《InfoQ：2024中國AGI市場發展研究報告（53頁）.pdf》由會員分享，可在線閱讀，更多相關《InfoQ：2024中國AGI市場發展研究報告（53頁）.pdf（53頁珍藏版）》請在三個皮匠報告上搜索。

1、目錄CONTENT中國AGI市場發展背景01中國AGI市場發展特征02中國AGI市場應用現狀03中國AGI市場發展趨勢預測04中國AGI市場發展背景全球AI市場發展，正在進入了AGI主導的時代在經歷了初期的探索與技術積累，以及隨后的技術突破與商業化探索階段后，人工智能市場迎來了爆發期，并逐漸進入以人工通用智能（AGI）為主導的新時代。深度融合階段初步應用階段探索階段l人工智能主要處于概念提出和初步探索階段。l1950年，圖靈測試為評估機器是否具備人類水平智能提供了一個哲學和方法論的框架。l1956年，達特茅斯會議上，“人工智能”這一術語被正式提出，標志著AI作為一門獨立學科的誕生。l人工智能技

2、術開始取得顯著突破，并逐漸商業化。l2011年，IBM的超級計算機沃森在電視智力問答節目危險邊緣中戰勝了人類冠軍，這一成就證明了AI在理解和處理復雜語言問題方面的能力。l人工智能技術進入了一個更為成熟和廣泛應用的階段，AI開始與各行各業深度融合，并進入AGI主導的時代。l2020年，GPT-3的推出在自然語言處理領域取得了顯著成就，進一步提升了AI技術的智能化水平，加深了公眾對AI潛力的認識和期待。2020年-至今2011年-2016年2011年以前人工智能領域政策正在逐步深化。從最初的觀望態度到現在的積極融入，中國的政策環境經歷了顯著的演變。地方政府和多部門聯合發布的政策數量急劇增加，反映出

3、跨部門協作和地方特色創新的趨勢。政策逐步深化：國家級政策頻繁出臺，為AGI的實現提供政策土壤初始階段：基礎設施與法規建設整合與實施階段：全面布局與綜合應用創新推動階段：技術創新與應用推廣著眼未來：戰略部署與倫理治理專注于建立基礎設施，如電子信息制造業2023一2024年穩增長行動方案中提到的數據和人工智能基礎設施建設。強調法律和安全框架的構建，例如生成式人工智能服務管理暫行辦法確立了安全評估規定。政策覆蓋廣泛，涉及多個領域和多個部門的聯合政策發布，如“數據要素”三年行動計劃。強調AI的戰略地位和行業應用，2024年人工智能+首次提出，象征著AI作為產業創新的關鍵抓手。支持技術創新和產業集群發展

4、，如上海市推動人工智能大模型創新發展的若干措施。重點發展具體技術應用，比如人形機器人的創新開發（人形機器人創新發展指導意見）。著眼于AI的長遠發展和國家戰略，政府工作報告和中國發展高層論壇強調人工智能的重要性。關注人工智能倫理治理和科技創新，旨在平衡創新與監管。國內AI市場融資活躍，頂級AI領域人才數量中美差距較大資本市場活躍：較去年相比，今年第一季度融資金額遠超去年同季度。2023年整年AI領域投資事件39起，融資金額50.7億元，2024年第一季度，AI領域投資事件13起，融資金額74.9億元。同時，融資輪次依然在早期融資。頂級人才數量差距大：根據AI 2000學者國家分布顯示，中國與美國

5、擁有世界上近八成的頂級AI領域人才。其中，美國有1188人，中國369人，美國人才儲備為中國的3.2倍。2024年1月-4月AI領域融資輪次24341.367.81.44.4-260-210-160-110-60-104001234561月2月3月4月融資次數融資金額2024年1月-4月AI領域投融資次數與金額15.4%30.8%23.1%15.4%15.4%天使輪A輪B輪C輪戰略投資020004000600020232024e2025e2026e2027e2028e2029e2030e2023-2030年中國AGI市場規模（單位：億元人民幣）企業市場個人市場InfoQ研究中心預計，2030年

6、中國AGI應用市場規模將達到4543.6億元人民幣。2024-2027中國AGI應用市場將經歷過速啟動期；每年市場增速都將超過100%，2028年起，市場將進入快速成長期，年市場增速保持在50%以上。并于2027年突破千億人民幣市場規模。InfoQ研究中心認為，中國AGI應用市場規模發展將由企業市場引領主導，到2030年企業市場規模預計達到3024.6億元人民幣。141.358204.93326.63632.861148.371829.42756.774543.6中國AGI市場將長期保持快速增長態勢AGI市場發展特征解構AGI市場，四層結構釋放技術潛力模型層是AGI的核心，其能力直接影響最終A

7、GI應用效率基礎設施層是實現AGI的基石，是保證模型訓練、推理部署能力的基礎應用層是用戶/客戶直接使用AGI技術的界面，以提供特定服務和解決具體業務問題作為出發點InfoQ研究中心將中國AGI市場自下向上分為基礎設施層、模型層、中間層和應用層四層，這四層結構共同構成了中國AGI市場的技術框架。中國AGI市場四層結構示意圖應用程序、插件、硬件等微調、Prompt、RAG、Agent等語言及多模態模型算力、數據基礎設施層中間層應用層模型層價值中間層提供了AGI實際應用所需的核心功能和服務，是連接應用層和模型層的橋梁形態典型廠商百度、阿里巴巴、科大訊飛、智譜AI、百川智能、零一萬物、MiniMax等

