中国AGI市场发展研究报告2024.pdf

目录CONTENT中国AGI市场发展背景01中国AGI市场发展特征02中国AGI市场应用现状03中国AGI市场发展趋势预测04中国AGI市场发展背景全球AI市场发展，正在进入了AGI主导的时代在经历了初期的探索与技术积累，以及随后的技术突破与商业化探索阶段后，人工智能市场迎来了爆发期，并逐渐进入以人工通用智能（AGI）为主导的新时代。深度融合阶段初步应用阶段探索阶段l人工智能主要处于概念提出和初步探索阶段。l1950年，图灵测试为评估机器是否具备人类水平智能提供了一个哲学和方法论的框架。l1956年，达特茅斯会议上，“人工智能”这一术语被正式提出，标志着AI作为一门独立学科的诞生。l人工智能技术开始取得显著突破，并逐渐商业化。l2011年，IBM的超级计算机沃森在电视智力问答节目危险边缘中战胜了人类冠军，这一成就证明了AI在理解和处理复杂语言问题方面的能力。l人工智能技术进入了一个更为成熟和广泛应用的阶段，AI开始与各行各业深度融合，并进入AGI主导的时代。l2020年，GPT-3的推出在自然语言处理领域取得了显著成就，进一步提升了AI技术的智能化水平，加深了公众对AI潜力的认识和期待。2020年-至今2011年-2016年2011年以前人工智能领域政策正在逐步深化。从最初的观望态度到现在的积极融入，中国的政策环境经历了显著的演变。地方政府和多部门联合发布的政策数量急剧增加，反映出跨部门协作和地方特色创新的趋势。政策逐步深化：国家级政策频繁出台，为AGI的实现提供政策土壤初始阶段：基础设施与法规建设整合与实施阶段：全面布局与综合应用创新推动阶段：技术创新与应用推广着眼未来：战略部署与伦理治理专注于建立基础设施，如电子信息制造业2023一2024年稳增长行动方案中提到的数据和人工智能基础设施建设。强调法律和安全框架的构建，例如生成式人工智能服务管理暂行办法确立了安全评估规定。政策覆盖广泛，涉及多个领域和多个部门的联合政策发布，如“数据要素”三年行动计划。强调AI的战略地位和行业应用，2024年人工智能+首次提出，象征着AI作为产业创新的关键抓手。支持技术创新和产业集群发展如上海市推动人工智能大模型创新发展的若干措施。重点发展具体技术应用，比如人形机器人的创新开发（人形机器人创新发展指导意见）。着眼于AI的长远发展和国家战略，政府工作报告和中国发展高层论坛强调人工智能的重要性。关注人工智能伦理治理和科技创新，旨在平衡创新与监管。国内AI市场融资活跃，顶级AI领域人才数量中美差距较大资本市场活跃：较去年相比，今年第一季度融资金额远超去年同季度。2023年整年AI领域投资事件39起，融资金额50.7亿元，2024年第一季度，AI领域投资事件13起，融资金额74.9亿元。同时，融资轮次依然在早期融资。顶级人才数量差距大：根据AI 2000学者国家分布显示，中国与美国拥有世界上近八成的顶级AI领域人才。其中，美国有1188人，中国369人，美国人才储备为中国的3.2倍。2024年1月-4月AI领域融资轮次24341.367.81.44.4-260-210-160-110-60-104001234561月2月3月4月融资次数融资金额2024年1月-4月AI领域投融资次数与金额15.4%30.8%23.1%15.4%15.4%天使轮A轮B轮C轮战略投资020004000600020232024e2025e2026e2027e2028e2029e2030e2023-2030年中国AGI市场规模（单位：亿元人民币）企业市场个人市场InfoQ研究中心预计，2030年中国AGI应用市场规模将达到4543.6亿元人民币。2024-2027中国AGI应用市场将经历过速启动期；每年市场增速都将超过100%，2028年起，市场将进入快速成长期，年市场增速保持在50%以上。并于2027年突破千亿人民币市场规模。InfoQ研究中心认为，中国AGI应用市场规模发展将由企业市场引领主导，到2030年企业市场规模预计达到3024.6亿元人民币。141.358204.93326.63632.861148.371829.42756.774543.6中国AGI市场将长期保持快速增长态势AGI市场发展特征解构AGI市场，四层结构释放技术潜力模型层是AGI的核心，其能力直接影响最终AGI应用效率基础设施层是实现AGI的基石，是保证模型训练、推理部署能力的基础应用层是用户/客户直接使用AGI技术的界面，以提供特定服务和解决具体业务问题作为出发点InfoQ研究中心将中国AGI市场自下向上分为基础设施层、模型层、中间层和应用层四层，这四层结构共同构成了中国AGI市场的技术框架。