《百度智能云：2024人工智能（大模型）產業發展應用研究白皮書（71頁）.pdf》由會員分享，可在線閱讀，更多相關《百度智能云：2024人工智能（大模型）產業發展應用研究白皮書（71頁）.pdf（71頁珍藏版）》請在三個皮匠報告上搜索。

1、1 2 目 錄 一、人工智能是發展新質生產力的重要引擎.1（一）人工智能為科學技術創新提供原動力.2 1、為提升基礎研究效能提供新方法.2 2、為學科交叉融合研究提供新路徑.4 3、為科技創新和產業創新深度融合提供新動能.5（二）人工智能助推各行各業加快形成新質生產力.6 1、開拓新興產業發展空間.6 2、延展傳統產業生產邊界.9 3、促進產業跨界融合與轉型升級.10（三）人工智能通過塑造新型勞動者形成新質生產力.11 1、促進新職業誕生.11 2、推動勞動者技能轉型.12 二、人工智能（大模型）發展應用進展與趨勢.13（一）我國人工智能產業保持快速發展態勢.14 1、我國大模型產業規模保持高

2、增速.14 2、我國是全球人工智能市場的主要“玩家”.15 3、適應不同業務需求開發了多款人工智能（大模型）16（二）我國擁有全球最為豐富的應用場景.17 1、深度賦能垂直行業是我國人工智能（大模型）發展的重要方向.17 2、我國在前沿領域應用人工智能（大模型）已初見成效.18 3 3、我國人工智能（大模型）在互聯網辦公、金融等行業滲透較快.18（三）我國的基礎能力建設領先全球.19 1、我國智能算力增速顯著快于全球水平.19 2、我國數據規模增速位居全球第一.20 3、我國算法不斷迭代優化適配應用場景.21（四）我國高科技企業是產業發展的主要推動力量.21 1、我國高科技企業具有差異化的創新

3、優勢.21 2、我國高科技企業大力拓展人工智能（大模型）服務范圍.22（五）我國與全球合力拓展技術發展和服務邊界.24 1、人工智能（大模型）變革內容生產和技術服務模式在我國已初現端倪.24 2、人工智能體成為我國人工智能（大模型）重要發展方向.24 3、多模態能力是我國 AI 大模型后續的技術重點.25（六）國內外均著力以 MaaS 模式為核心催生新產業生態.26 1、國內外呈現出以 MaaS 發展為核心商業模式的態勢.26 2、人工智能（大模型）在產業鏈落地上呈現“兩頭快、中間慢”態勢.27（七）我國高度關注人工智能技術發展、產業創新和系統治理.27 1、我國政策支持注重推動人工智能技術和

4、產業創新.27 4 2、我國人力需求和培養力度均處于較高水平.28 三、我國人工智能（大模型）發展應用存在的問題.29（一）人工智能（大模型）推廣應用面臨知識經驗不足 29 1、許多用戶對技術本身和安全性存在疑慮.29 2、經濟增長壓力加大形勢下更加審慎投資使用人工智能.30（二）應用場景整合和拓展統籌程度仍需提高.30 1、從應用領域看，人工智能（大模型）落地領域不均衡.30 2、從應用主體看，中小企業落地應用人工智能（大模型）相對緩慢.31 3、從產學研合作看，技術轉化面臨困境.32（三）數據、算力、算法等關鍵要素保障不足.32 1、數據質量低，數據流通存在障礙.33 2、算法領域薄弱，算

5、法潛藏偏見和歧視可能導致決策結果存在不公.34 3、算力生態建設需持續完善，“群模亂舞”進一步擾亂國內資源配置.35（四）基于資源互補的大中小企業融通發展水平有待提升.36 四、人工智能（大模型）賦能高質量發展的實踐與成效.37（一）制造業領域.38 1、上海汽車集團股份有限公司.39（二）科學研究領域.40 5 2、上海交通大學.41 3、中國中化控股有限責任公司.41（三）交通領域.42 4、北京車網科技發展有限公司.43 5、山東省港口集團有限公司.45（四）金融領域.46 6、中國郵政儲蓄銀行.46（五）能源資源領域.47 7、國家電網有限公司.48 8、國家能源投資集團有限責任公司.

6、49 9、中國海洋石油集團有限公司.50（六）城市治理領域.51 10、河北省唐山市.52 11、北京市海淀區.53 五、深化人工智能（大模型）產業發展應用的建議.54（一）提升科學認識水平，完善人工智能技術應用管理機制.55 1、引導全社會正確認識人工智能.55 2、不斷提高人工智能可解釋性、可預測性.55 3、建立人工智能技術應用管理機制.56 4、建立人工智能產品質量安全認證體系.56（二）完善數據資源體系，促進數據開放共享.56 1、完善數據資源體系.57 2、促進數據開放共享.57 6（三）夯實算力底座，強化綠色低碳、安全可靠的算力保障.58 1、適度超前布局算力基礎設施建設.58

7、2、構建自主可控國產智能算力生態.59（四）推動算法決策過程透明化，改善人工智能算法“黑箱”的決策機制.59 1、加快完善評價機制，推動算法決策過程公開化和透明化.59 2、從算法與人交互的環節出發，解決人工智能應用中社會關切問題.60（五）拓展人工智能應用場景，加速人工智能與經濟社會深度融合.60 1、圍繞交通運輸等領域組織實施標桿性應用工程.61 2、圍繞政務服務等細分行業領域組織實施示范應用工程.61 3、圍繞行業熱點組織實施商業化應用工程.62 4、探索人工智能應用場景賦能與開放.62 5、加快構建滿足“人工智能+”高水平賦能需求的標準體系.63（六）構建良好創新生態，加速產學研協同、

8、大中小企業融通.63 1、促進大中小企業融通創新發展.64 2、大力推進企業主導的產學研合作.64 1 習近平總書記指出，人工智能是新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題。當前，在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論新技術的驅動下，人工智能加速發展，正在與經濟社會各行各業深度融合創新，推動生產方式、發展模式和企業形態發生根本性變革，開辟出新的巨大增長空間。世界主要大國紛紛制定發布人工智能發展戰略，加強前瞻謀劃，明確發展重點，強化政府引導和政策支持，搶占競爭制高點，奪取發展主動權。適應產業科技新趨勢，

9、跟上時代步伐，必須發揮人工智能在支持產業升級、產品開發、服務創新等方面的技術優勢，加快推進人工智能發展及產業應用，以人工智能技術賦能經濟社會高質量發展，催生更多新技術新產業，開辟更多新領域新賽道，增強發展新動能新活力。一、人工智能是發展新質生產力的重要引擎 新質生產力代表先進生產力的演進方向，是由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生的先進生產力質態。人工智能具備深度學習、跨界融合、人機協同、群智開放、自主操控等鮮明特征，能夠引領帶動生產主體、生產工具、生產對象和生產方式變革調整，正在對科技跨越發展、產業優化升級、新型勞動者塑造產生重大影響。加快人工智能是擺脫傳統生產力發展

10、路徑的重要抓手，是加快發展新質生產力的重要引擎。2（一）人工智能為科學技術創新提供原動力 1、為提升基礎研究效能提供新方法、為提升基礎研究效能提供新方法 當前，基礎研究向極宏觀拓展、向極微觀深入、向極端條件邁進，物質結構、宇宙演化、生命起源、意識本質等領域的基礎研究不斷突破認知邊界，對研究人員學習解決高維復雜問題提出更高要求。人工智能基于大型機器學習算法驅動，具備通用性、擴散性和顛覆性強的特性，可以對各基礎研究領域其他研究方法難以甚至是無法計算的高維復雜問題進行深度分析求解，幫助研究人員更加真實細致地刻畫復雜系統的運作機理，同時把基本原理以更加高效、更加實用的方式應用于解決實際問題中，加快基礎

11、研究范式變革和能力提升。目前，我國科技部會同自然科學基金委已啟動“人工智能驅動的科學研究”（AI for Science）專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局建設“人工智能驅動的科學研究”前沿科技研發體系。驅動基礎研究效率變革驅動基礎研究效率變革。人工智能借助強大的數據處理能力和優化算法，正逐步改變傳統科研范式中依賴“試錯法”的繁瑣過程，實現研究效率與質量的雙重飛躍，為基礎科學研究開辟了全新的高效路徑。比如，百度飛槳科學計算工具組件賽槳 Paddle Science 是國內首個公開且可應用于 C

12、FD（Computational Fluid Dynamics，計算流體力學）領域的工具，提供端到端應用 API，3 致力于解決科學計算類任務。賽槳綜合數學計算與物理數據相結合的處理方法，提供物理機理約束的 PINNs（Physics Informed Neural Networks 物理信息神經網絡）加速求解偏微分方程，解決計算流體力學中的仿真分析。谷歌 DeepMind 和其英國子公司Isomorphic Labs 聯合團隊在自然雜志上聯合發布的全新 AI蛋白質結構預測模型 AlphaFold 3，基于具備三角注意力的自定義 Transformer 構建，可準確預測蛋白質、DNA、RNA、

13、配體等的結構以及它們如何相互作用，有望幫助人們治療癌癥、免疫性疾病等。與現有預測方法相比，AlphaFold 3 改進了至少 50%；對于一些重要的相互作用領域，AlphaFold 3 預測精度提高一倍。驅動基礎研究范式變革。驅動基礎研究范式變革。人工智能基于算法驅動，能夠打破歷史經驗、舊技術、舊方法等帶來的研究慣性，為分析復雜事物提供新的科學洞察力、新的技術方法，有力推動基礎理論創新。比如，中國科學技術大學基于人工智能算法打造的機器人化學家“小來”成功整合集成了基礎研究“學”、“想”、“做”環節，即可閱讀海量文獻，學習化學知識；又可調用底層的物理模型，進行理論分析和自主完成實驗設計、操作，有

14、力協助研究人員發現新路徑新方法。2021 年，悉尼大學研究人員使用 DeepMind 開發的人工智能程序證明了 Kazhdan-Lusztig 多項式。2022 年 10月，DeepMind 推出矩陣乘法算法應用 AlphaTensor，是通過強化學習找到的目前矩陣相乘最快算法。2023 年 6 月，DeepMind 推出 AlphaDev，用于發現更高效的排序算法。4 2、為學科交叉融合研究提供新路徑、為學科交叉融合研究提供新路徑 多學科交叉所形成的綜合性、系統性、滲透性知識可以有效解決人類面臨的新問題、新挑戰，成為取得原創性重大成果的重要途徑。從諾貝爾獎成果可以看出，物理學、化學以及生物學

15、和醫學之間的邊界越來越模糊，它們之間相互交叉和滲透，并且產生了大量新的科學生長點。圖靈獎得主Jim Gary認為科學研究經歷了經驗范式、理論范式、計算范式、數據驅動范式等4 種范式。當前，許多科學家認為科學研究正在迎來人工智能驅動的第五范式。第五范式以虛實交互、平行驅動的AI 技術為核心，以智聯網和區塊鏈構建基礎，以多學科多領域研究人員的價值和知識融和為導向，將帶來傳統物理學、信息學和生命醫學三者的融合更加深入，成為鏈接各學科知識的技術紐帶，加快不同學科領域間研究方法、知識積累的滲透融合，帶動以綠色、智能、泛在為特征的群體性重大技術變革。打破學科壁壘。打破學科壁壘。人工智能融合計算機科學、數學

16、、控制論、認知科學等多個領域的知識，本身具備明顯的跨學科交叉特征。這使得人工智能成為連接不同學科領域的天然橋梁，加快不同學科研究方法和工具間的相互借鑒和融合，從而催生出新的研究方向和成果。比如，物理、數學、化學等基礎性學科向實際應用延伸，為人工智能技術攻關和創新提供助益，或者利用人工智能打開研究思路，進行快速創新和知識發現。又如，城市、交通、制造等工程技術應用性強的學科，可以借助強大的人工智能技術工5 具或算法力量，進行自動化、智能化轉型，創造更大的戰略價值和經濟效益?？珙I域整合分析數據?？珙I域整合分析數據。不同領域的數據往往具有互補性。通過人工智能技術，可以實現對這些數據的整合、分析和挖掘，

17、從而發現新的規律和趨勢。比如，基于生物學機制、疾病和用藥相關數據、藥物的各種藥學性質等跨領域研究建立的人工智能模型，可有效預測新藥的安全性和有效性。3、為科技創新和產業創新深度融合提供新動能、為科技創新和產業創新深度融合提供新動能 科技創新和產業創新深度融合是將科學技術成果轉化為現實生產力的重要路徑。以 ChatGPT 為代表的人工智能大模型技術，將數十億人類積累的知識和知識結合在一起，可以幫助研發人員有效發現產業鏈面臨關鍵技術問題、提高關鍵核心技術研發效率、準確識別創新成果應用價值，實現問題發現者、技術研發者、應用推動者的有機統一。人工智能大模型驅動的技術經理可以整合高校、企業、投融資等創新

18、要素，借助精準算法，既可以為科研團隊提供適宜的“揭榜”攻關需求推送，也可以為企業精準推薦可用成果，最大限度壓縮供需雙方中間環節成本，提高科技成果轉化效能，使精準、智能創制、轉化具備產業化應用前景的科技成果成為可能。比如，科技成果轉化大模型“智者大模型1.0”，聚焦于成果轉化領域，匯聚全球技術資源，構建專業化知識數據底座，通過強化學習和微調訓練深度開發成果轉化大模型，能夠利用大模型對企業發展、產業鏈態勢變化、科技研發等6 情況進行綜合畫像，實時挖掘分析企業潛在技術需求，智能研判高質量成果存在位置，將企業智能畫像與成果智能化評價結果進行智能化匹配，實時生成成果（需求）推薦報告，在成果轉化供給側、需

