2024开启AI智能化新纪元白皮书.pdf

开启AI智能化新纪元引言01在大模型出现之前，人工智能从未如 ChatGPT 这般普及，超过 1 亿用户主动体验的背后，是业务发展需求驱动 AI 应用场景探索与实践的重大转变。在过往企业对于 AI 的应用中，较高的开发门槛、应用场景的复杂性与多样性，以及对大量标注数据的依赖，构成了 AI 大规模部署的难题。而预训练大模型则具有良好的通用性、泛化性，可以显著降低人工智能应用门槛，用户基于大模型通过零样本、小样本学习即可获得领先的效果；同时，“预训练+精调”等开发范式，让研发过程更加标准化，显著降低了人工智能应用门槛，成为 AI 走向工程化应用落地的重要手段。统一数据、统一算法、统一模型，解决所有问题，这将是和过去任何一次 AI 风潮都完全不同的新时代，AI 将变成社会的基础生产要素。大模型的海平面正在逐渐没过人类能力的山头，过去被认为只有人类才能完成的事情开始逐步被大模型的洪水所淹没。而大模型作为新质生产力的代表，正在推动传统产业的转型升级和新兴产业的快速发展，为社会经济的高质量发展注入新的动力。“时间永远分岔，通向无数的未来”，无需短期高估技术的影响，也不要长期低估技术的魅力。在企业智能革命的舞台上，我们一次又一次被大模型的能力惊艳，也必将看到越来越多的新场景、新应用随之产生，真正拥抱“AI Native 的到来”。在人工智能的漫长征程中，大模型的出现无疑是一座闪耀的里程碑。2023年，在全球科技领域，大模型无疑成为了最炙手可热的话题，这股热潮由美国创业公司 OpenAI 率先掀起，中国科技公司紧随其后，纷纷投入到这场大模型的竞争中。如果说深度学习技术的突破让计算机拥有了“看”和“听”的能力，那么大模型则让计算机具备了“理解”和“创造”的潜能，重新定义公众对 AI 的认识，为各行各业的智能化转型开辟了一条新的道路。开发“大一统”，让 AI 真正普惠与落地走向产业落地，助力组织加速发展新质生产力引言01020305070103182244大模型在组织数智化中的应用大模型应用场景概述大模型行业应用分享GLM行业特色优势大模型的部署与落地 十大 GLM 客户成功案例 关于智谱AI大模型部署常见问题双维度看模型选择Prompt调优准备微调的判断与方案选择目录CONTENTS0420智谱AI GLM 企业级解决方案 五个方向判断是否大模型 ready业务场景落地全生命周期服务更适合中国市场的多样化部署模式0642打造新一代认知智能大模型GLM-4，新一代基座大模型模型能力全面对齐世界先进水平大模型在组织数字化中的应用03从 2023 年初迄今，以 AIGC为主角的跨年度大戏高潮迭起：从ChatGPT引爆人工智能通用化的话题，到大模型形成百舸争流的局面。如果说，各大厂商纷纷推出大模型产品并形成“百模大战”的局势，是大模型这场“战役”的上半场，那么这场“战役”的下半场将聚焦在大模型的垂直化应用以及价值转化发展。文 本 生 成 指 的 是 通 过 指 令（Prompt）让大模型自动生成文字，包括电子邮件、短信、文章、新闻报道、社交媒体帖子等各种文本内容。相较传统以规则和模板的方式，大模型提供了完全不同的体验，这也是大模型最先跑通的商业模式。文本生成广告文案生成新闻/小说生成会议纪要生成直播脚本生成周报/邮件生成数据报告生成信息抽取是指将长段文字中的信息抽取出来并且以结构化的方式输出。相比起传统 NLP 的方式，大模型在泛化能力上有非常大的提升，并且开发成本要低 2 个数量级。信息抽取用户需求提取用户画像提取舆情分析助贷数据清洗文章阅读辅助销售质检传统的信息检索系统只能以文字来匹配正文，并且只能以原文片段返回，或者对于垂直场景只能是结构性的卡片，而大模型则可以为你通读结果并根据你的查询生成针对性的回答，带来全新的搜索体验。信息检索知识搜索视频搜索文档检索简历检索商品搜索房产检索自动生成代码，提高开发效率，减少人工编写代码的工作量。自动分析已有的代码并提供重构和优化的建议，减少人工编写测试代码的工作量。同时，大模型可根据用户提供的部署描述自动生成部署脚本，并监控应用程序的性能。指令代码生成NL2 SQLAI建站智能RPA测试用例生成代码生成代码审查对话系统是指机器和用户进行对话的系统，通常用于客服和助手类的场景，但原有客服都基于问答对或者规则来进行对话，难以达到真人的水平，而大模型则能在上下文理解和回答生成上带来全新的体验。