中国AGI市场四层结构示意图应用程序、插件、硬件等微调、Prompt、RAG、Agent等语言及多模态模型算力、数据基础设施层中间层应用层模型层价值中间层提供了AGI实际应用所需的核心功能和服务，是连接应用层和模型层的桥梁形态典型厂商百度、阿里巴巴、科大讯飞、智谱AI、百川智能、零一万物、MiniMax等中国电信、中国移动、华为、浪潮等出门问问、商汤科技、作业帮、秘塔科技、美图、聆心智能、钉钉、WPS等阿里巴巴、腾讯、京东、网易有道、海贝等基础层：为解决算力短缺，短期唤醒沉睡算力，长期持续建设智算中心云算力租赁、算力调度中心等建设，在短期内有限的供给下，探索异构算力池，优化算力使用效率。短期内唤醒沉睡算力在美国对GPU管控趋严的背景下，中国国产算力抓住发展机遇，加强自主可控能力，长期补充算力空缺。长期算力国产化和智算中心持续建设政府主导,12%运营商主导,3%其他企业主导,15%规划/建设阶段70%上线运营30%128个智算中心建设状态和主导方背景分布情况伴随着AGI的不断发展，模型训练和部署对算力的需求不断提升，但中国在算力领域面临诸多挑战。截至2023年底，我国智能算力规模达到了70EFLOPS，增速超过70%。但距离算力基础设施高质量发展行动计划设置的智能算力规模，仍存在50%的智算缺口。因此，为了更好地应对算力短缺问题，短期的关键是如何唤醒沉睡算力，提高现有算力利用率。长期持续建设智算中心满足算力供给，除了产业链相关企业，政府和运营商正在接力智算中心建设。41701052025E20232022+50.0%智能算力规模（单位：EFLOPS）我国智能算力建设缺口50%的现状基础层：场景多但流动少，中国正在加速挖掘数据价值数据是大模型训练过程中不可或缺的燃料，其规模和质量也是影响大模型性能的核心要素。在数据总量多，但垂直领域数据流动少的现状下，国家数据局等17部门联合印发“数据要素”三年行动计划（20242026年）。推动科研机构、龙头企业等开展行业共性数据资源库行业共性数据资源库建设、在重点领域、相关区域组织开展公共数据授权运营公共数据授权运营、引导企业开放数据企业开放数据，鼓励市场力量挖掘商业数据价值。根据全国数据工作会议，经初步测算，2023年我国数据生产总量预计超32ZB。数据总量多开源中文数据集有效供给少，全球通用的50亿大模型数据训练集里，中文语料占比仅为1.3%。垂直领域公共数据来源较少，私有数据开放程度偏低。垂直领域数据流动少中国公开训练数据供给现状与行动计划行动计划现状行业共性数据资源库建设完善数据要素市场相关制度在科研、文化、交通运输等领域，推动科研机构、龙头企业等开展行业共性数据资源库建设，打造高质量人工智能大模型训练数据集。通过数据交易体系建设，建立更加开放、透明的数据资源共享机制，引导企业合理开放数据，鼓励优质供给和增加数据流通。模型层：通用大模型蓬勃发展，短时间内落地仍需行业大模型补齐abab智脑AntFinGLM云厂商悟道PolyLM二郎神天河天元紫东太初moss西湖从容天书星火序列猴子玉言科技公司研究机构教育服务商鸿湖九天星河游戏电商盘古跨境电商大模型传媒影视文心传媒/影视行业大模型盘古媒体大模型社交文娱文曲大模型玉言游戏行业大模型通义言犀山海天工日日新通用大模型仓颉汽车大模型盘古汽车金融能源制造医疗其他文心能源/制造行业大模型文心金融行业大模型文心航天/城市/社科/行业大模型星辰教育大模型盘古矿山大模型盘古汽车大模型盘古气象大模型科大讯飞营销大模型星火医疗大模型文因金融大模型FD-LLM吉利星睿大模型叮当HealthGPTBaichuan2百灵MiracleVision文心混元开源大模型ChatGLM3 CogVLM星辰语义大模型-TeleChatSkywork行业大模型孟子moonshot中间层：作为应用落地的能力补充，智能体表现亮眼中间层模型层能力逐渐内化应用层中间层模型层1应用层中间层不断产生新需求随着中间层能力的不断实践和积累，相对通用和标准化的能力将从中间层中提炼集成在模型层中。基于应用的需要，中间层通过技术形式帮助应用层实现通用模型不具备的一些能力中间层是连接应用层和模型层的桥梁，在现阶段是作为大模型应用落地能力补充的重要层级，随着底层模型技术的持续进步与演化，未来可能会出现模型层逐渐内化并泛化出原本由中间层提供的部分能力。