2024年中国AGI市场发展研究报告：培训课件大模型

01020304中国AGI市场发展背景中国AGI市场发展特征中国AGI市场应⽤现状中国AGI市场发展趋势预测⽬录CONTENT中国AGI市场发展背景全球AI市场发展，

正在进⼊了AGI主导的时代•在经历了初期的探索与技术积累，以及随后的技术突破与商业化探索阶段后，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。深度融合阶段初步应⽤阶段2011年-2016年2020年-⾄今探索阶段l⼈⼯智能技术进⼊了⼀个更为成熟和⼴泛应⽤的阶段，AI开始与各⾏各业深度融合，并进⼊AGI主导的时代。2020年，GPT-3的推出在⾃然语⾔处理领域取得了显著成就，进⼀步提升了AI技术的智能化⽔平，加深了公众对AI潜⼒的认识和期待。2011年以前ll⼈⼯智能技术开始取得显著突破，并逐渐商业化。ll⼈⼯智能主要处于概念提出和初步探索阶段。2011年，IBM的超级计算机沃森在电视智⼒问答节⽬《危险边缘》中战胜了⼈类冠军，这⼀成就证明了AI在理解和处理复杂语⾔问题⽅⾯的能⼒。1950年，图灵测试为评估机器是否具备⼈类⽔平智能提供了⼀个哲学和⽅法论的框架。1956年，达特茅斯会议上，“⼈⼯智能”这⼀术语被正式提出，标志着AI作为⼀⻔独⽴学科的诞⽣。ll政策逐步深化：国家级政策频繁出台，为AGI的实现提供政策⼟壤•

⼈⼯智能领域政策正在逐步深化。从最初的观望态度到现在的积极融⼊，中国的政策环境经历了显著的演变。地⽅政府和多部⻔联合发布的政策数量急剧增加，反映出跨部⻔协作和地⽅特⾊创新的趋势。整合与实施阶段：全⾯布局与综合应⽤创新推动阶段：技术创新与应⽤推⼴初始阶段：着眼未来：基础设施与法规建设战略部署与伦理治理••⽀持技术创新和产业集群发展，如《上海市推动⼈⼯智能⼤模型创新发展的若⼲措施》。重点发展具体技术应⽤，⽐如⼈形机器⼈的创新开发（《⼈形机器⼈创新发展指导意⻅》）。••政策覆盖⼴泛，涉及多个领域和多个部⻔的联合政策发布，如《“数据要素×”三年⾏动计划》。强调AI的战略地位和⾏业应⽤，2024年《⼈⼯智能+》⾸次提出，象征着AI作为产业创新的关键抓⼿。••着眼于AI的⻓远发展和国家战略，政府⼯作报告和中国发展⾼层论坛强调⼈⼯智能的重要性。关注⼈⼯智能伦理治理和科技创新，旨在平衡创新与监管。••专注于建⽴基础设施，如《电⼦信息制造业2023⼀2024年稳增⻓⾏动⽅案》中提到的数据和⼈⼯智能基础设施建设。强调法律和安全框架的构建，例如《⽣成式⼈⼯智能服务管理暂⾏办法》确⽴了安全评估规定。国内AI市场融资活跃，顶级AI领域⼈才数量中美差距较⼤••资本市场活跃：较去年相⽐，今年第⼀季度融资⾦额远超去年同季度。2023年整年AI领域投资事件39起，融资⾦额50.7亿元，2024年第⼀季度，AI领域投资事件13起，融资⾦额74.9亿元。同时，融资轮次依然在早期融资。顶级⼈才数量差距⼤：根据AI

2000学者国家分布显示，中国与美国拥有世界上近⼋成的顶级AI领域⼈才。其中，美国有1188⼈，中国369⼈，美国⼈才储备为中国的3.2倍。2024年1⽉-4⽉AI领域投融资次数与⾦额2024年1⽉-4⽉AI领域融资轮次67.8654321015.4%15.4%1.434.44401.324-10-6015.4%-110-160-210-26030.8%23.1%1月2月3月4月融资次数融资⾦额天使轮A轮B轮C轮战略投资中国AGI市场将⻓期保持快速增⻓态势•

InfoQ研究中⼼预计，2030年中国AGI应⽤市场规模将达到4543.6亿元⼈⺠币。•

2024-2027中国AGI应⽤市场将经历过速启动期；每年市场增速都将超过100%，2028年起，市场将进⼊快速成⻓期，年市场增速保持在50%以上。并于2027年突破千亿⼈⺠币市场规模。•