19、求側、服務側等場景應用效果具有獨特優勢。（二）人工智能助推各行各業加快形成新質生產力 1、開拓新興產業發展空間、開拓新興產業發展空間 新興產業是引領國家未來發展的重要決定性力量，對我國形成新的競爭優勢和實現跨越發展至關重要。新興產業不僅是已有技術演進、迭代、融合的載體，更多體現了技術軌道的變化，甚至是技術經濟融合模式的變化。伴隨著人工智能的深入發展，傳統科學知識、制造技術、信息交互、管理治理的組合范式都發生巨大變化，引導本輪產業變革超越以往技術經濟周期相對單一的主導技術牽引，轉而表現為智能、健康、綠色三大主導技術群融合突破與協同支撐，為新興產業開辟巨大的發展新空間、新賽道。目前我國人工智能產業

20、已形成以算力和數據為上游基礎層、以大模型平臺為核心的中游技術層、以各類產業場景為導向的下游應用層的新型產業鏈，在自動翻譯、圖像識別、自然語言處理、智能推薦等多個領域已經得到了較為廣泛的應用。在一些行業垂直領域，人工智能技術與專業領域知識或經驗相結合，顯著提升了生產效率與產業競爭力，開辟了產業生產新空間。據統計，2023年我國人工智能核心產業規模達 5784 億元，生成式人工智能的企業采用率已達 15%，市場規模約為 14.4 萬億元，催生了大量7 新產業、新業態、新模式，展現出蓬勃生機。大模型開辟垂直行業新領域。大模型開辟垂直行業新領域。2023 年以來，國產大模型呈現出爆發式增長態勢，僅 2

21、023 年 1-7 月就有共計 64 個大模型發布，大多數已向全社會開放服務。賽迪智庫基于 2200 家人工智能骨干企業的關系數據量化分析表明，我國人工智能已開辟出智慧金融、智慧醫療、智能制造、智慧能源等 19 個應用領域。大模型正成為前沿領域的重要生產研發工具，在生物醫藥領域，百度智能云大模型可用于提高藥物研發效率和新藥發現的準確性；在新材料領域，我國已有科研團隊將大模型 MatChat 大模型用于預測無機材料的合成路徑；在能源科學領域，由百度集團和國網智能電網研究院共同開發的電力行業 NLP 大模型，可有效提升電力系統的自動化和智能化水平。8 表 1：中國人工智能開辟新領域的主要方向 代表

22、性人工智能技術 代表性產品 落地應用場景 百度 1.文心大模型（知識增強大模型）2.文心一言（知識增強大語言模型）3.飛槳（深度學習框架）4.Deep Speech（語音識別模型）5.Apollo ADFM（自動駕駛大模型）1.文心一言 2.Apollo（自動駕駛開放平臺）3.百度大腦（AI 開放平臺）1.自動駕駛：提供智能駕駛解決方案和自動駕駛出行服務 2.語音識別和自然語言處理：應用于搜索引擎語音助手 3.AI 云服務：用于企業數據分析和智能應用 華為 1.昇騰芯片（自研 AI 處理器）2.MindSpore（自研深度學習框架）1.昇騰系列 AI 芯片 2.Atlas Al 計算平臺 3.

23、華為云 EI 4.NLP 大模型“鵬程盤古”1.智能制造：利用 AI 優化生產流程 2.智能家居：通過 AI 提升設備智能 3.企業云服務：提供 AI 計算和數據分析服務 阿里巴巴 1.城市大腦（城市智慧管理模型）2.AliMe（智能客服）1.通義千問 2.阿里云 AI 服務 3.ET 大腦（智能城市解決方案）1.電商推薦系統：優化商品推薦和搜索 2.智慧城市：應用于交通、安防、環境監測 3.金融服務：用于風險控制和客戶服務 騰訊 1.騰訊優圖（圖像識別）2.騰訊 Al Lab 深度學習平臺 1.騰訊云 AI（包括語音識別、圖像識別服務）2.微信智能助手 3.手語數智人“聆語”1.智能社交應用

24、：提供智能對話和內容推薦 2.醫療健康：用于醫學影像分析和健康管理 3.AI 開放平臺：支持企業應用 AI 技術 商湯 1.SenseFace（人臉識別技術）2.SenseDrive（自動駕駛方案）3.SenselD（多模態身份驗證技術）1.商湯日日新 SenseNova 2.Senselime 3.SmartSurveilance（智能視頻監控）4.Senselime smart Retail（智能零售解決方案）1.智慧安防：提供智能視頻監控和人臉識別 2.智能零售：應用于顧客行為分析和店內優化 3.金融：用于身份驗證和風險管理 9 推動形成數字經濟時代更具創新性的推動形成數字經濟時代更具創

25、新性的新興產業。新興產業。伴隨著人工智能在互聯網、汽車等行業的推廣應用，又孕育出元宇宙、無人駕駛、數字貿易等新產業，引領生產力躍遷，推動形成數字經濟時代更具創新性的新興產業。比如，2022 年以來，百度旗下自動駕駛出行服務“蘿卜快跑”已在武漢投放了 400 多輛無人車，并計劃到年底前完成 1000 輛無人駕駛車輛的部署，覆蓋武漢3000 多平方公里和 770 萬人口，截至 2024 年 7 月蘿卜快跑累計服務單量已超過 700 萬次。2、延展傳統產業生產邊界、延展傳統產業生產邊界 從現代生產力變革看，科學技術越來越成為生產力中最活躍的因素和最主要的推動力量。人工智能可以深刻重塑勞動者、勞動資料

26、、勞動對象等生產力基本要素，將傳統產業生產邊界從標準化產品延伸至高技術、高定制、高靈活性的新產品新服務，推動傳統產業向更高級、更先進的生產組織形式演進，引領傳統產業發展動力從主要依靠資源和低成本勞動力等要素投入加快向創新驅動轉變，拓展發展新空間、迸發發展新活力。優化生產決策。優化生產決策。以大模型為代表的人工智能發展呈現出技術創新快、應用滲透強等特點，深刻改變了制造業生產模式和經濟形態。從為生產線設計的最新工具，到應用于產業鏈的解決方案，人工智能應用已貫穿于設計、生產、管理和服務等制造業的各個環節，其日益多樣化的應用場景幾乎已包括故障監測、預測性維護、智能分揀、設備健康管理、基于視覺的缺陷檢測

27、、智能決策、10 優化生產計劃等工業生產的全鏈條各環節。比如，百度智能云開物工業互聯網平臺已積累 4 萬多個工業模型和智能應用。比如，針對 PCB 印刷電路板中質檢假點率過高的難題，百度智能云的智能質檢解決方案可以過濾 80%的假點，一年大概可以節約企業人工成本 200 多萬元。該解決方案目前已在蘇州常熟當地的相互電子、揚宣電子、生益科技等多家企業落地使用。在恒逸集團車間里，開物的 AI 質檢設備檢驗 1 個絲錠只需 2.5 秒，效率比人工提高 70%。催生柔性生產。催生柔性生產。人工智能大模型基于大數據分析，能夠建立起精準的用戶畫像和消費者需求預測模型。有助于傳統產業從大規模標準化生產向個性

28、化、定制化生產轉變，滿足市場多元化需求，從而延展了生產邊界。比如，以人工智能正在成為引領傳統制造業變革的關鍵力量，既催生制造范式從“規模生產”向“規模定制”、“柔性生產”轉變，涌現出協同制造、網絡制造、體驗式制造等制造業新型組織方式，企業生產模式開始從一次接一兩萬件訂單、一個月做完的剛性生產策略轉向一次接手幾十件甚至一兩件訂單、幾天做完的“小單起訂、快速反應”模式轉變，生產制造活動煥然一新。3、促進產業跨界融合與轉型升級、促進產業跨界融合與轉型升級 前三次工業革命主要聚焦于機械化、電力化和自動化，技術變革帶動了生產效率變革、質量變革。第四次工業革命的共性賦能技術以人工智能為引領，與制造技術的深

29、度融合，可以推動各11 行各業各種各類制造技術創新升級，引領和推動制造業的革命性轉型升級。在移動互聯網、大數據、超級計算等新理論新技術的驅動下，人工智能以其智能建模、決策輔助、知識管理等能力，在腦力勞動維度上形成更高效的人機協作，賦能研發設計、生產制造、運營管理等關鍵環節，推動固有業態和數字業態跨界融合，催生出智能制造、智慧物流、數字商貿、智慧農業等一批新興業態，加速線上線下、生產生活、國內國際全面貫通，促進精準供給、激發新興需求、重塑產業形態，引領產業發展呈現出群智開放、跨界融合等新特征，在中高端消費、綠色低碳、共享經濟、現代供應鏈、人力資本服務等領域培育產業轉型升級和跨界融合的新增長點、新

30、動能。比如，截至 2023 年底，我國已累計建設萬余個數字化車間和智能工廠，工業機器人裝機量占全球比重超50%，工業互聯網覆蓋全部 41 個工業大類，引領生產力跨越發展的作用凸顯。（三）人工智能通過塑造新型勞動者形成新質生產力 1、促進新職業誕生、促進新職業誕生 得益于人工智能在社會生產中應用的廣度延伸、深度拓展，大至航空航天、能源采集、設備制造等宏觀生產活動，小至基因編輯、粒子結構、量子調控等微觀世界改造活動，都成為當今科技和產業發展的最前沿，這些領域的探索在不斷深化人類對時間、空間和生命認知的同時，大大拓展了勞動對象、勞動方式的種類和形態，創造出大量新職業新需求。人工智能發展催生的就12

31、業機會主要有 3 大方向。一是前沿技術研發人員數量增加，越來越多的年輕科學家、工程技術人員進入人工智能領域，推進技術的更新迭代。二是站在大模型與普通用戶之間的相關從業者。比如，人工智能訓練師是近年隨著人工智能技術廣泛應用產生的新興職業，他們的工作是讓人工智能更“懂”人類，更好地為人類服務。人們熟悉的小度、天貓精靈、菜鳥語音助手、阿里小蜜等智能產品背后，都有人工智能訓練師的付出。世界經濟論壇發布的2023 年未來就業報告測算，未來 5 年全球企業預計創造約 6900 萬個新的工作崗位，其中增長最快的工作類型大部分與人工智能和數字化相關。三類是受益于人工智能的“超級個體”。一些藝術創作者、知識型工

32、作者，在人工智能的輔助下更好地完成創意性工作。特別是在設計等領域，人工智能生成內容（AIGC）不僅降低了成本，還大幅提升了工作效率，逐步打破了過去存在的技術、設計、資源等門檻使得個人、小團隊甚至微型企業都能完成以前大企業才能承擔的重大任務。比如，在傳統工作流中，類似瑞幸醬香拿鐵聯名營銷活動的包裝策劃案需要一個團隊耗時數月，而在人工智能的幫助下，一個人便可在兩小時內完成所有流程。從出方案到設計定稿，再到開發打樣，人工智能帶來的生產力讓每一個人都能拿到撬動產業的支點。2、推動勞動者技能轉型、推動勞動者技能轉型 人是生產力的創造者和使用者，是生產力中最活躍、最具決定性意義的因素。新一代人工智能可將人

33、類現有知識進行數據化13 處理，通過海量數據投喂和深度學習模擬人類思維方式，能夠學習遠超人腦掌握的知識，同時對信息化的知識進行重新組合并進行創造性運用，從而具有能動的、主動的知識創造和運用能力，形成文案設計、文生圖片、文生視頻、代碼生成等功能多樣的智慧能力，為人類智力勞動提供有力的輔助工具，甚至在諸多領域形成“機器替代人”的顯著優勢，為全方位提升勞動力素養和技能、提高智力勞動效率提供了重要動力。人工智能發展，不僅為勞動者學習新技術新技能提供更加直觀生動的數字化教具和課程，也通過使用智能生產工具的業界實踐，培育出一批善于創造新知識、掌握新技術、捕捉新需求的新型勞動者。一方面，借助人工智能在知識學

34、習中的幫助理解、靈感激發功能，可以助力個性導學、虛擬助教和過程評估，“個性化”教育將會不斷加強，“因材施教”因此成為可能，從而幫助教育機構培養可以引領世界科技前沿、創新創造新型生產工具的創新型人才。另一方面，伴隨工業機器人、高端數控機床等數字化、網絡化、智能化生產工具加快應用，在職業教育機構、一線生產實踐中，將涌現出更多具備多維知識結構、熟練掌握新型生產工具的應用型、技能型人才。二、人工智能（大模型）發展應用進展與趨勢 全球范圍內人工智能（大模型）開發應用正以前所未有的速度鋪開，展現出廣闊前景和深刻變革力量。全球人工智能（大模型）的產業規模、應用場景、基礎能力、企業主體呈現出蓬勃發14 展態勢

35、，技術方向、商業模式、創新組織模式也朝著更有利于落地應用的方向前進。我國是推動全球人工智能（大模型）開發應用的重要力量和主要玩家，已將人工智能作為國家戰略的重要組成部分，在各方面整體上保持著領先全球的發展速度，同時也具有自身的發展特點。面向未來，人工智能（大模型）必將實現更加廣泛而深入的應用，為經濟社會發展注入新的強大動力。（一）我國人工智能產業保持快速發展態勢 1、我國大模型產業規模、我國大模型產業規模保持高增速保持高增速 全球和我國的人工智能產業均處于高速發展期，根據國際數據公司（IDC）預測，2023 年全球人工智能信息技術（IT）總投資規模約達到 1540 億美元，同比增長 19.6%

