自然語言處理技術、深度學習技術、對抗性神經網絡、GPT-3、文本生成圖像 AI，分別入選 2001 年、2013 年、2018 年、2021 年、2023 年《麻省理工科技評論》全球十大突破性技術。這些技術為生成式人工智慧發展到今天的狀態奠定了基礎。
過去一年生成式人工智慧已經成為人們討論的中心話題，行業有「最」關心的話題、評論這是「最」卷的行業、形成「最」快速的增長與熱潮、企業開展「最」激烈的競爭……同時我們也觀察到，正在「變」快的立法速度、正在「變」務實的大眾和企業……
狂奔一年時至今日，大眾和企業更加關心基礎/通用模型、行業/垂直模型的實際落地應用，以及它將如何以及在多大程度上影響企業運營，企業管理者正在思考最合適自身的布局策略、選型策略、企業內部應用部署的速度、大模型的產品能力等切實問題。
這裡有三個重心的轉移: （1）2023 上半年，在 ChatGPT 面世之時，大眾更加關注國產大模型和國外模型在技術層面的差距，在算法、問答能力方面的差距，如今大眾更關心這樣的技術對生活、工作的具體改變方式；（2）大模型企業長期在卷模型的「大」、「更大」，如今開始思考更多的商業模型、產品化能力、服務能力，例如 AI Agent、AI 原生應用、生成式人工智慧超級 APP 等成為落地時討論更多的內容；（3）企業高管更關心模型的實際落地，以及它將如何以及在多大程度上影響企業運營，他們思考最合適的布局策略、選型策略、企業內部應用部署的速度、大模型的產品能力等問題。
我們預計 2024 年開始，生成式人工智慧將引發真正的企業級人工智慧開端。2023 下半年以來，全球企業確實在投資、試驗生成式人工智慧技術，中國企業也在關注生成式人工智慧部署策略，但經過調研發現生成式人工智慧在企業的部署率仍處於低位，「共識」與「謹慎」並存。
本次研究《麻省理工科技評論》中國團隊嘗試探討一些在部署過程中企業關心的問題，以期為企業部署使用戶生成式人工智慧提供一些幫助，如當前部署階段、生成式人工智慧對企業的影響、企業部署生成式人工智慧的商業價值、部署時的挑戰、部署策略等，以及正式發布「中國AI大模型應用案例」，這些企業有的已經在內部部署大模型、有些企業正在為行業（to B、to C）提供通用/定製化大模型能力。
下載完整報告 PDF 查看更多內容及完整圖譜
「共識」與「謹慎」並存
2022 年 11 月，OpenAI 發布了 GPT 3.5 大語言模型 (LLMs)，開始點燃大眾和資本對生成式人工智慧的關注和熱情。ChatGPT 病毒式傳播，5 天內獲得 100 萬用戶，2 個月內達到 1 億。ChatGPT 的推出將生成式人工智慧——生成新內容的能力（文本、代碼、圖像、音頻等）帶到了新高潮。
在 ChatGPT 為代表的生成式人工智慧產品推出後，企業對人工智慧的態度發生了什麼轉變？
在《麻省理工科技評論》2022 年對全球 600 位企業高管的調研中看出，2022 年（有影響力的產品/生成式人工智慧能力出現之前），很少有組織採用人工智慧作為任何業務功能的關鍵部分；同樣到 2025 年，也很少有組織計劃使人工智慧成為跨關鍵職能的核心能力，企業高管對 AI 未來的判斷也沒有步入「必不可少」的階段。
但在 2022 年底和 2023 年初，面向消費者/大眾 C 端的生成式人工智慧工具的出現，從根本上改變了公眾對人工智慧力量和潛力的討論。甚至某種程度上加速了企業對於 AI 的部署速度。
儘管自 2019 年推出 GPT-2 以來，生成式人工智慧⼀直在行業專家的談論中掀起波瀾，但直到現在，企業才意識到其革命性機遇。這⼀顛覆性時刻的影響力及其引發的連鎖反應將在未來幾十年內產生迴響。
人們清楚地認識到這件事情會在未來兩年內，對我們的工作和生活帶來極大的影響，但是卻對如何影響、發生路徑沒有明確定論，這種確定但又不明晰的認知是當前企業界的共識，大家承認了它的重要性，也更加關注後續的風險和經濟價值。
雖然增加新價值的影響還未全部實現，但生成式人工智慧確實正在影響一些事情，例如組織的數據和技術基礎設置，以及高層和 CIO 等技術高管為實現人工智慧現代化而做出的投資決策。
經過《麻省理工科技評論》洞察團隊在 2023 年 7 月和 8 月對全球 1000 名企業高管的調研，以及中國團隊的同步調研，當前市場的反饋是幾乎所有被調研的公司都認為生成式人工智慧是技術領域的重大變化、多數企業高管了解生成式人工智慧夠提高生產力和改進業務流程，這一點成為共識。