8、中國電信、中國移動、華為、浪潮等出門問問、商湯科技、作業幫、秘塔科技、美圖、聆心智能、釘釘、WPS等阿里巴巴、騰訊、京東、網易有道、海貝等基礎層：為解決算力短缺，短期喚醒沉睡算力，長期持續建設智算中心云算力租賃、算力調度中心等建設，在短期內有限的供給下，探索異構算力池，優化算力使用效率。短期內喚醒沉睡算力在美國對GPU管控趨嚴的背景下，中國國產算力抓住發展機遇，加強自主可控能力，長期補充算力空缺。長期算力國產化和智算中心持續建設政府主導,12%運營商主導,3%其他企業主導,15%規劃/建設階段70%上線運營30%128個智算中心建設狀態和主導方背景分布情況伴隨著AGI的不斷發展，模型訓練和部署

9、對算力的需求不斷提升，但中國在算力領域面臨諸多挑戰。截至2023年底，我國智能算力規模達到了70EFLOPS，增速超過70%。但距離算力基礎設施高質量發展行動計劃設置的智能算力規模，仍存在50%的智算缺口。因此，為了更好地應對算力短缺問題，短期的關鍵是如何喚醒沉睡算力，提高現有算力利用率。長期持續建設智算中心滿足算力供給，除了產業鏈相關企業，政府和運營商正在接力智算中心建設。41701052025E20232022+50.0%智能算力規模（單位：EFLOPS）我國智能算力建設缺口50%的現狀基礎層：場景多但流動少，中國正在加速挖掘數據價值數據是大模型訓練過程中不可或缺的燃料，其規模和質量也是影

10、響大模型性能的核心要素。在數據總量多，但垂直領域數據流動少的現狀下，國家數據局等17部門聯合印發“數據要素”三年行動計劃（20242026年）。推動科研機構、龍頭企業等開展行業共性數據資源庫行業共性數據資源庫建設、在重點領域、相關區域組織開展公共數據授權運營公共數據授權運營、引導企業開放數據企業開放數據，鼓勵市場力量挖掘商業數據價值。根據全國數據工作會議，經初步測算，2023年我國數據生產總量預計超32ZB。數據總量多開源中文數據集有效供給少，全球通用的50億大模型數據訓練集里，中文語料占比僅為1.3%。垂直領域公共數據來源較少，私有數據開放程度偏低。垂直領域數據流動少中國公開訓練數據供給現狀

11、與行動計劃行動計劃現狀行業共性數據資源庫建設完善數據要素市場相關制度在科研、文化、交通運輸等領域，推動科研機構、龍頭企業等開展行業共性數據資源庫建設，打造高質量人工智能大模型訓練數據集。通過數據交易體系建設，建立更加開放、透明的數據資源共享機制，引導企業合理開放數據，鼓勵優質供給和增加數據流通。模型層：通用大模型蓬勃發展，短時間內落地仍需行業大模型補齊abab智腦AntFinGLM云廠商悟道PolyLM二郎神天河天元紫東太初moss西湖從容天書星火序列猴子玉言科技公司研究機構教育服務商鴻湖九天星河游戲電商盤古跨境電商大模型傳媒影視文心傳媒/影視行業大模型盤古媒體大模型社交文娛文曲大模型玉言游戲

12、行業大模型通義言犀山海天工日日新通用大模型倉頡汽車大模型盤古汽車金融能源制造醫療其他文心能源/制造行業大模型文心金融行業大模型文心航天/城市/社科/行業大模型星辰教育大模型盤古礦山大模型盤古汽車大模型盤古氣象大模型科大訊飛營銷大模型星火醫療大模型文因金融大模型FD-LLM吉利星睿大模型叮當HealthGPTBaichuan2百靈MiracleVision文心混元開源大模型ChatGLM3 CogVLM星辰語義大模型-TeleChatSkywork行業大模型孟子moonshot中間層：作為應用落地的能力補充，智能體表現亮眼中間層模型層能力逐漸內化應用層中間層模型層1應用層中間層不斷產生新需求隨著

13、中間層能力的不斷實踐和積累，相對通用和標準化的能力將從中間層中提煉集成在模型層中?；趹玫男枰?，中間層通過技術形式幫助應用層實現通用模型不具備的一些能力中間層是連接應用層和模型層的橋梁，在現階段是作為大模型應用落地能力補充的重要層級，隨著底層模型技術的持續進步與演化，未來可能會出現模型層逐漸內化并泛化出原本由中間層提供的部分能力。與此同時新的溝通應用和模型層的需求還會持續出現。中間層常見形式包含微調、檢索增強生成、提示工程和智能體。智能體在目前發展階段因為其適應性搞和成本適中正在被更多的企業采用。微調用于解決預訓練模型在特定任務上性能不足的問題。智能體（Agent）用于解決模型在實際應用中的

14、交互和決策問題。成本高適應性高檢索增強生成用于幻覺和知識更新的問題。成本低適應性低提示工程用于解決模型對于不同任務的泛化能力不足的問題。調用AI Agent具有四大特征，正在以三種形式開展工作01020304自主行動溝通交互隨機反應目標導向無需人類干預執行任務和作出決策與人和智能體進行交流和協作感知環境變化并作出相應的反應主動采取行動以實現目標AI Agent具有自主行動、溝通交互、隨機反應和目標導向的特征，并且正在以多種角色拓展大模型應用范圍。Step 1Step 2Step 3AI Agent的四大特征AI Agent的三種工作方式單Agent獨立工作多Agent矩陣協同工作，其中包括Bo

15、ss Agent統籌和發號指令，其他Agent各司其職執行任務。單個或多Agent矩陣與人協同工作。AI Agent成為推動AI技術革命的關鍵力量在通往AGI的征途上，AI Agent正逐漸成為探索的核心路徑。盡管大模型在全球范圍內掀起了一場技術革新的浪潮，使得很多研究者和業界人士認為大模型已接近實現AGI的臨界點，但隨著時間的推移，大模型的一些局限性開始顯現。這使得研究者們認識到，盡管大模型在模仿人類認知方面取得了顯著進步，但要達到真正的通用智能，仍需克服重重困難。因此，AI Agent作為新的研究方向，開始受到越來越多的關注。在特定垂直領域中，AI Agent實現應用的優勢主要集中于環境高

