《腾讯研究院：2024向AI而行共筑新质生产力-行业大模型调研报告（79页）.pdf》由会员分享，可在线阅读，更多相关《腾讯研究院：2024向AI而行共筑新质生产力-行业大模型调研报告（79页）.pdf（79页珍藏版）》请在三个皮匠报告上搜索。

1、人工智能大模型正在催生新一轮技术创新与产业变革，也将为工业、金融、广电等行业数字化转型和高质量发展带来新动能。当前市场以基础大模型为主，通识能力强，但缺少行业专业知识。如何将大模型融入千行百业，是下一阶段的发展重点。很高兴地看到，腾讯研究院自 2023 年 8 月就启动了此方面探索，开展了覆盖十余个行业、上百位专家的访谈，在行业大模型概念厘清、应用进展、实现方式、安全治理、未来趋势等方面进行了体系化研究，为业界提供了有益借鉴。大模型上云落地，能够加速形成新质生产力，推动数字经济的提质换档。期待与更多同仁共同探讨、共同努力。中国工程院院士、原副院长 邬贺铨工业是国家之本、经济之基。“AI+制造”

2、能够提高生产效率、提升产品质量、实现个性化定制、优化资源配置、促进绿色环保、实现人才结构优化等，进而加快推进中国工业的五个转型升级，实现工业的数字转型与智能化升级，促进新质生产力形成，使我国由制造大国向制造强国大步迈进。腾讯的行业大模型报告，通过一手的大量调研，阐释了行业大模型的必要性和发展路径。报告从应用场景入手，给出了落地的具体实现方式，揭示了大模型在降本提效、业务创新和体验增强方面的价值，并给出了 Agent、多模态、端侧和云智一体等技术和生态展望，对行业具有很好的借鉴参考价值。中国工程院院士 李伯虎专家推荐AI 大模型的发展正在深刻改变着各行各业的格局。然而，随着大模型能力的持续增强，

3、确保其真正为人类社会创造价值而非带来威胁，成为当前 AI 发展的重要课题。行业大模型作为 AI 向善和可持续发展的重要维度，其安全、可信、负责任的发展日益离不开有效的治理和安全措施。在这方面，这份报告提出的见解为我们构建负责任的人工智能生态提供了重要参考。希望业内外同仁能够在此基础上继续深入讨论，以达成更广泛的共识，共同推进人工智能的可持续发展之路。香港中文大学(深圳)教授、前海国际事务研究院院长 郑永年广告是市场经济的传感器、晴雨表和风向标。在智能化浪潮的推动下，广告行业正迎来前所未有的变革。大模型在广告创意和生产、个性化推荐、效果分析等方面，已展现出巨大潜力。它正在重塑着广告行业的未来，为

4、品牌与消费者之间建立更加精准和深入的链接提供了可能。大模型是效率、体验和创造力的倍增器，腾讯的这份报告为我们展现了大模型在各行业应用的广阔前景、主要挑战和落地路径。相信在“人工智能+”战略的推动下，各行业将催生大量产品形态、生产力、生产方式、产业组织等多层面的创新，实现更高质量的发展。中国广告协会会长、国际广告协会全球副主席 张国华大模型的出现使得 AI 再次受到资本市场的广泛关注，其核心逻辑在于大模型实现提质增效创造价值的同时，也提供了实现通用人工智能的可能选择。在算力、算法、数据、场景等四个决定大模型发展的关键要素中，数据和场景是我们相对优势的领域。而要更好地利用场景，成功实现商业落地，高

5、质量的行业大模型必不可少。高质量的行业大模型，必须具备专业化、低成本、高可靠解决行业痛点问题的能力。同时，基于云侧和端侧模型的完美结合，实现较高的执行效率。目前，大模型大规模的行业应用尚在探索，成体系的研究不多。腾讯研究院的报告基于大量一线访谈和调研，进行了全面系统的分析梳理，提供了理性、全面、有价值的研究参考。作为投资人，我很乐于并期待看到更多类似的高质量研究，以此推动大模型向通用人工智能发展，实现人类走向智能社会的美好愿景。中国互联网投资基金管理有限公司总经理 李筱强在大模型应用上，Hugging Face 与 OpenAI 走向了不同的方向。OpenAI 正在搭建人工智能的封闭系统，Hu

6、gging Face 是希望每个人都可以访问生成式 AI 模型，包括各类企业和所有普通开发者。我们坚信，开源大模型会成为新的选项，开源社区也将大有可为。腾讯的行业大模型报告，与 Hugging Face 的理念不谋而合，大量的一手调研数据表示，我们不管是从底层能力还是应用场景方面，都应该引导一种百花齐放的局面。一方面，大公司在算力、数据、资金等方面拥有天然的竞争优势，但是场景理解不足；另一方面，因为通用大模型对算力和数据量的高需求，许多企业无力承担。我特别推荐不管是技术供给还是需求方的人士，都可以通过阅读这份报告，了解供需两股力量的匹配情况，共同推进生成式 AI 模型的能力开放，让普通开发者，