但企業基本都還處於早期採用階段，因為領導者正在評估採用這項新技術的安全且有價值的部署方法。高管們的確認識到了它的潛力，也在積極嘗試，但他們正在謹慎地部署。
生成式人工智慧將引發真正的企業級人工智慧開端
2023 年企業對於人工智慧的態度出現大轉變，並且從當前市場的採用情況來看，企業在快速部署生成式人工智慧能力、產品，背後的邏輯在於企業開始快速理解生成式人工智慧帶來的商業價值：
（1）對於個人來說，生成式人工智慧讓公眾意識到了人工智慧技術的具象價值，因為它背後有了可用工具體現，ChatGPT 的出現或許拉開了開發工具平台的下一次變革大幕，從大型機、台式機、移動設備（它使服務消費無處不在，但它並沒有轉化為無處不在的服務創建），再到自然語言人工智慧工具/生成式人工智慧（帶來廣泛的生產力提升）。
（2）對於企業來說，以 ChatGPT 為代表的個人側交互新工具的出現，給組織帶來了本質變化——人工智慧終於從試點項目和「卓越孤島」轉變為能夠集成到組織工作流程中的通用能力。以 ChatGPT 為起點的一批新工具真正開始實現 AI for everyone，企業明確具象地感知到這樣新生產力工具對於個人、組織、大規模群體的經濟意義。
（3）對於業務來說，大量非結構化和隱藏的數據現在變得清晰可見，能夠釋放商業價值。以前只有在結構化數據已準備就緒、且數據量充足的場景中，人工智慧才能夠發揮很好的效果；收集、注釋和合成異構數據集的複雜性，使得更廣泛的人工智慧使用變得不可行。相比之下，生成式人工智慧的新能力——揭示並利用（企業內外部）曾經隱藏的數據，將為企業取得新的效率進步和商業成就提供動力。
（4）生成式人工智慧工具已經可以完成複雜多樣的工作負載，更廣泛的勞動力將從耗時的工作中得到解放，轉向專注於洞察力、戰略和商業價值等有更高價值的領域，讓員工做更多增值業務。生成式人工智慧可以開始從事創意性工作，這曾被認為是人類獨有的能力和事業。
（5）未來，對於生成式人工智慧的應用需求，更多將由企業成員自發地「需求拉動」，而不是技術人員、或 CIO 將這個技術引入、帶到團隊中去，這將提升企業數字化升級轉型動力、速度和效率。語言類任務占社會主要行業比重較大（銀行、保險、軟體、通訊傳媒、零售、健康、公共服務等），而在這些任務中，生成式人工智慧有很大能力為它們帶來能力增強、或實現自動化。
（6）企業對於勞動力的理解升級，有了 ChatGPT 的示範，企業管理者們現在很大程度上將人工智慧視為人類員工的副駕駛，而不是競爭對手。
15 個中國 AI 大模型先進應用案例
生成式人工智慧在企業的部署率仍處於低位，但其在 IT 與通信、金融、工業製造、醫療健康領域展示出很大的應用潛力，它們也是應用生成式人工智慧產品、功能最積極、滲透率較高的領域。
在部署策略上，企業不會單打獨鬥，與初創企業和大型科技公司的合作對於順利部署至關重要，其中開源模型的地位關鍵。大型科技公司正在迅速採取行動，將生成式人工智慧嵌入到其產品生態系統中，但許多企業高管正在尋找專業的初創公司，尤其是在數據敏感或高度監管的行業。
我們將眼光放至中國，2023 年以來，中國已有近 200 家企業入局發布 AI 大模型。一邊以百度、阿里巴巴、騰訊、華為等為代表的科技大廠投身其中，另一邊科大訊飛、商湯科技等 AI 企業也紛紛加入。網際網路大佬們更不畏懼「從 0 到 1」，搜狗創始人王小川、美團聯合創始人王慧文、創新工場董事長李開復等人高調入場生成式人工智慧方向。
與以往不同的是，這次的「軍備競賽」不僅僅在科技巨頭和企業中展開，中國高校、新研機構也紛紛推出自己的大語言模型，清華大學、復旦大學、浙江大學、北京智源人工智慧研究院、上海人工智慧實驗室等一眾一流高校和機構都加入了這一激烈的競爭。
經過 2023 年 7 月至 12 月的公開案例徵集與公開統計，《麻省理工科技評論》中國將評價重心放在 AI 大模型的真正應用和部署能力上，15 家企業入選本次「中國 AI 大模型先進應用案例」。有的企業已經在內部部署大模型、有的企業正在為行業（to B、to C）提供通用/定製化大模型能力，並且已經在真實世界中的多個行業場景、業務場景發揮生成式人工智慧的技術能力。
