2023年中国人工智能产业应用图谱.pdf

Confidential and Protected by Copyright Laws本产品保密并受到版权法保护中国人工智能产业应用发展图谱2023易观智慧院2023年12月2?2023/12/14123人工智能进入生成式阶段人工智能应用价值与场景分析企业AI应用突破方向与规划建议行业转型升级从数字化向智能化迈进，与其将全部注意力放到大模型与AGI的进化当中，更需要同步关注企业主体在数智化转型过程中的需求、痛点以及待解问题，并以需求与应用驱动的方式倒逼人工智能的发展与进化。围绕工业制造、零售、医疗健康、金融、娱乐、政府等行业，针对其行业发展的关键驱动力与挑战、AI在行业智能化发展的关键价值，以及核心环节/场景的典型案例，全面展开产业AI智能化应用全景。以企业为主体，围绕其可持续发展，业务创新，降本提效等核心需求，针对营销/服务、办公协同、研发、企业安全等各个环节进行深入剖析，展开企业AI智能应用全景与规划建议。生成式人工智能数智化转型场景驱动深入行业关键环节核心场景典型案例深入企业核心场景典型案例AI规划目录人工智能进入生成式阶段，推动企业从数字化向智能化升级014?2023/12/14持续关注AI产业价值落地 交互革命 人机交互方式：GUIDUI/HUI Prompt工程价值凸显AGI 0.1 知识革命 语言是知识的载体，未来模型人人可训、人人可用，即个人知识能力将得以复制和扩展AGI 1.0 思维革命 AI具备独立思考与逻辑判断的能力 进一步延展，具身智能连接物理世界，硅基生命与碳基生命共存AGI 2.0人工智能与AGI发展阶段划分01以业务驱动的方式拥抱AI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02降低AI开发门槛传统的AI开发模式需要针对不同的任务和场景进行定制化开发，大模型显著降低开发复杂度，提升部署与应用的便捷度03增强用户体验，碾平企业数智化洼地大模型对于人机交互方式的变革显著增强客户/用户体验与员工体验，有利于中后台赋能升级，以及员工原生数智动能发展未来已来：技术变革来临人工智能发展进入生成式人工智能时代，大语言模型所呈现的“涌现”能力，正在推动人类社会向AGI的方向持续探索，这将贯穿科技公司与研究机构相当长周期的关注焦点聚焦当下：商业价值深化探索企业经营与发展是当下的核心命题，人工智能，尤其是LLM开启的人工智能，对于AI商业价值的探索与实践带来哪些变化，是本次研究的重点分析式人工智能生成式人工智能5?2023/12/14大模型应用尚未跨越鸿沟，尝鲜者重心在于技术突破与场景探索1技术局限尚需突破方能释放更大价值知识更新与自主学习能力，目前大语言模型仍然为静态数据驱动的学习范式，无法实现新知识的快速学习与迭代，尤其是涉及到时效数据与专有数据的场景下存在障碍，OpenAI正在通过Plugins生态来突破这一局限垂直领域泛化能力，通用任务的卓越能力已经显现，但是进入垂直细分领域与知识体系下，大模型的性能与泛化能力仍然需要增强，行业大模型训练是当前挑战的破局之道之一长期记忆能力，目前正在通过增大上下文容量、数据向量化，以及AI agent等多种方式探索突破2巨大的模型训练与推理算力等成本拉低效益比训练与微调成本，该训练成本仅针对企业应用基础模型结合行业知识与数据集进行训练与微调的成本，并非基础大模型训练成本，与上述“垂直领域泛化能力”相对应，该成本仍然为行业知识壁垒显著的企业必须承担的成本，开源基础模型在一定程度上可以降低这一阶段的训练成本推理成本，大模型在参数体量巨大的情况下，仍然存在较高的推理成本，这方面可以通过模型压缩与剪枝等技术的发展进一步降低模型能力与业务场景的适应成本，这部分成本虽然由于人机交互方式的变化显著降低，但是前期仍然需要考虑提示工程在特定场景的磨合成本3安全合规可信应用底线尚需刚性保障模型安全与可控制性问题，这是人工智能普遍面临的问题，大模型并不能幸免，包括模型攻防、数据注入等问题；同时，模型能力来自于“涌现”，需要进行模型能力，尤其是生成结果的可控制，方能进入到生产环境对齐问题，既包括人工智能与人类社会价值观保持一致，也包括与不同国家价值观，不同类型企业经营以及商业法则相匹配等，前者最为关键，这也是目前最为关注的AI不受控制的风险之一，目前在通过RLHF与RLAIF不同方式来实现隐私与数据安全问题，无论是大模型的训练推理，还是对话应用的过程中，都存