前言近年来大模型成为人工智能领域的最大热点。如何有效将大模型技术融入各行各业的实际应用助力生产力革新和产业升级成为业界越来越关注的核心问题也促进了行业大模型的发展。2024年政府工作报告明确提出要“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”。腾讯研究院发布发布《向 AI 而行共筑新质生产力——行业大模型调研报告》深入探讨了行业大模型的发展现状、应用前景及未来趋势。报告指出大模型技术通过其庞大的参数规模和强大的泛化能力展现出了类似人类的通用智能“涌现”能力能够处理多个领域知识和多种数据类型。大模型的“规模定律”显示模型性能随规模、数据集大小和计算量的增加而显著提升引领着AI领域向通用人工智能AGI的迈进。有需要完整报告的朋友可以扫描下方二维码免费领取行业大模型的兴起源于通用大模型在**专业性、泛化性和经济性**之间的“不可能三角”问题。行业大模型通过针对特定领域数据和任务进行训练或优化旨在提高模型的专业性、性价比并保障数据安全。它们在数字原生行业和生产性服务业如广告、金融等领域应用进展较快而在重资产行业如建筑、制造和能源领域进展相对较慢。行业大模型的应用场景呈现出“微笑曲线”特征即在研发/设计和营销/服务等高附加值环节应用落地较快而在生产、组装等低附加值环节进展较慢。营销/服务环节因跨行业通用性强而进展最快研发/设计环节则依赖于高质量专业数据集的可用性。生产/制造环节则主要利用大模型对人的辅助增强功能如西门子与微软合作推出的Siemens Industrial Copilot。不同行业虽应用大模型的重点和进展各异但仍存在共性需求包括内容生成与创意设计、信息提炼与专业辅助以及任务调度与智能交互。衡量行业大模型应用成功的关键在于避免片面追求技术性能或短期收益应关注降本提效、业务创新和体验增强的价值并构建高质量数据飞轮模式。行业大模型的实现方式主要包括提示工程、检索增强生成、精调和预训练这些方法通常组合使用以达到最佳效果。而其负责任的部署和应用则需面对安全、治理及特定行业的监管要求可通过AI沙盒等监管创新机制给予创新空间确保AI技术的健康发展。未来行业大模型的发展将朝着更专业、更经济、更安全的方向前进进一步促进人工智能技术在各行各业的应用和普及为产业升级和新质生产力的形成注入动力。由于文章篇幅有限有需要完整报告的朋友可以扫描下方二维码免费领取