36、，相較于 2021 年增長 65.7%。根據中商產業研究院數據，2018 年以來，我國人工智能產業投融資數量和金額一直處于較高水平，2023 年人工智能投資數量 829 起，投資額 2434.32 億元。在核心產業方面，根據中國新一代人工智能科技產業發展報告 2024數據，2023 年我國人工智能核心產業規模達到 5784 億元，同比增長 13.9%，生成式人工智能的企業采用率已達 15%，市場規模約達到 14.4萬億元。大模型作為人工智能的前沿領域發展尤為迅猛，根據速途元宇宙研究院發布的人工智能大模型產業創新價值研究報告數據，2024 年我國大模型市場規模將達到 216 億元，相較于 202

37、2 年增長了兩倍，預計到 2028 年將達到 1179 億元人民幣，增速高于全球平均水平。15 圖 1：2018-2023 年我國人工智能行業投資情況 數據來源：IT 桔子、中商產業研究院。圖 2：2020-2028 年我國人工智能大模型市場規模（億元人民幣）數據來源：大模型之家。2、我國是全球人工智能、我國是全球人工智能市場的主要“玩家”市場的主要“玩家”全球范圍內的人工智能（大模型）開發應用主要集中在中美兩國。2022 年 11 月，美國 Open AI 公司發布了 ChatGPT，引爆16 全球范圍內的人工智能（大模型）開發，美國整體上占據科技優勢，通過“全政府”“全社會”模式整合多方力

38、量加速人工智能（大模型）迭代升級，引領著行業發展；我國發展潛能巨大，在國家戰略引導下，加速技術研發與產業應用的深度融合，推動先進技術向現實生產力轉化。根據英國統計機構 Tortoise Media 發布的全球人工智能指數，美中兩國分列全球人工智能賽道的前兩位，指數得分遠超名列 3-5 位的新加坡、英國和加拿大。根據中國信通院發布的全球數字經濟白皮書（2024 年），截至 2024 年一季度，美國和中國分別占全球發布人工智能大模型的 44%和 36%，合計占 80%；全球 AI 企業近 3 萬家，美國占 34%，我國占 15%；全球 AI 獨角獸企業 234 家，美國 120 家，我國 71家。

39、可以看出，中美兩國處于人工智能（大模型）發展的“第一方陣”，相較其他經濟體優勢明顯。3、適應不同業務需求、適應不同業務需求開發了多款人工智能（大模型）開發了多款人工智能（大模型）各國人工智能（大模型）開發百花齊放，截至 2024 年第一季度，全球已發布大模型 1328 個。美國形成了多個開發陣營，推出了多款代表性產品，如由 OpenAI 開發的 GPT 系列模型、由谷歌開發的 PaLM 系列模型、由谷歌支持 Anthropic 公司開發的Claude 模型、由 Google 子公司 DeepMind 團隊開發的 Gemini 模型、由 Meta AI 開發的 Llama 系列模型等。歐盟、英國

40、、日本、新加坡等國家和地區的大模型開發應用尚處于早期階段。我國大模型開發應用發展迅速，截至 2024 年 5 月底，已發布 10 億級參17 數規模以上大模型 79 個。從功能和應用領域來看，主要包括自然語言處理（NLP）大模型如百度文心大模型，計算機視覺（CV）大模型如騰訊 PCAM 大模型，科學計算大模型如華為盤古氣象模型，以及多模態大模型如騰訊混元大模型等；其中，自然語言處理大模型是目前研發最為活躍的領域。（二）我國擁有全球最為豐富的應用場景 從全球范圍看，拓展應用場景是推動人工智能（大模型）深化發展的必由之路，各國基于場景大力推動大模型落地應用，但各國底層技術、信息基礎設施、融資環境、

41、公眾接受度等差別很大，應用場景的開發速度也存在差異。美國在人工智能（大模型）開發領域擁有深厚的技術儲備和布局，在底層技術上處于引領地位；但在應用場景拓展上，我國得益于龐大的人口基數、強大的工業生產能力以及豐富的數據資源，具備推動大模型在行業快速落地應用的優勢。1、深度賦能垂直行業是我國人工智能（大模型）發展的重、深度賦能垂直行業是我國人工智能（大模型）發展的重要要方向方向 相較于通用大模型，垂直行業大模型能夠更直接地深入特定行業與業務場景，更精確地滿足行業特定需求。騰訊研究院認為行業大模型是落地“人工智能+”的最后一公里，是彌合技術與需求間差距的必然產物。據統計，截至 2023 年 7 月底國

42、內行業大模型已完成招標項目超過 60 個。賽迪智庫對 2200 家人工智能骨干企業的關系進行量化分析，發現我國人工智能已廣泛賦能智18 慧金融、智慧醫療等 19 個應用領域。根據大模型測試驗證與協同創新中心牽頭發布的2023 大模型落地應用案例集，在評選出的 52 個大模型商業落地優秀案例中，65%+的 AI 大模型是垂直行業大模型，表明行業大模型的應用場景正在迅速擴展。2、我國在前沿領域應用人工智能（大模型）已初見成效、我國在前沿領域應用人工智能（大模型）已初見成效 在某些特定領域或問題上，大模型能夠處理和分析的數據量遠超人類的能力范圍，可能發現人類由于認知局限而未能察覺的模式或關系，成為輔

43、助人類前沿領域探索的重要工具。國內外均在這方面開展積極嘗試。比如，美國谷歌 DeepMind 團隊發布的FunSearch 大模型在解決經典數學難題上取得了顯著成果，在“帽子集”難題中找到了有史以來“最大的帽子集”，在“裝箱”問題中展現了超越傳統方法的性能；我國已有科研團隊將 MatChat大模型用于預測無機材料的合成路徑，百度文心大模型可用于提高藥物研發效率和新藥發現的準確性，上海人工智能實驗室研發的“風烏”大模型用于氣象預測，上海交通大學建設 AI for Science 科學數據開源開放平臺，將大模型和前沿科學研究緊密結合，實現對于科研數據、模型的開發和納管等綜合管理。3、我國人工智能（

44、大模型）在互聯網辦公、金融等行業滲、我國人工智能（大模型）在互聯網辦公、金融等行業滲透較快透較快 這些行業的數字化程度較高，近年來全球范圍內采用 AI 辦公解決方案的企業數量快速增長。根據麥肯錫的調研，全球范圍內企業的 AI 使用率從 2017 年的 20%增長到 2022 年的 50%，我19 國達到了 41%。人工智能（大模型）能夠自動化處理大量重復性任務，從而顯著提高員工的工作效率。據研究，采用 AI 辦公解決方案的企業，其員工工作效率平均提升可達 30%以上。通過智能分析和校驗功能，人工智能（大模型）能夠減少人為錯誤，提高工作準確性。在某些場景下，錯誤率降低幅度可達 50%至 80%。

45、在金融領域，大模型可應用在以智能客服、智能投顧為代表的交互領域，輔助風險預判以及輿情分析為主的金融風險防控領域，和以輔助代碼開發、金融咨詢生成、嵌入式應用為主的生產工具領域。據統計，在 2023 年，工商銀行、農業銀行、興業銀行、平安銀行等多家銀行推出或探索自研大模型平臺。（三）我國的基礎能力建設領先全球 1、我國智能算力增速顯著快于全球水平、我國智能算力增速顯著快于全球水平 人工智能（大模型）的持續突破使得全球范圍內的算力需求不斷增強，并從通用計算向智能計算轉變，智能算力需求呈現指數級增長。根據中國信通院等發布的2023 智能算力發展白皮書，2022 年全球算力總規模達到 650 EFLOP

46、S（每秒百億億次浮點運算次數），其中智能算力規模為 142 EFLOPS，同比增加了 25.7%；同期，我國算力總規模為 180 EFLOPS，排名全球第二，其中智能算力規模為 41 EFLOPS，同比增加 41.4%，顯著高于全球整體水平。根據智研咨詢數據，截至 2023 年底，我國算力總規模達到 230 EFlops，其中智能算力規模達 70EFLOPS，同比增加了 70.7%，占算力總規模超 30%。截至 2024 年 3 月底，20 全國投運、在建及規劃智算中心項目達到 196 個；我國骨干廠商積極探索打造高性能算力集群，并通過協同優化、工具支持等實現高效穩定的大模型訓練，提高算力使用

47、效率，有力支持人工智能（大模型）的開發應用。2、我國數據規模增速位居全球第一、我國數據規模增速位居全球第一 根據 IDC 發布的 Global DataSphere 2023 數據，全球數據量將從 2022 年的 103.66 ZB 增加至 2027 年的 284.3 ZB，而同期我國數據量從 23.88 ZB 增長至 76.6 ZB，年均復合增長率高達26.3%，位列全球第一。我國產業鏈各方均在積極構建高質量數據集，比如，北京市發布兩批“北京市人工智能大模型高質量數據集”，總規模超過 600 TB；中科大和上海 AI Lab 推出大型圖文數據集 ShareGPT4V，數據量 120 萬條；利

48、用 AI 技術自動標注數據以及合成高質量數據集也在積極探索。圖 3：2022-2028 年全球數據量（ZB）數據來源：IDC。21 3、我國算法不斷迭代優化適配應用場景、我國算法不斷迭代優化適配應用場景 人工智能（大模型）的一大優勢是能夠與人類的判斷和選擇更加貼切，當前文心一言、訊飛星火等大模型采用有監督精調、偏好學習和強化學習等先進技術促進多階段對齊，使大模型更符合人類價值觀。為提升模型作出預測和決策的準確性，在輸入、輸出兩個環節均運用知識點增強，為模型提供額外的信息和指導，從而使模型更好地理解數據的本質和上下文，提高模型的泛化能力、可解釋性并增強人機協同。技術進步、算力提升、數據豐富性增加

49、、算法優化、以及應用場景擴展等多因素共同作用，使得人工智能（大模型）在認知能力上逐步實現由量變到質變的突破。（四）我國高科技企業是產業發展的主要推動力量 1、我國高科技企業具有差異化的創新優勢、我國高科技企業具有差異化的創新優勢 從全球范圍看，在人工智能（大模型）領域具有較強創新能力和影響力的高科技企業主要聚集在中美兩國。美國擁有OpenAI（ChatGPT）、Anthropic、Cohere、Google 等龍頭企業，在基礎研究層面整體領先。而我國高科技企業充分發揮應用場景、算法優化、數據資源等優勢，開發的大模型在局部能力超越國外，是推動我國產業發展的主要力量。截至 2023 年 10 月，

50、我國 10 億參數規模以上的大模型廠商及高校院所 254 家，其中絕大部分經營主體是高科技企業，包括互聯網大廠如百度、華為、阿里、騰訊等，在 AI 領域有深厚積淀的廠商如科大訊飛、商湯22 科技、曠視科技等。根據 2023 年清華大學沈陽教授團隊發布的大語言模型綜合性能評估報告，百度的文心一言在中文語義理解方面居于首位，部分中文能力超越 GPT-4；根據 AI 開源社區 Hugging Face 排行榜，在綜合能力以及推理、數學、編程能力評測中，由商湯和上海 AI 實驗室等聯合打造的書生浦語 2.0大模型包攬前兩位，領先于谷歌推出的 Gemma 等開源大模型。2、我國高科技企業大力拓展人工智能

51、（大模型）服務范圍、我國高科技企業大力拓展人工智能（大模型）服務范圍 無論國內還是國外，高科技企業都是推動人工智能（大模型）拓展應用場景、實現落地應用的活躍力量，甚至是最活躍的力量。這種態勢在國內表現更為明顯，以百度為代表的互聯網大廠憑借深厚的技術儲備、先行先試的開拓精神，已經在很多服務領域具有先發優勢。根據 IDC 報告，在 2023 年中國大模型平臺及相關應用市場中，百度智能云以 19.9%的市場份額位列市場第一，商湯科技、智譜 AI 緊隨其后。自 2022 年 11 月人工智能（大模型）市場爆發以來，百度以非?？斓乃俣韧瞥鑫男囊谎源竽Ｐ鸵约扒Х竽Ｐ推脚_，可以說是當前市場最受認可的大模型

52、產品。2024年 1-8 月國內大模型中標數據顯示，百度在中標項目數、行業覆蓋數、央國企中標項目數上均處于首位，科大訊飛則在中標金額上領先，智譜 AI、騰訊云、火山引擎、阿里云等也有斬獲；特別在“必爭之地”的央國企市場，百度智能云已與 56 家中央企業（含下屬單位）開展合作，占國務院國資委管理的中央企業近6 成，居于領先地位。在全球有聲音擔憂大模型商業化前景的背23 景下，我國高科技企業的積極行動為產業發展注入了“強心劑”。圖 4：2023 年中國大模型平臺及應用市場份額情況 數據來源：IDC，中國大模型平臺市場份額 2023：大模型元年初局，2024。圖 5：2024 年 1-8 月我國高科