智能对话智能客服语音助手游戏NPC虚拟导购虚拟社交智能陪练其他解数学题语言翻译/优化.作文批改合同审查意图洞察复杂指令识别文章扩写/缩写车载助手PPT生成作文评分/润色大模型应用场景概述大模型行业应用分享04 汽车行业一直在电动化、智能化领域持续不断地发力，截至 2023 年 9 月，新能源车国内零售渗透率已经达到了 36.9%。而从汽车研发到生产、制造，再到营销和服务的各个阶段，都能与 AI 技术有广泛的结合，大模型与汽车行业的结合可能作为支撑整个行业的基础设施，通过与现有的基础架构深度融合，从而催化对整个产业和行业的深层次变革。售后服务智能客服智能工单舆情分析生产制造软件开发产线生产质量检验智能座舱复杂车控车书问答闲聊陪伴生活服务随着智能汽车的发展，汽车座舱已逐步演变为人们的第三生活空间，集舒适、娱乐、工作于一体，实现人车生活的深度交融。大模型的加入，则可以进一步加速人与车交互方式的转变，例如从单一的任务方式逐步转变成基于多任务的应用场景，从现有的单一语音交互向多模态的交互方式进行转变，为车主带来更为便捷、实用的驾驶体验。典型场景分享 大模型赋能复杂车控：拓展服务边界，提升用户体验大模型工具属性体验属性市场营销客户标签提取销售话术质检营销话术辅助车友社区运营战败归因分析销售话术训练语义泛化能力弱，意图识别准确率低依赖大量人工标注，维护成本高不支持单句多意图，用户体验差传统车控方案的现状和痛点更聪明：指令理解更精准，单句多意图无遗漏更好玩：交互趣味性更强，改善用户体验更简单：人工维护工作量更低更有用：帮助处理简单任务，提供更有帮助的知识大模型的业务价值大模型+智能汽车大模型+智能汽车05对话内容大模型质检得分和改进建议邀约试驾次数规范用语/必问语违禁语回复准确性礼貌性和亲和力随着客户量的增加、沟通轮次和渠道的增多、汽车产品复杂度的提高，车企销售面临的挑战越来越多，难度越来越高；而对于管理者来说，也难以实现对销售过程的全方位管控和精细化管理、找到能提升转化率的症结。车企通过将大模型应用到销售话术场景，通过大模型自动分析对话中的关键信息点，实时抓取并分析销售人员与客户之间的对话记录，从专业性、合规性、服务态度等多个维度进行评估。对于汽车性能介绍是否准确详尽、是否严格按照官方信息及行业规范进行解说、是否存在过度承诺或误导消费者的情况，大模型都能做到精准识别；同时，还能对销售人员的情感表达、沟通技巧等方面进行质检，确保其服务质量达到高标准。不仅有助于提升汽车销售团队的整体业务素质，保障消费者的合法权益，也能为企业优化销售策略、提高客户满意度提供有力的数据支持，进而推动整个汽车行业的服务质量和品牌形象的持续升级。销售话术质检：高转化率、精细管理、持续改进的营销闭环“打开右后车窗”、“空调调到20度”、“播放周杰伦的稻香”、“导航回家”“打开车窗，关闭空调。然后过5分钟关闭车窗，空调调到23度”“播放周杰伦的稻香，单曲循环，音量调到30%”简单明确的意图解析传统小模型可以支持简单意图分类场景说明示例满足A条件执行B动作传统小模型部分支持条件意图一句话中包含多个意图传统小模型不支持并列多意图“10分钟后关闭空调”、“到家后提醒我买菜”06大消费产业的复杂营销和销售环节为大模型提供了广阔的应用空间，如何把大模型应用在品牌营销、用户运营过程中，也是众多消费科技企业正在不断思考的话题。企业希望通过大模型，率先将商业经验转化为行业的专有数据并进行有效管理，从而构建起企业的竞争优势；同时，通过大模型更智能的交互能力，在消费者旅程日益碎片化的今天，能帮助企业找到与品牌和消费者习惯相符合的交互点，不断构建品牌专业性保持高速增长。如今，各大购物App的商品推荐已成为引导消费者购买的重要渠道之一，而大模型的加入将重构与消费者交互的方式，使得更多样化、更自然、更精准的导购推荐模式成为可能，即基于消费者的历史购物记录、浏览行为和搜索关键词等数据，并通过与消费者进行智能互动，分析消费者的购物习惯、喜好和需求，解答其关于商品的疑问，提供专业的购买建议。典型场景分享 智能导购机器人：重构用户交互、购买决策模式服务对象用户场景应用技术人员运营人员市场人员.产品研发用户分析商品汰换市场趋势分析市场营销营销文案撰写文稿优化营销素材生成产品销售销售话术质检智能导购机器人销售话术辅助售后服务智能客服舆情分析坐席助手企业经营企业知识库数据分析智能办公多条件筛选产品(快捷购物)购物建议-推荐产品-多轮交流(精挑细选)大模型+大消费大模型+大消费07信息准无需设置监测关键词，输入系统用户关注的信息即可进行舆情监测，实现内容智能化研判准100%理解检测到的负面内容，让自动化推送达到专家级别的研判水平更实时自动形成热点聚类，总结每日舆情要点零售行业面临激烈的市场竞争，实时准确地了解客户之声对于树立良好的品牌形象和声誉至关重要。