效的价值。一级指标一级指标二级指标二级指标指标要点指标要点生成内容生成内容质量质量可控性可控性模型算法选用及评估、生成内容准确率、生成质量提升方案、生成质量稳定性评估确保生成内容的高质量和可靠性，生成内容的质量可控性将决定产品形态生成内容生成内容推理延迟推理延迟生成内容推理速度、推理响应延迟降低方案评估确保生成内容的推理速度，推理延迟将决定用户对产品使用方式生成内容生成内容合规安全合规安全模型合规要求符合度、常态化自动监测、模型安全合规保障措施评估确保生成内容的合规措施，安全性将决定用户对产品的信任指标定义说明指标定义说明来源：沙利文章节一章节一评选维度介绍评选维度介绍沙利文市场研读沙利文市场研读三个指标的得分均属于平均水平，生成内容质量与响应速度可基本满足客户业务场景需求方案生成内容与响应速度无法满足客户需求方案能力低方案能力低方案能力高方案能力高三个指标均领先市场平均水平，能以高效的效应速度生成精确且安全可靠的内容生成内容准确性：生成内容准确性：海螺机器人在办公助手、代码助手等角色中表现出高准确率和用户采纳率，准确率高达88%，显著提升了业务效率，此外，阿里云通过SFT精调和RAG知识库不断提高内容生成质量。推理效率优化：推理效率优化：阿里云针对哈啰设计优化推理方案，包括但不限于推理框架性能优化、API与终端网络优化等。安全合规性：安全合规性：以阿里云内容安全API赋能敏词过滤功能，实现合法合规备案。阿里云阿里云 哈啰集团哈啰集团例例1.2 1.2 技术性能与创新维度技术性能与创新维度400-072-5588关键关键发现发现落地实施与服务维度评估了方案基于客户不同使用场景的经济性以及厂商在执行中所提供的培训支持服务能力，具体包含生成内容推理成本、方案部署成本、方案实施实践成本以及培训与支持指标。成功标尺成功标尺落地实施与服务支持落地实施与服务支持评分解析评分解析落地实施与服务支持落地实施与服务支持 落地实施与服务支持维度定义：落地实施与服务支持维度定义：评估了方案的经济性、可扩展性、落地效率和持续支持方面具备高效性和可靠性，从而满足客户在实际应用中的需求，提升客户满意度和方案的长期价值。维度三维度三落地实施与服务支持维度落地实施与服务支持维度一级指标一级指标二级指标二级指标指标要点指标要点生成内容生成内容推理成本推理成本（使用运（使用运营）营）每百万token成本、降低推理成本方案评估生成内容的成本与降低推理成本的持续措施。成本将决定应用的使用和迭代频率方案部署方案部署成本（前成本（前期部署）期部署）基础设施部署成本结构、成本优化中心方案、容载上限拓展方案评估关注客户的初期采购成本，并考虑扩展灵活性和成本管理能力方案实施方案实施的时间成的时间成本本生成内容准确性与可靠性、服务稳定性与可持续性、输入与输出内容合规性评估关注基于厂商对客户需求的理解，实现功能上线的时间周期培训与支培训与支持持独具创新功能、创新投入产出、模型迭代更新周期评估关注厂商对客户实施建设后的持续赋能的资源和服务支持指标定义说明指标定义说明来源：沙利文章节一章节一评选维度介绍评选维度介绍沙利文市场研读沙利文市场研读三个指标的得分均属于平均水平，整体方案成本与支持服务基本达到客户预期方案整体成本高且缺失相关培训支持服务方案能力低方案能力低方案能力高方案能力高三个指标均领先市场平均水平，能为客户提供不同场景效益最优化的方案及完善的培训支持服务推理与部署成本优化推理与部署成本优化：方案通过提供不同尺寸的模型，满足联想不同业务场景下性能与成本最优化需求，极具经济性和成本效益，此外阿里云提供百炼API为联想扩容，无容载上限。