InfoQ研究中⼼认为，中国AGI应⽤市场规模发展将由企业市场引领主导，到2030年企业市场规模预计达到3024.6亿元⼈⺠币。2023-2030年中国AGI市场规模（单位：亿元⼈⺠币）60004543.640002756.771829.420001148.37632.86141.358204.93326.63020232024e2025e2026e企业市场2027e2028e2029e2030e个人市场AGI市场发展特征解构AGI市场，四层结构释放技术潜⼒•

InfoQ研究中⼼将中国AGI市场⾃下向上分为基础设施层、模型层、中间层和应⽤层四层，这四层结构共同构成了中国AGI市场的技术框架。中国AGI市场四层结构示意图形态价值典型⼚商出⻔问问、商汤科技、作业帮、秘塔科技、美图、聆⼼智能、钉钉、WPS等⽤层是⽤户/客户直接使⽤AGI技术的界⾯，提供特定服务和解决具体业务问题作为出发点应⽤程序、插件、硬件等应⽤层中间层中间层提供了AGI实际应⽤所需的核⼼功能和服务，是连接应⽤层和模型层的桥梁阿⾥巴巴、腾讯、京东、⽹易有道、海⻉等、Prompt、、Agent等百度、阿⾥巴巴、科⼤讯⻜、智谱AI、百川智能、零⼀万物、MiniMax等模型层型层是AGI的核⼼，其能⼒直接影响最终AGI⽤效率及多模态模型基础设施层础设施层是实现AGI的基⽯，是保证模型训练、理部署能⼒的基础中国电信、中国移动、

、浪潮等⼒、数据基础层：为解决算⼒短缺，短期唤醒沉睡算⼒，⻓期持续建设智算中⼼•

伴随着AGI的不断发展，模型训练和部署对算⼒的需求不断提升，但中国在算⼒领域⾯临诸多挑战。截⾄2023年底，我国智能算⼒规模达到了70EFLOPS，增速超过70%。但距离《算⼒基础设施⾼质量发展⾏动计划》设置的智能算⼒规模，仍存在50%的智算缺⼝。因此，为了更好地应对算⼒短缺问题，短期的关键是如何唤醒「沉睡」算⼒，提⾼现有算⼒利⽤率。⻓期持续建设智算中⼼满⾜算⼒供给，除了产业链相关企业，政府和运营商正在接⼒智算中⼼建设。我国智能算力建设缺口50%的现状128个智算中心建设状态和主导方背景分布情况短期内唤醒「沉睡」算⼒105云算⼒租赁、算⼒调度中⼼等建设，在短期内有限的供给下，探索异构算⼒池，优化算⼒使⽤效率。政府主导,12%+50.0%70规划/建上线运营30%运营商主导,3%设阶段70%41其他企业主导,15%⻓期算⼒国产化和智算中⼼持续建设在美国对GPU管控趋严的背景下，中国国产算⼒抓住发展机遇，加强⾃主可控能⼒，⻓期补充算⼒空缺。2022

20232025E智能算⼒规模（单位：EFLOPS）基础层：场景多但流动少，中国正在加速挖掘数据价值•

数据是⼤模型训练过程中不可或缺的「燃料」，其规模和质量也是影响⼤模型性能的核⼼要素。在数据总量多，但垂直领域数据流动少的现状下，国家数据局等17部⻔联合印发《“数据要素×”三年⾏动计划（2024—2026年）》。推动科研机构、⻰头企业等开展⾏业共性数据资源库建设、在重点领域、相关区域组织开展公共数据授权运营、引导企业开放数据，⿎励市场⼒量挖掘商业数据价值。中国公开训练数据供给现状与行动计划数据总量多垂直领域数据流动少现状根据全国数据⼯作会议，经初步测算，2023年我国数据⽣产总量预计超32ZB。开源中⽂数据集有效供给少，全球通⽤的50亿⼤模型数据训练集⾥，中⽂语料占⽐仅为1.3%。垂直领域公共数据开放程度偏低。较少，私有数据完善数据要素市场相关制度⾏业共性数据资源库建设⾏动计划通过数据交易体系建设，建⽴更加开放、透明的数据资源共享机制，引导企业合理开放数据，⿎励优质供给和增加数据流通。在科研、⽂化、交通运输等领域，推动科研机构、⻰头企业等开展⾏业共性数据资源库建设，打造⾼质量⼈⼯智能⼤模型训练数据集。模型层：通⽤⼤模型蓬勃发展，短时间内落地仍需⾏业⼤模型补⻬⾏业⼤模型游戏电商