企业通过大模型实时抓取和解析海量网络文本数据（如社交媒体、电商评价、新闻报道等），能够全面而深入地汇总分析消费者情感倾向、需求变化、产品反馈等信息，迅速把握市场趋势，精准预测消费热点，并用以适时调整产品策略与营销方案，有效预防和应对负面舆情，保障品牌形象，助力企业在竞争激烈的市场环境中实现智慧化运营与精细化管理。舆情分析：实时聆听消费者之声，为企业战略决策提供有力支持京东天猫苏宁淘宝小红书抖音快手B站微博拼多多电商平台垂媒评论电话录音电商评价08过去几年，国内工业制造领域经历了智能制造与 AI 1.0 阶段的洗礼，不少企业已对AI应用有了相当程度的认知，并完成了部分场景的智能化升级。而 AI 大模型的出现，将会融入工业企业的研发设计、生产工艺、质量管理、运营控制、营销服务、组织协同和经营管理等方方面面，极大加速各领域的智能化升级进程。专业性是工业制造的关键要求之一，而中国的工业知识和工业数据在很多企业都面临着因人才流转而遗失，难以转化为企业知识资产的难点和痛点，而大模型的出现可以更有效地解决这一问题，并通过企业知识库的训练微调，最大化提高准确率、避免幻觉问题。典型场景分享知识检索：更有效地将经验数据转化为可用的知识资产传统NLP大模型用户呆板回答 精准提问拟人回答 多轮对话成本高、维护难、互动性差高效、准确、运营成本低、生动拟人问题分类问题检索关键词提取关键词扩展传统知识库网络结构框架构建数据训练参数调优.信息抽取知识过滤实体连接本体构建.文本表示实体发现关系挖掘属性提炼.意图理解ChatGLMEmbedding知识检索Prompt知识切片公司制度员工培训材料产品说明生产、工艺、流程营销、客服FAQ.答案推理大模型知识库生产制造工业知识问答设备维修SOP生成工业代码生成客户服务智能客服智能工单客服质检智能产品智能控制智能问答闲聊陪伴经营管理文档处理内部制度问答对话式数据查询大模型+智能制造大模型+智能制造09制造业设备故障检测对于处理时效性、人员经验性有着极高的要求。而大模型可以通过对行业知识、企业知识的理解，并结合设备的历史数据、运行参数以及周围环境信息进行综合分析等，建立起一套完整的设备健康管理体系。以便工作人员能够迅速分析故障数据，精确识别问题根源，高效制定修复策略，提升故障处理的效率和准确性。设备维修SOP生成：提升故障处理的效率和准确性结合行业知识、企业知识等，工程师能够迅速分析故障数据，精确识别问题根源，高效制定修复策略，提升故障处理的效率和准确性。大模型应用优势基于向量模型和知识库，对相关的知识和信息进行向量化存储，以便于后续的SOP推荐和生成通过历史维修记录分析，构建设备事件知识库，对比设备状态及事件属性，进行故障归因诊断，并推荐维修方案利用大语言模型生成能力，将设备知识库及故障信息通过Prompt 方式生成新的设备维修SOP通过对FA记录的更新，重组Prompt 并运用大模型进行SOP的自迭代，不断完善其在实际工作中的适用性和有效性设备故障数据生成提问回答设备故障维修SOP大模型设备物料清单设备维护手册FA记录.知识库设备故障描述10大模型与医疗行业有着天然的契合性。医疗领域存在大量模态种类丰富的数据，且呈现出多学科、跨领域的特点，而大模型的长项之一就是对多类数据进行整合总结、分析判断和自动摘要。而根据发布在急诊医学年鉴、BMJ等期刊的研究，医疗大模型在部分测试中比肩甚至超越了医生，在保证医疗服务准确率与公平性、提升医疗系统工作效率等方面展现出应用优势与价值。在医生诊断助手的场景中，医生需要花费大量的时间和精力去分析各种检查结果，如血液检测、影像学检查等，而传统的临床文本分析通常依赖于规则引擎或浅层机器学习方法，对复杂的医学文本难以处理。大模型的加入使得医生可以直接将检测报告交给大模型进行解读，自身则更加聚焦于与患者的深度沟通，由大模型帮助医生更快速地做出诊断和制定治疗方案，提高诊断的效率和准确性，也提高了医疗服务的质量和效率。典型场景分享医生诊断助手：提高问诊效率，大幅释放就诊时间医疗服务医疗机构场景赋能医疗美容运动康复健康管理防AI营养师保健建议健康百科筛在线问诊疾病自测报告解读治治疗建议医嘱质控用药建议康AI回访康复计划用药指导诊智能导诊病历录入诊前轻问诊检查检验推荐信息检索检验单诊断网络医院效果不佳：目前CDSS系统，数据少、标准化低，标注成本高，辅助诊断效果不佳，多为科普或参考。