培训与支持服务：培训与支持服务：解决方案服务支持层面，阿里云为联想定期安排交流活动，与客户方同步模型进展，合作优化内部模型，此外，针对云资源与大模型分别提供了SLA 7x24小时工单支持与分钟响应速度的钉钉群支持。阿里云阿里云 联想联想例例1.3 1.3 落地实施与服务支持维度落地实施与服务支持维度400-072-5588关键关键发现发现客户体验与满意度反馈维度通过企业客户视角直观判断方案在切实落地中的效益价值，具体包含场景价值满意度、体验和定制化满意度以及性能与创新满意度。成功标尺成功标尺客户体验与满意度反馈客户体验与满意度反馈评分解析评分解析客户体验与满意度反馈客户体验与满意度反馈维度四维度四客户体验与满意度反馈维度客户体验与满意度反馈维度 客户体验与满意度反馈维度定义：客户体验与满意度反馈维度定义：从用户视角判断方案在实际应用中的整体价值和客户满意度，为企业在选择和优化GenAI方案时提供有力的依据。一级指标一级指标二级指标二级指标指标要点指标要点场景价值场景价值客户业务了解程度、客户需求匹配度、GenAI产品成熟度与规模、产品方案长期投入意愿、数据治理体系完善度评估方案能否理解并满足案例客户需求，能带来实质性业务提升，并获得的长期支持和投入体验和体验和定制化定制化方案的交互体验、方案与现有流程系统的融合性、满足增长需求的有效性评估方案能否为用户提供友好直观的操作体验，与现有系统实现高效融合，并通过全面的支持服务满足企业的增长需求性能与性能与创新创新生成内容质量的满意度、生成速度的满意度、企业安全合规需求的满意度、厂商创新性和独特性满足程度确保方案在实际应用中在生成内容的质量、响应速度、安全合规性方面能否提供高效可靠的方案，考虑其在用户视角中的先进性和创新性指标定义说明指标定义说明来源：沙利文章节一章节一评选维度介绍评选维度介绍沙利文市场研读沙利文市场研读方案能力低方案能力低方案能力高方案能力高客户对方案三个指标的评价良好，方案基本满足客户合作预期方案在场景价值、技术创新等层面均无法满足客户预期客户在场景价值、体验和定制等三个维度基于高度肯定，并有进一步战略合作意愿场景价值满意场景价值满意：智能问答、代码等方案完全符合海通需求预期，大幅提升了海通内部工作效率长期合作意愿长期合作意愿：海通证券负责人表示，未来将结合商汤大模型全栈式AI能力，继续共同推动证券行业的业务流程、交互变革与数智化业务系统重构，为行业垂直领域大模型的落地探索经验商汤科技商汤科技 海海通证券通证券例例1.4 1.4 客户体验与满意度反馈维度客户体验与满意度反馈维度章节章节二二生成式生成式AIAI行业最佳应用实践方案行业最佳应用实践方案汇编汇编 生成式生成式AIAI各行业应用实践汇集分析各行业应用实践汇集分析 生成式生成式AIAI核心技术应用现状核心技术应用现状 生成式生成式AIAI行业最佳应用实践综合图谱行业最佳应用实践综合图谱 各各行业行业传统挑战与发展传统挑战与发展 各行业生成式各行业生成式AIAI潜在应用风险潜在应用风险 各行业生成式各行业生成式AIAI最佳应用实践最佳应用实践现阶段生成式AI率先在以消费、金融以及医疗健康等为例的数据密集型或高科技行业展开应用。且出于生成式AI的技术成熟度与企业数字化转型的首要需求，目前技术更聚集在企业工作效率提升的效益层面。以GANs、VAEs、Transformers等核心技术的发展助推各行业多类型内容生成的应用，例如GANs在医学成像的应用，VAEs在制造业中的设备检测应用等。400-072-558815来源：沙利文关键关键发现发现现阶段生成式AI率先在以消费、金融以及医疗健康等为例的数据密集型或高科技行业展开应用。且出于生成式AI的技术成熟度与企业数字化转型的首要需求，目前技术更聚集在企业工作效率提升的效益层面。