社交⽂娱

传媒影视教育汽⻋⾦融能源制造医疗其他⽂⼼·传媒/影视⾏业⼤模型⽂⼼·⾦融⾏业⽂⼼·能源/制造⾏业⼤模型⽂⼼·航天/城市/社科/⾏业⼤模型⼤模型⽂因⾦融⼤模型FD-LLM科⼤讯⻜营销⼤模型盘古⽓象⼤模型仓颉汽⻋⼤模型AntFinGLM盘古媒体⼤模型盘古跨境电商⼤模型星⾠教育⼤模型叮当HealthGPT吉利星睿大模型盘古矿⼭⼤模型⽟⾔·游戏⾏业⼤模型⽂曲⼤模型盘古汽⻋⼤模型星⽕医疗⼤模型通⽤⼤模型科技公司云⼚商服务商研究机构百灵天⼯星⽕天书通义⽂⼼九天PolyLM⼆郎神悟道孟⼦⽇⽇新从容MiracleVisionmoss⻄湖混元盘古星河鸿湖moonshotabab紫东太初天河天元⽟⾔⾔犀智脑⼭海序列猴⼦开源⼤模型Baichuan2

ChatGLM3

CogVLM

星辰语义大模型-TeleChat

Skywork中间层：作为应⽤落地的能⼒补充，智能体表现亮眼••中间层是连接应⽤层和模型层的桥梁，在现阶段是作为⼤模型应⽤落地能⼒补充的重要层级，随着底层模型技术的持续进步与演化，未来可能会出现模型层逐渐内化并泛化出原本由中间层提供的部分能⼒。中间层常⻅形式包含微调、检索增强⽣成、提示⼯程和智能体。智能体在⽬前发展阶段因为其适应性搞和成本适中正在被更多的企业采⽤。••与此同时新的沟通应⽤和模型层的需求还会持续出现。适应性⾼应⽤层——中间层不断产⽣新需求智能体（Agent）调用⽤于解决模型在实际应⽤中的交互和决策问题。基于应⽤的需要，中间层通过技术形式帮助应⽤层实现通⽤模型不具备的⼀些能⼒应⽤层1提示⼯程检索增强⽣成层——模型层逐渐内化⽤于解决模型对于不同任务的泛化能⼒不⾜的问题。⽤于幻觉和知识更新的问题。中间层模型层随着中间层能⼒的不断实践和积累，

相对通⽤和标准化的能⼒将从中间层中提炼集成在模型层中。微调⽤于解决预训练模型在特定任务上性能不⾜的问题。适应性低成本⾼成本低AI

Agent具有四⼤特征，正在以三种形式开展⼯作AI

Agent具有⾃主⾏动、沟通交互、随机反应和⽬标导向的特征，并且正在以多种⻆⾊拓展⼤模型应⽤范围。AI

Agent的四⼤特征AI

Agent的三种⼯作⽅式04⽆需⼈类⼲预执⾏任务和⾃主⾏动作出决策单Agent独⽴⼯作03Step

1Step

2Step

3与⼈和智能体进⾏交流和协作沟通交互02多Agent矩阵协同⼯作，其中包括Boss

Agent统筹和发号指令，其他随机反应感知环境变化并作出Agent各司其职执⾏任务。相应的反应01⽬标导向主动采取⾏动以实现⽬标单个或多Agent矩阵与⼈协同⼯作。AI

Agent成为推动AI技术⾰命的关键⼒量•

在通往AGI的征途上，AIAgent正逐渐成为探索的核⼼路径。尽管⼤模型在全球范围内掀起了⼀场技术⾰新的浪潮，使得很多研究者和业界⼈⼠认为⼤模型已接近实现AGI的临界点，但随着时间的推移，⼤模型的⼀些局限性开始显现。这使得研究者们认识到，尽管⼤模型在模仿⼈类认知⽅⾯取得了显著进步，但要达到真正的通⽤智能，仍需克服重重困难。因此，AIAgent作为新的研究⽅向，开始受到越来越多的关注。简化任务执⾏，拓宽⼤模型应⽤范围特定垂直⾏业是AIAgent最有可能⾸先实现应⽤的领域AI