在歷史長河中，金融業一直站在數字化技術創新的前沿。金融行業數據豐富、應用場景多，適合生成式人工智慧落地推廣，作為數據密集型行業，其也會率先體會到大模型帶來的價值。金融領域降本增效需求強烈，行業整體進入數字化轉型深水區。
生產工具的改變，將大幅提升企業運營效率並創造更具競爭力的營商環境，如將生成式人工智慧應用於獲客營銷、風控、產品設計等領域將有助於提高效率、降低運營成本。銀行、保險、券商、資管等企業/機構正深刻認識到生成式人工智慧的顛覆性潛力，並積極將其融入運營體系，涵蓋了客戶與業務增長、銷售市場及營銷、風險評估與管理、合規與監管、產品設計等多個應用場景。隨著大模型技術與業務的深度融合，頭部金融科技企業有望實現產品和商業模式的革新，相關行業已湧現大量應用案例，例如 BloombergGPT、Morgan Stanley 等。
2023 年 5 月，度小滿開源了國內首個千億級金融大模型「軒轅」。 「軒轅」用度小滿實際業務場景積累的海量金融數據訓練而來，通過獨創的 hybrid-tuning 的創新訓練方式，實現在大大增強金融能力的同時，不損失通用能力。自開源以來，已經有上百家金融機構申請試用「軒轅」大模型。2023 年 9 月，度小滿開源「軒轅-70B」金融大模型，「軒轅-70B」在C-Eval和 CMMLU兩大權威榜單上位列所有開源模型榜首。
目前，大模型技術已經應用在度小滿各個業務場景，從營銷、客服、風控、辦公再到研發，已經初見成效。在代碼助手方面，用大模型輔助生成的代碼，採納率能夠達到 42%，幫助公司整體研發效率提升了 20%；在客服領域，大模型推動服務效率提升了 25%。在智能辦公領域，大模型目前的意圖識別準確率已達到 97%。
同樣對於工業製造行業來說，和金融一樣，都產生大量的數據、以及同樣面臨效率提升的困境。生成式人工智慧技術在工業製造場景下，產生的主要價值在於，幫助企業在研發到產品設計的一系列業務功能中節省時間和成本。主要的應用途徑包括，建築設計（建築開發商根據位置、氣候、預算等自動生成建築計劃）、零部件的設計和開發、基礎設施設計、材料發現、自動駕駛的數據生成、採購環節的效率提升（使用文本生成工具根據項目規劃說明和過去的項目編寫採購計劃）、實操培訓等。
2023 年 9 月，創新奇智發布擁有 150+ 億參數量的工業大模型「奇智孔明 AInnoGC」、大模型服務引擎以及三款基於大模型的生成式AI應用產品 — 「奇智明達ChatRobot」生成式工業機器人任務編排應用、「奇智明數 ChatBI」生成式企業私域數據分析應用、「奇智明睿 ChatDoc」生成式企業私域知識問答應用，並在工廠物流、智造 BI、智造實訓等多個領域落地，賦能行業解決方案。創新奇智的大模型 AInnoGC 著重應用於製造業、工業軟體領域，有效解決行業中大客戶的專屬需求，例如交互式動態業務報表生成，智能產線設計、跨場景的質量檢測、人員培訓等。
目前，創新奇智已建立起由 「MMOC 人工智慧技術平台」和「AInnoGC 工業大模型技術平台」組成的 AI 雙塔技術布局，為客戶提供覆蓋 AI1.0（分析式能力）到 AI2.0（生成式能力）的完整 AI 技術能力。其中，MMOC 平台向大模型沉澱產業經驗和數據，而大模型的內容生成能力則反哺 MMOC 平台，催化技術創新和價值創造，兩者相輔相成，共同為客戶提供更佳的 AI 落地體驗。
在企業級人工智慧解決方案服務側，第四範式希望用 AIGS 改造企業軟體。在 2023 年 2 月底，第四範式推出了一個專為業務場景設計的企業級生成式人工智慧產品 SageGPT，布局大模型 AI 產品。2023 年 4 月 26 日，第四範式首次向公眾展示其大模型產品式說 3.0，並首次提出 AIGS 戰略（AI-Generated Software）：以生成式 AI 重構企業軟體。第四範式創始人兼執行長戴文淵博士表示，第四範式希望可以用生成式 AI 來重構企業軟體，也把式說定位為基於多模態大模型的新型開發平台，提升企業軟體的體驗和開發效率，從而實現 AIGS。
在通用生成式人工智慧能力打造上、垂直行業賦能上，阿里「通義」、百度「文心」、華為「盤古」、科大訊飛「星火認知」均在賦能 C 端廣大用戶和 B 端企業，已在金融、工業、法律、教育等行業應用部署。