53、技企業人工智能大模型中標情況 數據來源：https:/ 24（五）我國與全球合力拓展技術發展和服務邊界 1、人工智能、人工智能（大模型）變（大模型）變革內容生產和技術服務模式在我革內容生產和技術服務模式在我國已初現端倪國已初現端倪 在內容生產模式上，人工智能（大模型）正在一定程度上從輔助人到替代人演變。根據 Gartner 分析，至 2023 年底有 20%的內容被生成式大模型所創建；至 2025 年底，生成式大模型產生的數據將占所有數據的 10%。人工智能在編寫代碼領域展現出了很大的潛力，大模型通過機器學習訓練代碼，能夠直接生成滿足需求的程序代碼或補全必要碼塊。原特斯拉 AI 總監 Andr

54、ej Karpathy 曾表示其現在 80%的代碼由 AI 完成，DeepMind 的AlphaCode 在 Codeforces 上托管的 10 個競賽中總體排名前 54%；在國內，百度文心快碼（Baidu Comate）已成功“入職”喜馬拉雅、數篷科技、南威軟件、華農保險、軟通動力等多家企業，覆蓋科技、汽車、保險、集成電路、軟件服務等諸多領域，清華大學開發的多編程語言代碼生成預訓練模型在 HumanEval-X 代碼生成任務上取得 47%60%求解率。2、人工智能、人工智能體體成為我成為我國人工智能（大模型）重要發展方向國人工智能（大模型）重要發展方向 人工智能體（AI Agent）正在重

55、新定義人與數字系統互動的方式，被視為增強人類信息收集、分析和處理能力的擴展性工具。AI Agent 能根據比較模糊的需求提示自動制作網站，自動完成各種文字和表格處理工作，甚至自動根據已有論文數據進行歸納總結生成分析論文等。比如，Meta 和 CMU 聯合研究團隊開發的25 RoboAgent 是一個通用機器人智能體，僅通過 7500 個軌跡的訓練就實現了 12 種不同的復雜技能，包括烘焙、拾取物品等，并能在 100 種未知場景中泛化應用。國內科技大廠和創業團隊相繼推出 Agent 項目和發布 Agent 產品，在技術上不斷取得突破，部分功能已經達到或超過國際先進水平。比如，百度智能云推出了千帆

56、 AppBuilder 平臺，提供 70+個官方組件（截止 2024 年 8 月），截至 2024 年 6 月已經有 15 萬+客戶通過千帆 AppBuilder 開發AI 原生應用，落地村長 Copilot、華北電力大學 AI 助手等多個行業應用。根據頭豹研究院數據，2023 年我國 AI Agent 市場規模為 554 億元，預計到 2028 年市場規模將達到 8520 億元，年均復合增長率達 72.7%。隨著大模型能力的不斷提升，未來大模型將不僅僅是一種生產工具，更是作為企業的合作者，持續為企業注入生產動能。3、多模態能力是我國、多模態能力是我國 AI 大模型后續的技術重點大模型后續的技

57、術重點 多模態融合模型可以將文本、圖像、語音、視頻、傳感器信號乃至生物信息等不同類型的數據通過預處理轉化為可互操作的表示形式，進而進行聯合建模和分析。多模態融合模型可以成為解決復雜問題、提升系統性能的關鍵技術。比如在智能客服系統中，通過分析用戶的語音語調、文本內容以及可能共享的圖片或視頻，模型能更精準地理解用戶意圖，提供更加個性化、高效的服務體驗；在腫瘤診療中，通過融合影像學的形態學特征與基因測序的分子生物學信息，醫生能夠更精確地判斷腫瘤類型、分26 期及惡性程度，從而制定更加個性化、精準的治療計劃，顯著提升疾病治療的精度和效率，改善患者預后。從全球范圍看，以OpenAI 為代表的國外大模型在

58、多模態能力上依然占據領先地位，OpenAI 的 Sora 模型在文生視頻方面具有顯著優勢。國內頭部語言模型的綜合表現已接近國際一流水平，比如在文生視頻能力上，根據北京智源研究院發布的評測結果，愛詩科技旗下的PixVerse 位列評測前列；生數科技聯合清華大學也發布了國內首款全面對標 OpenAI Sora 的文生視頻大模型 Vidu。（六）國內外均著力以 MaaSMaaS 模式為核心催生新產業生態 1、國內外、國內外呈現出呈現出以以 MaaS 發展為核心商業模式的態勢發展為核心商業模式的態勢 MaaS（Model as a Service，模型即服務）模式是通過 API接口或 SaaS（Sof

59、tware as a Service，軟件即服務）平臺將 AI 大模型能力出租給第三方客戶使用，從而將大模型轉化為可提供服務的商品。該模式的發展可以在基礎、行業和應用三個層面催生新產業生態，并協同優化升級。此模式下的主要盈利方式包括技術服務與銷售、數據服務、平臺運營、按使用量計費、會員訂閱和廣告收入、定制化服務和一站式解決方案等。表 2：三層商務服務模式 基礎層 以通用大模型 AI 服務為主，對外開放大模型的調用接口，為下游應用提供安全高效低成本的模型使用與開發支持。行業層 利用通用大模型底座的通用共識能力并結合自身業務和技術能力，開發具備領域專項能力的行業大模型，賦能千行萬業發展。27 應用

60、層 進行多樣化的 SaaS 應用以及新一代智能硬件的研發，開發爆款應用和產品，為用戶提供更卓越的體驗。2、人工智能（大模型）在產業鏈、人工智能（大模型）在產業鏈落地落地上上呈現呈現“兩頭快、中“兩頭快、中間慢”間慢”態勢態勢 在產業鏈上游的研發設計環節，大模型具有對海量知識的高效學習、推理和生成能力；在產業鏈下游的營銷服務環節，大模型的知識生成和智能對話能夠顯著提升服務效率和服務體驗；大模型在這兩個環節的應用具有降本增效顯著、價值易衡量、落地速度快等突出優勢。在產業鏈中間的生產運營環節，往往涉及到人與設備、系統之間復雜的適配，需要對機器等各類實體的操作，大模型的落地應用進展相對較慢，主要用于對

61、人的輔助增強。（七）我國高度關注人工智能技術發展、產業創新和系統治理 1、我國、我國政策支持政策支持注重推動注重推動人工智能人工智能技術和產業創新技術和產業創新 人工智能毫無疑問是各國科技競爭的新焦點。美國、歐盟等國家和地區出臺了大量的支持政策，比如美國于 2023 年 5 月發布新版國家人工智能研發戰略計劃，6 月宣布投資 1.4 億美元成立 7 家新的國家人工智能研究所。但是這些國家和地區比較重視數據治理，并在一定程度上有“通過制度輸出策略”的意圖。美國于 2023 年 7 月和 9 月召集 15 家 AI 頭部企業簽署關于人工智能的自愿承諾協議，要求企業優先考慮系統安全；歐盟于 2024

62、年 3 月通過人工智能法案，旨在對人工智能領域進行監管；2024 年 9 月，美國、歐盟、英國等 10 個國家和組織簽署了人28 工智能框架公約，意圖為全球樹立相對統一的道德和法律標準。我國高度重視數據治理，同時在政策支持上聚力推動人工智能（大模型）技術和產業創新。在中央政府層面，早在 2017 年，國務院即發布新一代人工智能發展規劃，將人工智能上升為國家戰略；2023 年，國家網信辦聯合多部門發布生成式人工智能服務管理暫行辦法，鼓勵和規范生成式人工智能發展。各省市地區也積極跟進出臺支持支持，比如，北京市人民政府發布北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025

63、年）、上海市經濟和信息化委員會等五部門發布 上海市推動人工智能大模型創新發展若干措施（2023-2025年）等，廣東、安徽、四川等地也相繼出臺政策，從資源吸引、技術創新、行業應用等多方面支持大模型創新發展。2、我國人力需求和培養力度均處于較高水平、我國人力需求和培養力度均處于較高水平 截至 2024 年第一季度，全球有超過 40%的國家和地區發布或將發布人工智能戰略、產業規劃文件等，普遍將人才培養和儲備作為戰略和規劃重點；美國、德國、英國、日本等國家紛紛立足本國優勢領域，加強人工智能教育體系建設和人才培養，比如，美國約有 144 所高校開設人工智能專業課程，日本雖然開設課程高校數量較少，但工程

64、研究人員數量增長較快。我國對人工智能人才需求旺盛，政府、高校、科研機構和企業等各方均加大人才培養力度。根據麥肯錫的預測，預計 2030 年我國對 AI 專業人員的需求將增至 2022 年的 6 倍，人才缺口將達到 400 萬人。根據29 央廣網轉載紐約時報分析稱，自 2018 年以來，我國新增了2000 多個人工智能相關本科專業，其中 300 多個設立在知名高校；在研究生階段強調“人工智能+X”相關交叉學科的設置，分層次培養人工智能應用型人才；以百度、阿里巴巴等為代表的我國企業巨頭在人工智能領域投入巨大，分別成立了百度云智教育團隊、阿里云大學等機構，開展模式多樣的應用型人才培養。三、我國人工智

65、能（大模型）發展應用存在的問題 從我國人工智能（大模型）應用情況來看，需要打消用戶對人工智能技術本身和安全性疑慮，特別關注應用場景整合和拓展統籌不足的問題，解決好人工智能（大模型）發展應用存在的產業落地滲透率低、關鍵要素支撐不足等問題，避免“叫好不叫座”。（一）人工智能（大模型）推廣應用面臨知識經驗不足 1、許多用戶對技術本身和安全性存在疑慮、許多用戶對技術本身和安全性存在疑慮 大模型通用性不足。大模型通用性不足。大模型暫不能解決具體問題，目前人工智能針對特定任務效果好，針對廣泛任務效果差。ChatGPT、Sora等人工智能通用大模型多為生成式人工智能，主要解決文本、圖像和視頻生成問題，大模型

66、解決實際具體問題未達預期。面向具體場景和具體行業，用戶需求碎片化，目前人工智能大模型難于解決，適配性不夠。在算法認知方面，在算法認知方面，算法黑箱導致人工智能決策不可解釋。由于大模型的復雜性過高，涉及大量參數和層，使得可解釋性變得更加困難，推理過程不透明，往往是基于大量參數網絡的序列預測。大模型生成內容的邏輯與依據很難給出相應30 的解釋，或者是其內容生成的概率分布，人們無法理解，即使是專業研究人員也很難理解模型是如何得出某個結論的，普通用戶更難以理解模型為什么輸出這樣的內容。2、經濟增長壓力加大經濟增長壓力加大形勢形勢下更加審慎投資使用人工智能下更加審慎投資使用人工智能 雖然人工智能在許多領

67、域展現了其潛力，但資源投入大、技術迭代快、定制比例高等因素導致人工智能開發和運行成本高昂，在一定程度上限制了其應用。在基于大模型的眾多應用開發細分領域，需要大量資金投入人才引進、算法研發、場景測試、用戶培育等，而目前我國投融資市場低迷，大部分投資者更看重投資標的現金流，會傾向于投資成熟、半成熟期項目。產業形成期資金需求缺口與投資周期的不匹配現象，造成基于大模型應用研發的大量中小團隊融資困難，導致在新興產業競爭中難以發揮我國經營主體多、創新活力足、應用需求廣、市場容量大的大國優勢。（二）應用場景整合和拓展統籌程度仍需提高 1、從應用領域看，從應用領域看，人工智能（大模型）落地領域不均衡人工智能（

68、大模型）落地領域不均衡 人工智能需與各行業的業務流程、信息系統、生產系統等跨領域深度融合才能產生價值。由于數據可得性、算法成熟度和服務容錯率等因素的影響，技術在不同領域中落地速度分化明顯。公開資料顯示，目前我國 85%以上人工智能算力集中在互聯網、公安行業，在教育、醫療、養老、環境保護、城市運行、司法服務、交通、能源、制造等領域尚未得到深度應用。此外，工業領31 域細分子行業多、應用場景復雜，相應的算法模型需要訂制，人工智能應用快速復制存在困難。傳統高耗能行業應用相對謹慎。傳統高耗能行業應用相對謹慎。傳統高耗能行業因設備專用性較強、資產重置成本較高等因素，其生產業務與人工智能技術進行融合的現實

69、難度較大，導致數字化、智能化轉型動力不足。調研發現，資源、能源等行業企業更關注制造和供應鏈效率，安全生產和環境約束也更加嚴格，該領域企業人工智能（大模型）應用相對謹慎，用例也較少。部分新興領域落地難。部分新興領域落地難。在高技術領域的數據標注難度比較高，并且需要標注操作員與資深工業專家共同參與才能完成。高技術產品生產對穩定性要求很高，一旦識別出現錯誤，會嚴重影響到后續流程的工作量。此外，部分敏感領域缺乏訓練模型所需的大量數據，這會影響產品迭代速度，如醫療行業有公共性，屬于重監管行業，醫院采用新技術新設備的周期長，這也會限制人工智能醫療產品落地的速度。2、從應用主體從應用主體看看，中小企業落地應

70、用中小企業落地應用人工智能（大模型）人工智能（大模型）相對緩慢相對緩慢 大中型企業在人工智能應用的資源投入、組織保障、發展模式、發展成效方面均好于小微企業，大企業自建系統及應用、設置數字化轉型部門和上云用云情況均處于領先狀態，對人工智能應用成效的評價也普遍更高。當前日益復雜的國內外形勢，使中小企業發展更加困難，許多中小企業面臨數字焦慮和數字化“轉32 型找死、不轉等死”的兩難困境。由于受限于技術掌握有限、資金儲備相對不足、對人工智能的戰略認知尚淺等多方面因素影響，多數中小微企業的自身信息化水平相對較低、專業化程度也不高，導致數據信息采集率較低、產業鏈協同困難。大量中小企業對人工智能應用缺乏有力