Agent将简化⽤户与⼤模型的互动，允许⽤户只需指定⽬标，即可驱动⼤模型完成任务，⼈与AI将形成更紧密的合作体系。尽管AIAgent⽬前主要处理简单任务，但功能性正不断增强，AI

Agent在多个领域的应⽤已经开始，预示着未来将成为AI应⽤层的基本架构。在特定垂直领域中，AI

Agent实现应⽤的优势主要集中于环境⾼度适应性。AI

Agent依赖于对环境的反馈，因此企业环境中的特定场景为AI

Agent提供了理想的应⽤背景，便于建⽴起对特定垂直领域的深⼊认知。更易理解特定⾏业的术语、规则、任务实践路径、甚⾄⾏业“⿊话”，可提供⾼度定制化的解决⽅案。交互式游戏预测性分析个人助理自动驾驶任务管理市场营销软件开发智能客服生产制造教育辅导垂直行业专业知识合规性与规范金融管理文档处理质量管理智慧城市科学研发……更易掌握特定⾏业的法规和标准，确保其应⽤的⾏业合规性要求。更易掌握并适应特定⾏业的业务流程，与企业系统实现⽆缝集成。业务流程理解应⽤层：应⽤基础全⾯发展，应⽤层创新有望在AGI领域全球领先基础设施完备我国数字基础设施建设已取得显著成就，建⽴起全球最⼤的宽带⽹络之⼀，并在5G技术的研发和部署上处于领先地位。数据中⼼的⼤规模建设⼈才基数庞⼤AGI在短时间⾥经历了从⼤模型的涌现到应⽤层的快速创新，众多企业机构正在积极探索新的应⽤⽅向。应⽤层创新将成为有希望在AGI⽅⾯领先全球的板块。中国拥有庞⼤的数字⼈才，这得益于国家对科技教育的⻓期投⼊以及快速的经济发展。中国数字⼈才不仅在国内市场发挥作⽤，许多也活跃在国际舞台上，为全球技术进步和知识交流做出了贡献。应⽤场景丰富中国在⼈⼯智能领域投⼊巨⼤，AI技术被⼴泛应⽤于制造业、医疗、交通、教育等多个⾏业。产学研各界也在积极探索AGI落地实践，不政策环境⿎励政策密集出台，多部⻔协同发⼒，以组合拳促AGI市场发展。⿎励深化⼤数据、⼈⼯智能等研发应⽤，开展“⼈⼯智能+”⾏动，打造具有国际竞争⼒的数字产业集群。中国AGI市场应⽤现状营销应⽤阶段：⼤模型驱动内容、流量、服务与洞察全⾯升级•

AGI已经彻底颠覆了营销领域，Sora凭借其连贯流畅并细节饱满的视频⽣成能⼒宣布了⽂⽣图⼤模型的发展进⼊新篇章，为营销内容创作提供了更丰富的⼯具。⼤模型将在四个⽅⾯引领变⾰，包括⾰新内容的创造过程和效率、改变流量的分配和获取⽅式、提升服务体验、降低商业洞察⻔槛并颠覆市场研究模式。营销⾏业AGI应⽤成熟度曲线应⽤探索期产品测试期市场投放期应⽤成熟期市场应⽤程度创意灵感⽣成内容制作（视频创作、⾳乐制作、包装设计、⼴告混剪等）智能投放企业运营：如数字员⼯、智能编码电商经营：如虚拟主播数据分析/复盘策略洞察辅助结果预测时间应⽤现状：覆盖从营销前到营销后的全流程环节•

⽬前，⼤模型应⽤在市场营销中涉及的重点板块包括⽬标设定、内容⽣产、内容管理、投放运营以及效果评估五个环节。营销领域因其数据丰富、⽬标明确、个性化需求强烈、技术基础成熟等特点，成为⼤模型应⽤最成熟的领域之⼀⽬标设定内容⽣产内容管理投放与运营效果评估⽬标⼈群设定；⽬标市场设定；营销⽬标设定；渠道选择；营销策略制定；……⽂案撰写；创意设计；话术⽣成；发布会PPT制作；内容营销；营销前测：创意评价、卖点选择等；……内容审核；内容资产管理；管理；⾼质量话术提取；……⼴告投放；营销后测：TA表现、销售表现、策略/渠道/内容表现、代⾔⼈/⼴告语表现、舆情效果、品牌资产等。内容推荐；智能客服/⽤户运营；舆情监测；直播电商；……涉及的能⼒⽂字⽣成、⾳频⽣成、图像⽣成、视频⽣成、场景⽣成、多模态⽣成、数据分析、策略分析辅助、智能客服、虚拟主播/数字⼈、代码⽣成等营销案例：帮助企业解决营销AI应⽤落地“最后⼀公⾥”•

