赛智时代：AI大模型重点行业应用研究
图片来源：由无界 AI生成
来源：赛智时代
自2022年11月ChatGPT公开发布以来，AI大模型迅速成为了市场上的热点，并逐渐深入应用于各行业领域，如Open-AI的GPT-3、华为云的盘古NLP、百度的文心大模型不仅在自然语言处理、计算机视觉、智能语音等领域取得了标志性的技术突破，在模型精度、通用性和泛化能力等方面也实现了跨越式发展，并在金融、医疗、能源等领域实现了多场景应用落地，提升了效率、降低了成本、创造了价值。
一、国内外行业大模型发展模式
（一）国外行业大模型发展模式
根据中国电信研究院研究，目前，国外行业大模型发展模式主要有三种，且以前两种发展模式为主。
一是“龙头大模型+原业务”。 如微软利用GPT赋能Office之类的传统业务。这种模式的优势在于可以利用大模型的强大语言能力，提升原有业务的智能化水平，同时也可以借助原有业务的数据和用户资源，增强大模型的应用相关性和准确性。
二是“龙头大模型+外部数据”。 一般是中小型公司采用这种方式，这种模式的优势不仅可以利用大模型的先进技术，同时与行业结合紧密，增强行业相关性和准确性。
三是“开源大模型+垂直行业数据搭建行业大模型”。 这种模式的优势在于可以充分利用自有数据，打造出更为精准的行业大模型，同时也可以借鉴开源大模型的技术和经验，提升训练效率和效果。
总体来看，国外通用大模型能力强，且“龙头效应”明显，能直接满足多行业需求。据不完全统计，截至2023年5月，国外共有138个AI应用落地案例，主要集中在传媒、游戏、办公、医药等领域。
（二）国内行业大模型发展模式
目前，国内行业大模型发展模式主要有两种，一种是“自有通用大模型+外部行业数据”，另一种是“自有或其他开源大模型+自有行业数据”。
“自有通用大模型+外部行业数据”主要是自有通用大模型的企业以主模型衍生多个行业大模型，如百度基于“文心”拓展了金融、医疗、传媒等行业大模型。这种模式的优势在于可以利用通用大模型的强大语言能力，快速适应不同行业的需求，同时也可以借助外部数据源，增强行业相关性和准确性。
“自有或其他开源大模型+自有行业数据”，如深睿医疗基于Transformer架构的图像大模型自主研发了通用医学影像理解模型DeepWise—CIRP Model。这种模式与国外第三种模式类似，可以充分利用自有数据，打造出更专业的行业大模型，同时也可以借鉴其他开源大模型的技术和经验，提升训练效率和效果。
尽管国内通用大模型能力尚有欠缺，但行业大模型可弥补差距，成为大模型产业落地的加速器。据不完全统计，截至2023年7月底，国内10亿参数以上的各类行业大模型，已达113个。
二、大模型在主要行业的具体应用
（一）金融行业
金融行业是大模型重要应用领域，主要将大模型应用于客服、银行、保险等细分领域，实现了风控、效率等方面的提升。
一是智能投资。 大模型在投资领域可以用来分析大量的历史数据和实时行情，帮助投资者作出决策，并综合盈利概率、个股走势、个股风险、行业风险、政策走向等多种因素，动态调整权限配比，得出对个股的评分。
二是提升声誉风险管理和应对能力。 预训练大模型可以帮助金融机构降低声誉风险，企业可以使用预训练大模型对客户的投诉、社交媒体上的反馈、以及其他渠道中的文本数据进行情感分析和主题分类，快速了解客户的需求和反馈，增强客户信任感，提高品牌价值。
三是提高监管合规风险管理水平。 预训练大模型可以审查大量数据文件，并确保它们的有效性和准确性符合政府和行业有关规定。在内部合规方面，预训练大模型可以记录、监测和分析员工电话记录、电子邮件流量、作息时间卡等信息，识别和提醒内部人员潜在风险和不当行为，有助于金融机构实现合规监管风险管理的目标。
四是反诈骗。 金融反欺诈模型是通过数据采集手段，对风险行为或可疑行为监测与分析，根据不同风险事件或可疑行为的风险计量标准和规则模型，分别实施预警或干预等措施，从而有效减少金融欺诈的发生。
百度基于文心通用大模型，打造了金融行业大模型“文心金融”，为金融行业提供了智能问答、智能写作、智能摘要等多项能力。“文心金融”可以根据用户提出的问题，从海量的金融知识库中检索或生成答案，实现高效准确的智能问答服务；“文心金融”还可以根据用户的需求，自动生成金融相关的文章、报告。