与此同时新的沟通应用和模型层的需求还会持续出现。中间层常见形式包含微调、检索增强生成、提示工程和智能体。智能体在目前发展阶段因为其适应性搞和成本适中正在被更多的企业采用。微调用于解决预训练模型在特定任务上性能不足的问题。智能体（Agent）用于解决模型在实际应用中的交互和决策问题。成本高适应性高检索增强生成用于幻觉和知识更新的问题。成本低适应性低提示工程用于解决模型对于不同任务的泛化能力不足的问题。调用AI Agent具有四大特征，正在以三种形式开展工作01020304自主行动沟通交互随机反应目标导向无需人类干预执行任务和作出决策与人和智能体进行交流和协作感知环境变化并作出相应的反应主动采取行动以实现目标AI Agent具有自主行动、沟通交互、随机反应和目标导向的特征，并且正在以多种角色拓展大模型应用范围。Step 1Step 2Step 3AI Agent的四大特征AI Agent的三种工作方式单Agent独立工作多Agent矩阵协同工作，其中包括Boss Agent统筹和发号指令，其他Agent各司其职执行任务。单个或多Agent矩阵与人协同工作。AI Agent成为推动AI技术革命的关键力量在通往AGI的征途上，AI Agent正逐渐成为探索的核心路径。尽管大模型在全球范围内掀起了一场技术革新的浪潮，使得很多研究者和业界人士认为大模型已接近实现AGI的临界点，但随着时间的推移，大模型的一些局限性开始显现。这使得研究者们认识到，尽管大模型在模仿人类认知方面取得了显著进步，但要达到真正的通用智能，仍需克服重重困难。因此，AI Agent作为新的研究方向，开始受到越来越多的关注。在特定垂直领域中，AI Agent实现应用的优势主要集中于环境高度适应性。AI Agent依赖于对环境的反馈，因此企业环境中的特定场景为AI Agent提供了理想的应用背景，便于建立起对特定垂直领域的深入认知。特定垂直行业是AI Agent最有可能首先实现应用的领域垂直行业专业知识合规性与规范业务流程理解更易理解特定行业的术语、规则、任务实践路径、甚至行业“黑话”，可提供高度定制化的解决方案。更易掌握特定行业的法规和标准，确保其应用的行业合规性要求。更易掌握并适应特定行业的业务流程，与企业系统实现无缝集成。AI Agent将简化用户与大模型的互动，允许用户只需指定目标，即可驱动大模型完成任务，人与AI将形成更紧密的合作体系。尽管AI Agent目前主要处理简单任务，但功能性正不断增强，AI Agent在多个领域的应用已经开始，预示着未来将成为AI应用层的基本架构。简化任务执行，拓宽大模型应用范围个人助理软件开发交互式游戏预测性分析自动驾驶智能客服金融管理智慧城市任务管理生产制造文档处理科学研发市场营销教育辅导质量管理应用层：应用基础全面发展，应用层创新有望在AGI领域全球领先应用场景丰富中国在人工智能领域投入巨大，AI技术被广泛应用于制造业、医疗、交通、教育等多个行业。产学研各界也在积极探索AGI落地实践，不断扩大应用边界。政策环境鼓励政策密集出台，多部门协同发力，以组合拳促AGI市场发展。鼓励深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。AGI在短时间里经历了从大模型的涌现到应用层的快速创新，众多企业机构正在积极探索新的应用方向。应用层创新将成为有希望在AGI方面领先全球的板块。基础设施完备我国数字基础设施建设已取得显著成就，建立起全球最大的宽带网络之一，并在5G技术的研发和部署上处于领先地位。数据中心的大规模建设和智慧城市的快速发展也为AGI应用发展打下牢固的基础。人才基数庞大中国拥有庞大的数字人才，这得益于国家对科技教育的长期投入以及快速的经济发展。中国数字人才不仅在国内市场发挥作用，许多也活跃在国际舞台上，为全球技术进步和知识交流做出了贡献。中国AGI市场应用现状营销应用阶段：大模型驱动内容、流量、服务与洞察全面升级AGI已经彻底颠覆了营销领域，Sora凭借其连贯流畅并细节饱满的视频生成能力宣布了文生图大模型的发展进入新篇章，为营销内容创作提供了更丰富的工具。大模型将在四个方面引领变革，包括革新内容的创造过程和效率、改变流量的分配和获取方式、提升服务体验、降低商业洞察门槛并颠覆市场研究模式。