各行业生成式各行业生成式AIAI应用实践案例的分布与价值效益应用实践案例的分布与价值效益章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读产品研产品研发设计发设计生产作生产作业提效业提效流程流程优化优化供应链供应链管理管理运营与运营与决策决策风险风险管理管理客户客户运营运营服务与服务与销售销售消费消费与零售与零售游戏文娱游戏文娱工业制造工业制造医疗健康医疗健康金融金融信息与通信信息与通信汽车汽车公共服务公共服务教育教育企业应用企业应用设计与生产设计与生产运营与管理运营与管理客户与服务客户与服务需求显著需求显著需求较突出需求较突出需求存在需求存在 生成式生成式AIAI逐步与各逐步与各行业经济行业经济活动产生紧密结合活动产生紧密结合，高质赋能了各行各业的产业效益高质赋能了各行各业的产业效益，目前生成目前生成式式AIAI在在消费消费、金融金融、医疗医疗等数据密集型等数据密集型以及以及先进先进制造行业制造行业率先应用率先应用，且集中在提升企业生产效率且集中在提升企业生产效率行业渗透情况行业渗透情况：生成式AI模型需要依托更大规模的数据集进行训练，金融、医疗健康以及消费与零售等行业积累了大量可用于训练模型的数据，因此现阶段，生成式AI在数据密集型以及对于新技术接受融合度较高的高科技行业使用效益更高主要优化效益主要优化效益：结合各行业应用实践发现，现阶段生成式AI仍主要集中在提升企业工作效率，一方面生成式AI仍处于快速发展阶段，其在分析处理规模数据集和重复性工作方面的能力较为成熟；另一方面，相对创新设计，工作提效对于企业是数字化转型背景下的首要任务2 2.1.1 生成式生成式AIAI各行业应用实践汇集分析各行业应用实践汇集分析400-072-558816关键关键发现发现以GANs、VAEs、Transformers等为例的核心技术发展，助推各行业、多类型内容生成应用，例如GANs在医学成像的应用，VAEs在制造业中的设备检测应用等。生成式生成式AIAI核心技术应用现状核心技术应用现状来源：百度智能云、沙利文生成式对抗生成式对抗网络网络GANsGANs核心核心技术技术实际应用案例实际应用案例图像生成图像生成常用于传媒与游戏行业逼真人脸图像生成通过新生成的数据样本增强训练数据集，常用于医学成像数据增强数据增强艺术创作艺术创作通过训练模型生成艺术作品，辅助艺术家和设计师探索新的艺术形式变分自编码器变分自编码器VAEsVAEs图像生成图像生成数据降维数据降维异常检测异常检测VAEs主要生成逼真的手写数字图像，可以通过潜在空间的采样提升图像生成的多样性VAEs通过对数据的压缩和重构，实现数据的有效压缩和去噪通过比较重构误差，识别与训练数据显著的异常样本，通常用于制造业设备检测等自回归模型自回归模型Autoregressive Autoregressive ModelsModels自然语言处理自然语言处理语音生成语音生成图像生成图像生成自回归模型基于给定的上下文逐字生成文本，主要用于机器翻译、文本生成等通过建模音频样本的条件概率，生成高质量的语音信号，通常用于语音合成、编辑与识别等通过捕捉图像中的复杂依赖关系生成高质量图像，常用于自然图像生成、分割与标注等变换模型变换模型TransformersTransformers自然语言处理自然语言处理计算机视觉计算机视觉跨模态生成跨模态生成基于BERT和GPT模型，显著提升了文本生成等各任务的性能，通常用于对话系统和代码生成等ViT通过将图像划分为固定大小的切块并视为序列元素处理图像数据，常用于图像分类任务通过结合不同模态数据，生成高质量内容，通常用于广告设计、艺术创作等领域 以以GANsGANs、VAEsVAEs、自回归模型以及自回归模型以及TransformersTransformers为例的核心技术支撑生成式为例的核心技术支撑生成式AIAI在各行业图像在各行业图像、文文本本、音频等多类型内容生成任务的音频等多类型内容生成任务的应用应用。