诊断者差异：医疗资源分布不均，专业程度参差，存在漏诊误诊现象；多疾病交叉，存在经验不足、考虑不周全现象。传统辅助诊断痛点高准确性判断：具备复杂病例识别能力，提供高准确性建议，降低误诊、漏诊风险。全面性分析：根据患者的病症和病史，预测每种可能疾病的概率，并将它们从高到低排序。给医生全面建议，避免遗漏。大模型的业务价值大模型+医疗健康大模型+医疗健康11在医疗行业中，大模型正逐步成为医生和科研人员不可或缺的研究助手，尤其在处理和解析复杂的医疗报告方面展现出巨大潜力。通过大模型深度学习海量医学文献、病历报告和诊断数据，精确理解并提炼其中的关键信息，让医护人员及科研人员更聚焦于数据的分析及应用，可以极大提升医疗行业的工作效率和决策准确性，为个性化医疗和精准诊疗提供了强有力的技术支撑。医疗报告研究助手：释放更多精力，聚焦于数据的分析及应用门诊记录AI辅助诊断内容患者信息医患对话辅助检查主诉现病史辅助检查既往史诊断建议检查建议过往案例医学研究LISPACSEMRHRPEHRCIS临床表现医学指标疾病信息医学术语.症状数据分析决策支持医疗文本结构化患者标签库疾病标签库临床文档结构化医疗数据源数据汇聚内容解析与提取应用基于临床实践结构数据化数据预处理大模型非结构数据化基于文献文字文档影像患者病情询问初步诊断检查检验病情诊断治疗方案辅助问诊诊断建议报告解读相似病历推荐方案推荐GLM多模态大模型121994 年中国迎来了第一本游戏期刊电子游戏软件，被视为中国游戏产业的开端。2024 年中国游戏产业进入而立之年，从最初的热爱驱动到如今的科技赋能，中国游戏产业也在逐步走向成熟。对于游戏娱乐行业而言，“质量、成本、速度”是普遍公认的三大基本要求，而大模型的创作生成能力则可以帮助游戏研发、发行商等多角色机构兼顾三者变成现实，高效、低成本、快速地进行新文娱产品的开发、发行、运营。环节场景策划立项项目知识库检索文本生成美术参考生成角色增强更拟人的NPC更具策略性的NPC更多元的NPC研发管线测试辅助代码辅助发行推广买量创意生成运营客服智能运营用户研究舆情分析游戏立项游戏研发游戏发行游戏运营资产生成及管理买量素材生成出海推广游戏内容生成：辅助生成剧情、任务、场景文本玩家互动：构建更真实和自然的 NPC，增强游戏体验AI 增强：狼人杀、剧本杀等对话类游戏拥有更多策略空间玩家运营：精细化私域运营，全面提升玩家忠诚度与营收水平01020304影视/短视频/直播内容创作：使用大模型辅助生成剧本、角色、故事，作为创作工具用户互动：利用直播中的机器人主播，实时响应用户打赏、留言、评论媒资查找：大模型超强的理解能力和网络查询能力，可以精准匹配媒资010203小说/媒体写作助手：大模型可以提供创作建议，帮助生成场景、角色描述等内容生成：自动化生成定制化的新闻剪辑、摘要、标题等读者互动：进行书籍推荐、内容检索、解答问题等010203社交虚拟好友：用于用户交互，提供个性化情感陪伴和生活工作问题解答社区运营：通过大模型分析社区文本，提升互动安全性与活跃度0102大模型+游戏娱乐大模型+游戏娱乐13在生成式AI的加持下，游戏可能不再会有千篇一律的枯燥剧情，而是产生更多千人千面、自由探索的开放玩法，大模型正革新着非玩家角色（NPC）的设计与互动体验。大模型可以根据游戏角色的身份背景、情感状态及剧情发展动态生成相应的对话脚本，确保 NPC 的语言表达既符合情境逻辑，又充满生动性和独特性，并通过对玩家行为和选择的即时响应，调整 NPC 的对话策略，实现真正意义上的动态交互。这不仅提高了玩家的代入感，也拓展了游戏的可玩性和重玩价值。超拟人 NPC：千人千面，打造自由探索的全新体验游戏开发是一项复杂且耗时的工程，从创意构思到实际落地的过程中，涉及项目策划、美术设计、程序开发、平衡性测试等多个环节，每个环节都需要精细打磨，任何细微改动都可能导致整体进度延宕；而因为游戏引擎技术更新迭代快速，开发者需要不断学习新技术并进行整合，特别是开放世界、多人在线等大型游戏项目，其内容丰富度、平衡性和稳定性测试都需要投入大量时间和精力去完善。