在过多的隐私暴露与数据安全风险，这有赖于技术突破和监管合规的进一步建立6?2023/12/14010203040506大模型所加速的生成式人工智能已经渗透到多个场景文本代码图像音视频3D分子发现对话/问答文档/文本/文案生成内容/会议摘要等语言翻译文学/剧本创作等自然语言生成代码代码补齐生成SQL生成软件测试用例合成数据等图像分类/分割工业设计医学影像标注与解剖结果构建艺术/商业作品创作图像修复天文观测、卫星遥感观测等电影/游戏/动画制作建筑/家居设计工业制造工业/艺术设计医疗健康虚拟现实等信息播报语音编辑/翻译影视内容分析编辑视频增强/风格迁移音乐/视频生成药物设计材料科学食品与农业能源个人护理等7?2023/12/14行业应用场景导向，落地为先，倒逼基础能力升级中国生成式人工智能行业AMC应用曲线进入生成式人工智能阶段过程中，各个行业AI应用发展成熟度不一，关键要素在于：行业特征与企业经营目标导向数字化基础能力建设数据资源沉淀，特别是行业Know-how导向数据资源生态体系完善与丰富程度，尤其在于是否具备核心链主企业驱动关键发现市场启动期应用成熟期高速发展期探索期应用价值HVIII电商广告游戏动漫影视交通能源农业自动驾驶医疗制造教育基础科研零售政府与公共服务音乐仍然处于加强基础能力建设阶段，同时需要加强数据资源沉淀以及相关数智技术能力建设等，方能发挥人工智能在其中的关键价值金融数字化基础能力初步搭建，出于行业特点与实际场景要求，需要进一步完善人工智能应用的可信与合规等保障，才能进一步在点状探索的基础上全面铺开数字化基础能力大体完善，本身也是对于内容资产与互动体验要求相对比较高的行业，相应地，生成式人工智能渗透速度更快效率为先稳中求进行业发展特点：旅游易观分析主要行业人工智能应用价值与场景分析029?2023/12/14AI驱动千行百业效率升级，大量行业场景应用价值仍待深挖产品研发/设计生产制造供应链/资源管理市场/营销用户/客户运营组织协同软件工程农业能源化工/机械先进制造食品饮料服装/服饰家电汽车建筑与房地产交通运输金融教育医疗健康零售商贸文化娱乐餐饮旅游政府行业环节AI赋能效率升级程度0100深入行业关键环节的AI价值渗透度易观分析10?2023/12/14制造行业AI应用概述：提升研发生产与运营效率，提升产品核心竞争力与质量，实现可持续发展消费驱动力不足带来供需不平衡，供大于求导致行业竞争加剧高端制造业向发达国家回流，低端制造业向低成本国家转移创新能力不足，核心技术和核心高端设备、零部件额元器件仍受制于人高能耗、高污染，碳排放压力巨大国际贸易争端愈演愈烈，制造业供应链风险显著增加通过自动化实现制造行业常规流程和任务，提高生产和运营效率通过数据分析与建模发现质量缺陷，预测潜在问题，并通过优化工艺和生产参数来提高生产质量通过优化生产计划、材料以及能源使用等，提高能源使用效率，降低废品率，实现可持续发展通过引入人工智能进入产品研发流程，提升研发效率，缩短研发周期制造行业是我国加快建设现代化产业体系的重要支撑，增强制造行业全价值链条数智化能力，全面提升智能制造整体水平与实力当务之急。同时，制造行业在IT与数字化等基础设施建设方面，尤其是面临不同行业、不同类型与规模企业的能力不均衡，相应地，制造行业数智化升级也就面临更大挑战，需要政府、行业链主企业以及科技企业共同以生态搭建协同运营等方式，来加速推动制造行业数智化升级与AI应用落地。制造行业当前发展现状人工智能在推动制造行业数智化转型过程中的核心价值工业制造零售金融医疗健康娱乐数字政府11?2023/12/14制造行业AI应用概述：应用价值与场景质量管控/生产工艺优化仓储配送市场营销销售管理供应链管理物流管理设备管理/预测性设备维护事故预警需求预测客户服务产品辅助设计代码辅助赋能工业软件升级智能评审与反馈数字孪生/仿真优化生产流程生产计划/智能排产核心价值应用场景研究范围与零售行业相对应，该部分为制造行业AI应用重点研究部分以零售行业AI应用研究为主提升工程仿真精度，提升设计与研发效率强化工业机器人信息处理、感知执行等能力，提升智能化生产能力与质量提升工业企业经营管理工作效率，探索用户中心经营模式关键环节工业制造零售金融医疗健康娱乐数字政府运营管理产品设计生产制造12?2023/12/14制造行业AI应用关键挑战与趋势模型应用可靠性：工业领域，尤其是生产制造流程，最重视安全、可靠和稳定，相应地，工业制造领域最核心需要保障应用的可靠性，这就对人工智能模型，包括大模型提出了更高的要求。