71、的組織，無法在企業內部上升到戰略的高度給予正確認識與思想上的統一，很難結合企業自身發展提出具體的發展思路，在具體業務落地時又不自覺地回歸到老路上。IDC 指出，對于中小企業來說，生成式人工智能的應用開發所需的算力、人才和技術經驗仍然是一項高額成本，培訓或招聘具備相關技能的人才會面臨成本和時間上的挑戰。3、從產學研合作看從產學研合作看，技術轉化面臨困境技術轉化面臨困境 人工智能賦能產業發展不是單一技術競爭，而是技術體系的競爭，需要具備包括 AI 芯片、云計算平臺、基礎大模型、開源生態、場景應用等在內的體系化能力。例如，Sora 的核心技術來自于國際計算機視覺大會（ICCV）2023 收錄論文提出

72、的框架設計而成，表明國外學界提出基礎架構后，業界就可以迅速應用及迭代驗證。而國內部分在單一技術領域具有相對優勢的高?；蚩蒲性核捏w系化能力不足，我國在產學研用結合及技術應用方面存在明顯差距。如何在技術研發、應用創新、市場拓展等方面加強產學研合作，加速我國人工智能大模型產業化落地，已成為未來人工智能賦能產業發展需要面對的重要課題。（三）數據、算力、算法等關鍵要素保障不足 33 1、數據質量低，數據流通存在障礙、數據質量低，數據流通存在障礙 人工智能訓練，數據是基礎。訓練數據要求數量多、質量高、多樣性。實際情況是，量大質優的數據極其稀缺，有效數據不足，特別是高質量中文語料的短缺以及部分領域封閉式的

73、數據生態給人工智能發展帶來了掣肘。數據質量低和流通障礙制約我國人工智能賦能產業發展。數數據質量低和流通障礙制約我國人工智能賦能產業發展。數據質量方面，據質量方面，目前的國際主流大模型的參數數據集主要以英文為主，其中 ChatGPT 的英文資料訓練數據占比超 90%。受高質量中文語料資源短缺的掣肘，國內許多大模型不得不依賴于外文標注數據集、開源數據集或爬取網絡數據。大模型的訓練依賴于大量數據，但這些數據往往存在偏差、不完整或不準確的問題，這可能導致模型在某些情況下輸出的結果不一定正確，且質量不可控。在數據投喂方面，在數據投喂方面，數據濫用導致訓練的算法模型決策出現偏差。含有噪聲或偏差的訓練數據影

74、響算法模型準確性。一方面，機器訓練算法的效果依賴于所輸入數據質量的優劣，基于現實的“有什么喂什么”，往往會導致市場主體回避現實問題，并變異為“調整問題以適合現有數據”，最終導致基于非代表性數據集驅動的虛假關聯。如在教育、招聘等應用中，歷史數據在性別、能力等方面存在的偏差，就會給使用者帶來誤導性甚至錯誤的結論。另一方面，在業務場景應用復雜、數據源規模維度復雜、數據使用方式復雜的大背景下，數據濫用導致事故責任主體難確定，黑箱模型和算法偏見導致應用結果難理解，給經濟社會帶來34 重大風險。數據來源和應用方面，數據來源和應用方面，即使作為政府最積極推動共享的政務數據，也受制于生產流通中各方權責不夠明確

75、、共享范圍和邊界不夠清晰、數據共享和維護所需要的經費不明確等問題，致使信息孤島、數據煙囪現象仍存在。目前，數據已經在許多行業和企業得到了一定程度的應用，但應用的深度仍然較為有限。例如，目前數據產品和通用人工智能算法的應用還是主要集中在金融等產業規模體量較大、產品標準化程度較高的領域，在其他領域的應用目前仍處于初級階段。我國制造業領域大量數據下沉在各條生產線之間，信息化建設不足導致各類生產制造數據極度缺乏。而且，制造業數據標準不統一，我國制造企業諸多生產設備均采購于多家國外廠商，不同制造企業，甚至是同一制造企業不同生產線之間，數據標準差異大，各類數據之間難以互通共享，限制了人工智能應用落地。此外

76、，我國尚未建立起安全有序的數據跨境流動機制，與其他國家和地區依然存在著數據跨境流動壁壘，不利于數據資源要素的開放共享和開發利用。2、算法領域薄弱，算法潛藏偏見和、算法領域薄弱，算法潛藏偏見和歧視可能導致決策結果歧視可能導致決策結果存在不公存在不公 算法框架是決定人工智能技術應用的核心環節，是人工智能算法框架是決定人工智能技術應用的核心環節，是人工智能核心生態圈建立的基礎和關鍵。核心生態圈建立的基礎和關鍵。然而，當前中國在人工智能基礎理論、原創算法、核心算法和開源系統等方面仍存在明顯不足。例如，在深度學習模型、生成式對抗網絡等領域新的重大成果和35 原創性理論貢獻不多，在機器學習、計算機視覺等開

77、源算法平臺方面布局不夠。這導致我國人工智能產業發展仍主要依賴國際科技巨頭的開源代碼和系統框架，基于深度學習、神經網絡等技術的新一代人工智能的開發和應用受到諸多限制。算法潛藏偏見和歧視可能導致決策結果存在不公。在社會算法潛藏偏見和歧視可能導致決策結果存在不公。在社會主主體層面，體層面，隨著技術演進，算法正從事前掌握一套人類設定的行事規則的工具性角色向以數據為驅動建立思維、行動模式的自主性認知轉變，算法技術日益在基本架構層面塑造社會關系、重構行為邏輯。由此使得不被理解、不被掌控和并非中立的“算法黑箱”所引發的社會經濟矛盾更加突出?；谠创a檢查人工智能算法的治理方式，往往并不能充分考慮不同利益相關

78、方群體的道德感受和價值訴求，最終會導致在特定應用場景中的無效和不可靠甚至引發社會矛盾風險。在邏輯架構層面，在邏輯架構層面，代碼的構建基準和運行邏輯會植入技術開發者和資本的價值導向和特定訴求，由此使得算法技術在內在實質上凸顯了技術開發者和資本的意識形態和價值觀念。融合了虛擬與現實、主觀與客觀、技術與權力的算法不僅拓寬了自身權力的實現空間，也引發了新的社會風險。3、算力生態建、算力生態建設需持續完善，“群模亂舞”進一步擾亂國設需持續完善，“群模亂舞”進一步擾亂國內資源配置內資源配置 國產化國產化算力生態建設進展緩慢。算力生態建設進展緩慢。英偉達目前在全球數據中心AI 加速市場處于絕對統治地位，且美

79、國商務部產業與安全局（BIS）的先進計算芯片規則限制我國獲得先進計算芯片的36 能力會拉大雙方高端算力差距。國內能批量生產的產品普遍落后于英偉達 A100 一代，且性能穩定性弱，在英偉達算力芯片 H200面世后，我國在高端算力芯片方面與其至少存在 2 代以上的技術代差。目前，雖然上海地區已有超過 30 款智能芯片實現了流片量產，但各廠家之間在技術架構、配套開發工具鏈、軟件生態建設等方面各自為戰，存在一定程度的無序競爭，阻礙算力資源統籌發展和算力生態建設。隨著國內訓練前沿 AI 模型的總體擁有成本不斷上升和頂級人才的缺失，要素負擔能力將進一步增強領先企業的市場主導地位，最終導致我國人工智能企業與

80、領先企業間技術、生產力差距的擴大?！叭耗y舞”進一步擾亂國內資源配置?！叭耗y舞”進一步擾亂國內資源配置。自 2022 年 ChatGPT問世以來，大模型成為風口。據統計，截至 2023 年 10 月，我國擁有 10 億參數規模以上大模型的廠商及高校院所達 254 家，導致算力核心的 GPU“軍備競賽”現象凸顯。如何集中芯片和算力資源緊跟美國大模型能力迭代，已成為十分緊迫和艱巨的任務。據 公 開 資 料 顯 示，2023 年 我 國 智 能 算 力 需 求 達 到123.6EFLOPS，但智能算力供給規模僅為 57.9EFLOPS，僅是智算需求的 46.8%，仍存在較大的算力缺口，智能算力等先

81、進算力“荒”問題凸顯。未來隨著類腦計算、超算等先進計算技術應用不斷深化，先進算力需求將繼續擴大。（四）基于資源互補的大中小企業融通發展水平有待提升 37 大企業引導的開源生態水平不足。由于開源缺少可靠知識產權保護環境、缺乏對開源項目的認可、缺乏運營良好的基金和組織對開源項目進行支持、對于開源項目的不信任等因素，國內開發者普遍不愿意參與開源貢獻，特別是大企業沒有發揮營造開源生態的引導作用。從人工智能賦能產業發展實踐看，未來，基礎大模型將成為人工智能時代的基礎設施，科創類企業和傳統企業，將主要依托基礎大模型能力，在特定領域尋求應用轉化，然而當前大型科技類平臺企業在為初創企業和中小企業使用人工智能技

82、術創造必要條件方面未發揮出應有作用。四、人工智能（大模型）賦能高質量發展的實踐與成效 當前，人工智能（大模型）發展應用沿著兩條路徑開展：一是以產業自動化、信息化、數字化、智能化改造為核心，人工智能（大模型）加快在各領域應用；二是基于人工智能（大模型）產生的大量數據，不斷進行數據挖掘和深度學習，形成以數據為驅動的發展路徑。就前者而言，人工智能（大模型）正在快速賦能各行各業數字化轉型，推動其更高效、更智能運營，實現更高質量發展。人工智能（大模型）能夠為產業的痛點、堵點、卡點問題提供針對性解決方案，提升企業生產效率和市場競爭力，催生全新商業模式和服務方式。隨著人工智能（大模型）技術迅猛發展，“人工智

83、能+”賦能千行萬業的場景將加速涌現。為全面了解人工技能（大模型）賦能高質量發展的實踐和成效，課題組圍繞關系經濟社會發展重點行業、重點領域，選取代38 表性企事業單位，通過文獻調研、現場訪談、座談研討等多種方式開展調研，重點了解企業等機構應用人工智能（大模型）的背景、人工智能所提供相關服務和應用領域、使用人工智能后對企業經營效益和管理效能提升作用、應用人工智能的投入產出情況、使用人工智能過程中存在問題和和相關建議等問題。經過全面梳理、系統了解、反復比較，確定了制造業、科學研究、交通、金融、能源資源、城市治理等六大領域的 11 個典型案例，這些領域覆蓋當前人工智能（大模型）應用落地的主要場景，典型

84、案例在實踐中取得了顯著成效，具有較強代表性。（一）制造業領域 我國是世界制造業大國，自 2010 年以來，制造業規模已連續 14 年位居世界第一，制造業增加值占全球比重約 30%。但制造業“大而不強、全而不優”的局面并未得到根本改變，創新能力不強、生產效率不高、產品附加值偏低等問題以及要素成本上升、環境壓力加大等挑戰日益突出。黨的二十大報告提出，推動制造業高端化、智能化、綠色化發展。人工智能（大模型）技術，能夠幫助制造企業加強生產過程的實時監控和數據分析，優化生產流程，加快響應速度，實現降本增效；能夠準確預測市場需求和技術產品的迭代趨勢，促進新技術的研發和應用，支持企業持續創新。制造業是“人工

85、智能+”行動主戰場，一方面規模體量大、門類領域全的制造業，為人工智能創新發展提供了巨大應用場景和施展空間；另一方面人工智能迅速發展、活力十足，正加39 速向制造業各領域滲透，成為制造業轉型升級的加速器、高質量發展的助推器。從發展實踐看，人工智能（大模型）賦能制造業轉型升級已取得明顯成效。至 2024 年，我國共建成了 62 家“燈塔工廠”，占全球“燈塔工廠”總數的 40%，位列全球第一。截至 2023 年底，已培育 421 家國家級示范工廠、1 萬余家省級數字化車間和智能工廠。從未來趨勢看，AI 技術將引領中國制造業進入一個全新的時期。1、上海汽車集團股份有限公司上海汽車集團股份有限公司 隨著

86、人工智能技術的飛速發展，汽車行業正經歷著前所未有的變革。上海汽車集團股份有限公司（以下簡稱“上汽集團”）作為我國汽車行業的領軍企業，在人工智能（大模型）領域有著積極的探索和應用。2018 年 6 月 29 日，上汽集團成立了我國汽車行業首個人工智能實驗室，標志著在人工智能領域開展戰略布局。當前，上汽集團已與多家國內外知名企業和科研機構建立了緊密合作關系，通過自主研發與合作開發相結合的方式，在預訓練語言模型、多模態交互、自動駕駛等領域取得了重要進展。在應用場景方面，上汽集團人工智能（大模型）主要應用于三個領域。一是智能座艙，通過多模態交互和智能語音助手等功能，使用戶可以更加便捷地控制車內設備、獲

87、取導航信息、享受娛樂內容等。上汽大眾與百度文心大模型展開深度合作，提供車載全知大語言模型服務，帶來貼心的智能用車客服和百科老師；二是自動駕駛，開發了高階智能駕駛系統，能夠實現對復雜道路40 環境的感知、決策和規劃，為用戶提供更加安全、舒適的自動駕駛體驗。其中，智己汽車采用導航輔助駕駛技術（NOA），進一步增強了自動駕駛的實用性與便捷性；三是數字化生產，通過引入智能制造、智能物流等先進技術手段，提高生產效率和質量穩定性，降低生產成本和能耗水平。探索了人工智能（大模型）在車輛制造中的應用，進行自動化設計、繪圖和代碼生成，從而縮短研發周期、降低研發門檻。（二）科學研究領域 近年來我國科技創新水平取得

