中国大模型行业落地现状、挑战与未来趋势分析
在 ChatGPT 爆发之后，国内外科技赛道都被掀起了巨大波澜。随后在国内这段时间里，大量的大模型争先恐后地出现。那么截止到现在，大模型在国内土壤落地得怎么样了？本文将从行业数据、应用场景、技术瓶颈及未来路径四个维度进行深度解读。
一、整体落地进展：观望多于全面应用
距离 ChatGPT 爆发的那一天，已经过去了一段时间。8 个月的时间，中国诸多大模型拔地而起，以飞快的速度，不断向各个行业场景渗透。但就目前为止，并未出现真正被大模型颠覆的场景或行业。
统计数据显示，在大模型落地应用中，45% 的企业处于观望阶段、39% 的企业处于探索可研阶段、16% 的企业处于试点应用阶段，而全面应用的企业为零。
一个值得被看见的问题是：如今在中国的土壤里，大模型的落地进展究竟如何？
二、先行领域：金融与能源的数字化优势
1. 能源领域的深度渗透
在电力行业，工作人员可以向电力大模型发布指令，让其自动生成数据处理结果，准确识别缺陷场景的图像细节，帮助工作人员检索处理电力巡检过程中的数据。
目前，在南方电网客户服务领域，60% 的高频问题都可通过电力大模型解决，在识别客户情绪波动方面，电力大模型的效果甚至优于人工。
此外，在输配电领域，电力大模型已具备每分钟处理 100 张问题图片的能力，还能同时识别 20 类缺陷，识别效率是传统 AI 算法的 10 倍。
而在电力调度领域，电力大模型能够协助调度部门针对电网异常情况快速自动化生成处置预案，及时响应电力市场调节要求，使预案更加安全、高效，成本更低。
据了解，部分能源头部厂商已经开启了与科技公司在大模型应用方面的合作，尤其在电网与矿山领域，形成了一些初步试点示范，如电网调度、缺陷/故障查询、煤矿作业监测等场景。
2. 金融领域的广泛布局
除了能源领域，金融领域也是目前大模型最大落地场景之一。
一份来自爱分析的报告中，也将能源、银行列为了大模型落地进展最快的两大行业。
在金融领域的落地之广，从大模型的数量和企业动态也可见一斑。一组数据显示，国内参数在 10 亿规模以上的大模型数量高达 116 个，其中金融行业大模型约 18 个。
此外，在半年报中，工商银行、农业银行、中国银行、交通银行、招商银行、中信银行、兴业银行、华夏银行、浙商银行等 9 家银行明确提出在探索大模型的应用。
在大模型厂商侧，一些密集的行业模型发布也反映出金融场景落地的火热程度。例如度小满发布了千亿级中文大模型「轩辕」；腾讯云携手神州信息开展金融大模型的合作；中国农业银行推出类 ChatGPT 的大模型应用 ChatABC；中国工商银行发布了基于昇腾 AI 的金融行业通用模型。
7-8 月，随着《生成式人工智能服务管理暂行办法》正式实施，包括腾讯、百度、科大讯飞、华为、字节跳动等多家公司，又相继释放了最新的大模型进展；9 月，蚂蚁集团也正式发布了金融大模型，并开源生成式 AI 编程平台 CodeFuse。
3. 共性因素分析
无论是能源领域还是金融领域，之所以能够实现大模型的领先落地，都源于这两个行业的一些共性：
首先，能源和银行业都是高度数据化的行业，具有较好的数据基础和数字化环境，这为大模型的训练和应用提供了有利条件。
其次，两大行业均有大量的数据处理和决策需求，而大模型的机器学习和深度学习技术可以帮助行业解决这些难题，提高决策效率和准确度。
再有，能源和银行业的业务模式相对比较成熟，具有较高的商业价值，因此这些行业对大模型技术的需求也比较大，从而推动了大模型的落地应用。
可见，能源和银行两大行业在大模型落地进展中相对较快，主要是由于其数据基础好、技术需求大、商业价值高等多方面因素的综合作用。
值得注意的是：即使在金融、能源这两个落地场景中，大模型仍有一些目前难以跨越的难题。
三、场景价值差异：生成易，决策难
1. 金融行业的价值落差
在金融行业，营销、风控、运营三个方向是诸多银行关注较多的大模型应用方向。
其中，智能问答助手、智能客服、营销图片自动生成、贷后报告撰写是当下银行等金融机构积极布局的细分场景。但就目前而言，生成类场景如智能问答助手、智能客服、营销图片自动生成等场景价值与预期相差无几，但在如沉睡客户唤醒、数字营业厅这类决策、原生类应用场景，大模型落地的预期和实际效果仍有差距。
例如在智能客服场景，过去智能陪练题库少，缺少针对性。如今基于大模型生产个性化题库，可以缩短培训周期上；在营销图片自动生成场景，过去设计师在素材库中选取并设计，如今可以利用 Midjourney 自动生成，可以降低版权成本和人力成本。
而在沉睡客户唤醒和数字营业厅场景价值预期中，前者利用大模型自动生成策略，可实现端到端的策略改善唤醒效果；后者大模型支持的数字人帮助客户办理业务、推荐产品完成交易，可实现独立于 APP 之外的新渠道。
然而，就目前来看，这两个场景的实际应用价值都尚未可知。