应用成本挑战：从大模型驱动的AI应用方面，应用成本需要大幅度降低，目前定制化千亿参数通用大模型的成本难以被客户接受；算力成本仍然高居不下，训练卡价格仍然在上升，同时，未来考虑到未来LLM不断升级，训练推理成本或将持续上行；相应地，垂类大模型能够达到参数量、效果、成本和场景的匹配，此外，模型蒸馏压缩、采用MoE架构，小样本微调等技术路径也能够有效降低成本，加速落地。行业Knowhow与数据资源挑战：与其他行业不同，工业场景相对来说数据样本量较小，AI训练相对困难，相应地，工业数字孪生可以通过仿真的形式生成大量数据，帮助AI模型深度优化，同时，也仍然需要制造企业强化自身数据积累与沉淀，从而提升AI应用现实可行性。关键挑战发展趋势工业制造零售金融医疗健康娱乐数字政府大模型将柔性融入工业制造流程，成为工厂智能中枢。大模型的出现为工业智能注入了更为强大的认知能力，将能够深入理解适应不同的生产环境和工厂特点，实现AI与传统工业设备的高度契合。通过全面理解从生产流程到设备状态的各类工业应用场景，提供智能化的监控和调度能力。柔性融合更加突显了大模型对原有工业流程的适应性和灵活性，并为工业制造的持续创新提供了可能。AI将与工业大数据深度融合，成为工业智能化的关键推动力。AI通过挖掘分析工业大数据中的潜在关联和模式，将数据转化为实质性的智能决策和洞察，提供更准确实时的数据分析、决策支持、需求预测等关键能力，帮助企业更好地规划生产计划、优化库存管理等，实现降本增效，提升工业智能化水平。生成式AI的应用将为工业知识的沉淀和传承提供强力支持。生成式AI通过将大量的工业数据、技术文档和专家经验整合，可构建更为智能高效的知识体系，这将支持企业有效沉淀和传承核心领域的工业知识，不仅能为工厂提供实时指导和支持，还有助于应对人才流失和知识断层问题。13?2023/12/14制造行业AI应用图谱产品设计产品辅助设计虚拟工厂生产制造柔性制造设备预测性维护机器人制造生产运营优化智能仓储管理工业云平台工业互联网平台工业质检易观分析注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正中国工业制造行业AI应用图谱工业制造零售金融医疗健康娱乐数字政府14?2023/12/14案例：海尔卡奥斯AI工业大脑赋能智能制造全链场景工业制造零售金融医疗健康娱乐数字政府海尔卡奥斯工业大脑平台架构海尔卡奥斯以“大连接、大数据、大模型”为主线构建的卡奥斯COSMOPlat工业互联网平台，深度赋能工业场景，实现对工业领域的群体智能决策。其中“卡奥斯BaaS工业大脑”、“天智工业大模型”致力于降低人工智能作为生产要素的使用门槛及成本，实现人工智能以自动化、自适应的方式在工业企业中落地。在工信部发布2023年度智能制造示范工厂揭榜单位和优秀场景名单中，卡奥斯创智物联合肥互联工厂、卡奥斯COSMOPlat赋能打造的青岛海尔特种冰箱智能制造示范工厂、海尔上海洗衣机智能制造示范工厂成功入选。入口E-员工G-政府B-企业C-消费者D-开发者标准标识体系安全防护体系行业工赋青岛德阳芜湖长三角低代码开发平台（APP开发平台-APP交易平台-APP运行平台)个性化定制智能化制造数字化管理网络化协同服务化延伸平台化设计APSSPCMESSCADAWMSEMSQMSCRMEAMSCMSRMPSSERPHRMSFMSOAOMSBI政企服务e-BizMOM卡奥斯BaaS引擎（COSMO Business Best Practice）工业机理模型InduMachi Model知识图谱Knowledge Graph数字孪生体Digital Twin数字空间Digital Space人工智能，机器视觉工艺仿真，机器学习数据洞察，数据挖掘关联分析，预测算法数据库服务 虚拟机服务 容器服务 搜索引擎 消息队列 文件存储 对象存储 日志服务 容灾备份 监控预警物联网关协议解析边缘计算规则引擎反向控制MQTT摄像头工业机器人传感器工业交换机工业内窥镜其他AGV网器设备物联层平台能力层产品场景层企业赋能层纺织服装型材石材汽车通用装备化工电子模具智能装备能源通过建设面向工业的现代模型栈，在在开源基础大模型基础上自主研发了天智工业大模型，协同3900多个机理模型与200多个专家算法库，提升了大模型在工业场景下的精度。目前已在工业设计与研发、柔性装配与数字孪生等细分场景落地应用。