88、了長足進步，國家創新能力綜合排名已進入全球前十，科學研究投入水平穩步增長，2023 年全國投入 R&D 經費 33278.2 億元，強度達 2.64%。然而我國仍存在著基礎科學研究短板，科技成果轉化能力不強，原創性、突破性、顛覆性創新成果不多等問題。黨的二十大報告提出，到二三五年，實現高水平科技自立自強，進入創新型國家前列。人工智能（大模型）能夠通過對大量文獻和數據的挖掘分析，為科研人員提供有價值的科研線索和思路；能夠處理龐大的數據集，生成前所未有的解決方案，顯著提高科研效率；也可以通過自動化處理和分析海量數據提供智能化的輔助支持，減輕科研人員的文書工作負擔。當前我國已啟動“人工智能驅動的科學

89、研究”（AI for Science）專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局前沿科技研發體系。41 2、上海交通大學、上海交通大學 2023 年 5 月，上海交通大學與百度智能云合作，啟動建設AI for Science 科學數據開源開放平臺。該平臺以百度文心大模型為基礎，結合大模型、人工智能中臺、數據中臺、隱私計算平臺、百度百舸AI 異構計算平臺等“全家桶”解決方案，將大模型和科學研究緊密結合，助力推動前沿科技創新，構建人工智能支撐基礎和前沿科學研究的新范式。在算力層，通過百度百舸端到端優化的異

90、構算力底座能力，為上海交通大學科研人員提供訓練、推理網絡的算力優化配置，實現訓練和推理加速，提高研究效率。結合數據中臺與人工智能中臺“全家桶”能力，實現對于科研數據、模型的開發和納管等綜合管理。同時，搭載隱私計算平臺，實現科學數據可信共享，為多學科數據的聯邦建模，聯合計算提供便利。該平臺已在上海交通大學的化學、流體等跨學科科研場景中得到應用。比如，在化學合成領域，該平臺加速了從分子設計、反應設計到條件生成、反應檢驗等化學合成全鏈條的過程，顯著縮短了潛在功能性分子如藥物分子的設計時長；在流體模擬和智慧司法領域，該平臺也形成了具有行業影響力的創新應用。在AI for Science 的推動下，上海

91、交通大學推出了白玉蘭科學大模型，形成了“化學合成 2.0”和“法律開源”等開源開放的創新應用，不僅能夠提升了科研效率，還推動了跨學科的協同創新。3、中國、中國中化控股有限責任公司中化控股有限責任公司 42 新材料研發過程的核心在于分子間精妙而復雜的化學反應重組。傳統新材料開發過程往往依賴于大量的實驗和試錯,高度依賴于行業專家的深厚經驗與長期積累，研發周期長，專業人才欠缺，導致新材料研發效率低。為破解這一難題，中國中化控股有限責任公司（以下簡稱“中化集團”）所屬中化信息技術有限公司（以下簡稱“中化信息”）將中化集團員工連接平臺“化小易”和智能分子信息與合成設計系統接入百度智能云千帆大模型平臺，共

92、同構建化工行業大模型生態。在 2024 年 5 月 23 日至 27 日舉行的第七屆數字中國建設峰會上，中化信息發布了“天樞”智研化工場景大模型。該模型作為中化信息在人工智能與化工材料研發深度融合領域的最新成果，基于先進的 Agent 智能體架構，深度融合大語言模型與專業化學合成模型?！疤鞓小敝茄写竽Ｐ涂赏ㄟ^對話交互，高效完成分子智能化學檢索、分子逆合成設計和反應條件推薦與優化等化工場景研發任務，使研發過程告別大量手動文獻檢索時代，大幅提高信息獲取效率，為行業專家提供了更加精準、高效的決策支持。（三）交通領域 我國是交通大國，2023年完成全國旅客運輸量93.04億人次、營業性貨運量 547.

93、5 億噸。但交通領域的管理和調度一直是行業難題，一方面，交通行業通常需要處理大量復雜且實時的數據信息，企業不僅要投入大量資源來收集、處理數據，還可能因安全43 性和敏感性而面臨數據可獲得性問題；另一方面，人們出行需求、貨物轉運需求更加多樣化，對交通行業的服務水平和服務體驗提出更高要求。人工智能（大模型）能夠處理復雜的、多維度的交通數據，實現交通態勢的實時感知和預測，在多方面提升交通服務質量。通過大模型應用，交通管理部門可以更加精準地掌握交通流量、氣候變化等情況，優化交通管理和調度；在智能車輛和自動駕駛方面，大模型可以顯著提升車輛的感知、認知和決策能力，提升交通安全水平；在服務體驗方面，可以通過

94、自然語言交互和人機協同，提供個性化路徑規劃；在港航等貨運領域，人工智能可以控制自動化設備替代部分人力操作，提高運轉效率。人工智能大模型能夠在平衡人與車、車與路的關系乃至推動交通全流程優化上起到關鍵作用，是助推智慧交通建設的關鍵力量。4、北京車網科技發展有限公司北京車網科技發展有限公司 北京車網科技發展有限公司（以下簡稱“車網科技”）是北京市政府為推進高級別自動駕駛示范區建設而成立的特殊目的公司，主要負責示范區的整體規劃、建設和運營，推動“車路云網圖”五大體系協同發展。車網科技在發展過程中加強與國內頭部信息技術企業合作，充分發揮通用大模型基座能力，適應行業應用場景開發垂直大模型。百度智能云積極參

95、與示范區建設，全面支持網聯云控中國方案的落地實踐。2020 年 10 月至今，陸續參與北京高級別自動駕駛示范區 1.0、2.0 至 3.0 建設?，F已完成 301 個智能網聯標準路44 口建設，雙向 750 公里城市道路實現車路云一體化功能覆蓋，基本形成支撐高級別自動駕駛的城市級工程試驗平臺。目前，3.0的初期工作已開始，將覆蓋 440 平方公里約 1115 個道路路口的基礎建設工作，更進一步形成集中連片服務能力。與此同時，亦莊聯合百度智能云綜合利用通用大數據和交通行業大數據，推動交通行業大模型賦能小模型訓練。研究以內置通用大模型為底座，融入交通行業專業知識，打造多模態多場景多任務的預訓練交通

96、行業大模型。并擬利用智能網聯條件下的點云、視覺、文本等多種數據模態，建設滿足自動駕駛、智慧交通等多種應用場景的行業大模型體系，形成一站式模型服務平臺。車網科技在發展交通領域人工智能（大模型）方面著重加強基礎能力建設，參與發布了“中國標準 ICV（智能網聯汽車）場景庫建設及應用服務平臺”，該平臺整合了 5 年的場景庫建設成果，開發工具鏈和應用服務體系，以滿足高級別自動駕駛的需求，推動智能網聯汽車的大規模落地；與其他單位合作，發布了首批“北京市人工智能大模型高質量數據集”，這些數據集涵蓋經濟、政治、文化、社會、生態等不同領域，總規模超過 500T，為通用大模型和行業大模型訓練提供有力保障。在自動駕

97、駛領域，通過人工智能（大模型）處理海量數據，優化車輛的路徑規劃、障礙物識別等關鍵功能，提升車輛的感知、決策和執行能力。在智慧交通系統建設方面，將人工智能（大模型）應用于交通流量預測、信號燈控制優化等方面，減少擁堵和事故，提高城市交通系45 統的運行效率和安全性。以 AI 全域信控優化為例，基于交通大模型技術的路口信控智能優化帶來全新體驗，目前建設效果已實現單點自適應路口車均延誤率下降達 30.48%，車輛排隊長度下降 30.3%，綠燈浪費時間下降 18.33%，雙向干線綠波道路車均延誤減少 16%以上。5、山東省港山東省港口集團口集團有限公司有限公司 山東省港口集團有限公司（以下簡稱“山東港口

98、集團”）旗下擁有 12 個板塊集團，包括 21 個主要港區、370 余個生產性泊位、340 余條集裝箱航線，具有豐富應用場景。為響應國家戰略需求、推動港口行業智能化轉型、實現關鍵技術自主可控、以及提升服務質量和客戶體驗，山東省港口集團與百度集團基于百度智能云千帆大模型平臺加強合作，在港口日常管理、經營分析、生產運行、智慧辦公、物流服務等領域開展大模型港口實踐，賦能港航領域上下游產業鏈和生態企業。山東港口集團打造了“人工智能+港口+”示范工程。在青島港開展自動化集裝箱碼頭全域多場景關鍵技術與裝備研發，推動船側集裝箱岸橋作業實現全流程自動化；在日照港開展順岸式自動化集裝箱碼頭裝備研發及工藝升級，突

99、破順岸式碼頭人機交叉難題；助力業務人員遠程作業，智能化系統可對整個港口的堆場進行厘米級的地理信息采集，實現精準定位，形成“綜合地圖”。依托智能化系統，日照港件雜貨碼頭整體運轉效率提升 10%，設備利用率提升 20%，堆場周轉率提升 20%，堆場利用率提升 15%。46（四）金融領域 金融行業屬數據密集型產業，既產生大量的業務交易服務數據，又對保護個人信息、保障數據安全具有極高要求。中國人民銀行數據顯示，2024 年一季度，支付系統供出了支付業務 2900.75億筆。金融機構在處理大量數據和復雜交易時，往往需要耗費大量時間和人力，影響工作效率；在風險控制和合規管理方面面臨巨大挑戰，欺詐行為、異常

100、交易等風險事件頻發；用戶對于個性化服務需求日益增長，用戶體驗愈發成為衡量金融服務質量的核心要素。金融行業的海量數據資源一方面使其更容易暴露在風險中，但也使其具有開發應用人工智能（大模型）的先天優勢，成為大模型開發應用的最佳場景之一。大模型能夠通過數據處理和分析、自動化執行重復性任務、協助復雜決策等方式，有效釋放人力資源，實現降本增效；通過分析客戶行為、偏好和反饋，提供個性化服務和建議，并可將大模型集成到各類交互平臺，提供更加自然流暢的用戶體驗；利用大模型優秀的邏輯推理能力，可以提高對財務造假等違法行為的監管查處效能。當前，我國在金融領域應用人工智能（大模型）呈現出蓬勃發展態勢，該領域也被認為是

101、能最先看到效果的領域之一。6、中國郵政儲蓄銀行中國郵政儲蓄銀行 中國郵政儲蓄銀行（以下簡稱“郵儲銀行”）定位于服務“三農”、城鄉居民和中小企業，擁有近 4 萬個營業網點，服務個人客戶超 6.5 億戶，客戶數量龐大，業務場景豐富。47 郵儲銀行深刻認識人工智能技術在提升金融服務質效方面的潛力，構建了“郵儲大腦”這一全行級的人工智能平臺，向業務、風控、運營、管理等多領域賦能。郵儲銀行應用人工智能（大模型）推動金融服務智能化、數字化和精準化轉型成果豐碩。在金融服務智能化領域，郵儲銀行深入推進智慧、平臺、體驗、生態、數字化和協同（SPEEDS）科技戰略實施，引入百度智能云千帆大模型平臺及 AI 中臺解

102、決方案，完備了大模型+小模型的全鏈條工具集，孵化出金融對話生成、金融輔助文檔分析、金融投訴分析等領域 AI 原生應用；此外，郵儲銀行通過人工智能問答大模型為員工提供智能輔助辦公應用，對內賦能員工提升業務處理效率，一些應用如柜面“小郵助手”、云柜“數字柜員”、法律文本“審查助手”等已在多個分行和網點落地試點運行；對外提升客戶體驗方面，郵儲銀行基于百度智能云“一念”“曦靈”等產品的多模態生成能力，實現文生圖定制借記卡、虛擬數字客服、AIGC 數字藏品等功能；在反洗錢領域，郵儲銀行與科技企業攜手開發基于生成式人工智能的可疑交易分析報告自動生成應用，大福提升反洗錢工作效率。該應用成功入選 2024 年

103、全球數字經濟大會人工智能大模型場景應用典型案例。（五）能源資源領域 能源資源安全是關系國家經濟社會發展的全局性、戰略性問題。我國充分發揮全國“一盤棋”優勢，開展“西電東送”“西氣東輸”“南水北調”“北煤南送”等系列舉措高質量保障人民48 生產生活的能源資源需要。然而，隨著新型電力系統建設提速，大規模新能源接入、生產側消費側新型負荷快速增長，以及微電網、虛擬電廠等新模式新業態的加入，電網運行的穩定性和安全性愈發面臨挑戰；能源資源領域承擔著兜底保障責任，如何精準匹配供需、確保穩定供應愈發成為復雜的系統工程；能源資源產業鏈長，各環節技術水平層次不齊，發展協同性不足，一些環節還面臨著“卡脖子”風險，愈

104、發需要技術創新和成本控制。能源資源領域整體上由央國企主導，在國民經濟領域發揮著龍頭牽引作用，是人工智能（大模型）廠商的必爭之地。人工智能（大模型）可以通過處理和分析海量數據，對供需兩端情況進行預測，為電網提供更加靈活的調度方案，幫助企業提前調整能源資源生產和供應計劃，在面對突發事件時為決策者提供科學依據和應急響應方案。在運營管理方面，人工智能（大模型）的應用有助于智能化設備和遠程監控技術推廣，有效降低設備維護成本和能耗成本。7、國家電網國家電網有限有限公司公司 2022 年 5 月，國家電網有限公司（以下簡稱“國家電網”）與百度公司聯合發布了基于百度通用文心大模型 ERNIE 3.0 的電力行