大模型则能够帮助游戏公司构建一个全面而深入的知识库，在团队知识对齐上起到关键性作用，不仅包含了游戏设计的核心要素，如角色设定、故事情节、游戏机制等，还能够根据玩家行为和市场趋势进行动态更新，让策划团队在能够快速获取最新的信息和洞察的同时，确保不同团队成员和项目阶段之间的设计理念和目标保持一致性，使得游戏策划团队能够更加专注于创意和创新，为玩家带来更加丰富和引人入胜的游戏体验。项目知识库检索：高效准确拉齐信息，精细化追求与现实挑战矛盾的化解新思路典型场景分享创建角色人格设定知识设定能力设定体验调优角色上线知识类型世界观设定人物设定剧情文本系统设定技术沉淀知识库支持内容非结构文档世界观、剧情大纲等系统文档、剧本等配置表、需求表等角色关系、模块依赖等结构文档二维表格知识图谱支持docx/pdf/xlsx/txt格式，支持URL非结构化文档的问答Doc-QA二维表格的问答Table-QA知识图谱的自然语言检索KBQA数据库的自然语言检索DB-QA上传知识库创建问答Bot提问团队所有成员策划14自从大模型技术应用以来，旅游业一直密切关注其发展，从客户使用的应用程序和小程序，到供应端的管理系统，大模型技术已经无声息地融入了旅游业的各个环节，例如供应链管理，大模型辅助的智能化运营管理能够有效降低成本并提高效率；同时对于消费者而言，大模型技术的融入使得行程规划更加高效，旅行体验也得到了显著提升。2023年文旅消费渐渐复苏，酒店行业的市场热度也居高不下，无论是从行业趋势、品牌发展必要性还是客户群体的迫切需要来看，酒店体验管理的必要性都在逐步凸显。酒店的环境、服务体验是酒店行业的基础，但是新一代主流客群更倾向于个性化、多样化需求，他们定义的酒店不再作为简单的差旅、歇宿和饮食等为一体的场所。酒店借助智能手段持续打磨“个性化体验”已成为趋势。而在智能营销领域，大模型能够根据酒店的品牌定位、目标客户群体和市场趋势，理解并生成符合特定营销策略的海报设计，还可以实时分析消费者反馈和市场动态，动态调整海报设计，确保营销素材的时效性和相关性，不仅提升了营销内容的质量和效果，也为酒店行业带来了创新的营销策略和方法，进一步推动了行业的数字化转型。典型场景分享酒店营销素材生成：高效打造品牌差异化，帮助构建行业竞争壁垒游客服务行前服务POI信息问答智能预定行程编排行中服务景区智能导览文创DIY创作景区知识问答行后服务游记辅助创作运营管理智能营销营销素材生成营销文案撰写与风格化智能客服客服助手社区运营与互动经营决策经营数据分析游客评价分析酒店管理市场分析用户分析竞对动态分析趋势分析营销推广营销文案撰写智能导购机器人评价回复营销素材生成运营服务服务话术质检智能客服舆情分析服务话术辅助宾客服务个性化迎宾客房智控行程推荐企业经营企业知识库智能办公数据分析会员管理大模型+文化旅游 大模型+文化旅游 15在旅游行业中，大模型的应用正在深刻改变游客获取景点信息和服务的方式。在针对兴趣点（Point of Interest，简称 POI）的问答场景上，大模型不仅能够精准回答有关景点历史背景、文化特色、最佳游览时间、交通路线等各类问题，还能综合考虑季节、天气等因素，为游客量身定制游览建议。此外，大模型还可以模拟真人对话模式，针对游客的需求变化灵活回应，从而提升游客的整体旅行体验。帮助旅游业客户构建了一个智能化、人性化的信息服务桥梁，有效填补了传统静态信息展示方式的不足，促进了旅游业的服务升级与创新。POI 问答：打造旅游行业专属问答游客：POI信息问答基础知识理解分析规划指导地点、分类、特点等问题样例问句区别、优缺点等日程安排、游玩攻略等Q:西安有哪些推荐的自然类旅游景点?Q:坐公交和打车哪个更方便？Q:请规划一下大唐不夜城的游玩攻略？根据指令生成素材帮我设计一个酒店早餐产品炸酱面的营销宣传图这是我为您设计的酒店早餐炸酱面营销宣传图。图中展示了一碗诱人的炸酱面，热气腾腾的面条和丰富的酱料，以及优雅的餐具和舒适的环境，希望这样的设计能够吸引顾客对您的酒店早餐产品产生兴趣。您可以查看图片，看是否符合您的需求。并能根据指令进一步微调突出面本身，配料体现一些有营养的配菜这是根据您的要求调整后的酒店早餐炸酱面营销宣传图。图中更加突出了炸酱面本身，同时加入了营养丰富的配菜，如新鲜的蔬菜，以展示早餐的健康和丰富性。希望这个设计更符合您的需求您可以查看图片，看是否满意。GLM 行业特色优势GLM 行业特色优势162023 年 3 月以来，在短短一年间，智谱AI 已拥有了千余家付费客户，并与超过 200 家企业进行了深度共创，越来越多的行业、业务、场景都已经实现了大模型的落地。