目前，基于天智工业大模型形成的企业智能中台已集成至卡奥斯BaaS工业大脑，工业企业通过部署工业大脑即可构建一套智能化转型所需的平台底座。大连接基于现代数据堆栈将数据持续汇聚、工业知识持续沉淀，并整合工业数据算法分析优化，利用AI挖掘数据隐含关系、隐性知识，广泛应用于供应链优化、工业控制、产能分析等场景。大数据大模型通过建设面向工业的现代物联栈，支持多种方式全面连接工业设备及企业数据源，畅通企业协作。信息来源：企业专家访谈、公司年报、网络公开信息等，由易观分析收集整理天智工业大模型Tianzhi Industrial Large Model15?2023/12/14案例：海尔卡奥斯AI工业大脑赋能智能制造全链场景工业制造零售金融医疗健康娱乐数字政府卡奥斯工业互联网平台中深度融合AI技术，包括视觉监控检测、质量缺陷检测、智能安防、智能物流等，广泛应用于工业设计与研发、机理仿真及数字孪生，具备高度的可迁移和可复制性，多年来已合作打造多个工业领域标杆案例。中德冰箱互联工厂是行业首家智能+5G互联工厂应用标杆。通过AI+5G的技术组合，工厂实现全流程信息自动感知、全要素事件自动决策、全周期场景自动更新迭代。实现了生产模式、生产技术以及组织模式的升级。作为国内智能控制器行业首家全球灯塔工厂，卡奥斯创智物联合肥互联工厂通过应用AI、机器视觉等数字化技术，以大规模定制模式驱动制造转型，实现对100余家客户、500余家供应商及6家自有工厂的端到端链接，完成订单100%准时交付的同时，将交付周期缩短一半，原材料库存周转天数降低56%。在智能控制器生产中，平台采用自研的光学检测设备和算法，在对工厂每年数亿片检测数据进行深度学习的基础上，融入历史人工经验，在数秒内完成对数千个检查点的快速“阅判”，并充分兼容非质量原因造成的颜色、形状差异，误判率由原来的10%降低至0.3%，检出率达99.99%。其中，海尔冰箱制造核心工艺超薄真空节能发泡是基于卡奥斯COSMOPlat平台所研发的发泡设备数字孪生模型，通过实时采集发泡200多项工艺、环境等参数，实现发泡环境压力动态控制，使泡孔更小更均匀，提升保温性能。同时还节省了材料用量，解决了行业溢料等难题，最终实现了生产效率提升50%，产品节能提升12%，支撑了海尔冰箱在低碳环保方面的全球引领。中德冰箱互联工厂卡奥斯创智物联合肥互联工厂信息来源：企业专家访谈、公司年报、网络公开信息等，由易观分析收集整理16?2023/12/14案例：华为工业AI质检实现生产质量管控智能化工业制造零售金融医疗健康娱乐数字政府华为工业AI质检方案架构针对传统工业质检场景下准确率低、开发难、运维难等问题，华为基于工业AI质检基于AI、大数据、云计算等能力，结合自身200+条产线AI质检实践经验，提炼800+工业级图像处理算子，为汽车、烟草、电子等制造行业客户打造工业AI视觉质检平台，实现生产质量管控的自动化、智能化，助力持续提质降本增效。全面覆盖工业质检场景，准确度98.5%以上低代码平台封装典型工业应用场景算子工具，提升AI质检应用开发效率端云边协同实现模型快速迭代优化，满足生产快速上线需求 富士康智能光伏控制器产线AI质检联合华为在智能光伏控制器产线打造了昇腾智造AI质检示范产线，通过人工智能算力加算法，检测智能光伏控制器涂刷硅脂颜色是否正确，硅脂是否少涂、漏涂，以及铭牌是否漏贴、倒贴和错贴，产线月检测6000+台，总体准确率99%，实现了从自动到智能的变化，显著提升了效率与质量。宝德计算机生产线AI质检宝德计算机引入昇腾智造解决方案，将AI质检贯穿于来料检验、生产制造过程检验以及包装检验等环节，方案上线以来，检测准确率超过99%，不仅提高了产品质量，还大大降低了生产成本和人力成本。美的冰箱冷柜工厂AI质检美的集团在冰箱事业部冷柜工厂引入昇腾智造解决方案，用于底脚检测、环保安全标签检测、品牌商标检测和冷凝管贴敷检测，检测准确率提高了10%，并大大提升了效率。华为工业AI质检行业应用实践信息来源：公司年报、网络公开信息等，由易观分析收集整理17?2023/12/14案例：创新奇智工业AI技术平台助力汽车装备智能管控工业制造零售金融医疗健康娱乐数字政府理想汽车智能自动化产线创新奇智联合理想汽车将AI技术引入新能源汽车工厂自动化产线，AI技术、智能传感器、过程控制系统贯穿于整个产线，将工业互联网预防性维护与原生设备厂家进行融合，帮助客户提前发现潜在问题，降低设备故障率，降低停产损失。同时，创新奇智提供了覆盖三大车间的制造执行系统（MES），实现全厂车辆跟踪以及生产调度执行，将整个工厂的有效技术工时缩短了70%。