应用探索期产品测试期市场投放期应用成熟期市场应用程度企业运营：如数字员工、智能编码内容制作（视频创作、音乐制作、包装设计、广告混剪等）结果预测电商经营：如虚拟主播创意灵感生成数据分析/复盘时间智能投放营销行业AGI应用成熟度曲线策略洞察辅助应用现状：覆盖从营销前到营销后的全流程环节目前，大模型应用在市场营销中涉及的重点板块包括目标设定、内容生产、内容管理、投放运营以及效果评估五个环节。目标设定内容生产内容管理投放与运营效果评估涉及的能力文字生成、音频生成、图像生成、视频生成、场景生成、多模态生成、数据分析、策略分析辅助、智能客服、虚拟主播/数字人、代码生成等文案撰写；创意设计；话术生成；发布会PPT制作；内容营销；营销前测：创意评价、卖点选择等；目标人群设定；目标市场设定；营销目标设定；渠道选择；营销策略制定；内容审核；内容资产管理；版权管理；高质量话术提取；广告投放；内容推荐；智能客服/用户运营；舆情监测；直播电商；营销后测：TA表现、销售表现、策略/渠道/内容表现、代言人/广告语表现、舆情效果、品牌资产等。营销领域因其数据丰富、目标明确、个性化需求强烈、技术基础成熟等特点，成为大模型应用最成熟的领域之一营销案例：帮助企业解决营销AI应用落地“最后一公里”实现从目标设定到效果评估的全流程智能服务依托多年营销数据、营销服务经验积累擅长领域的行业知识、数据分析方法论、优秀营销案例等目标设定内容生产内容管理投放与运营效果评估营销领域企业借助AI能力，帮助品牌在不同渠道完成从寻找流量洼地、人群定位、创意挖掘、策略分析、投放运营、分析优化、效果评估等系列工作。根据不同的擅长领域，解决客户不同核心问题投放前期：TA是谁？哪里找TA？TA喜欢什么创意？小明助理AI Copilot：一款面向企业用户的一站式大模型AI智能助理、浏览器插件产品，兼顾PC/移动端网页等产品形态：基于秒针系统行业知识库训练优化的垂直大模型，企业可以完成营销策略输出、传播内容生成、销售素材生成等任务。AIGC营销：实现多模态内容生成，突破创意生产力瓶颈。百度“轻舸“AI Native营销平台帮助广告主升级广告创编流程。投放中期：如何推广？如何运营？如何提效？全站推广：产品将全面接入淘系搜索、推荐资源位，流量渠道等场域，为商品提供一步到位的全站流量运营解决方案。投放后期：哪里需要优化？如何积累品牌资产？云积天赫：AI营销决策工具和服务提供商，提供企业AI发展战略和营销咨询服务，AI策略中台和AI全域营销系统，以及资产管理（数据资产、用户资产、策略资产）服务，助品牌实现生意增长，沉淀策略资产。中国营销AGI厂商图谱应用层内容生产及创意广告投放及运营应用场景食品零售医疗教育快消汽车文本图像视频音频虚拟主播场景销售及客服策略与研究行业专业技能欠缺成为主要的营销大模型应用挑战大模型在各个行业应用存在一些共通的挑战，如成本与算力的平衡问题、数据质量和安全性问题、行业知识问题、模型可解释性问题等。由于各行各业都存在营销需求，缺乏特定行业的深入知识这一挑战在营销大模型应用中显得尤为突出，营销效果考核挑战成为独特挑战。营销大模型应用主要挑战突出挑战营销AI大模型更需要垂类竞争力独特挑战营销效果考核压力在不少垂直领域，营销大模型除了需要解决专业术语的识别和理解难题，还要了解“行业黑话”；预训练模型在建立其词库时，可能没有考虑到特定领域中的高频专业词汇。这意味着营销大模型可能无法识别或正确解释该领域内的关键术语和概念。因此，营销大模型可能缺乏对某些专业领域深入理解的能力。各行各业都在寻求降本提效的方法。广告主在这种背景下，更加注重营销ROI。对营销大模型的期待不仅体现在创意本身质量，还关注投放后的营销效果。后者延长了营销大模型的考核链路，为服务商带来了挑战；创意与效果双重考核压力：广告主不仅关注营销创意是否能够吸引目标受众，满足产品和审美的要求，广告主同样关注这些创意投放后的实际效果甚至销售转化。零售应用阶段：内容生成和投放推荐成为应用“先锋队”应用探索期产品测试期市场投放期应用成熟期市场应用程度智能客服零售行业AGI应用成熟度曲线门店数据分析营销物料生成私域营销基于Agent的智能投放数字人导购/主播智能推荐个性化营销AI商拍供应链管理基于Agent的平台商家助手AGI在零售行业的应用已经走过了初期的探索阶段，目前正处于快速发展和市场投放期。尽管整体上还处于成长阶段，但某些特定应用如智能推荐和个性化营销已经相对成熟，而其他应用如基于Agent的平台商家助手和供应链管理则仍在发展中。生成能力则促进了AI商拍、营销物料生成等全新场景的诞生和发展。