章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读生成式对抗网络GANs在图像生成质量和细节处理方面具有一定优势，广泛应用于游戏设计与影视中的人脸图像生成；VAEs则在逼真的数据分布层面表现突出，广泛应用于数据压缩和去噪以及制造业中应用较多的异常检测；自回归模型与VAEs同样在数据生成领域突出，自回归更多用于文本生成等；Transformers在自然语言处理和多模态生成中取得突破性进展，常用于对话系统等。2 2.2.2 生成式生成式AIAI核心技术应用现状核心技术应用现状400-072-558817章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读来源：沙利文金融教育功能价值&适用性技术性能&创新实施&支持客户体验&满意度反馈2 2.3.3 生成式生成式AIAI行业最佳应用实践综合图谱行业最佳应用实践综合图谱400-072-5588游戏文娱行业的发展挑战与游戏文娱行业的发展挑战与最佳应用实践最佳应用实践生成式AI技术赋能游戏文娱行业颠覆了传统的美术制作、游戏体验、运营以及营销模式，以资源超分、自动捏脸为例的领先技术相继应用于游戏文娱行业，推动行业的技术革新。生成式AI赋能游戏文娱行业各流程阶段，其中产品开发阶段在生成式AI技术辅助下，加速了企业创作流程且大幅降低了美术资源创作成本；此外针对游戏文娱的版权问题风险，也可通过生成式AI进行检测与分析。生成式AI广泛应用于游戏文娱行业的开发创作，但内容的创作除了普遍考量的隐私与数据风险外，大量依赖相关技术的短平快游戏文娱内容，可能降低行业门槛，挤占行业优质资源空间，给行业带来挑战。400-072-558819关键关键发现发现生成式AI技术赋能游戏文娱行业颠覆了传统的美术制作、游戏体验、运营以及营销模式，以资源超分、自动捏脸为例的领先技术相继应用于游戏文娱行业，推动行业的技术革新。来源：AI Lab、沙利文行业行业传统传统挑战挑战与与“生成式生成式AI+AI+游戏文娱游戏文娱”新形态新形态章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读传统模式传统模式生成式生成式AIAI技术目标技术目标美术美术游戏体验游戏体验运营运营营销营销美术制作成本高成本高游戏体验同质化同质化运营工作工作杂杂营销转化转化弱弱省省控制成本控制成本语音驱动嘴型动画技术语音驱动嘴型动画技术：生成式AI根据语音生成对应的表情及口型，大幅降低了动画面部和嘴型制作成本。风格化头部模型生成风格化头部模型生成：根据少量符合游戏风格的头部模型，批量生成同风格的头部模型，降低了头部模型制作的成本，缩短了生产周期。资源超分资源超分：可协助企业快速重制游戏资源，针对原本的游戏纹理资源等快速升级，整个过程不需要美术参与，大大降低美术制作成本。新新体验创新体验创新自动捏脸自动捏脸：生成式AI可根据玩家用户上传的图片找到最优捏脸参数，并在游戏中一键生成。语言交互语言交互：用户可自定义相关语音命令驱动游戏角色，系统根据相关语音识别并生成技能。舞蹈生成舞蹈生成：协助动画角色根据歌曲生成节奏准确的舞蹈。稳稳降本增效降本增效游戏环境监控游戏环境监控：协助平台通过文本及语音内容的对比监测，防止玩家上传违规的内容与图片。游戏外拐打击游戏外拐打击：利用异常行为检测和视觉技术，对游戏中的外挂及作弊行为进行监控和打击。