工业制造行业需要处理大量复杂多样场景，标准化程度较低，对行业know-how要求高。创新奇智推出的“AInnoGC工业大模型技术平台”专注于工业知识的归纳生成，具有语言、视觉、科学计算、跨模态等丰富的任务支持度，作为控制器驱动整条产线，与“MMOC人工智能技术平台”相结合，可提供从感知到分析决策到生成的完整AI能力，为各种AI应用提供了更广阔的技术空间。?模型层中间层应用层奇智孔明AInnoGC工业大模型技术平台面向工业、智能制造推出的行业大模型，支持工业知识总结推理、交互式报表生成、工业自动化任务规划等功能。AInnoGC工业大模型AInnoGC引擎AInnoGC应用连接工业大模型和生成式AI应用，提供数据处理、大模型精调、大模型服务、提示工程等全生命周期服务。面向制造业细分场景提供生成式AI应用，包括企业私域数据分析、工业机器人任务编排、企业私域知识问答应用等。数字化预防性维护预防性维护系统为企业快速定制实施汽车焊装车间、机器人装配线体、智能化高精度传送系统，并接入工业互联网，解决了客户智能产线自动化的系统需求。制造质量管理产品出厂检查的全流程闭环管理，实时获取现场质量状况、识别质量问题、快速定位改善，实现各部门质量数据共享，产品质量全面追溯。全方位提升整车出厂质量。智能配装控制基于视觉+智慧传感器+程控系统的贯穿式解决方案，将工业互联网预防性维护与原生设备厂家进行融合。创新奇智工业AI技术平台在汽车装备场景的典型应用MMOC人工智能技术平台ManuVision机器视觉智能平台MatrixVision边缘视频智能平台Orion分布式机器学习平台Cloud云平台信息来源：公司年报、网络公开信息等，由易观分析收集整理18?2023/12/14零售行业AI应用概述：激发创造力，智能供应链管理，实现长期客户价值的提升我国居民消费潜力仍然具备发展空间，但短期来看，消费驱动力不足带来供需不平衡，供大于求导致行业竞争加剧后疫情时代，线下消费正在逐步恢复，消费场景具备多元化发展空间，但是传统线下零售业态，以及门店模式等面临升级困境，线上红利消弭，同样面临增长挑战公域流量获客成本逐年增高，品牌与零售企业普遍认识到存量客户价值的重要性，但是仍然缺乏有效抓手实现客户沉淀与价值运营消费者进入“理性消费”时代，产品核心价值与独特卖点愈发重要，从营销与服务环节深化洞察消费者，到向研发生产端倒逼，势在必行，同时也对企业的综合数智化能力提出更高要求建立企业与用户之间更加友好与体贴的互动，从而提升用户体验，实现商品应用价值+情绪价值的双重满足，进而实现存量用户价值的不断提升提升供应链周转效率，实现降本增效，通过链接用户与上下游，乃至整个消费与供应生态，形成整个产业链条的良性发展通过建立从需求到研发生产之间的传导，优化生产计划、材料以及能源使用等，提高能源使用效率，降低废品率，实现可持续发展人工智能重塑零售行业，将以“商品”为核心的“研产供销服”的直线式价值链，向以“用户”为中心的闭环式价值链升级，通过实时、场景化的用户旅程互动，深度洞察消费者需求，并以数据为依归，联动线上与线下多个触点，形成智能全渠道生态，实现用户需求导线的业务ROI分析以及智能决策，从而实现长期客户价值的提升。零售行业当前发展现状人工智能在推动零售行业数智化转型过程中的核心价值工业制造零售金融医疗健康娱乐数字政府19?2023/12/14零售行业AI应用概述：应用价值与场景产品设计生产制造供应链管理市场营销用户运营?激发创造力，提升产品创新智能供应链管理，降本增效提升用户体验，实现长期价值智能设计/产品辅助设计数字孪生/仿真优化生产流程仓储与商品库存管理AI辅助营销/广告生产计划/智能排产质量检测物流规划个性化营销/智能导购智能客服/AI外呼数字人直播智能选址无人零售/智能门店等（包含智能商品识别等）狭义零售范围内，包括百货、超市、便利店、电商等零售业态，在这个范围内，AI应用场景主要覆盖上述环节，核心价值在于提升用户体验，并以用户为中心链接品牌企业与用户，实施供应链管理优化等举措。本次分析，将侧重这几个环节，聚焦供应链管理、市场营销与用户运营部分，并针对其中主要场景进行分析。在品牌企业逐步建立D2C通道，并形成全渠道运营与增长战略的背景下，AI赋能也进一步向上延伸，从需求端向供给端倒逼，形成产品设计的升级与生产流程的优化等，更多制造环节未来也将在C2B趋势之下纳入用户旅程当中一并考虑，研产供销服未来都将围绕用户这一中心挖掘价值。?