16、度適應性。AI Agent依賴于對環境的反饋，因此企業環境中的特定場景為AI Agent提供了理想的應用背景，便于建立起對特定垂直領域的深入認知。特定垂直行業是AI Agent最有可能首先實現應用的領域垂直行業專業知識合規性與規范業務流程理解更易理解特定行業的術語、規則、任務實踐路徑、甚至行業“黑話”，可提供高度定制化的解決方案。更易掌握特定行業的法規和標準，確保其應用的行業合規性要求。更易掌握并適應特定行業的業務流程，與企業系統實現無縫集成。AI Agent將簡化用戶與大模型的互動，允許用戶只需指定目標，即可驅動大模型完成任務，人與AI將形成更緊密的合作體系。盡管AI Agent目前主要處理

17、簡單任務，但功能性正不斷增強，AI Agent在多個領域的應用已經開始，預示著未來將成為AI應用層的基本架構。簡化任務執行，拓寬大模型應用范圍個人助理軟件開發交互式游戲預測性分析自動駕駛智能客服金融管理智慧城市任務管理生產制造文檔處理科學研發市場營銷教育輔導質量管理應用層：應用基礎全面發展，應用層創新有望在AGI領域全球領先應用場景豐富中國在人工智能領域投入巨大，AI技術被廣泛應用于制造業、醫療、交通、教育等多個行業。產學研各界也在積極探索AGI落地實踐，不斷擴大應用邊界。政策環境鼓勵政策密集出臺，多部門協同發力，以組合拳促AGI市場發展。鼓勵深化大數據、人工智能等研發應用，開展“人工智能+”

18、行動，打造具有國際競爭力的數字產業集群。AGI在短時間里經歷了從大模型的涌現到應用層的快速創新，眾多企業機構正在積極探索新的應用方向。應用層創新將成為有希望在AGI方面領先全球的板塊?；A設施完備我國數字基礎設施建設已取得顯著成就，建立起全球最大的寬帶網絡之一，并在5G技術的研發和部署上處于領先地位。數據中心的大規模建設和智慧城市的快速發展也為AGI應用發展打下牢固的基礎。人才基數龐大中國擁有龐大的數字人才，這得益于國家對科技教育的長期投入以及快速的經濟發展。中國數字人才不僅在國內市場發揮作用，許多也活躍在國際舞臺上，為全球技術進步和知識交流做出了貢獻。中國AGI市場應用現狀營銷應用階段：大模

19、型驅動內容、流量、服務與洞察全面升級AGI已經徹底顛覆了營銷領域，Sora憑借其連貫流暢并細節飽滿的視頻生成能力宣布了文生圖大模型的發展進入新篇章，為營銷內容創作提供了更豐富的工具。大模型將在四個方面引領變革，包括革新內容的創造過程和效率、改變流量的分配和獲取方式、提升服務體驗、降低商業洞察門檻并顛覆市場研究模式。應用探索期產品測試期市場投放期應用成熟期市場應用程度企業運營：如數字員工、智能編碼內容制作（視頻創作、音樂制作、包裝設計、廣告混剪等）結果預測電商經營：如虛擬主播創意靈感生成數據分析/復盤時間智能投放營銷行業AGI應用成熟度曲線策略洞察輔助應用現狀：覆蓋從營銷前到營銷后的全流程環節目

20、前，大模型應用在市場營銷中涉及的重點板塊包括目標設定、內容生產、內容管理、投放運營以及效果評估五個環節。目標設定內容生產內容管理投放與運營效果評估涉及的能力文字生成、音頻生成、圖像生成、視頻生成、場景生成、多模態生成、數據分析、策略分析輔助、智能客服、虛擬主播/數字人、代碼生成等文案撰寫；創意設計；話術生成；發布會PPT制作；內容營銷；營銷前測：創意評價、賣點選擇等；目標人群設定；目標市場設定；營銷目標設定；渠道選擇；營銷策略制定；內容審核；內容資產管理；版權管理；高質量話術提??；廣告投放；內容推薦；智能客服/用戶運營；輿情監測；直播電商；營銷后測：TA表現、銷售表現、策略/渠道/內容表現、代

21、言人/廣告語表現、輿情效果、品牌資產等。營銷領域因其數據豐富、目標明確、個性化需求強烈、技術基礎成熟等特點，成為大模型應用最成熟的領域之一營銷案例：幫助企業解決營銷AI應用落地“最后一公里”實現從目標設定到效果評估的全流程智能服務依托多年營銷數據、營銷服務經驗積累擅長領域的行業知識、數據分析方法論、優秀營銷案例等目標設定內容生產內容管理投放與運營效果評估營銷領域企業借助AI能力，幫助品牌在不同渠道完成從尋找流量洼地、人群定位、創意挖掘、策略分析、投放運營、分析優化、效果評估等系列工作。根據不同的擅長領域，解決客戶不同核心問題投放前期：TA是誰？哪里找TA？TA喜歡什么創意？小明助理AI Cop

22、ilot：一款面向企業用戶的一站式大模型AI智能助理、瀏覽器插件產品，兼顧PC/移動端網頁等產品形態：基于秒針系統行業知識庫訓練優化的垂直大模型，企業可以完成營銷策略輸出、傳播內容生成、銷售素材生成等任務。AIGC營銷：實現多模態內容生成，突破創意生產力瓶頸。百度“輕舸“AI Native營銷平臺幫助廣告主升級廣告創編流程。投放中期：如何推廣？如何運營？如何提效？全站推廣：產品將全面接入淘系搜索、推薦資源位，流量渠道等場域，為商品提供一步到位的全站流量運營解決方案。投放后期：哪里需要優化？如何積累品牌資產？云積天赫：AI營銷決策工具和服務提供商，提供企業AI發展戰略和營銷咨詢服務，AI策略中臺