（二）医疗行业
医疗行业是大模型应用创新的重要领域。医疗行业对大模型的精度、可靠性以及学习理解能力有着极高的要求。医疗行业主要将大模型应用于药物研发、健康管理、辅助诊断、互联网问诊等场景，实现了医疗质量、医疗效率、医疗覆盖等方面的提升。
一是医学影像领域。 大模型技术可以帮助医生快速、准确地识别出疾病的影像特征，提高诊断准确率和效率。大模型技术可还以对患者的X光、CT、MRI等影像进行快速、准确的分析，帮助医生快速确定病情，提高了诊断效率和准确率。
二是疾病预测领域。 大模型技术可以通过分析患者的基因、病史等数据，预测患者的疾病风险，提前进行预防和干预，降低患病率和死亡率。
三是诊断辅助。 通过大模型可以对医学影像进行快速、准确的分析，为医生提供更精准的诊断结果。例如，在乳腺癌筛查中，大模型可以帮助医生快速识别出可疑的乳腺结节，提高筛查效率和准确率。
四是智能医疗机器人。 大模型可以帮助医疗机器人更好地与患者进行交互，提供更好的医疗服务。例如，在手术室中，智能医疗机器人可以帮助医生进行手术操作，提高手术效率和安全性。
五是医疗知识图谱。 大模型可以帮助构建医疗知识图谱，为医生提供更全面、更精准的医疗知识和信息。例如，在医生诊断时，医疗知识图谱可以帮助医生快速查找相关疾病的诊断标准、治疗方案等信息，提高诊断准确率和效率。
华为云基于盘古NLP系列大模型，打造了医疗大模型“盘古医疗”。“盘古医疗”可以根据给定的靶点或适应症，从海量的化合物库中筛选出候选药物，并预测其活性和毒性，实现高效准确的药物发现服务。“盘古医疗”还可以根据给定的药物或疾病，从海量的临床试验数据中提取出有效信息，并生成规范的临床试验报告，实现高质量、高效率的临床试验服务。
（三）能源行业
能源行业大模型的应用场景非常广泛，可以极大地提高各个环节的效率。例如在组织管理方面，可以帮助企业提高管理效率；在市场营销方面，可以更好掌握市场需求，提高营销效率。
一是预测能源需求。 可以通过分析大量的能源数据，预测未来的能源需求和价格，提供投资建议和决策支持。
二是智能故障判断。 大模型可以利用先进技术，对目前系统的故障可以进行自动检测、识别。特别是对于一些潜在的隐患，可以提前发现，避免更大的损失。
三是政策解读。 能源行业大模型可以对目前能源环保行业的规则进行分析解读，对于企业遵守相关规定提供参考，避免不必要的损失。
清博智能公司的“先问大模型”是一种先进的技术解决方案，能够实现生产、管理、运营等环节的无缝连接和数据集成。
三、国内大模型行业应用发展趋势
大模型的成功必须依托于应用、场景、商业模式。大模型已触发三大革命性变化：
一是推动弱人工智能向通用人工智能（AGI）跃升；
二是推动生产力从算力向机器智力跃升；
三是推动数字社会向智能社会跃升。 在产业互联网中的落地才是大模型的真正“主战场”，但需要化解私有化部署、数据安全、价值观对齐和业务系统紧密集成及性价比等挑战。
如在工业应用领域，现阶段工业领域大模型与小模型相辅相成，未来大模型可能会替代高度定制化的小模型，由于工业场景复杂、环境复杂、工艺复杂，现阶段主要以单模态模型服务为主，导致工业AI大模型开发难度大、数量少，我们认为AI大模型在工业制造业领域全面应用落地相对缓慢，但是单一垂直大模型迁移性较高。
随着工业AI视觉平台、AI摄像头等数据积累，机器视觉模型训练能力的门槛大大降低，工业AI质检和巡检已经应用在3C电子、汽车及零部件、消费品和原材料等诸多应用场景。
总体来讲，国内大模型的发展，将呈现基础大模型“剩者为王”、更关注过程、高质量数据成关键要素、行业大模型是行业应用落地重点、大模型要构建全栈国产化能力五大趋势。
一是基础大模型竞争“胜者为王”。 也即大模型会逐步从数量发展到拼效率，而如何把大模型做小也将成为未来发展的重要方向。
二是高质量数据是制胜关键。 在行业大模型研发中可以认识到，拥有高质量的数据才是大模型价值跃迁的制胜法宝。
三是关注行业落地。 因为基础大模型没有办法解决行业专用问题，行业大模型才是帮助解决行业实际问题的重要手段。
四是从更关注过程。 在大模型应用中也更关注技术安全，以及价值观伦理等方面。
五是自主可控。 在大国博弈背景下，中国大模型要有构建全栈国产化的能力。