零售场景核心升级点围绕效率提升与体验优化 营销效率提升文案、海报、视频、产品图等物料生成效率的提升 投放效率提升自然语言表达投放诉求、智能简化投放流程，智能匹配投放物料和提供投放优化建议体验优化效率提升总体来看，AGI在零售行业的应用正推动着从前端用户体验到后端运营效率的全面革新。围绕效率提升和体验优化，为零售行业带来了深刻的变革。零售行业AGI应用两大核心升级点AI商拍海报设计自然语言营销意图识别Agent简化投放流程更有交互感、更能帮助推荐商品、更能提升售后服务的智能客服可以帮助商家了解平台规则、各项活动解读，并提供优化经营策略可以帮助门店店员解读各项商品活动、并提供产品营销和库存管理建议 用户体验优化 商家体验优化 门店体验优化淘宝问问基于Agent的商家平台助手基于海纳视联大模型的看店助手中国零售AGI厂商图谱应用层AI商拍数字人导购/主播营销物料生成平台商家助手智能客服门店管理智能投放围绕核心升级点，零售行业AGI厂商在AI商拍、营销物料生成、门店管理、智能投放、平台商家助手、智能客服、数字人导购/主播等场景提探索产品应用与解决方案。基于零售领域数据的模型微调以及通过RAG等技术手段，生成内容可控 在场景应用中，发挥大小模型的不同优势，权衡成本和效率，不过度追求新技术，以场景需求为核心 探索大模型作为主Agent规划任务，调用小模型作为工具使用、同时搭载记忆模块的智能体应用需要综合考虑落地成本和应用效果，大小模型并行成为破局之道 幻觉带来的生成内容错误、偏差问题零售场景下，幻觉问题会对严重破坏用户信任和用户体验。商家也可能会因为生成错误的营销活动信息而蒙受损失。此外在落地时也逃离不了对于成本和效果之间的权衡。现阶段，大小模型并行仍然是主要探索的路径，预计伴随着大模型能力的不断提升，和落地探索的不断成熟，大模型将逐渐承担更多任务。推理成本和性能之间的平衡金融应用阶段：金融行业整体处于应用探索期，逐渐向产品测试期迈进整体来看，金融行业通向AGI应用的步伐尚处于探索期，正逐渐向产品测试期发展。绝大部分中小型金融机构尚未找到大模型与业务的融合点，对大模型应用处于观望阶段或将大模型产品仅应用于通用业务场景中。部分头部金融机构积极创新，不仅能够通过大模型产品解决通用业务问题，还能应用于解决非决策类业务问题。个别大型新兴金融科技公司已推出AI Agent产品或相关框架，即将迈进市场投放期。应用探索期产品测试期市场投放期应用成熟期市场应用程度智能营销智能客服智能编码智能助手知识库时间行为决策金融行业AGI应用成熟度曲线金融研究报告生成金融分析：如投资研究、数据分析、风险评估等应用现状：主要应用于运营管理和非决策类业务环节由于金融行业对信息和数据的精确度、合规性有着极高的要求，且大模型在准确性和判断力方面还存在一些不足，这与金融行业对高精确度的需求并不匹配。因此，大模型在金融行业目前主要被应用于智能客服、智能办公等通用场景，尚未深入到核心业务流程的探索中，仅个别机构在单点业务环节有所尝试。大模型是否能够在金融核心业务中发挥出重要作用，一直是业界热议的话题。运营管理环节核心业务环节 大模型在金融核心业务环节的应用尚处于初步探索阶段：一方面在于绝大多数机构尚未找到AI与核心业务的结合点或难以实现将AI融入核心业务；另一方面，部分机构已实现在个别业务环节应用AI，但目前无法把各个环节串联起来，来满足不同用户个性化需求。但一些大型机构已在AGI核心业务环节应用有所突破。绝大多数金融大模型目前还只能作为辅助工具使用，应用主要局限于较为初级的领域。但在降本增效的背景下，金融机构经营中降低人力成本变得尤为重要，引入数字员工成为了关键策略；针对传统的、重复性高、效率较低的工作环节，数字员工不仅能够释放人力资源还可以实现降本增效。运营管理环节主要应用场景核心业务环节探索尝试蚂蚁集团推出的支小助，涵盖投研、保研、保顾、理赔和营销五类智能助手，为金融场景实现AI Agent应用；阳光保险在双底座建设中积极探索了包括销售、服务和管理等业务领域在内的各种应用场景。发布金融AI大模型应用ChatABC，在该行面向内部员工开放试用探索内部知识服务、辅助编码等应用场景，提高信用风险评估能力细分领域应用：银行应用一马当先，证券和保险应用正大胆尝试作为金融行业的主要领域，银行、保险、证券机构对大模型的探索表现积极。各类机构数字化建设工作已进入全面阶段，不再将技术、数据简单堆砌在业务场景里或一味追求技术革新，而是以业务经营为核心，深挖合适的数据、使用合适的技术去解决痛点，大模型应用的广度和深度不断加大。