23、和AI全域營銷系統，以及資產管理（數據資產、用戶資產、策略資產）服務，助品牌實現生意增長，沉淀策略資產。中國營銷AGI廠商圖譜應用層內容生產及創意廣告投放及運營應用場景食品零售醫療教育快消汽車文本圖像視頻音頻虛擬主播場景銷售及客服策略與研究行業專業技能欠缺成為主要的營銷大模型應用挑戰大模型在各個行業應用存在一些共通的挑戰，如成本與算力的平衡問題、數據質量和安全性問題、行業知識問題、模型可解釋性問題等。由于各行各業都存在營銷需求，缺乏特定行業的深入知識這一挑戰在營銷大模型應用中顯得尤為突出，營銷效果考核挑戰成為獨特挑戰。營銷大模型應用主要挑戰突出挑戰營銷AI大模型更需要垂類競爭力獨特挑戰營銷效果

24、考核壓力在不少垂直領域，營銷大模型除了需要解決專業術語的識別和理解難題，還要了解“行業黑話”；預訓練模型在建立其詞庫時，可能沒有考慮到特定領域中的高頻專業詞匯。這意味著營銷大模型可能無法識別或正確解釋該領域內的關鍵術語和概念。因此，營銷大模型可能缺乏對某些專業領域深入理解的能力。各行各業都在尋求降本提效的方法。廣告主在這種背景下，更加注重營銷ROI。對營銷大模型的期待不僅體現在創意本身質量，還關注投放后的營銷效果。后者延長了營銷大模型的考核鏈路，為服務商帶來了挑戰；創意與效果雙重考核壓力：廣告主不僅關注營銷創意是否能夠吸引目標受眾，滿足產品和審美的要求，廣告主同樣關注這些創意投放后的實際效果甚

25、至銷售轉化。零售應用階段：內容生成和投放推薦成為應用“先鋒隊”應用探索期產品測試期市場投放期應用成熟期市場應用程度智能客服零售行業AGI應用成熟度曲線門店數據分析營銷物料生成私域營銷基于Agent的智能投放數字人導購/主播智能推薦個性化營銷AI商拍供應鏈管理基于Agent的平臺商家助手AGI在零售行業的應用已經走過了初期的探索階段，目前正處于快速發展和市場投放期。盡管整體上還處于成長階段，但某些特定應用如智能推薦和個性化營銷已經相對成熟，而其他應用如基于Agent的平臺商家助手和供應鏈管理則仍在發展中。生成能力則促進了AI商拍、營銷物料生成等全新場景的誕生和發展。零售場景核心升級點圍繞效率提升

26、與體驗優化 營銷效率提升文案、海報、視頻、產品圖等物料生成效率的提升 投放效率提升自然語言表達投放訴求、智能簡化投放流程，智能匹配投放物料和提供投放優化建議體驗優化效率提升總體來看，AGI在零售行業的應用正推動著從前端用戶體驗到后端運營效率的全面革新。圍繞效率提升和體驗優化，為零售行業帶來了深刻的變革。零售行業AGI應用兩大核心升級點AI商拍海報設計自然語言營銷意圖識別Agent簡化投放流程更有交互感、更能幫助推薦商品、更能提升售后服務的智能客服可以幫助商家了解平臺規則、各項活動解讀，并提供優化經營策略可以幫助門店店員解讀各項商品活動、并提供產品營銷和庫存管理建議 用戶體驗優化 商家體驗優化

27、門店體驗優化淘寶問問基于Agent的商家平臺助手基于海納視聯大模型的看店助手中國零售AGI廠商圖譜應用層AI商拍數字人導購/主播營銷物料生成平臺商家助手智能客服門店管理智能投放圍繞核心升級點，零售行業AGI廠商在AI商拍、營銷物料生成、門店管理、智能投放、平臺商家助手、智能客服、數字人導購/主播等場景提探索產品應用與解決方案?；诹闶垲I域數據的模型微調以及通過RAG等技術手段，生成內容可控 在場景應用中，發揮大小模型的不同優勢，權衡成本和效率，不過度追求新技術，以場景需求為核心 探索大模型作為主Agent規劃任務，調用小模型作為工具使用、同時搭載記憶模塊的智能體應用需要綜合考慮落地成本和應用效

28、果，大小模型并行成為破局之道 幻覺帶來的生成內容錯誤、偏差問題零售場景下，幻覺問題會對嚴重破壞用戶信任和用戶體驗。商家也可能會因為生成錯誤的營銷活動信息而蒙受損失。此外在落地時也逃離不了對于成本和效果之間的權衡?，F階段，大小模型并行仍然是主要探索的路徑，預計伴隨著大模型能力的不斷提升，和落地探索的不斷成熟，大模型將逐漸承擔更多任務。推理成本和性能之間的平衡金融應用階段：金融行業整體處于應用探索期，逐漸向產品測試期邁進整體來看，金融行業通向AGI應用的步伐尚處于探索期，正逐漸向產品測試期發展。絕大部分中小型金融機構尚未找到大模型與業務的融合點，對大模型應用處于觀望階段或將大模型產品僅應用于通用業

29、務場景中。部分頭部金融機構積極創新，不僅能夠通過大模型產品解決通用業務問題，還能應用于解決非決策類業務問題。個別大型新興金融科技公司已推出AI Agent產品或相關框架，即將邁進市場投放期。應用探索期產品測試期市場投放期應用成熟期市場應用程度智能營銷智能客服智能編碼智能助手知識庫時間行為決策金融行業AGI應用成熟度曲線金融研究報告生成金融分析：如投資研究、數據分析、風險評估等應用現狀：主要應用于運營管理和非決策類業務環節由于金融行業對信息和數據的精確度、合規性有著極高的要求，且大模型在準確性和判斷力方面還存在一些不足，這與金融行業對高精確度的需求并不匹配。因此，大模型在金融行業目前主要被應用于