营销领域企业借助AI能⼒，帮助品牌在不同渠道完成从寻找流量洼地、⼈群定位、创意挖掘、策略分析、投放运营、分析优化、效果评估等系列⼯作。实现从⽬标设定到效果评估的全流程智能服务根据不同的擅⻓领域，解决客户不同核⼼问题投放前期：TA是谁？哪⾥找TA？TA喜欢什么创意？投放与运营效果评估⼩明助理AICopilot：⼀款⾯向企业⽤户的⼀站式⼤模型AI智能助理、浏览器插件产品，兼顾PC/移动端⽹⻚等产品形态：基于秒针系统⾏业知识库训练优化的垂直⼤模型，企业可以完成营销策略输出、传播内容⽣成、销售素材⽣成等任务。AIGC营销：实现多模态内容⽣成，突破创意⽣产⼒瓶颈。百度“轻舸“AINative营销平台帮助⼴告主升级⼴告创编流程。投放中期：如何推⼴？如何运营？如何提效？全站推⼴：产品将全⾯接⼊淘系搜索、推荐资源位，流量渠道等场域，为商品提供⼀步到位的全站流量运营解决⽅案。投放后期：哪⾥需要优化？如何积累品牌资产？云积天赫：AI营销决策⼯具和服务提供商，提供企业AI发展战略和营销咨询服务，AI策略中台和AI全域营销系统，以及资产管理（数据资产、⽤户资产、策略资产）服务，助品牌实现⽣意增⻓，沉淀策略资产。依托多年营销数据、营销服务经验积累擅⻓领域的⾏业知识、数据分析⽅法论、优秀营销案例等中国营销AGI⼚商图谱应⽤层⻝品零售医疗教育快消汽⻋……应⽤场景内容⽣产及创意⾳频⽂本图像视频虚拟主播场景……⼴告投放及运营销售及客服策略与研究⾏业专业技能⽋缺成为主要的营销⼤模型应⽤挑战•

⼤模型在各个⾏业应⽤存在⼀些共通的挑战，如成本与算⼒的平衡问题、数据质量和安全性问题、⾏业知识问题、模型可解释性问题等。由于各⾏各业都存在营销需求，缺乏特定⾏业的深⼊知识这⼀挑战在营销⼤模型应⽤中显得尤为突出，营销效果考核挑战成为独特挑战。突出挑战独特挑战营销AI⼤模型更需要垂类竞争⼒营销效果考核压⼒•

在不少垂直领域，营销⼤模型除了需要解决专业术语的识别和理解难题，还要了解“⾏业⿊话”；•

各⾏各业都在寻求降本提效的⽅法。⼴告主在这种背景下，更加注重营销ROI。对营销⼤模型的期待不仅体现在创意本身质量，还关注投放后的营销效果。后者延⻓了营销⼤模型的考核链路，为服务商带来了挑战；•

创意与效果双重考核压⼒：⼴告主不仅关注营销创意是否能够吸引⽬标受众，满⾜产品和审美的要求，⼴告主同样关注这些创意投放后的实际效果甚⾄销售转化。•

预训练模型在建⽴其词库时，可能没有考虑到特定领域中的⾼频专业词汇。这意味着营销⼤模型可能⽆法识别或正确解释该领域内的关键术语和概念。因此，营销⼤模型可能缺乏对某些专业领域深⼊理解的能⼒。零售应⽤阶段：内容⽣成和投放推荐成为应⽤“先锋队”•

AGI在零售⾏业的应⽤已经⾛过了初期的探索阶段，⽬前正处于快速发展和市场投放期。•

尽管整体上还处于成⻓阶段，但某些特定应⽤如智能推荐和个性化营销已经相对成熟，⽽其他应⽤如基于Agent的平台商家助⼿和供应链管理则仍在发展中。•

⽣成能⼒则促进了AI商拍、营销物料⽣成等全新场景的诞⽣和发展。零售⾏业AGI应⽤成熟度曲线应⽤探索期产品测试期市场投放期应⽤成熟期市场应⽤程度智能客服营销物料⽣成个性化营销基于Agent的平台商家助⼿数字⼈导购/主播⻔店数据分析AI商拍私域营销智能推荐供应链管理基于Agent的智能投放零售场景核⼼升级点围绕效率提升与体验优化•