105、業大模型。該模型通過從海量數據中挖掘提煉電力行業數據，結合國網電力專業語料庫和知識，實現電力行業知識增強，有效提升傳統電力專用模型的精度,同時大幅降低了研發門檻,實現算力、數據、技術等資源的統籌優化。49 人工智能（大模型）已在多領域開展應用。在配電領域，國網淮安供電公司的配電人工智能（大模型）將 12 類配電領域模型的召回率從 40%提升到 49%，誤報率從 44%下降到 41%，已部署到江蘇電力人工智能平臺上供全省地市公司使用。在智能巡檢領域，國網河北電力研發的智能巡檢系統在衡水試點應用，通過一鍵操作即可自動識別外力破壞、火災隱患等，將整體巡檢時間減少 80%以上。在變電站管理領域，國家電

106、網在 2024 世界人工智能大會上展示了變電站仿生值班員“浦?！?，其擁有機械臂、仿生手以及多功能末端工具庫，可按照指令實現無死角精準巡視，完成精細化的機器代人操作，實現對變電站現場的遠程智能監護。百度智能云與國家電網合作，共同探索了行業大模型機制?；谖男拇竽Ｐ?，與國網的專家們一起，引入電力業務積累的樣本數據和特有知識，并且在訓練中，結合雙方在預訓練算法和電力領域業務與算法的經驗，設計電力領域實體判別、電力領域文檔判別等算法作為預訓練任務，讓文心模型深入學習到了電力專業知識，在國網場景任務應用效果提升。8、國家能源投資集團有限責任公司、國家能源投資集團有限責任公司 為應對能源行業發展挑戰、提升

107、企業運營效率、優化資源配置并增強能源安全保障能力，國家能源投資集團有限責任公司（簡稱國家能源集團）積極開發應用行業人工智能大模型。在2024 年世界人工智能大會上，國家能源集團數智科技公司自主50 研發的能源通道大模型（基石大模型）首次亮相展出。與通用大模型相比，該模型融合了產業特定數據與通用數據，具有“更高產業屬性、更優專業性能、更強安全保障”的優勢，致力于深入能源生產、運輸、銷售、儲存、使用等全流程場景，解決真實的產業問題，依托智能查詢與問答、智能平衡與調控、智能預警與通知、智慧分析與決策四大核心能力，全面支持集團實現“全景、共振、變易”的一體化運營調度，顯著提高煤電化運一體化運營決策效率

108、和運營能力。該模型于 6 月 20 日成功入選工信部遴選行業大模型優秀成果案例。另外，國家能源集團針對能源行業設備種類多、結構和機理復雜、運維難度大等問題，開發了工業設備綜合診斷運維 AI 大模型，是國內首個可全面覆蓋煤炭、化工、電力等行業專用和通用設備的綜合診斷運維大模型，具備強大的數據處理和文本理解能力，在樣本覆蓋面、泛化能力、診斷準確率方面表現突出。9、中國海洋石油集團有限公司中國海洋石油集團有限公司 中國海洋石油集團有限公司（以下簡稱“中國海油”）在早期即提出“從傳統管控模式向現代化、數字化、智能化模式跨越”。在應用探索階段，人工智能技術雖然在多個場景中展現出技術應用前景和價值，但也暴

109、露出開發門檻高、開發效率低、算力資源浪費、模型管理難等問題。為此，2020 年中國海油制定了“依托一個平臺、推動多元應用”的人工智能建設規劃，穩步推進人工智能技術與公司業務51 深度融合。在平臺建設方面，中國海油建立起一池、兩棧的人工智能服務能力。智算資源池目前總算力達 20 PFlops，并通過 GPU虛擬化實現算力靈活分配；小模型技術棧打通了數據層、算力層、功能層能力，集成 9 種開發框架、封裝 190 余個算子；大模型技術棧方面試部署了百億參數的基礎大語言模型和相關開發工具，以及智能問答、視頻生成、大屏講解、智慧辦公、文檔寫作和數據分析等六款開箱即用的服務。中國海油的智能化應用主要圍繞預

110、測性維護、過程優化、安全預警和認知分析四個方面開展試點建設。在預測維護方面，惠州石化對煉廠設備進行狀態評估、預測與報警，故障預測準確率達 80%以上。在過程優化方面，審計部門構建起審計資料自動識別和信息抽取能力，識別準確率達到 80%-95%。在安全預警方面，天津分公司秦皇島 32-6 智能油田應用智能化圖像識別處理技術，建立了 10 余種面向海洋平臺生產安全的算法模型，實現事件事故的事前預警。在認知分析方面，利用機器學習方法實現煤層氣產能評價、砂巖薄片類別鑒定、有孔蟲化石圖片鑒定等功能，預計可提高 50%的煤層氣解釋效率和 10%的解釋精度，以及50%的有孔蟲鑒定效率和砂巖薄片鑒定效率。20

111、21 年，以大力提升?；F場安全生產水平為契機，中海煉化攜手百度智能云在大榭石化落地管廊智能巡檢系統，打造石化行業安全管理數字化、智能化轉型示范標桿。（六）城市治理領域 52 城市治理體系和治理能力現代化是國家治理體系和治理能力現代化的重要內容，城市治理能力和水平關系民生福祉。城市治理千頭萬緒，環境衛生治理不徹底、交通疏導不暢等精細化管理不到位問題，常常影響城市整體形象和居民生活質量；城市治理各部門之間數據信息共享不暢，可能形成孤島，導致治理效率降低；在面對突發事件時，應急響應能力不足，缺乏高效的預警機制和協同處置能力。城市是多領域、多維度、多模態數據的集散地，其政府主管部門還掌握大量未公開政

112、務數據，是應用人工智能（大模型）提升治理水平的良好“試煉場”。人工智能（大模型）可以通過對海量數據的分析，實現對城市環境的實時監測和精細化管理；通過建立統一的數據平臺和標準規范，實現跨部門數據的互聯互通和共享利用；通過分析各類監測數據（如氣象數據、地質數據等），提升事前應急響應和事后協同處置效率。目前，我國城市治理正邁向全域智能化階段，人工智能（大模型）是驅動轉型的關鍵技術力量。10、河北省唐山市、河北省唐山市 唐山市是“一帶一路”交匯點重要樞紐城市，也是京津冀協同發展的重要一環。唐山致力打造現代化基礎設施體系，發展綠色產業體系，培育壯大區域特色產業集群，聚焦促進數字經濟和實體經濟深度融合，全

113、面提升產業鏈核心競爭力，高質量建設唐山產業轉型升級示范城市。在“十四五”期間，唐山將全面建成東北亞地區經濟合作窗口城市、環渤海地區新型工業化基地、首53 都經濟圈重要支點。唐山高新區與百度全面深化合作，積極打造唐山“百度之城”，充分發揮唐山市產業基礎和政策、區位優勢，和百度全球領先的人工智能技術和產業智能化實踐經驗，合力建設人工智能產業體系，合力推進唐山市人工智能數字產業化與產業數字化轉型發展，打造河北省人工智能產業發展高地。以科技創新引領現代化產業體系建設，大力推動新型工業化，發展數字經濟，加快推動人工智能發展。以互聯網、大數據、人工智能為代表的數字經濟已成為推進中國式現代化的重要驅動力量。

114、與百度的戰略合作，是唐山市高新區助推唐山創新發展、綠色發展、高質量發展的生動實踐。百度智能云（唐山）人工智能基礎數據產業基地、垂類大模型賦能中心“鳳凰智谷”的落成，是以人工智能為載體發展新質生產力的實踐探索。人工智能為唐山科技創新驅動的產業創新迎來“破土時刻”，鋼鐵、港口、機器人、民生、政務等有唐山特色的領域垂類大模型應用將如雨后春筍般涌現，助力唐山加速實現“三個努力建成”“三個走在前列”宏偉目標，領航譜寫高質量發展新篇章，截止目前，大模型數據要素標注從業人員超過 200 人，與當地在建的上百個項目形成聯動，為企業提供全方位大模型技術支持，加速 AI 大模型推廣和行業應用落地，形成鋼鐵、港口大

115、模型生態產品 30 余款，滿足超過 50 余個特色行業場景的需求。11、北京市海淀區、北京市海淀區 北京市海淀區構建了以人工智能（大模型）為核心的城市治54 理全場景“城市大腦”，該城市大腦在城市交通、城市管理、生態環境、公共安全等四大板塊的基礎上，搭建了交通緩堵、渣土車治理、城市環境監管等 22 個應用場景。這些應用場景依托人工智能（大模型）等技術，能夠自主識別、精準“派單”，處理各類城市事件。海淀城市大腦通過每秒 2028 萬億次算力的算力支持、日均近億條數據的持續流轉，將“人、車、地、事、物”的時空動態以信息可視化的形式展現出來，形成覆蓋全區 431 平方公里實時信息的“時空地圖”，不僅

116、提高了城市治理的精細化水平，還極大地提升了應急響應速度和決策效率。在具體業務場景上，人工智能（大模型）也為海淀的城市治理提供有力支持。在政務領域，海淀區與百度智能云、中科大腦合作，將大模型能力應用于“接訴即辦”場景，實現了智能派單、處置、分析等功能，提高了工作效率和響應速度。在市場監管領域，海淀區在城市大腦平臺中先行先試了智能問答場景，升級了問答模式，提升了用戶口語化問答意圖理解能力，為公眾提供更加快捷、高效的服務。五、深化人工智能（大模型）產業發展應用的建議 展望未來，作為不可忽視的發展趨勢，人工智能（大模型）將深刻影響企業、行業和社會的發展。當前，我國正在積極探索以企業為創新主體引領人工智

117、能技術創新和產業化應用、高?？蒲袡C構深入開展基礎研究和專業人才培養、國央企率先開放應用場景、政府部門積極完善支持政策和管理機制，政產學研用多方55 協同的人工智能（大模型）“中國路徑”“中國模式”。結合新一輪科技革命和產業變革、大國博弈持續加劇、全球產業鏈供應鏈加速重構的背景，未來一段時期，加快人工智能（大模型）發展的總體思路是：科學認識人工智能，構建具備可解釋與魯棒（穩?。┑娜斯ぶ悄芾碚撆c方法；夯實數據要素支撐和算力保障；充分發揮龍頭企業和中小企業的主動性和創造性，統籌推進人工智能場景創新；構建大中小企業融通、產學研合作發展生態，著力解決人工智能重大應用和產業化問題，全面提升人工智能發展質量

118、和水平，更好支撐高質量發展。（一）提升科學認識水平，完善人工智能技術應用管理機制 1、引導全社會正確認識人工智能、引導全社會正確認識人工智能 要廣泛開展宣傳教育，普及人工智能相關知識。通過在學校、社區等地方開設人工智能相關的課程或講座，提高公眾對人工智能的理解，讓全社會了解到人工智能的潛力和局限。強化科研人員科技倫理與法律培訓，將科技倫理培訓納入科技人員入職培訓、承擔科研任務、學術交流研討等活動，引導科技人員自覺遵守科技倫理要求，開展負責任的研究與創新，引導全社會正確認識和應用人工智能。2、不斷提高人工智能可解釋性、可預測性、不斷提高人工智能可解釋性、可預測性 為人工智能系統內部構造、推理邏輯

119、、技術接口、輸出結果提供明確說明，正確反映人工智能系統產生結果的過程。在設計、56 研發、部署、維護過程中建立并實踐安全開發規范，盡可能消除模型算法存在的安全缺陷、歧視性傾向，提高魯棒性。推進算法透明度和可解釋性研究，鼓勵和支持研發透明、可解釋的算法，確保用戶能夠理解 AI 決策過程，尤其在金融、醫療、法律等對透明度要求高的領域。3、建立人工智能技術應用管理機制、建立人工智能技術應用管理機制 要在對人工智能技術新應用、新嘗試給予足夠創新空間的同時，不斷掌握確保安全可控的技術能力，加強安全監測、預警、控制和應急處置能力的建設，推動應對安全風險行動的優先次序和資源分配。要加強對不可預見風險的預防性

120、工作，通過風險規劃、風險識別、風險估計、風險評價等工作，推動國家安全能力成熟度的審查和評估，有效推動里程碑管理。4、建立人工智能產品質量安全認證體系、建立人工智能產品質量安全認證體系 圍繞智能機器人等新興產品與應用，研究建立人工智能安全評估體系，針對人工智能產品與應用全生命周期過程中數據安全風險、算法安全風險、平臺安全風險開展安全評估，提升人工智能產品和服務質量和安全水平。依托國家級人工智能產業集群，建立完善產業科技創新、研發服務、成果轉化、標準認證等服務能力。（二）完善數據資源體系，促進數據開放共享 高質量的數據直接影響模型的性能和泛化能力，加快形成高質量的中文多模態數據集是推廣大模型應用的