30、智能客服、智能辦公等通用場景，尚未深入到核心業務流程的探索中，僅個別機構在單點業務環節有所嘗試。大模型是否能夠在金融核心業務中發揮出重要作用，一直是業界熱議的話題。運營管理環節核心業務環節 大模型在金融核心業務環節的應用尚處于初步探索階段：一方面在于絕大多數機構尚未找到AI與核心業務的結合點或難以實現將AI融入核心業務；另一方面，部分機構已實現在個別業務環節應用AI，但目前無法把各個環節串聯起來，來滿足不同用戶個性化需求。但一些大型機構已在AGI核心業務環節應用有所突破。絕大多數金融大模型目前還只能作為輔助工具使用，應用主要局限于較為初級的領域。但在降本增效的背景下，金融機構經營中降低人力成本

31、變得尤為重要，引入數字員工成為了關鍵策略；針對傳統的、重復性高、效率較低的工作環節，數字員工不僅能夠釋放人力資源還可以實現降本增效。運營管理環節主要應用場景核心業務環節探索嘗試螞蟻集團推出的支小助，涵蓋投研、保研、保顧、理賠和營銷五類智能助手，為金融場景實現AI Agent應用；陽光保險在雙底座建設中積極探索了包括銷售、服務和管理等業務領域在內的各種應用場景。發布金融AI大模型應用ChatABC，在該行面向內部員工開放試用探索內部知識服務、輔助編碼等應用場景，提高信用風險評估能力細分領域應用：銀行應用一馬當先，證券和保險應用正大膽嘗試作為金融行業的主要領域，銀行、保險、證券機構對大模型的探索表

32、現積極。各類機構數字化建設工作已進入全面階段，不再將技術、數據簡單堆砌在業務場景里或一味追求技術革新，而是以業務經營為核心，深挖合適的數據、使用合適的技術去解決痛點，大模型應用的廣度和深度不斷加大。證券、保險、銀行大模型應用情況證券：初步探索，聚焦非決策類業務AI+保險價值鏈的五個核心環節包括：營銷、銷售、新業務、核保及保全、以及理賠。大模型應用主要聚焦在營銷和銷售環節，以及運營管理類業務，如提供保險產品的知識體系、幫助業務人員快速學習銷售技巧、挖掘和激發潛在消費者需求。在核心業務環節，大多數保險機構大模型應用處于初步探索階段，個別頭部機構的大模型產品已具備AI Agent雛形。保險：初步探索

33、，聚焦前臺業務在尋找新的增長點和提升運營效率的需求推動下，銀行數字化轉型的戰略核心日益聚焦于“數據+算法”的模式。AI大模型已成為實現數據價值最大化、推動業務創新不可或缺的關鍵力量；銀行業的大模型應用主要聚焦于兩大領域：一是服務于內部運營管理的優化升級，二是助力外部業務場景的重新塑造與拓展。銀行：穩健發展，擴大應用范圍證券機構在AI大模型的應用探索主要聚焦于業務流程相對簡單且非決策性的環節。然而，對于需要較高金融專業能力和提供深入投資建議的業務環節，AI大模型的直接應用仍然面臨挑戰。頭部證券機構已經開始圍繞AI能力建設及推進智能化應用場景落地，例如財富管理、投資研究、中后臺辦公等領域的大模型應

34、用。金融案例：大模型應用的建設遵循從通用到垂直的策略在新的技術趨勢下，不少金融機構已經聚焦大模型進行了諸多嘗試，深入探索了大模型的能力邊界。智能客服知識庫量化分析應用程度應用板塊通用垂直投研支小助：投研支小助：基于大模型智能體的新一代金融專家智能助手金融知識工程6大知識庫 20+類知識 8條知識挖掘鏈路研報庫財報庫金融信息公告資訊螞蟻智庫通用常識案例企業產品應用金融知識庫知識庫知識挖掘能力領域：金融知識挖掘、資產/市場/行業分析、新聞/政策/事件解讀、公告/研報/財報解讀、量化代碼生成以及財經稿/分析報告撰寫。業務服務工業級金融量化交易系統：極速交易、高精度回測、因子工廠等在內的領先于市場的專

35、業級工具；面向普通投資者的AI驅動在線數據應用：通過降低使用門檻，解決信息不對稱，使個人用戶也能輕松利用專業級金融工具，進行深入的數據挖掘和價值信息分析，輔助投資決策。功夫源科技向金融機構及個人投資者提供專業級金融交易系統和AI驅動的金融數據服務陽光保險基于Transformer結構研發了陽光正言大模型研發的保險對話機器人已經體現出自由對話、理解潛臺詞、隨機應變、和人一樣思考等明顯智能化程度。正在規劃人傷智能定損機器人、養老陪伴機器人、資管投研助手等一系列智能化產品。深化客戶服務、產品推介、風險防控等場景，探索辦公助手、客服問答等應用場景。平安人壽推出了基于大模型的數字人產品，主要用于協助代理

36、人與客戶溝通。中國金融AGI廠商圖譜應用層傳統金融機構科技公司及互聯網金融數據服務商金融行業大模型工具，解決方案及應用銀行保險證券資產管理信托投資基金財務管理投資銀行期貨和衍生品交易風險管理金融科技融資租賃監管機構金融科技公司消費金融互聯網金融服務機構在應用大模型過程中，金融機構面臨四大挑戰在金融行業，AI大模型目前應用仍主要集中在辦公、開發、營銷、客服等非核心業務場景，對于投研、交易、風控等核心業務，多數金融機構的相關動作仍然相對保守。從IDC中國人工智能行業滲透度排名來看，過去5年一直位列前三的金融行業，2023年已經被電信和政府反超，僅排名第四。這與金融行業強監管的特殊屬性有關，而這種行