工业制造零售金融医疗健康娱乐数字政府20?2023/12/14零售行业AI应用关键挑战与趋势零售行业企业数字化基础能力挑战：企业需要具备数据基础，或者具备数据沉淀能力。一方面是，尤其是在消费愈发理性与细分的背景之下，不同品类、品牌与商品，都具备相当专业的背景知识与信息，即便AI应用与大模型具备基础能力，但是仍然需要企业提供优质数据进行训练，从而达到预期中的与用户进行良好对话与互动的能力；进一步，企业应用AI进行销量分析与经营决策，则更依赖于高质量数据，以及在业务与SKU丰富多变的情况下，实现模型的动态应对等。数据连接挑战：AI应用的基础是数据沉淀和实时分析，但是零售行业仍然面临产业环节众多，各个环节之间存在数据壁垒的问题，相应地，这在一定程度上阻碍了数据的应用，并进而影响了AI应用落地的效果。利润低，ROI测算需要更加明晰方能进一步落地：零售行业注重利润率，对于技术应用的探索虽然秉承开放态度，但是极度关注其ROI的测算，相应地，AI应用也需要寻求点状突破逐步验证其价值。AI应用将由点及面全面铺开，一方面全业态，全业态增加AI应用，形成数据触点与链接；另一方面，将渗透零售产业链各个环节，相应地，持续进行数据互联互通，形成良好地AI应用基础将变得愈发重要。大型零售企业/平台将成为产业生态的核心，这样的企业/平台具备优质数据资源与资产，聚拢用户运营与价值增长的生态运营策略与落地手段，带动相应品类与行业的整体升级与数智化增长，对于零售行业而言，这意味着零售入口潜在的变化，同时，对于品牌企业而言，也需要形成以自身品类与产业链主思维的经营发展策略，从而在大平台生态体系下构建自身的核心优势。关键挑战发展趋势工业制造零售金融医疗健康娱乐数字政府21?2023/12/14零售行业AI应用图谱供应链管理市场营销用户运营零售行业数智化解决方案仓储与商品库存管理物流规划与应用AI辅助营销/广告无人零售/门店管理智能客服用户运营数字人/直播AI商拍易观分析中国零售行业AI应用图谱注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正工业制造零售金融医疗健康娱乐数字政府22?2023/12/14案例：淘天集团推出一系列AI经营与营销产品，赋能商家提效经营商家AI经营工具（电商经营Copilot）商家AI营销产品AI发品工具模特图智能生成官方客服机器人智能数据周报文案生成经营知识问答AI店铺巡检AI开店工具电商作为零售行业最重要的业务业态之一，创新与效率并重是其发展的核心动能，卖家的生存发展与效率经营是电商平台生态的重要衡量指标，尤其是海量中小商家，可能面临预算有限、技术人才匮乏的挑战，相应地，如何通过AI技术普惠，为不同层级的卖家在各个环节进行赋能优化，从而提升其经营效率，成为电商平台在用户与流量赋能之外的下一个生态运营抓手。该案例当中，淘天集团作为中国市场最重要的电商平台之一，在“科技驱动”的方向之一，关注其对于平台商家的AI赋能，以及商家对于AI应用的效果，是AI落地零售行业应用的领先实践与探索，具备快速落地与迭代优化，以及向零售行业以点带面复制和扩张的路径参考意义。AI直播间：超过100位+AI虚拟主播可供商家选择与定制化，直播间场景可以通过AI能力实现一键搭建与切换，输出“AI直播脚本”，降低商家直播的门看与成本阿里妈妈百灵与万相台无界版：商家一站式智能营销投放系统，百灵侧重品牌经营；无界版侧重效果经营阿里妈妈万相实验室：聚焦通过生成式AI技术帮助商家降低优质创意图制作成本、加快生产速度、提升投放效率AI工具“淘积木”：在不用商家手动上传内容或自行配置活动页面组件的情况下，识别出产品卖点，自适应淘内的不同会场，然后快速生成相应的商品详情页淘天集团AI经营与营销产品布局应用成效零售行业AI应用拓展工业制造零售金融医疗健康娱乐数字政府淘天发起“AI生态伙伴计划”，开放7大商家经营场景，与生态伙伴共同推进AI落地电商行业；首期7大场景包括“店铺开店装修、商品图像创意、营销策划推广、内容组织创作、客服接待服务、财务管理、订单管理”；同时，平台还将提供多种商业收费模式、首年研发费用和交易佣金减免、专项云产品优惠、一站式研发平台等资源支持。