证券、保险、银行大模型应用情况证券：初步探索，聚焦非决策类业务AI+保险价值链的五个核心环节包括：营销、销售、新业务、核保及保全、以及理赔。大模型应用主要聚焦在营销和销售环节，以及运营管理类业务，如提供保险产品的知识体系、帮助业务人员快速学习销售技巧、挖掘和激发潜在消费者需求。在核心业务环节，大多数保险机构大模型应用处于初步探索阶段，个别头部机构的大模型产品已具备AI Agent雏形。保险：初步探索聚焦前台业务在寻找新的增长点和提升运营效率的需求推动下，银行数字化转型的战略核心日益聚焦于“数据+算法”的模式。AI大模型已成为实现数据价值最大化、推动业务创新不可或缺的关键力量；银行业的大模型应用主要聚焦于两大领域：一是服务于内部运营管理的优化升级，二是助力外部业务场景的重新塑造与拓展。银行：稳健发展，扩大应用范围证券机构在AI大模型的应用探索主要聚焦于业务流程相对简单且非决策性的环节。然而，对于需要较高金融专业能力和提供深入投资建议的业务环节，AI大模型的直接应用仍然面临挑战。头部证券机构已经开始围绕AI能力建设及推进智能化应用场景落地，例如财富管理、投资研究、中后台办公等领域的大模型应用。金融案例：大模型应用的建设遵循从通用到垂直的策略在新的技术趋势下，不少金融机构已经聚焦大模型进行了诸多尝试，深入探索了大模型的能力边界。智能客服知识库量化分析应用程度应用板块通用垂直投研支小助：投研支小助：基于大模型智能体的新一代金融专家智能助手金融知识工程6大知识库 20+类知识 8条知识挖掘链路研报库财报库金融信息公告资讯蚂蚁智库通用常识案例企业产品应用金融知识库知识库知识挖掘能力领域：金融知识挖掘、资产/市场/行业分析、新闻/政策/事件解读、公告/研报/财报解读、量化代码生成以及财经稿/分析报告撰写。业务服务工业级金融量化交易系统：极速交易、高精度回测、因子工厂等在内的领先于市场的专业级工具；面向普通投资者的AI驱动在线数据应用：通过降低使用门槛，解决信息不对称，使个人用户也能轻松利用专业级金融工具，进行深入的数据挖掘和价值信息分析，辅助投资决策。功夫源科技向金融机构及个人投资者提供专业级金融交易系统和AI驱动的金融数据服务阳光保险基于Transformer结构研发了阳光正言大模型研发的保险对话机器人已经体现出自由对话、理解潜台词、随机应变、和人一样思考等明显智能化程度。正在规划人伤智能定损机器人、养老陪伴机器人、资管投研助手等一系列智能化产品。深化客户服务、产品推介、风险防控等场景，探索办公助手、客服问答等应用场景。平安人寿推出了基于大模型的数字人产品，主要用于协助代理人与客户沟通。中国金融AGI厂商图谱应用层传统金融机构科技公司及互联网金融数据服务商金融行业大模型工具，解决方案及应用银行保险证券资产管理信托投资基金财务管理投资银行期货和衍生品交易风险管理金融科技融资租赁监管机构金融科技公司消费金融互联网金融服务机构在应用大模型过程中，金融机构面临四大挑战在金融行业，AI大模型目前应用仍主要集中在办公、开发、营销、客服等非核心业务场景，对于投研、交易、风控等核心业务，多数金融机构的相关动作仍然相对保守。从IDC中国人工智能行业渗透度排名来看，过去5年一直位列前三的金融行业，2023年已经被电信和政府反超，仅排名第四。这与金融行业强监管的特殊属性有关，而这种行业特性也在一定程度上制约了大模型在金融业的规模化应用进程，金融机构应用AI大模型主要面临四大挑战。金融机构在应用大模型过程中面临的主要四大挑战四大挑战大模型的发展对算力提出了更高的要求，而当前我国市场正面临算力供给的严重短缺。此外，算力部署也是金融领域发展大模型时面临的复杂工程，要想发挥算力的最大效能，必须确保网络、存储和服务器机架等所有相关组件都能够与算力资源相匹配，这是一个成本高昂且技术挑战巨大的过程。挑战3：算力资源欠缺，算力部署复杂大模型成功应用不仅要求人才具备扎实的算法能力，还需掌握算法工程化的实现方法，以及将算法与具体业务相结合的能力。因此，企业渴求的是一种新型的“六边形人才”。企业对人才能力的需求边界在不断扩展，这无疑加剧了人才短缺的问题。挑战4：人才缺失金融行业监管要求严格，这是大模型的“黑盒”特性注定在其核心业务场景走不通的重要原因。挑战1：大模型的可解释性和稳定性不足语料是制约金融业落地大模型的关键桎梏，在AI的数据问题中，针对特定指令的数据集构建较为困难，这要求对数据的质量和相关性有更高的标准。