总体来看，AGI在零售⾏业的应⽤正推动着从前端⽤户体验到后端运营效率的全⾯⾰新。围绕效率提升和体验优化，为零售⾏业带来了深刻的变⾰。零售⾏业AGI应⽤两⼤核⼼升级点体验优化效率提更有交互感、更能帮助推①

⽤户体验优化②

商家体验优化③

⻔店体验优化荐商品、更能提升售后服务的智能客服淘宝问问①

营销效率提升AI商拍⽂案、海报、视频物料⽣成效率的提可以帮助商家了解平台规则、各项活动解读，并提供优化经营策略海报设计基于Agent的商家平台助⼿②

投放效率提升⾃然语⾔表达投放简化投放流程，智物料和提供投放优⾃然语⾔营销意图识别可以帮助⻔店店员解读各项商品活动、并提供产品营销和库存管理建议基于海纳视联⼤模型的看店助⼿Agent简化投放流程中国零售AGI⼚商图谱•

围绕核⼼升级点，零售⾏业AGI⼚商在AI商拍、营销物料⽣成、⻔店管理、智能投放、平台商家助⼿、智能客服、数字⼈导购/主播等场景提探索产品应⽤与解决⽅案。应⽤层AI商拍营销物料⽣成智能客服数字⼈导购/主播⻔店管理智能投放平台商家助⼿需要综合考虑落地成本和应⽤效果，⼤⼩模型并⾏成为破局之道•

零售场景下，幻觉问题会对严重破坏⽤户信任和⽤户体验。商家也可能会因为⽣成错误的营销活动信息⽽蒙受损失。此外在落地时也逃离不了对于成本和效果之间的权衡。现阶段，⼤⼩模型并⾏仍然是主要探索的路径，预计伴随着⼤模型能⼒的不断提升，和落地探索的不断成熟，⼤模型将逐渐承担更多任务。•

基于零售领域数据的模型微调以①

幻觉带来的⽣成内容错误、偏差问题及通过RAG等技术⼿段，⽣成内容可控•

在场景应⽤中，发挥⼤⼩模型的不同优势，权衡成本和效率，不过度追求新技术，以场景需求为核⼼②

推理成本和性能之间的平衡•

探索⼤模型作为主Agent规划任务，调⽤⼩模型作为⼯具使⽤、同时搭载记忆模块的智能体应⽤⾦融应⽤阶段：⾦融⾏业整体处于应⽤探索期，逐渐向产品测试期迈进•

整体来看，⾦融⾏业通向AGI应⽤的步伐尚处于探索期，正逐渐向产品测试期发展。绝⼤部分中⼩型⾦融机构尚未找到⼤模型与业务的融合点，对⼤模型应⽤处于观望阶段或将⼤模型产品仅应⽤于通⽤业务场景中。部分头部⾦融机构积极创新，不仅能够通过⼤模型产品解决通⽤业务问题，还能应⽤于解决⾮决策类业务问题。个别⼤型新兴⾦融科技公司已推出AIAgent产品或相关框架，即将迈进市场投放期。⾦融⾏业AGI应⽤成熟度曲线应⽤探索期产品测试期市场投放期应⽤成熟期市场应⽤程度智能助⼿智能客服智能编码智能营销知识库⾦融分析：如投资研究、数据分析、⻛险评估等⾏为决策⾦融研究报告⽣成时间应⽤现状：主要应⽤于运营管理和⾮决策类业务环节•

由于⾦融⾏业对信息和数据的精确度、合规性有着极⾼的要求，且⼤模型在准确性和判断⼒⽅⾯还存在⼀些不⾜，这与⾦融⾏业对⾼精确度的需求并不匹配。因此，⼤模型在⾦融⾏业⽬前主要被应⽤于智能客服、智能办公等通⽤场景，尚未深⼊到核⼼业务流程的探索中，仅个别机构在单点业务环节有所尝试。⼤模型是否能够在⾦融核⼼业务中发挥出重要作⽤，⼀直是业界热议的话题。运营管理环节核⼼业务环节•