天猫双十一期间，淘天平台商家开始规模化使用AI工具，调用AI次数超过15亿次，AI发品工具，上线不足半月即为女装服饰商家提供了10w+次AI发品服务，发品时长较传统发品降低25%；截止到2023年10月中旬，万相实验室已有400万商家应用，其中，0成本30秒生成创意素材能力，已吸引了超10万商家使用，生产效率大幅提升5倍；2023年10月，万相台无界版和阿里妈妈百灵两大AI产品正式推出，并首度投入双11实战，目前已被超百万商家使用；从最初一批通过阿里妈妈AI能力，在淘系实现7*24小时不停播的500多个商家样本来看，直播成本有效降低90%。信息来源：公司年报、网络公开信息等，由易观分析收集整理23?2023/12/14案例：京东云基于零售产业实践，全面升级零售行业全价值链条数智化能力对于品牌企业而言，建立面向消费者的全渠道营销体系，并以此来实现生产经营体系的变革是长期主义发展的核心方向。过往人、货、场之间的边界正在重构，这要求品牌企业能够实现在全域触点打通基础上的用户洞察与触达，并在此基础上形成全域用户增长。同时，能够将用户数据、商品数据以及供应链数据打通，实现以用户为中心的反向数字化供应链。该案例当中，京东云基于过往的零售产业实践，对其供应链能力与产业基因进行充分沉淀，并形成了如下面向零售行业的数智化解决方案，可供零售企业参考。京东云零售行业数智化解决方案架构图核心特点工业制造零售金融医疗健康娱乐数字政府信息来源：公司年报、网络公开信息等，由易观分析收集整理 营销数智化京东凭借自身大数据资源沉淀和对零售行业的认知，不断提升算法效果，提高品牌投放CTR，同时，进行数字化用户运营能力输出，赋能用户私域增长运营 供应链数智化京东智能供应链通过智能运营、仓网优化、全渠道履约、C2M等智能决策技术助力零售企业实现周转天数的减少。企业通过和京东的合作，可以借助其仓储管理系统，进一步实现数字化供应链管理。全渠道数智化京东拥有5.5亿线上用户，同时京东还具备庞大的线下实体规模，涵盖数码3C、服装饰品、母婴、家居家装、健康等等零售全品类，从而实现了全链路、全用户、全场景、全品类的数字化沉淀，从而能够赋能企业构建自身的全渠道数智化策略。24?2023/12/14案例：百度电商数字人直播“日不落”模式，充分释放零售企业直播电商生产力成本投入高，企业自播依赖于高时长不间断运营，但是真人主播价格刚性，直播运营成本高居不下，同时，还面临成熟主播人才匮乏等问题；转化效果不稳定，专业内容输出与产品卖点讲解是品牌零售企业提升转化率的重要抓手，但对真人主播的要求进一步提升，需要时间投入进行培训与磨合。降低直播成本：降低运营成本以及真人主播人时投入成本，同步提升直播场次与时长，结合AIGC能力进行内容输出，也能沟通降低直播推流物料制作成本等；提升转化效率：通过内容稳定输出以及知识库赋能，提升主播对于产品卖点的讲解效果与互动体验，从而提升直播转化率。案例：百度电商数字人直播“日不落”模式案例效果：伊利雪糕采用数字人直播，每天带来100%GMV增量，甚至在近7天销售中，数字人GMV和真人直播GMV的比例达到1:2。原本每天直播12小时，要3个主播轮班倒，在验证了数字人的带货效果后，辞退了1个主播，换成数字人。在主播休息或者请假时，开启日不落模式，ROI+160%。0.140.411.072.563.244.075.116.35554.5%181.9%163.3%139.1%26.6%25.9%25.3%24.4%201820192020202120222023F2024F2025F2018年-2025年中国直播电商市场规模交易规模（万亿元 人民币）增长率数据来源：综合电商企业财报，公开信息与厂商访谈信息，经易观分析模型测算所得易观分析“日不落直播”模式是当前商家在百度数字人开播的玩法之一，即黄金时段真人直播，闲时和夜间流量用数字人直播，“真人+数字人”无缝衔接，打造7*24小时“日不落”直播。核心技术能力：人工智能能力提升，并结合CG与动捕技术、语音合成技术等，使得数字人产品更新迭代的速度大幅提升数字人关键能力AIGC能力加持行为模拟能力感知/交互能力学习/适应能力情感表达能力商业文案创作数理逻辑推算语义理解多模态生成零售企业直播面临痛点数字人直播核心价值工业制造零售金融医疗健康娱乐数字政府信息来源：公司年报、网络公开信息等，由易观分析收集整理25?2023/12/14金融行业AI应用概述：提质增效，“AI+金融”正在进入深化应用创新阶段业务运营降本增效，释放人力资源进入高价值环节AI可依据业务规则，替代执行简单重复劳动，从而释放出更多的人力资源，向高价值环节迁移；以人机协同方式，一方面能够辅助员工在内外部场景下提高效率，另一方面融合AI与行业know-how能够更精准捕捉客户需求，使金融决策从经验驱动向数据驱动转化，使财富管理、智能投顾等高价值场景更具智能化。