准准精准营销精准营销换脸生成营销换脸生成营销：部分游戏文娱平台，玩家可参与活动，通过上传照片替换海报人脸，获取专属自己的游戏虚拟形象，这类活动大大增强了玩家对于游戏的接触与参与度。生成式生成式AIAI在美术成本在美术成本、游戏体验游戏体验、运营与营销等方面优化提升运营与营销等方面优化提升，突破了传统游戏文娱模式的主突破了传统游戏文娱模式的主要痛点要痛点，为行业带来新的破局为行业带来新的破局点点。传统模式下的游戏文娱行业涉及美术资源制作高成本、游戏体验同质化、运营复杂化以及营销困难等痛点，生成式AI通过内容生成、语言与语音处理等技术的运用，赋能行业降低制作成本，优化玩家体验，推动整个产业的技术革新。2.4.1 2.4.1 游戏文娱行业的场景挑战与发展（游戏文娱行业的场景挑战与发展（1/21/2）400-072-558820关键关键发现发现生成式AI赋能游戏文娱行业各流程阶段，其中产品开发阶段在生成式AI技术辅助下，加速了企业创作流程且大幅降低了美术资源创作成本；此外针对游戏文娱的版权问题风险，也可通过生成式AI进行检测与分析。来源：腾讯云、沙利文章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读游戏文娱行业生成式游戏文娱行业生成式AIAI机会点图谱机会点图谱开发开发流程流程游戏文娱行游戏文娱行业各流程阶业各流程阶段的生成式段的生成式AIAI应用机会应用机会点点价值价值效益效益探索与原型探索与原型测试阶段测试阶段上线与应用上线与应用开发阶段开发阶段信息收集与整理数据分析与预测内容生成与设计内容核查与监测实时交互决策支持市场分析：市场分析：产品定位：产品定位：玩家行为分析市场分析与预测竞争玩家分析游戏核心主题确定产品成本与周期预测方案策划支持美术、音乐原型设计产品制作：产品制作：程序开发：程序开发：游戏剧情设计辅助游戏场景设计辅助原画设计辅助3D建模生成用户界面设计程序代码编写助手游戏功能测试：游戏功能测试：上线管控：上线管控：合规性测试：合规性测试：自动化测试执行游戏缺陷预测分析游戏NPC交互测试版权合规性检测BUG修复内容审核与合规性测试数据源追溯未成年防沉迷监测算法与安全评估紧急情况预警上线数据监测玩家应用：玩家应用：游戏平衡性测试玩家行为预测智能客服动态内容更新玩家社区管理内容推荐系统加速创作流程加速创作流程降低美术资源制作成本降低美术资源制作成本提升游戏运营效率提升游戏运营效率优化玩家体验优化玩家体验 生成式生成式AIAI赋能游戏文娱行业开发流程各阶段赋能游戏文娱行业开发流程各阶段，其中产品开发阶段在生成式其中产品开发阶段在生成式AIAI技术下加速了游戏文技术下加速了游戏文娱企业创作流程且大幅降低了美术资源制作成本娱企业创作流程且大幅降低了美术资源制作成本1 1探索与原型阶段：探索与原型阶段：生成式AI通过市场与玩家的数据分析协助企业更好地实施产品定位与方案策划2 2开发阶段：开发阶段：生成式AI通过美术设计辅助功能协助企业在该阶段大幅缩减并降低了创作周期与美术制作成本3 3测试测试阶段：阶段：针对游戏文娱行业主要考量的功能以及版权风险问题，生成式AI可用于自动化测试降低合规风险4 4上线与应用阶段：上线与应用阶段：基于玩家行为的分析预测，生成式AI通过增强NPC与玩家的互动性等方式优化游戏体验注注：仅仅展示部分机会点示例，展示部分机会点示例，部分部分应用涉及多个技术功能，对应颜色代表主要的应用涉及多个技术功能，对应颜色代表主要的功能技术模块功能技术模块2.4.1 2.4.1 游戏文娱行业的场景挑战与发展（游戏文娱行业的场景挑战与发展（2/22/2）400-072-558821关键关键发现发现生成式AI广泛应用于游戏文娱行业的开发创作，但内容的创作除了普遍考量的隐私与数据风险外，大量依赖相关技术的短平快游戏文娱内容，可能降低行业门槛，挤占行业优质资源空间，给行业带来挑战。