绝⼤多数⾦融⼤模型⽬前还只能作为辅助⼯具使⽤，应⽤主要局限于较为初级的领域。但在降本增效的背景下，⾦融机构经营中降低⼈⼒成本变得尤为重要，引⼊数字员⼯成为了关键策略；•

⼤模型在⾦融核⼼业务环节的应⽤尚处于初步探索阶段：⼀⽅⾯在于绝⼤多数机构尚未找到AI与核⼼业务的结合点或难以实现将AI融⼊核⼼业务；另⼀⽅⾯，部分机构已实现在个别业务环节应⽤AI，但⽬前⽆法把各个环节串联起来，来满⾜不同⽤户个性化需求。但⼀些⼤型机构已在AGI核⼼业务环节应⽤有所突破。运营管理环节主要应⽤场景•

针对传统的、重复性⾼、效率较低的⼯作环节，数字员⼯不仅能够释放⼈⼒资源还可以实现降本增效。核⼼业务环节探索尝试•

蚂蚁集团推出的⽀⼩助，涵盖投研、保研、保顾、理赔和营销五类智能助⼿，为⾦融场景实现AIAgent应⽤；•

阳光保险在双底座建设中积极探索了包括销售、服务和管理等业务领域在内的各种应⽤场景。•

发布⾦融AI⼤模型应⽤ChatABC，在该⾏⾯向内部员⼯开放试⽤•探索内部知识服务、辅助编码等应⽤场景，提⾼信⽤⻛险评估能⼒细分领域应⽤：银⾏应⽤⼀⻢当先，证券和保险应⽤正⼤胆尝试•

作为⾦融⾏业的主要领域，银⾏、保险、证券机构对⼤模型的探索表现积极。各类机构数字化建设⼯作已进⼊全⾯阶段，不再将技术、数据简单堆砌在业务场景⾥或⼀味追求技术⾰新，⽽是以业务经营为核⼼，深挖合适的数据、使⽤合适的技术去解决痛点，⼤模型应⽤的⼴度和深度不断加⼤。证券、保险、银⾏⼤模型应⽤情况银⾏：稳健发展，扩⼤应⽤范围保险：初步探索，聚焦前台业务证券：初步探索，聚焦⾮决策类业务•

在寻找新的增⻓点和提升运营效率的需求推动下，银⾏数字化转型的战略核⼼⽇益聚焦于“数据+算法”的模式。AI⼤模型已成为实现数据价值最⼤化、推动业务创新不可或缺的关键⼒量；•

AI+保险价值链的五个核⼼环节包括：营销、销售、新业务、核保及保全、以及理赔。⼤模型应⽤主要聚焦在营销和销售环节，以及运营管理类业务，如提供保险产品的知识体系、帮助业务⼈员快速学习销售技巧、挖掘和激发潜在消费者需求。•

证券机构在AI⼤模型的应⽤探索主要聚焦于业务流程相对简单且⾮决策性的环节。然⽽，对于需要较⾼⾦融专业能⼒和提供深⼊投资建议的业务环节，AI⼤模型的直接应⽤仍然⾯临挑战。•

银⾏业的⼤模型应⽤主要聚焦于两⼤领域：⼀是服务于内部运营管理的优化升级，⼆是助⼒外部业务场景的重新塑造与拓展。•

头部证券机构已经开始围绕AI能⼒建设及推进智能化应⽤场景落地，例如财富管理、投资研究、中后台办公等领域的⼤模型应⽤。•

在核⼼业务环节，⼤多数保险机构⼤模型应⽤处于初步探索阶段，个别头部机构的⼤模型产品已具备AIAgent雏形。⾦融案例：⼤模型应⽤的建设遵循从通⽤到垂直的策略•

在新的技术趋势下，不少⾦融机构已经聚焦⼤模型进⾏了诸多尝试，深⼊探索了⼤模型的能⼒边界。应⽤程度通⽤应⽤板块案例企业产品应⽤••深化客户服务、产品推介、⻛险防控等场景，探索办公助⼿、客服问答等应⽤场景。智能客服平安⼈寿推出了基于⼤模型的数字⼈产品，主要⽤于协助代理⼈与客户沟通。⾦融知识库研报库财报库⾦融信息公告资讯蚂蚁智库通⽤常识知识挖掘知识库投研⽀⼩助：基于⼤模型智能体的新⼀代⾦融专家智能助⼿知识库⾦融知识⼯程6⼤知识库