37、業特性也在一定程度上制約了大模型在金融業的規?；瘧眠M程，金融機構應用AI大模型主要面臨四大挑戰。金融機構在應用大模型過程中面臨的主要四大挑戰四大挑戰大模型的發展對算力提出了更高的要求，而當前我國市場正面臨算力供給的嚴重短缺。此外，算力部署也是金融領域發展大模型時面臨的復雜工程，要想發揮算力的最大效能，必須確保網絡、存儲和服務器機架等所有相關組件都能夠與算力資源相匹配，這是一個成本高昂且技術挑戰巨大的過程。挑戰3：算力資源欠缺，算力部署復雜大模型成功應用不僅要求人才具備扎實的算法能力，還需掌握算法工程化的實現方法，以及將算法與具體業務相結合的能力。因此，企業渴求的是一種新型的“六邊形人才”。企

38、業對人才能力的需求邊界在不斷擴展，這無疑加劇了人才短缺的問題。挑戰4：人才缺失金融行業監管要求嚴格，這是大模型的“黑盒”特性注定在其核心業務場景走不通的重要原因。挑戰1：大模型的可解釋性和穩定性不足語料是制約金融業落地大模型的關鍵桎梏，在AI的數據問題中，針對特定指令的數據集構建較為困難，這要求對數據的質量和相關性有更高的標準。挑戰2：數據的質量、規模和安全問題企業服務應用階段：功能場景貼近通用模型能力，逐步邁進市場投放期由于大語言模型對文本處理類場景有著天然且直接的適配性，文本總結、文本內容生成、服務指引等發展起步早且應用成熟度更高。在數據分析方面，現有結合AI技術的產品可以幫助分析數據、生

39、成報告或提供洞見，但由于大模型幻覺問題，為了保證足夠的準確性仍然需要進行人工驗證。企業資源管理、供應鏈管理等技術更為復雜且涉及多個模塊，同時安全性與可靠性要求較高，所以應用程度相對較低。應用探索期產品測試期市場投放期應用成熟期市場應用程度文本總結輔助編程服務指引知識查詢文本內容生成客戶關系管理數據分析時間協同辦公供應鏈管理企業資源管理AGI 應用覆蓋企業全流程，注重效率、知識管理和流程優化企業全流程人力財稅法務流程自動化知識管理軟件開發招聘簡歷篩選面試總結新員工培訓企業知識管理合同審查法規學習法律知識管理典型場景智能開票智能報稅財稅知識管理文檔總結數據分析流程優化企業資源管理知識查詢智能問答項

40、目管理典型場景輔助編程測試和漏洞優化建議資源優化AGI應用覆蓋企業全流程典型場景AGI在企業服務中，各應用已覆蓋企業全流程，包含人力、法務、財稅、流程自動化、知識管理和軟件開發各領域。生成式的內容賦能企業內部溝通協同效率認知增強能力賦能企業知識管理規劃決策執行能力賦能企業管理流程優化企業服務應用落地特點AGI 賦能溝通協同效率、企業知識管理和管理流程優化生成式的內容賦能企業內部溝通協同效率工作助理認知增強能力賦能企業知識管理規劃決策執行能力賦能企業管理流程優化文檔生成輔助編碼人力法務財稅流程自動化數據分析聊天總結會議紀要下一步工作任務和日程智能生成WPS AI工作規劃和總結、活動策劃等文檔智能

41、生成Amazon Q 開發者版（Developer）覆蓋軟件開發全周期：代碼解釋與自然語言代碼生成、單元測試代碼生成、安全漏洞掃描和修復建議、成本和資源可觀測和優化建議招聘信息自動生成簡歷智能篩選面試題庫和面試總結落地合同審查領域，提供合同智能總結、修訂建議、風險提醒等Cosmic財務指標查詢智能報表生成Amazon Q 企業版（Business）基于企業知識庫和數據源，通過自然語言，生成數據報表、提取數據的洞察信息和報告內容生成實在Agent自然語言生成流程，通過多模型協作，合理拆解復雜任務，自動規劃執行步驟釘釘AI助理中國企業服務AGI廠商圖譜應用層模型層企業服務大模型企業服務AGI廠商將

42、人工智能技術應用于企業層面，提高工作效率和決策質量，其中應用層覆蓋協同辦、輔助編程、自動化流程、數據分析、企業資源規劃。模型層在于構建一個在垂直領域應用的大模型，為不同應用提供驅動力和智能支持。企業服務行業AGI廠商圖譜協同辦公自動化流程企業資源規劃通用大模型輔助編程數據分析企業服務市場面臨技術與經濟雙重挑戰技術挑戰經濟挑戰 企業服務的服務對象囊括千行百業，服務需求標準化程度低，復雜性高，尤其在中國市場，具有強定制屬性，如醫療、能源等行業門檻極高的場景，所以企業服務面臨復雜性和適應性的挑戰。復雜性與適應性 在企業服務行業中，新技術方案需要與現有的IT系統和工作流程無縫集成。這涉及到軟件兼容性、

43、數據交換標準以及接口設計等問題。集成與兼容性 AGI在企業服務層面，基礎設施調用成本、組織內部教育成本、人員培訓適應成本等研發和應用成本高昂。如何降低成本，提高價值獲得感是企業服務面臨的核心經濟挑戰之一。高昂的研發成本 AGI技術目前仍處在早期發展階段，技術路線更新快。同時場景探索也處于早期，技術選擇的機會成本較高。投資回報的不確定性學校及教師側教育應用階段：集中在應用探索和產品測試階段整體而言，AGI在學校及教師側的應用都還在非常早期，這主要受到智慧校園/教師的整體解決方案的成熟度，以及大模型應用面臨技術集成、數據管理以及內容生成質量和匹配性。學生側目前的應用大多都還在單點場景進行探索，例如