對於智譜 AI、百川智能等企業，已經逐漸成為中國大模型的創新力量。智譜 AI 注重對國內科研及企事業單位的合作與支撐，中國移動、美團、360、聯想、金山 WPS 等企業已基於 ChatGLM 模型從事領域大模型應用的研發。智譜 AI 還與首都之窗等機構基於 ChatGLM 共同進行政務大模型和應用的探索與服務。截至目前，ChatGLM 模型先後為中科院多個院所、之江實驗室、上海人工智慧實驗室、北京智源及多家知名高校、企業提供科研支持。智譜 AI 推出的 GLM 系列模型已支持在多種架構上進行大規模預訓練和推理，支持十餘種國產硬體生態，包括昇騰、神威超算、海光 DCU、海飛科、沐曦曦雲、算能科技、天數智芯、寒武紀、摩爾線程、百度崑崙芯、靈汐科技、長城超雲等。通過與國產晶片企業的聯合創新和優化，將有助於推動國產大模型軟硬生態參與國際競爭。
2023 年 9 月，百川開源 Baichuan2、並接連發布 Baichuan2-53B 閉源大模型。作為首批通過備案的大模型企業，百川智能還開放了 Baichuan2-53B API 接口，正式進軍 To B 領域，開啟商業化進程。企業和開發者可以通過 API 將 Baichuan2-53B 集成至他們的應用程式和服務中。12 月 19 日，百川智能宣布開放基於搜索增強的 Baichuan2-Turbo 系列 API，包含 Baichuan2-Turbo-192K 及 Baichuan2-Turbo。API 用戶可上傳文本資料來創建自身專屬知識庫，從而根據自身業務需求打造更完整、高效的智能解決方案。
更多企業大模型開放入口，請前往企業官方網站/平台進行申請試用。
有關生成式人工智慧企業部署的更多研究內容，請下載報告全文 PDF 查閱。
如您希望與我們交流或有任何問題，以及獲取更多中國 AI 大模型企業統計信息，請與我們聯繫：[email protected]；+86 18813083977、+8613520212791（電話/微信同）
免責聲明
本報告所載數據和觀點僅反映《麻省理工科技評論》中國於發出此報告日期當日的判斷。 《麻省理工科技評論》中國對報告所載信息的準確性、完整性或可靠性做盡最大努力的追求，但不作任何保證。在任何情況下，本報告中的信息或表述均不構成任何投資等建議，本公司對該報告的數據和觀點不承擔法律責任。不同時期，《麻省理工科技評論》中國可能會發布其它與本報告所載資料、結論不一致的報告。同時 《麻省理工科技評論》中國對本報告所載信息，可在不發出通知的情形下做出修改，讀者應自行關注。
本文中企業順序僅按機構/公司名稱首字母排序；案例統計徵集時間截至2023年12月20日；以上企業以及大模型應用案例僅來自於2023年7月至12月的公開案例徵集與公開統計；如模型等信息有更新或變化，請讀者自行關注；此處不代表所有應用案例、且不代表任何投資建議。
版權聲明
本報告由《麻省理工科技評論》中國發布，其版權歸屬北京演繹科技有限公司（DeepTech），《麻省理工科技評論》中國對此報告擁有唯一著作權和解釋權。沒有經過DeepTech及《麻省理工科技評論》中國的書面許可，任何組織和個人不得以任何形式複製、傳播等。任何未經授權使用本報告的相關商業行為，DeepTech及《麻省理工科技評論》中國將依據中華人民共和國相關法律、法規追究其法律責任。
關於《麻省理工科技評論》中國
《麻省理工科技評論》（MIT Technology Review）依託麻省理工學院的學術和產業資源，於 1899 年在美國麻省理工學院創刊，是世界上歷史悠久的科技商業智庫。自成立之初，《麻省理工科技評論》就一直關注那些正在顛覆現有格局並創造新的市場機會影響人類社會的技術，以及那些正在從實驗室走向市場即將商業化的技術。在此基礎上，也高度關注將這些技術落地，並用這些技術影響我們生活的人和聰明企業。
《麻省理工科技評論》於 2016 年落地中國，由 DeepTech 獨家運營，開展媒體、研究及會議業務，圍繞技術話題輻射和影響新興科技圈層，重點關注新興科技的商業化和社會價值，聚焦中國市場，為中國科技從業者帶來與全球百萬科技領域研究者、從業者及商業領袖進行前沿科技國際化交流的機會。
關於 DeepTech
DeepTech 成立於 2016 年，是一家專注新興科技的資源樞紐與服務機構，以科學、技術、人才為核心，聚焦全球新興科技要素的自由連結，為產業、政府、高校、科研院所、資本等科技生態的關鍵角色提供服務，通過科技諮詢服務、科技品牌影響力、科創資本實驗室三大業務板塊，推動科學與技術的創新進程。