而作为企业，更要主动拥抱大模型，探索这片愈发宽广的海域，找到模型既能解决又能节省较大成本的节点，找到模型擅长又能真正为业务带来价值、解决痛点的场景，锚定业务和大模型的最大公约数。最终，企业的“敢为人先”会让所有的尝试成为正向循环，一方面能够源源不断产生新的大模型时代的数据资产，构成新的壁垒和竞争力；另一方面，这些数据资产又能够灌回模型当中，变成企业独有的业务价值，耦合到业务场景当中。完整的模型尺寸系列语言大模型ChatGLM3-1.5B端侧模型ChatGLM3-6B开源/免费商用ChatGLM3-12B快速敏捷ChatGLM3-32B高性价比ChatGLM3-3BChatGLM3-130B最强大端侧模型Character GLM高情商拟人对话GLM-4最新上线ALL tools代码大模型CodeGeeX3-32B最新升级CodeGeeX3-6B多模态大模型GLM-4V多模态理解模型CogVLM多模态模型CogView文生图模型CogVideo文生视频模型中英双语、多模态 1.5B 130B 全参数尺寸 完善的开源生态171000+付费客户、200+深度共创，覆盖汽车、大消费、制造、医疗健康、金融、游戏娱乐、文旅等 20+行业丰富的落地经验基座模型调优50+生态伙伴：应用定开、行业场景挖掘、行业系统对接丰富的行业生态伙伴全栈自研不依赖开源模型 支持国产GPU算力 避免“卡脖子”业务中断支持国产信创智诊科技大模型的部署与落地18大模型部署常见问题双维度看模型选择厂商模型选择模型选择与场景选择PoC 测试测试与验收常见误区不同大小的模型到底怎么选择？哪些场景适合用大模型解决？大模型如何接入实际业务流程？科研团队强大，模型能力优秀项目经验丰富，落地效果更好支持私有化，性能有保障，支持场景模型微调持续服务能力强大，效果持续迭代能力强模型规格选择算力成本与资源评估首响时间、对话效率要求标准是否需要模型推理能力、Agent 能力等，内容质量要求，知识复杂度等因素是否私有化、是否本地、是否信创等因素在符合以上所有条件中，推荐符合预算内的、规格尽量大的模型，保证最优效果算力：性能：场景复杂度：环境部署要求：预算：无 Prompt 优化经验，测试效果总是不好。是否需要微调？微调预计能达到什么样的效果？数据标注有什么重点事项？数据训练轮次、参数如何调整？效果问题怎么定位？性能维护要重点关注哪些指标，怎么扩容？新场景合不合适？01020304是否模型越大效果越好？否，要根据场景选择，配合工程、指令等优化工作，效果也很好。否，小规格模型一定不是全能模型，在复杂场景中做不出效果，但发挥擅长的能力，结合大规格模型，做出更好的效果。是否所有场景，都能在小规格模型上做出一定效果？QQQQA AA A19Prompt 调优准备常见误区010203数据集是否可以人工构建？最好是人工构建，结合业务目标，挑选各种难度、场景的数据作为Prompt调优的参考。否，通常生产环境中随机抽取的100200条数据已经足够，过大只会增大标注评测成本。数据集是不是越大越好？QQQQA AA A否，Prompt有方言性，用同一个指令测所有大模型的方式是不科学的，每个大模型敏感的指令内容是不同的。Prompt是否所有大模型都通用？QQA A需求清晰：能够清晰定义产品需求，梳理功能流程图，确定大模型调用的输入和输出。知识准备：结合产品功能，准备大模型推理需要的业务知识。评测集构建思路：评测集数据分布与实际业务场景数据分布一致，数据类型涵盖全面，评测标准逻辑统一。微调的判断与方案选择常见误区010203是否所有场景都需要微调？否，基于通识能力的场景，基本不需要微调，垂直行业、专业度要求高、知识复杂的场景可能需要微调。否，微调主要对齐的是标准、行业术语等，可以采用知识注入等方式。微调后，模型是否就具备了行业知识？QQQQA AA A基础效果评测：采用较大批量的评测数据集评测，按照交付标准分析badcase，拆分类型、归因，确定微调方向。数据集构建：针对badcase，组建微调数据集，按照一定比例混合线上其他类型的数据，防止微调过程梯度爆炸以及知识遗忘。数据标注：重新构建评测集，分别评测第一次和第二次评测集结果，评估微调效果，以及新一轮badcase；迭代多轮，直至达到上线标准。智谱AI GLM 企业级解决方案 20.