121、關鍵。57 1、完善數據資源體系、完善數據資源體系 加快高質量中文數據集的開發與利用，圍繞語音識別、視覺識別、自然語言處理等基礎領域及工業、醫療、金融、交通等行業領域，建設高質量人工智能訓練資源庫、標準測試數據集并推動共享。支持建立基于可信第三方的互信合作機制，促進跨主體、跨行業、跨領域數據可信流通和融合利用。推動數據連接，設備、軟件、系統、產品之間缺乏統一的標準是制約建立數字化連接、發展產業互聯網的主要制約。由行業協會、學會牽頭，組織各行業骨干企業、裝備制造龍頭企業以及大型通信、軟件、互聯網和自動控制企業一起，加快制定促進產業內部與產業之間建立數字化連接的設備標準、通信標準、軟件標準和數據標

122、準。2、促進數據開放共享、促進數據開放共享 建立高質量、開放式、安全可靠的人工智能訓練數據集、標準測試數據集等資源庫，搭建行業級數據共享平臺，推動公共數據、行業數據逐步實現分級分領域脫敏開放。特別是推動政府掌握的不涉及公共安全、個人隱私的公共數據對企業開放，通過開放、共享讓數據發揮更大的價值。一是要以政務數據為切入點，一是要以政務數據為切入點，加速數加速數據流通以擴大面向人工智能產業的公共數據供給范圍。據流通以擴大面向人工智能產業的公共數據供給范圍。開發用于人工智能培訓及測試的公共數據集和環境，推動政務數據匯聚融合、率先開放，開展改革試點，有序推進政務數據開放共享、有效利用。加快構建標準統一、

123、布局合理、管理協同、安全可靠的公共大數據資源體系，推進公共服務數據資源統一匯聚和58 集中向社會開放。加強人工智能數據資源開放與保護政策體系和倫理安全標準體系建設，打造高質量與高可用的中文數據，加快構建高質量人工智能訓練數據集，引導建立面向垂直行業的訓練資源庫、測試數據集。二是提高數據集的一致性和完整性。二是提高數據集的一致性和完整性。在建立人工智能應用的數據集之前，需要對數據進行一系列處理，例如數據清洗、整合、轉化、還原和展示。建立數據流通、共享機制，研究數據脫敏辦法，推動數據的標準化與規范化，建立標準測試數據集。（三）夯實算力底座，強化綠色低碳、安全可靠的算力保障 強化算力保障，在加快智能

124、芯片硬件研發的基礎上，適度超強布局算力基礎設施，強化普惠算力供給，加快建設自主智能計算體系和產業生態。1、適度超前布局算力基礎設施建設、適度超前布局算力基礎設施建設 推動以公共云模式為主導的算力中心建設。通過高效連接異構計算資源，協同完成大規模智能計算任務，降低海外高端芯片依賴和人工智能企業基礎設施使用成本，為我國大模型訓練和規?；瘧锰峁┧懔A設施保障。全面提升算力設施能源利用效率和算力碳效水平，穩步提升算力綜合供給能力。提高算力資源的利用率，持續增強算力賦能成效，形成全國一體化算力體系。強化普惠算力供給。鼓勵企業、高校院所和第三方機構建設符合導向需求的算力中心，積極創建公共算力開放平臺，

125、降低中小企59 業算力使用門檻。2、構建自主可控國產智能算力生態、構建自主可控國產智能算力生態 一是依托國家實驗室、科研院所、大型科技公司等科研力量，協調技術團隊集中資源協同攻關，在加快智能芯片硬件研發的基礎上，構建集并行計算引擎、模型訓練軟件框架等為一體的自主智能計算體系和產業生態，為國家構筑全棧自主、集合競爭的智能計算戰略力量。二是充分發揮北京、上海等發達地區產業鏈完整的優勢，布局建設智能算力開發與測試平臺，建設國產化算力中心，以實際應用場景為牽引，加快國產芯片研發、生產、測試，在實際應用中實現快速迭代。三是整合和提升算力資源存量，理清現有算力資源與現代產業體系供需的匹配度，央國企加強算力

126、基礎設施建設，幫助中小企業降低算力使用成本。（四）推動算法決策過程透明化，改善人工智能算法“黑箱”的決策機制 圍繞人工智能的整體謀劃和創新發展藍圖，聚焦于算法應用層的合法性、合理性和安全性，堅持包容互信、合作共贏、共同發展的理念，根據 AI 系統的生命周期深化細化對人工智能技術應用的評估，切實制定實施一攬子的可操作性強的評估路線圖。1、加快完善評價機制，推動算法決策過程公開化和透明化、加快完善評價機制，推動算法決策過程公開化和透明化 從治理的具體手段和邏輯看，必須要完善結果評價、改進過程評價、健全強化綜合評價，遵循實質重于形式的功能性邏輯，避免因治理漏洞而引發的系列經濟社會問題。一是一是從風險

127、評估的60 現實需求和長遠發展看，尋求在群體性利益公平和特定利益關注之間以及個體個性化訴求和規范穩定性、確定性之間的動態平衡，以降低嚴重的“信任差距”或“信任赤字”。二是二是從算法運行的認知理解看，將算法決策過程公開化和透明化，以確保開發者沒有忽略潛在的重要因素，并完善開發設計流程與程序；通過評估、反饋、調整以有效改善人工智能算法“黑箱”的決策機制并完善算法的一般決策效果；通過科學合理、全面客觀的正面清單和負面清單相結合的治理舉措，平衡算法運行后的不同利益和結果，以提高人們對于規范性問題的認識。2、從算法與人交互的環節出發，解決人工智能應用中社會、從算法與人交互的環節出發，解決人工智能應用中社

128、會關切問題關切問題 要在鼓勵創新和降低風險之間尋求平衡，進一步提升人工智能應用的安全、可靠、公平和道德，增強社會各界對人工智能應用及相應監管體系的信心；并根據數據開發利用場景的風險分級分類，聚焦應用使用范圍廣、受影響受眾多、結果影響逆轉難等綜合風險高的重點領域，分步推動數據來源與質量和算法運行效果評估的算法輸入輸出審計，有序探索設計者和使用者對算法結果的責任歸屬，明晰責任界限，積極應對可能產生的各類問題，提升人工智能應用者的獲得感。（五）拓展人工智能應用場景，加速人工智能與經濟社會深度融合 場景應用是人工智能實現價值轉化的關鍵一環，加快形成多61 樣化的應用場景是加快下一代基礎大模型商業化的重

129、中之重。聚焦人工智能對百行千業的賦能，圍繞高端高效智能經濟、安全便捷智能社會建設等方面打造重大場景，從標桿應用、示范性應用、商業化應用等三個維度，謀劃推動人工智能應用，促進形成政府、產業界、科技界協同合作的人工智能場景創新體系。1、圍繞交通運輸等領域組織實施標桿性應用工程、圍繞交通運輸等領域組織實施標桿性應用工程 在標桿應用方面，圍繞機器人、教育、醫療、文化、交通等五大領域組織實施一批綜合型、標桿性重大應用工程，形成大模型行業應用新生態。落實關于加快場景創新 以人工智能高水平應用促進經濟高質量發展的指導意見，交通運輸領域優先探索自動駕駛和智能航運技術在園區內運輸、擺渡接駁、智能配送、貨車編隊行

130、駛、港區集裝箱運輸、港區智能作業、船舶自主航行等方面的智能應用場景。推動交通、信息通信等領域的深度融合，交通治理領域探索交通大腦、智慧道路、智慧停車、自動駕駛出行、智慧港口、智慧航道等場景。2、圍繞政務服務等細分行業領域組織實施示范應用工程、圍繞政務服務等細分行業領域組織實施示范應用工程 在示范性應用方面，圍繞科研探索、政務服務、工業智能、金融管理、空間計算、數字營銷、司法服務、廣電傳媒、電力保障和內容安全等行業細分領域，探索標準化、可復制、可推廣的大模型行業應用落地路徑。政務服務領域利用智能客服、自動化審批等應用，提高政務服務效率和質量。制造領域優先探索工業大腦、機器人協助制造、機器視覺工業

131、檢測、設備互聯管理等智62 能場景。農業領域優先探索農機衛星導航自動駕駛作業、農業地理信息引擎、網約農機、橡膠樹割膠、智能農場、產業鏈數字化管理、無人機植保、農業生產物聯監測、農產品質量安全管控等智能場景。金融領域優先探索大數據金融風控、企業智能征信、智能反欺詐等智能場景。3、圍繞行業熱點組織實施商業化應用工程、圍繞行業熱點組織實施商業化應用工程 在商業化應用方面，圍繞行業熱點和社會關切，重點面向教育、醫療、文化等行業細分應用場景，鼓勵開發智能體、智能助手等大模型應用。醫療領域積極探索醫療影像智能輔助診斷、臨床診療輔助決策支持、醫用機器人、互聯網醫院、智能醫療設備管理、智慧醫院、智能公共衛生服

132、務等場景。教育領域積極探索在線課堂、虛擬課堂、虛擬仿真實訓、虛擬教研室、新型教材、教學資源建設、智慧校園等場景，開展智慧教育平臺應用試點。支持大模型企業與設備廠商結對攻關，圍繞電腦、手機、家電、汽車等新硬件終端開展嵌入式大模型組件及智能系統研發應用。根據典型應用場景，加強對人工智能和實體經濟深度融合創新項目成功經驗的總結提煉，促進人工智能產業加速發展。4、探索人工智能應用場景、探索人工智能應用場景賦能與開放賦能與開放 一是一是基于已通過備案的基礎大模型開發的生成式 AI 應用，設置綠色通道，將監管重心從事前審批轉向事中事后治理，加快國產生成式 AI 技術在智能制造、智慧城市、智慧交通、智慧醫療

133、、智慧政務、智慧教育、智慧金融、智慧安防、智慧工地等重63 點領域的落地應用。二是二是央企國企率先提供、開放更多應用場景，推動應用場景帶動關鍵核心技術及產品的迭代創新。支持龍頭企業與用戶單位結合，開展人工智能應用示范，并藉此推動人工智能技術水平的提升和商業化路徑的篩選，實現人工智能與實體經濟的深度融合，促進人工智能的規?；瘧煤蛡鹘y行業的轉型升級。三是三是支持龍頭企業牽頭搭建人工智能協同創新平臺，向行業企業提供算力、算法、模型等產品服務，在制造、科研、金融、電子商務、交通等領域，形成一批垂直應用場景。5、加快構建滿足“人工智能、加快構建滿足“人工智能+”高水平賦能需求的標準體系”高水平賦能需求

134、的標準體系 加強行業自律，鼓勵行業協會、中介組織制定人工智能產業標準、技術標準和行業規范。落實國家人工智能產業綜合標準化體系建設指南（2024 版），持續提升我國人工智能產業標準與產業科技創新的聯動水平，開展智慧城市、科學智算、智慧農業、智慧能源、智慧環保、智慧金融、智慧物流、智慧教育、智慧醫療、智慧交通、智慧文旅等領域標準研究，引領人工智能產業高質量發展的標準體系加快形成。（六）構建良好創新生態，加速產學研協同、大中小企業融通 “開放性生態”對人工智能未來發展至關重要，需要加強人工智能開源生態的頂層設計，通過構建 AI 模型開源社區，探索新技術新應用的“試驗場”，形成自主自強、開放融合、充滿

135、活力的創新生態。64 1、促進大中小企業融通創新發展、促進大中小企業融通創新發展 加快培育世界一流人工智能企業，開展戰略性、前瞻性、原創性創新研究，探索利用科技專項等政策舉措支持科技平臺企業做大做強 AI 模型開源社區，推動在政府資助下形成的人工智能研發成果的開源。引導大企業向中小企業開放算力平臺、共性技術平臺、行業訓練數據集、仿真訓練平臺，支持和帶動中小企業創新。鼓勵發展公共云等云服務模式，牽引帶動中小企業“上云用數賦智”。鼓勵大企業先試、首用中小企業人工智能創新產品，促進中小企業人工智能配套產品推廣應用。為產業鏈、供應鏈供需對接搭建產業載體平臺和信息服務平臺，利用產業園區集聚上下游企業，組

136、織開展大中小企業供需對接活動，為大中小企業合作積極創造條件。2、大力推進企業主導的產學研合作、大力推進企業主導的產學研合作 加快構建以企業為主體、產學研高效協同深度融合的人工智能創新體系，支持人工智能龍頭骨干企業與高校、科研院所開展產學研合作，聯合開展可解釋、可通用的下一代人工智能方法重大研究、核心算法、智能信息材料、智能軟件和系統集成等關鍵核心技術攻關。建立以技術研究為基礎，以產業價值升級為導向的多層次一體化科技創新體系，突破傳統產業的技術瓶頸，實現產業結構升級。鼓勵高校院所聯合行業龍頭企業，采用產學研合作模式創建一批國家級或省級人工智能重點實驗室、新型研發機構、工程（技術）研究開發中心、企業技術中心等公共技術創新65 平臺，促進人工智能前沿核心技術和應用技術開發研究。面向全球精準引進一批人工智能領域世界一流大學科研中心、實驗室等國際高端研發機構，建設一批人工智能國際科技合作基地、聯合研究中心等平臺載體，積極承擔一批國際人工智能重大項目，搶占產業技術創新制高點。鼓勵百度等人工智能龍頭企業、領軍企業和新型研發機構牽頭，圍繞產業技術創新需求，與產業鏈上下游企業、國內相關領域優勢高校、科研機構等按市場規則聯合組建人工智能產業技術創新聯盟。推動聯盟各成員單位資源共享、優勢互補，促進創新要素集聚，開展人工智能技術研發、科技成果轉化和行業標準制定等工作，形成核心技術和自主知識產權。