挑战2：数据的质量、规模和安全问题企业服务应用阶段：功能场景贴近通用模型能力，逐步迈进市场投放期由于大语言模型对文本处理类场景有着天然且直接的适配性，文本总结、文本内容生成、服务指引等发展起步早且应用成熟度更高。在数据分析方面，现有结合AI技术的产品可以帮助分析数据、生成报告或提供洞见，但由于大模型幻觉问题，为了保证足够的准确性仍然需要进行人工验证。企业资源管理、供应链管理等技术更为复杂且涉及多个模块，同时安全性与可靠性要求较高，所以应用程度相对较低。应用探索期产品测试期市场投放期应用成熟期市场应用程度文本总结辅助编程服务指引知识查询文本内容生成客户关系管理数据分析时间协同办公供应链管理企业资源管理AGI 应用覆盖企业全流程，注重效率、知识管理和流程优化企业全流程人力财税法务流程自动化知识管理软件开发招聘简历筛选面试总结新员工培训企业知识管理合同审查法规学习法律知识管理典型场景智能开票智能报税财税知识管理文档总结数据分析流程优化企业资源管理知识查询智能问答项目管理典型场景辅助编程测试和漏洞优化建议资源优化AGI应用覆盖企业全流程典型场景AGI在企业服务中，各应用已覆盖企业全流程，包含人力、法务、财税、流程自动化、知识管理和软件开发各领域。生成式的内容赋能企业内部沟通协同效率认知增强能力赋能企业知识管理规划决策执行能力赋能企业管理流程优化企业服务应用落地特点AGI 赋能沟通协同效率、企业知识管理和管理流程优化生成式的内容赋能企业内部沟通协同效率工作助理认知增强能力赋能企业知识管理规划决策执行能力赋能企业管理流程优化文档生成辅助编码人力法务财税流程自动化数据分析聊天总结会议纪要下一步工作任务和日程智能生成WPS AI工作规划和总结、活动策划等文档智能生成Amazon Q 开发者版（Developer）覆盖软件开发全周期：代码解释与自然语言代码生成、单元测试代码生成、安全漏洞扫描和修复建议、成本和资源可观测和优化建议招聘信息自动生成简历智能筛选面试题库和面试总结落地合同审查领域，提供合同智能总结、修订建议、风险提醒等Cosmic财务指标查询智能报表生成Amazon Q 企业版（Business）基于企业知识库和数据源，通过自然语言，生成数据报表、提取数据的洞察信息和报告内容生成实在Agent自然语言生成流程，通过多模型协作，合理拆解复杂任务，自动规划执行步骤钉钉AI助理中国企业服务AGI厂商图谱应用层模型层企业服务大模型企业服务AGI厂商将人工智能技术应用于企业层面，提高工作效率和决策质量，其中应用层覆盖协同办、辅助编程、自动化流程、数据分析、企业资源规划。模型层在于构建一个在垂直领域应用的大模型，为不同应用提供驱动力和智能支持。企业服务行业AGI厂商图谱协同办公自动化流程企业资源规划通用大模型辅助编程数据分析企业服务市场面临技术与经济双重挑战技术挑战经济挑战 企业服务的服务对象囊括千行百业，服务需求标准化程度低，复杂性高，尤其在中国市场，具有强定制属性，如医疗、能源等行业门槛极高的场景，所以企业服务面临复杂性和适应性的挑战。复杂性与适应性 在企业服务行业中，新技术方案需要与现有的IT系统和工作流程无缝集成。这涉及到软件兼容性、数据交换标准以及接口设计等问题。集成与兼容性 AGI在企业服务层面，基础设施调用成本、组织内部教育成本、人员培训适应成本等研发和应用成本高昂。如何降低成本，提高价值获得感是企业服务面临的核心经济挑战之一。高昂的研发成本 AGI技术目前仍处在早期发展阶段，技术路线更新快。同时场景探索也处于早期，技术选择的机会成本较高。投资回报的不确定性学校及教师侧教育应用阶段：集中在应用探索和产品测试阶段整体而言，AGI在学校及教师侧的应用都还在非常早期，这主要受到智慧校园/教师的整体解决方案的成熟度，以及大模型应用面临技术集成、数据管理以及内容生成质量和匹配性。学生侧目前的应用大多都还在单点场景进行探索，例如作文辅导、英语口语等，这些场景的需求较为明确，且与大模型在语言生成的能力提升适配度较高，因此这些场景应用程度相对较高。但像个性化学习这类全流程型的应用，仍处于非常早期。