7、也能够通过不同的技术组合，将生成式AI应用到产品开发和工作流程中。Hugging Face 高级工程师 王铁震这几年通用大模型技术快速发展，展现出越来越强的智能，但很多传统行业应用推进得其实并不快，因为企业有大量的具体问题解决不好。对企业而言，大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等多种因素。针对这些现实情况，我去年就提出要重点发展行业大模型。基于行业大模型，构建自己的专属模型，也许是企业更优的选项，尤其大部分企业的算力、数据等资源有限。当时支持行业大模型的人并不多，但到今年我们看到更多的企业已经开始尝试并取得进展。我们研究院做的这份报告基于一线的大量实践反馈，做了系统

8、深入的归纳总结，让大家能比较充分了解行业大模型发展的真实情况，厘清其中的关键争议和困惑问题，比如行业大模型与通用大模型的关系等。我们始终认为，人工智能发展的根本目标是落地于行业、服务于人。能真正解决用户需求、距离场景和数据更近的企业，将拥有大模型的未来。腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生应用场景是大模型的“磨刀石”。腾讯拥抱大模型的一个重要方式，就是积极推动腾讯自己的各类业务与自研的混元大模型结合，同时在文化消费、生产提效、科技普惠等多个领域探索落地场景，发掘大模型的真实应用价值。这也是腾讯多年来形成的务实精神的体现，把自己做试验田，内部打磨成熟再向外推广应用，通过“由

9、内而外”的路线给用户提供更好用的产品。随着腾讯大模型的不断发展成熟，我们将会连接和服务更多的行业应用场景。哪些行业和场景需求强，哪些应用实现方式更适合，如何衡量应用的价值和成效这些都是需要我们持续思考和解答的问题。这份行业大模型研究，提供了一份不错的预研参考。未来，腾讯将继续专注于自主可控的大模型技术发展路线，不断迭代技术，积极落地新应用，助力“人工智能+”稳步迈进。腾讯集团副总裁 蒋杰序我们正处在一个智力变革的路口。很少有一项技术像大模型这样，全球热度持续了快两年，还在不断涌现新热点。这反映出大模型带来了巨大的可能性，我自己有一个判断叫“智力平替”。从文生文、文生图到文生视频，大模型不断解锁

10、新能力，逐步替代传统的智力劳动，使得原本需要专业团队长时间才能完成的工作，现在仅需一个简单的提示或草图即可实现。结果就是，人类的智力成果可以云端的方式、通过大模型提供给每个人，一个人带领 AI 团队就能完成复杂的任务，这可能会成为未来世界的常态。然而，在大模型技术持续快速迭代的同时，我们也越来越发现一个现实问题：大模型在具体行业中的应用，推进好像没那么快。很多企业对大模型是一边期待、一边焦虑，想尽快用起来，又不太知道怎么用，即使是有试用的，效果也不明显，存在不少困惑和挑战。这反映出，目前大模型技术的能力与行业应用需求间还存在差距，要用一个通用的大模型来直接满足各行各业的特定需求，至少现在还有一

11、定距离。那么，应该怎么办？行业大模型应运而生。坦白说，一开始我有疑虑，觉得这是一个伪概念，业界对此也有不少讨论和争议。后来我们团队坚持要进行研究、用事实说话，我也支持。在我看来，大模型发展到今天，研究已经不能只停留在眺望未来的视角，更需要贴近实践，用深度的研究推动创新探索和落地。这份行业大模型调研报告，就这样最终成型了。报告做了大量的一线实践调研，访谈了超过百位的各界专家，系统归纳解答了一系列共性问题，包括为什么要发展行业大模型、行业大模型是什么、哪些行业和场景发展快、如何衡量成功、如何负责任地应用等。通过这项研究，我认为行业大模型，至少现阶段是客观存在的，通常基于通用大模型调整而来，是很多企

12、业提高模型专业性的有效选择，也是国家落地“人工智能+”的最后一公里。而决定大模型影响大小的核心因素，就在“知识密度”，密度越高的行业或场景，受影响会越大，比如教育行业、研发和设计环节等等。当然，这项研究只是起了个头，希望能对大家有所启发和帮助。也要特别感谢所有给予我们指导、接受我们访谈的各界专家和朋友们，希望未来我们继续携手合作，推动大模型深入各行各业，一起创造和见证一个以人为本的人机共生时代的来临。腾讯研究院院长 司晓 发展背景01一大模型引发的智能革命02参数规模大03泛化能力强04支持多模态05二发展行业大模型的必要性05大模型存在“不可能三角”问题05行业对大模型有内生需求07行业大模

13、型是落地“人工智能+”的最后一公里07三行业大模型的特点09行业大模型既有模型、也含应用09行业大模型大多生长于通用大模型之上09行业大模型的本质是解决方案11目录CONTENTS 应用进展12一行业大模型应用阶段划分13二行业大模型应用场景分析14不同行业的大模型应用快慢有别，需求和数据是两个关键因素17大模型在垂直场景的应用渗透，呈现“微笑曲线”特征18不同行业对大模型能力有“三大共性需求”20三终极之问：行业大模型怎样算成功？22避免两个误区：片面追求技术性能或短期收益23评估三类价值：降本提效、业务创新和体验增强24构建一个模式：高质量数据飞轮37 实现方式39一引导：提示工程40二外挂：检索增强生成42三优化：精调45四原生：预训练48五典型案例：多种方式组合49商业案例：金融大模型+个股异动写稿 49科研案例：scBERT 单细胞基因数据分析大模型 52