44、作文輔導、英語口語等，這些場景的需求較為明確，且與大模型在語言生成的能力提升適配度較高，因此這些場景應用程度相對較高。但像個性化學習這類全流程型的應用，仍處于非常早期。應用探索期產品測試期市場投放期應用成熟期市場應用程度智慧教研個性化學習個性化教學規劃情感支撐英語口語輔導作文批改智慧教輔陪伴式助教教學內容推薦學校教育硬件消費級教育硬件編程教學學生側時間知識智能總結教育行業AGI應用成熟度曲線應用現狀：相較于教師/學校側，學生側應用速度快、探索程度深學科教育 口語輔導 作文輔導 陪伴式助教素質教育 編程教學職業教育 企業培訓 考證學校及教師側智慧教室 智慧教研 智慧教輔 學校教育硬件學生側 學生

45、為青少年，價值觀、道德觀等認知尚未穩定，內容辨別和思考能力正在培養中，學習自主性和積極性需要引導 應試教學效果存在較為明顯的評價體系 學生為青少年，價值觀、道德觀等認知尚未穩定，內容辨別和思考能力正在培養中，學習吸住行和積極性需要引導 教學效果不存在較為明顯的評價體系 學生多為成人，已形成較為穩定的價值觀、道德觀穩定，對教學內容存在一定的辨別和思考能力 教學效果存在一些明確的評價體系 教師期望工作提效 學校存在不同的數字基礎和資金預算，對新技術引入也相對保守教育領域用戶特點分析應用場景以APP、教育硬件或APP+教育硬件形式以APP、教育硬件或APP+教育硬件形式線上學習平臺APP大模型作為智

46、慧教室整體解決方案一部分落地形式學生側教育領域分類和用戶群體明確，教學內容存在大量體系積累，落地形式也相對明確，因此學生側應用在部分應用場景中應用速度快，探索程度深；教師側多基于工作提效需求個人探索，學校作為集體決策，對新技術的引入相對保守。AGI 三大有效能力滲透學生、教師和學校三方教育場景本輪人工智能浪潮中所體現的生成式、交互式和自主規劃式為各類教育場景帶來了探索的想象空間。本輪大模型和AI Agent所體現的能力本輪生成式AI（Gen AI）帶來的生成能力本輪生成式AI（Gen AI）帶來的自然語言交互能力AI 智能體（Agent）帶來的自主規劃能力本輪技術升級相關的教育場景核心價值點智

47、慧教研課程大綱和課件以及教案的制作個性化助教課后習題和試卷智能答疑教師工作提效學生學習自主性提升陪伴式助教對話式思考總結、作業批改答疑情感支撐傾聽與正面響應、情緒樹洞學生學習積極性提升學生學習積極性提升個性化學習教學課程內容智能規劃教學內容推薦相關課程、習題和活動的智能推薦學校教學適應性提升學校教學自主性提升依托豐富教學資源，逐漸滲透大模型應用依托多年教育積累教材 課件 課件 教學資料教育大模型多學科多年齡段多場景依托多年教學資源積累，廠商多建設教育大模型+教育應用矩陣教師端緊抓減負增效核心需求學生側建立場景、應用篩選和交互設計策略用戶群體需求洞察，教育應用落地思考與路徑智能硬件學習APP智慧

48、校園解決方案學習平板 智能圖書 智能表作文批改 口語輔導 解題助手大模型作為能力支撐之一010203場景拆解（學科、年齡等）效果測試（識別能力邊界）應用落地（工程優化）內容適應性寓教于樂性助手陪伴性廠商多建設教育大模型，疊加教育應用矩陣提供服務。在學生側場景落地時，也需要多考慮目前大模型的能力邊界和落地時的工程優化。同時在場景篩選后，也需要考慮內容適應性、教學內容寓教于樂和助手提供的朋友陪伴性。英語口語課堂互動心理輔導場景篩選交互設計 增效 作業批改與個性化錯題本 減負 教學物料生產中國教育AGI廠商圖譜應用層模型層猿力科技K12職業教育智慧教研/校園通用大模型教育大模型自學APP類教育硬件在

49、通往 AGI 的路上，國產廠商大體形成了模型層到應用層的初步格局。模型層中，既包括專門基于教育場景的大模型廠商，也包括從通用切入教育場景落地的通用大模型廠商。應用層，仍然是內容積累豐富、教學效果明晰的學科教育應用成果較為豐富，同時教育硬件有大量新品釋出，但用戶反饋代表其能力仍有提升空間。教育行業AGI廠商圖譜行業痛點：三大痛點造成教育行業AGI淺應用現狀現階段，大模型在教育場景中面臨的生成內容安全、場景應用效果和成本經濟賬問題，01 生成內容安全難點教育場景面向的對象多為兒童和青少年，因此對生成內容所體現的價值觀和涉黃涉及暴力等內容要求更為嚴格嘗試解決方案訓練數據的篩選、輸入輸出環節增加大模型

50、自我審核、對齊等技術手段02 場景應用效果難點大模型自身在解題、出題、課程設計等方面，較上一代人工智能有所提升，但仍無法完全滿足應用需求嘗試解決方案通過加強教育領域數據進行的微調和再訓練，RAG等技術手段，加強教育場景適配度03 成本經濟賬難點大模型部署和推理所帶來的新增成本和商業收入之間的平衡和抉擇嘗試解決方案在成本短期內無法解決的情況下，場景的選擇成為了關鍵最具發展潛力的10個市場應用場景智能游戲NPC（游戲）智能投放（營銷和零售）營銷物料生成（營銷）協同辦公（企業服務）數字人導購/直播（零售）數據分析（企業服務）輔助編程（企業服務）金融知識庫（金融）知識查詢（企業服務）智慧硬件（教育）內

51、容生成類專家類業務服務類企業內應用場景企業外應用場景中國AGI市場發展趨勢預測應用場景：AGI應用層普遍處于基礎探索期，正向賦能核心業務方向努力應用層的三個發展階段：企業機構AI應用程度第一階段基礎探索期01企業業務與技術應用結合度相對低，主要賦能情況為單節點業務合作或行業通用環節。02第二階段復雜應用期企業業務開始進入AI技術多業務環節應用階段，基礎設施、技術、人才密度等成熟度中等或者相對成熟，技術可以在某些業務環節中推動業務發展。03第三階段全面實踐期企業機構整體業務應用程度較高，企業機構中的相關人員整體成熟度也較高，業務和技術可以充分融合，AI能夠在深度業務場景中落地應用，實現業務數字化