行业分析PoC 测试系统流程架构设计分析确定兼顾难度和业务需求的PoC场景Prompt指令设计与优化.01 决心：AI业务价值体现，需要的不仅仅是一次性的投入，还需要持续的迭代优化02 投入：确定预算范围，选择合适的模型、部署方式03 企业现阶段数字化程度：足够的高质量数据量，与一定量的专属知识库沉淀04 明确的业务目标：确定效果验证方法/指标05 明确的试点场景：大规模、高重复场景提效；提升服务品质；提升服务边界业务场景落地全生命周期服务PoC方案设计与实现行业成功案例分享业务流程梳理价值场景选择大模型与业务系统接入交互逻辑设计分阶段落地规划.专属落地方案设计部署交付评测与验收迭代与优化问题归因与定位测试上线与验收模型与效果交付数据集准备、数据标注Prompt指令与微调.模型升级方案新场景规划五个方向判断是否大模型 ready 21更适合中国市场的多样化部署模式助力大模型企业落地Plus服务大模型咨询服务PoC项目验证部署陪跑模型共创共建内部培训联合实验室方式一：API开箱即用方案灵活成本低廉适用企业 中小企业、个人开发者敏捷迭代，希望快速实践大模型应用公开数据信息丰富，通用行业适用场景特征快速上线，低成本试验通用类场景，单轮对话只需完成一个任务可通过指令调优获得优质效果部署交付方式二:云端私有化专属模型灵活微调高性价比适用企业 中、大型企业希望探索行业垂类场景大模型场景经验壁垒、专业知识壁垒高要求行业场景特征场景特征对于并发、首响时间有特殊要求场景涉及较多行业知识或企业自有沉淀指令功能复杂或需要微调，单轮对话需要实现多个目标部署交付方式三：本地私有化私有大模型二次优化可控的高可用适用企业 大型、超大型企业计划构建专属垂类大模型，打造竞争优势自有算力、硬件充足，或有特殊要求场景特征数据不能出内网，有特殊安全保密要求支持最大程度灵活扩展与最高级稳定性要求需要私有数据训练模型部署交付Prompt/指令调优：对大模型输入的提示语（Prompt）进行精心设计与优化的过程，旨在通过调整提示词句的表述、结构、风格等元素，引导模型生成更加准确、相关、高质量的文本输出，以满足特定应用场景的需求。名词注释：微调：在预训练大模型的基础上，针对特定任务或领域进行的小规模附加训练过程。通过在有限的标注数据集上调整模型参数，微调能够使模型在保留其泛化能力的同时，提升对特定任务的理解与表现，实现对新场景的快速适应与精准响应。并发：在大模型应用中，指模型能够同时处理多个请求或任务的能力。并发执行意味着模型能够在同一时间段内高效地响应来自不同用户的请求，或者并行处理多个相互独立的数据单元，从而提高整体系统的吞吐量和服务效率。首响：在大模型交互或服务场景中，特指用户首次发出请求后，模型生成并返回初始响应的时间间隔。首响时间是衡量模型响应速度和用户体验的重要指标，反映了模型从接收到请求到生成有效输出的即时性与效率。德勤中国资深报告撰写专家22项目背景文档解析 数据切分 信息提取 报告草稿生成 快捷翻译文档解析 数据切分 信息提取 报告草稿生成 快捷翻译德勤中国为中国本地和在华的跨国及高增长企业客户提供全面的审计及鉴证、管理咨询、财务咨询、风险咨询和税务服务。德勤中国持续致力于为中国会计准则、税务制度及专业人才培养做出重要贡献。传统的工作模式，需要由有经验的顾问通读所有的文档，并摘取关键指标或文件信息，然后按照自己的经验来撰写报告草稿。中间会面临几个问题：10%左右传统运营模式问题整体员工工作效率提升0102030405摘取关键信息耗时较长，且容易遗漏。撰写草稿需要对报告规范很精通，对顾问的经验要求较高，且撰写中容易出错。复核报告中的关键信息过程较长，寻找信息来源很费时。报告需要单独请人翻译，耗时较长且费用较高，翻译质量也因人而异。终端使用人群如何交互。23报告生成智能助手，借助智谱GLM系列大模型优秀的文本生成能力，解决了传统的信息提取、报告草稿生成、信息复核、文档翻译中面临的难题，极大的提升了顾问的效率，给客户带来了更满意的体验。通过对比测试该场景，在中文环境下表现出超过同类模型的能力。实现方式咨询报告、行业研报。使用数据客户反馈应用方案在为客户提供非鉴证类报告撰写服务的场景中，顾问需要从若干访谈纪要或客户提供的大量文档资料中提取关键指标或文字信息，按照规范的格式生成报告草稿，人工复核后再提交给客户。报告生成智能助手，充分考虑到客户对数据保密要求以及遵从跨境数据传输的监管政策，采用云私有部署智谱GLM系列大模型的方式，由用户自由上传采集的多种格式的文档资料，智能实现文档解析、数据切分、信息提取、报告草稿生成、快捷翻译等功能。