来源：沙利文游戏文娱行业的生成式游戏文娱行业的生成式AIAI应用潜在风险应用潜在风险内容创意与合规性风险内容创意与合规性风险涉及功能领域涉及功能领域技术依赖与自主性风险技术依赖与自主性风险用户隐私与数据安全风险用户隐私与数据安全风险市场适应性与竞争风险市场适应性与竞争风险章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读创意同质化：创意同质化：AIGC可能过度依赖已有数据和模式，导致生成的内容缺乏创新性和个性化，从而降低用户体验和市场竞争力。合规性问题：合规性问题：由于AIGC生成的内容可能涉及版权、道德和法律标准，需要确保内容生成过程中严格遵守相关法规和行业标准。文化敏感性：文化敏感性：在不同文化背景下，AIGC生成的内容可能误触文化禁忌或表达不恰当，引发争议，造成负面影响。场景角色创作游戏剧情生成内容推荐创意制作过度依赖技术：过度依赖技术：游戏文娱行业可能过度依赖AIGC技术，导致创作者失去自主性和创造力，影响行业的可持续发展。技术更新迭代：技术更新迭代：随着AIGC技术的快速发展，行业需要不断适应新技术，这可能导致资源投入和人才培养不足的挑战。技术故障与安全问题：技术故障与安全问题：AIGC系统可能存在技术故障或安全漏洞，无法检测游戏中潜在漏洞和问题，影响内容的生成质量和数据安全。游戏开发工具用户交互平台玩家行为分析与滥用：玩家行为分析与滥用：AIGC通过分析玩家行为提升游戏体验的同时存在滥用分析结果的可能性，例如不当的营销策略等隐私侵犯：隐私侵犯：在玩家数据的收集和使用过程中，可能未能充分保护用户的隐私权益，引发法律和道德问题数据数据安全安全：生成式AI的训练依赖大量的数据包含玩家行为数据，确保此类数据的合法获取和使用是一大挑战用户数据分析个性化推荐系统玩家行为分析市场适应性问题：市场适应性问题：AIGC生成的内容可能不符合市场趋势和用户需求，导致产品或服务的市场接受度低竞争加剧：竞争加剧：随着AIGC技术的普及，行业内的竞争可能加剧，企业需要不断创新以维持竞争优势市场空间挤占市场空间挤占：更多游戏企业依托AI技术快速制作出大量的短平快的游戏内容，挤占了行业优质内容的空间，对市场生态形成负面影响产品定位与策略市场分析与预测自动化测试游戏剧情与内容生成2.4.2 2.4.2 游戏文娱行业的应用潜在风险游戏文娱行业的应用潜在风险400-072-558822来源：亚马逊云科技、沙利文章节二章节二 应用实践汇编应用实践汇编沙利文市场研读沙利文市场研读新一代新一代AIAI驱动的驱动的UGC 3DUGC 3D交互内容平台交互内容平台应用场景应用场景：游戏社交行业+生成式AI驱动的UGC 3D交互内容平台核心核心评价关键词评价关键词个性互动的创新模式个性互动的创新模式低成本、低延时低成本、低延时完备的部署与支持完备的部署与支持领先的综合技术性能领先的综合技术性能方案能力分析方案能力分析评选评选维度维度功能价值与适用性功能价值与适用性技术性能与创新力技术性能与创新力实施与支持实施与支持客户体验与满意度反馈客户体验与满意度反馈符合符合BUDBUD现存切实需求的解决方案现存切实需求的解决方案：亚马逊云科技通过Amazon SageMaker与开源大模型社区Huggingface的集成协助BUD实现高效的开源模型部署；Amazon Bedrock上的Claude3 Haiku模型为BUD实现低成本与近乎即时的响应，构建模仿人类互