52、全流程革新。2023年迄今，AGI領域迅猛發展，國內外眾多大模型的涌現標志著AGI技術基礎不斷鞏固，能力得到了重大飛躍，為后續的技術革新和應用探索奠定了堅實的基礎，但隨著時間的推移，許多基礎大模型由于缺乏實用性和競爭力而逐漸被淘汰。接著，應用層出現工具產品快速創新，Copilot、智能編碼等類型的產品將AI能力逐漸融入工作業務中，極大地拓展了AI的應用場景和實用價值；目前，AGI正處于應用層創新的關鍵銜接期，企業機構在積極探索新的應用方向，同時也在謹慎評估，避免盲目投入導致的策略失誤。戰略調整、投入試水、應用產品快速創新等一系列動作將推動企業機構AI應用邁向復雜應用期。預期時間：2023年-2

53、026年預期時間：2030年后預期時間：2026年-2030年隨著AGI應用快速創新，企業機構有望在2026年進入復雜應用期 AGI應用目前僅在較少的行業場景中得以推廣，并且整體落地目標還是在原有的場景效率基礎上從加法變成乘法，并輔助人工校對審驗等工作實現產品的價值。未來，AGI一定會實現在并未形成自然人能力統治或者過往工作形勢中人力幾乎不可觸及的工作場景中獨立完成工作。這些場景包括且不限于超高強度、超高危險度、超高復雜度等門檻較高的場景中，由AGI應用獨立從事工作，幫助人類完成。在這個階段，AGI不僅增強了人類的能力，而且開始替代人類完成高風險或高復雜度的任務。AGI的發展可能導致完全新的工

54、作和生活方式，AGI與人類形成協同關系，共同探索和創造新的價值和機會。在這個階段，AGI被設計來理解和模擬人類情感和創造力，使其能夠在更加復雜的社會、經濟和文化活動中與人類協作。例如，AGI可能與人類藝術家共同創作音樂和藝術作品，或在決策制定中提供獨到的視角和創新思維。應用場景：AGI應用將走向與人類協同共生&探索新價值機會的階段人才：AGI應用市場人才形成集聚效應，人才供給貫穿業務各個環節中美AI領域頂級人才數量對比3691188中國AI 領域頂級人才美國AI領域頂級人才數據來源：AI Open Index的AI 2000學者名錄。中國與美國在AI頂級人才數量上的差距顯著，其中美國擁有118

55、8位頂尖AI專家，而中國則有369位。InfoQ研究中心分析其中原因，主要是因為美國整體產業生態和資本支持力度較大，而中國在科技機構培養、政策和市場環境等方面正在快速改善。相信中國AI領域頂級人才規模在短期內會實現快速增長。AI實踐領導者AI應用踐行者AI技術領航者AI技術賦能者中國AGI應用領域的人才短缺還體現在大眾人才的方面，根據極客邦雙數研究院研究成果顯示，未來企業中將培養和涌現出AI時間領導者、AI應用踐行者、AI技術賦能者、Ai技術領航者；這四類人才不但會生產AGI應用產品，也將是企業中采用AGI應用的核心人群。成本：未來AGI應用市場中成本將持續降低，價值體現將不斷凸顯投入產出比一

56、直是AGI落地的重要考慮因素，現階段AGI應用主要主要受制于高昂的落地成本，例如定制模型、本地部署等。預計未來伴隨著模型優化帶來的部署成本降低和應用深入業務流程，Agi的應用價值將不斷凸顯。成本曲線價值曲線現階段應用成本成本持續降低現階段應用價值價值不斷凸顯中國AGI應用成本收益曲線51專家致謝（按姓氏首字母排序）感謝各位專家為報告編制工作提供的寶貴建議！陳鴻螞蟻集團財富保險事業群 智能服務資深專家董 可 人功夫源科技CEO 郭家圖靈機器人COO紀韓螞蟻集團投研支小助及agentUniverse技術負責人何敏明略科技副總裁、大模型基礎架構團隊負責人麻 幸 林（子推）釘釘 AI 產品負責人歐陽小

57、剛實在智能合伙人&核心算法部負責人宋旸作業幫首席人工智能專家蘇鵬愛可生 AI創新事業部負責人孫華亞馬遜云科技 資深解決方案架構師徐 小 磊廣發銀行信用卡中心商業智能負責人宜博大模型農場 LLMFarm 創始人，TGO 鯤鵬會（北京）董事于游金山云 大模型首席布道師，TGO 鯤鵬會（北京）董事會成員張晗陽光保險集團人工智能部大模型首席專家內容咨詢：商務合作：InfoQ 研究中心隸屬于極客邦科技雙數研究院，秉承客觀、深度的內容原則，追求研究扎實、觀點鮮明、生態互動的目標，聚焦創新技術與科技行業，圍繞數字經濟觀察、數字人才發展進行研究。InfoQ 研究中心主要聚焦在前沿科技領域、數字化產業應用和數字人才三方面，旨在加速創新技術的孵化、落地與傳播，服務相關產業與更廣闊的市場、投資機構，C-level 人士、架構師/高階工程師等行業觀察者，為全行業架設溝通與理解的橋梁，跨越從認知到決策的信息鴻溝。p 市場份額追蹤p 細分市場分析p 市場規模預測p 市場分析模型輸出p 用戶規模評估p 用戶認知分析p 用戶決策分析p 用戶行為分析p 技術需求洞察p 技術實踐分析p 應用規劃建議p 發展趨勢研判技術市場趨勢洞察技術市場用戶分析數字化實踐趨勢分析洞察技術創新趨勢，推動數字化商業升級內容咨詢：商務合作：InfoQ 公眾號AI前線 公眾號InfoQ 視頻號