激活数据要素价值，进一步促进金融普惠化改善原有外部数据离散、内部数据孤岛等问题，借助AI在数据捕捉、整合、分析挖掘等方面的能力，激活数据要素，释放关联数据价值，一方面能够帮助金融机构拓展过去难以覆盖的群体，增加盈利空间，带来新增长点，另一方面能够解决信息不对称问题，降低金融服务门槛，使金融资源能够惠及更多的长尾客户、小微企业。赋能金融场景创新，提升千人千面的客户能力客户需求+金融知识是推动金融创新的基本要素，传统的创新模式更多依赖于业务专家的能力，人工智能的应用引入了智能化的创新因子，能够结合潜在需求，融合知识图谱提供更多创新方向；借助AI能够了解、分析客户情绪，在智能客服、营销、投教等环节，提供千人千面服务能力，升级客户体验。金融行业进行数字化转型建设的起步早，当前行业整体数字化成熟度较高，具备人工智能深入应用的良好土壤，也是生成式AI、大模型率先实现行业落地的重点领域。人工智能技术应用场景的广度不断扩展，目前已经覆盖营销、服务、投研、投顾、风控、研发等前中后台数字化经营关键环节，于行业而言，其核心价值将在原有AI能力的基础上进一步释放，结合业务云化趋势，“AI+金融”正在进入深化应用创新的阶段。工业制造零售金融医疗健康娱乐数字政府26?2023/12/14金融行业AI应用概述：应用价值与场景产品研发运营与资产管理合规风控市场营销用户运营降本增效，释放人力资源进入高价值环节激活数据要素，促进金融普惠赋能场景创新，提升千人千面的服务能力代码助手智能办公/智慧运营智能风控 智能投研数据资产管理与分析反欺诈/反洗钱智能客服/AI外呼 智能投顾 智能理赔主要环节核心价值重要场景研究范围财富管理 智能销售 智能营销信贷审核 信贷业务智能审核放款以金融内部场景为主，本次研究着眼于优化内部流程、提高效率以及确保合规风险的有效管理。分析AI技术如何通过提供智能支持，进行智能数据分析，优化资产配置、风险管理和运营策略，提高决策的精准性。小微企业信用数据获取外部场景聚焦于金融机构与客户直接互动的关键环节，强调了金融机构在提升客户体验、个性化服务和市场拓展方面的核心诉求。本次研究通过分析AI技术在上述场景下的数据分析、客户行为分析、需求预测、个性化交互等能力，探讨如何形成优质、个性化的金融服务体验，提升差异化竞争力。工业制造零售金融医疗健康娱乐数字政府27?2023/12/14金融行业AI应用关键挑战与趋势数据治理挑战：尽管一些银行的数据治理工作已取得了阶段性成果，但行业整体的数据治理、数据资产化进程仍处于初期阶段，随着生成式AI、大模型逐步在金融领域落地应用，未来AI训练更加依赖于大量高质量的金融数据，而目前金融系统多、数据散乱的问题依然存在。数据的可靠性和建立可持续的数据战略仍然是一项极具挑战的任务。成本投入挑战：金融行业对于数据安全的高要求使得AI部署通常以定制化项目为主，这也造成了在开发、更新维护等方面成本重复投入的问题，削减了资源利用率，特别是对于中小金融机构而言，当前AI的投入成本仍然较高，并且主要受到定制化需求、安全合规性要求和对高技术人才要求的影响，限制了其广泛应用。组织协调挑战：AI智能应用逐步渗透组织链条，金融机构需要重新审视组织机制和业务规则，组织机制的设计必须更加灵活和适应变化，以更好地支持AI的融入，需要考量传统的层级结构和决策流程的调整；此外，引入AI后，金融机构内部面临着人机协作、部门协作中对责任的解释、分担和认定等问题的挑战，AI在决策和执行中的智能化可能使得追溯和解释变得更为复杂。AIGC将成为提供高质量金融服务的重要工具。能够生成更为智能、富有个性化的内容，更好地满足客户需求。不仅包括在智能客服、智能投顾等核心场景方面的应用，同时还将成为金融员工的智能助理，为内外部用户提供更丰富、智能的金融体验。大模型将催生更多金融AI原生应用的涌现。大模型将能够更深入地理解和探查用户需求和行为，从而催生出高度灵活的AI原生应用，在营销推荐、投资建议等方面为客户提供更为精细和个性化的服务。但是在金融大模型精调和部署过程中，如何合理配置通用数据和专业数据的配比，使模型在通用场景和专业场景下均能保持较好的效率与准确性，是落地过程中需要考量的重要问题。数字员工将成为金融行业标配。这种数字员工是由AI技术支持的虚拟助手或机器人，不仅能够执行重复性任务，并将在客户服务、数据