应用探索期产品测试期市场投放期应用成熟期市场应用程度智慧教研个性化学习个性化教学规划情感支撑英语口语辅导作文批改智慧教辅陪伴式助教教学内容推荐学校教育硬件消费级教育硬件编程教学学生侧时间知识智能总结教育行业AGI应用成熟度曲线应用现状：相较于教师/学校侧，学生侧应用速度快、探索程度深学科教育 口语辅导 作文辅导 陪伴式助教素质教育 编程教学职业教育 企业培训 考证学校及教师侧智慧教室 智慧教研 智慧教辅 学校教育硬件学生侧 学生为青少年，价值观、道德观等认知尚未稳定，内容辨别和思考能力正在培养中，学习自主性和积极性需要引导 应试教学效果存在较为明显的评价体系 学生为青少年，价值观、道德观等认知尚未稳定，内容辨别和思考能力正在培养中，学习吸住行和积极性需要引导 教学效果不存在较为明显的评价体系 学生多为成人，已形成较为稳定的价值观、道德观稳定，对教学内容存在一定的辨别和思考能力 教学效果存在一些明确的评价体系 教师期望工作提效 学校存在不同的数字基础和资金预算，对新技术引入也相对保守教育领域用户特点分析应用场景以APP、教育硬件或APP+教育硬件形式以APP、教育硬件或APP+教育硬件形式线上学习平台APP大模型作为智慧教室整体解决方案一部分落地形式学生侧教育领域分类和用户群体明确，教学内容存在大量体系积累，落地形式也相对明确，因此学生侧应用在部分应用场景中应用速度快，探索程度深；教师侧多基于工作提效需求个人探索，学校作为集体决策，对新技术的引入相对保守。AGI 三大有效能力渗透学生、教师和学校三方教育场景本轮人工智能浪潮中所体现的生成式、交互式和自主规划式为各类教育场景带来了探索的想象空间。本轮大模型和AI Agent所体现的能力本轮生成式AI（Gen AI）带来的生成能力本轮生成式AI（Gen AI）带来的自然语言交互能力AI 智能体（Agent）带来的自主规划能力本轮技术升级相关的教育场景核心价值点智慧教研课程大纲和课件以及教案的制作个性化助教课后习题和试卷智能答疑教师工作提效学生学习自主性提升陪伴式助教对话式思考总结、作业批改答疑情感支撑倾听与正面响应、情绪树洞学生学习积极性提升学生学习积极性提升个性化学习教学课程内容智能规划教学内容推荐相关课程、习题和活动的智能推荐学校教学适应性提升学校教学自主性提升依托丰富教学资源，逐渐渗透大模型应用依托多年教育积累教材 课件 课件 教学资料教育大模型多学科多年龄段多场景依托多年教学资源积累，厂商多建设教育大模型+教育应用矩阵教师端紧抓减负增效核心需求学生侧建立场景、应用筛选和交互设计策略用户群体需求洞察，教育应用落地思考与路径智能硬件学习APP智慧校园解决方案学习平板 智能图书 智能表作文批改 口语辅导 解题助手大模型作为能力支撑之一010203场景拆解（学科、年龄等）效果测试（识别能力边界）应用落地（工程优化）内容适应性寓教于乐性助手陪伴性厂商多建设教育大模型，叠加教育应用矩阵提供服务。在学生侧场景落地时，也需要多考虑目前大模型的能力边界和落地时的工程优化。同时在场景筛选后，也需要考虑内容适应性、教学内容寓教于乐和助手提供的朋友陪伴性。英语口语课堂互动心理辅导场景筛选交互设计 增效 作业批改与个性化错题本 减负 教学物料生产中国教育AGI厂商图谱应用层模型层猿力科技K12职业教育智慧教研/校园通用大模型教育大模型自学APP类教育硬件在通往 AGI 的路上，国产厂商大体形成了模型层到应用层的初步格局。模型层中，既包括专门基于教育场景的大模型厂商，也包括从通用切入教育场景落地的通用大模型厂商。应用层，仍然是内容积累丰富、教学效果明晰的学科教育应用成果较为丰富，同时教育硬件有大量新品释出，但用户反馈代表其能力仍有提升空间。教育行业AGI厂商图谱行业痛点：三大痛点造成教育行业AGI浅应用现状现阶段，大模型在教育场景中面临的生成内容安全、场景应用效果和成本经济账问题，01 生成内容安全难点教育场景面向的对象多为儿童和青少年，因此对生成内容所体现的价值观和涉黄涉及暴力等内容要求更为严格尝试解决方案训练数据的筛选、输入输出环节增加大模型自我审核、对齐等技术手段02 场景应用效果难点大模型自身在解题、出题、课程设计等方面，较上一代人工智能有所提升，但仍无法完全满足应用需求尝试解决方案通过加强教育领域数据进行的微调和再训练，RAG等技术手段，加强教育场景适配度03 成本经济账难点大模型部署和推理所带来的新增成本和商业收入之间的平衡和抉择尝试解决方案在成本短期内无法解决的情况下，场景的选择成为了关键最具发展潜力的10个市场应用场景智能游戏NPC（游戏）智能投放（营销和零售）营销物料生成（营销）协同办公（企业服务）数字人导购/直播（零售）数据分析（企业服务）辅助编程（企业服务）金融知识库（金融）知识查询（企业服务）智慧硬件（教育）内