分众传媒营销必备文案专家“众智AI”24项目背景应用方案客户反馈传媒/数字营销行业传统运营模式问题广告语生成广告语生成文案创作 文案创作 产品智能分析 产品智能分析 分众传媒成立于2003年，是主营电梯媒体的数字化媒体集团，拥有中国最大的户外媒体网络。2005年分众成为首家在美国纳斯达克上市的中国广告传媒股，并于2007年入选纳斯达克100指数；2015年回归A股，市值破千亿，成为中国传媒第一股。分众用户覆盖4亿中国城市主流消费人群，2021年营业额达160亿人民币。人力成本高、效率低 所有广告编写都需要由专业广告编辑编写。数据统计易错漏 销售收集、整理广告主体的产品信息工作量大，信息不全面。智谱GLM系列大模型助力客户开发“众智AI”营销行业大模型，进行广告语生成、文案创作、广告主产品智能分析等操作。用户输入产品相关的信息，模型即可输出符合分众广告风格的广告语。智谱AI帮助分众构建营销行业大模型，实现传媒行业智能化路径。25实现方式5000条微调数据，如：品牌、产品、广告文案。数据收集与构建：仅仅使用 Prompt 无法完成此项任务，需要收集相关信息，并自动化构建训练数据。模型基础能力：广告文案对于基础模型的要求极高，需要基础模型已经学习过广告相关的内容，并且广告文案本身对于语言的运用更加严谨、复杂，对于模型的基础能力有更高的要求。对比结果：对比于GPT-4，微调后的智谱GLM系列大模型生成的广告更加简练、准确、在风格和语言运用上更加贴近。技术难点使用数据0102智能创意制作平台03营销领域智慧AI伙伴当前阶段第二阶段第三阶段能够根据不同广告主的多样化需求，产出符合不同人群，不同媒体形态，不同营销诉求的广告创意。利用AI和算法能力，基于分众历史投放的数据和后续效果数据的沉淀和学习，为广告主提供包含创意策略、预算策略、地域策略、人群策略、媒介策略的智能营销方案；持续成长的营销领域智慧AI，成为客户增长的可信任的伙伴。客户的降本增效工具未来展望华泰金融金牌财富管理专家“涨乐财富通”26项目背景应用方案证券行业传统运营模式问题效果提升 相较于通用大模型效果提升 相较于通用大模型华泰证券，是中国领先的科技驱动型证券集团,是一家在上海、香港、伦敦三地上市的中国金融机构，以金融科技引领业务创新,为投资者提供专业、多元的金融服务,包括财富管理、机构服务、投资管理和国际业务。基于智谱GLM系列大模型，叠加了40-50G金融专业书籍、资讯、百科、法规、上市公司公告等金融专业数据进行增量训练，以及投研、客服场景上万条高质量指令集进行指令微调，形成华泰金融大模型1.0，表现出明显的金融领域优势。基于智谱GLM系列大模型，我们构建了新一代的财富管理助手，提升用户体验。解决了传统技术无法对意图进行精准识别、无法与客户之间进行多轮交互的问题，加强了与用户的交互体验和一站式服务的能力。此前基于传统知识库机器人和模板引擎等能力，已经初步构建多场景客服服务体系。但仍存在产品形态孤立、意图识别泛化性不足、缺乏多轮会话理解能力等问题，导致客户使用体验不佳，未充分形成一站式财富管理助手形式的服务能力。智能客服1020%27实现方式公告、年报、研报等专业金融数据。对于多轮多意图的语义理解能力，以及文档精准有效的总结，在国内外模型能力中领先。智谱GLM系列大模型作为纯国产、自研大模型，同时支持本地私有化部署，有效保证了数据安全。技术难点使用数据进一步整合全业务系统，对更加复杂的任务多次调用工具。未来展望华信永道24小时在线的公积金智能客服28项目背景应用方案政务、公积金、金融科技行业传统运营模式问题华信永道（北京）科技股份有限公司（股票代码：837592）成立于2007年，是国内行业领先的政务及银行业数字化解决方案的供应商和服务运营商。为贯彻落实国家发展新一代人工智能的决策部署，公司全面适配国家“信创”要求，选用“智谱AI”等AI大模型底座，积极研发大模型在政务场景的应用实践。于2023年成立了专门的研发团队并建立了华信永道（北京）人工智能科技有限公司，旨在引领大模型在政务领域的发展和创新。2023年11月2日，公司与北京智谱华章科技有限公司生成式人工智能（AIGC）大模型在数字政务服务领域签订了人工智能大模型共建战略合作协议，正式建立战略合作伙伴关系。基于大模型的客服相比传统机器人客服，展现出更强的语义理解能力和更流畅的对话处理能力。它们能够提供个性化服务，快速响应用户需求，降低运营成本，并提高回答的准确率。相反，传统客服机器人受限于预设规则，缺乏灵活性，难以应对自然语言的复杂性，且需要频繁的人工更新和维护，