20+类知识

8条知识挖掘链路•能⼒领域：⾦融知识挖掘、资产/市场/⾏业分析、新闻/政策/事件解读、公告/研报/财报解读、量化代码⽣成以及财经稿/分析报告撰写。••⼯业级⾦融量化交易系统：极速交易、⾼精度回测、因⼦⼯⼚等在内的领先于市场的专业级⼯具；⾯向普通投资者的AI驱动在线数据应⽤：通过降低使⽤⻔槛，解决信息不对称，使个⼈⽤户也能轻松利⽤专业级⾦融⼯具，进⾏深⼊的数据挖掘和价值信息分析，辅助投资决策。量化分析业务服务功夫源科技向⾦融机构及个⼈投资者提供专业级⾦融交易系统和AI驱动的⾦融数据服务•研发的保险对话机器⼈已经体现出⾃由对话、理解潜台词、随机应变、和⼈⼀样思考等明显智能化程度。正在规划⼈伤智能定损机器⼈、养⽼陪伴机器⼈、资管投研助⼿等⼀系列智能化产品。阳光保险基于Transformer结构研发了"阳光正⾔"⼤模型垂直中国⾦融AGI⼚商图谱应⽤层银⾏保险证券资产管理信托投资基⾦财务管理投资银⾏……⻛险管理⾦融科技融资租赁监管机构期货和衍⽣品交易⾦融⾏业⼤模型⼯具，解决⽅案及应⽤⾦融科技公司传统⾦融机构互联⽹⾦融服务机构消费⾦融科技公司及互联⽹⾦融数据服务商在应⽤⼤模型过程中，⾦融机构⾯临四⼤挑战•

在⾦融⾏业，AI⼤模型⽬前应⽤仍主要集中在办公、开发、营销、客服等⾮核⼼业务场景，对于投研、交易、⻛控等核⼼业务，多数⾦融机构的相关动作仍然相对保守。从IDC中国⼈⼯智能⾏业渗透度排名来看，过去5年⼀直位列前三的⾦融⾏业，2023年已经被电信和政府反超，仅排名第四。这与⾦融⾏业强监管的特殊属性有关，⽽这种⾏业特性也在⼀定程度上制约了⼤模型在⾦融业的规模化应⽤进程，⾦融机构应⽤AI⼤模型主要⾯临四⼤挑战。⾦融机构在应⽤⼤模型过程中⾯临的主要四⼤挑战挑战1：⼤模型的可解释性和稳定性不⾜挑战3：算⼒资源⽋缺，算⼒部署复杂⼤模型的发展对算⼒提出了更⾼的要求，⽽当前我国市场正⾯临算⼒供给的严重短缺。此外，算⼒部署也是⾦融领域发展⼤模型时⾯临的复杂⼯程，要想发挥算⼒的最⼤效能，必须确保⽹络、存储和服务器机架等所有相关组件都能够与算⼒资源相匹配，这是⼀个成本⾼昂且技术挑战巨⼤的过程。⾦融⾏业监管要求严格，这是⼤模型的“⿊盒”特性注定在其核⼼业务场景⾛不通的重要原因。四⼤挑战挑战2：数据的质量、规模和安全问题挑战4：⼈才缺失⼤模型成功应⽤不仅要求⼈才具备扎实的算法能⼒，还需掌握算法⼯程化的实现⽅法，以及将算法与具体业务相结合的能⼒。因此，企业渴求的是⼀种新型的“六边形⼈才”

。企业对⼈才能⼒的需求边界在不断扩展，这⽆疑加剧了⼈才短缺的问题。语料是制约⾦融业落地⼤模型的关键桎梏，在AI的数据问题中，针对特定指令的数据集构建较为困难，这要求对数据的质量和相关性有更⾼的标准。企业服务应⽤阶段：功能场景贴近通⽤模型能⼒，逐步迈进市场投放期•

由于⼤语⾔模型对⽂本处理类场景有着天然且直接的适配性，⽂本总结、⽂本内容⽣成、服务指引等发展起步早且应⽤成熟度更⾼。•

在数据分析⽅⾯，现有结合AI技术的产品可以帮助分析数据、⽣成报告或提供洞⻅，但由于⼤模型幻觉问题，为了保证⾜够的准确性仍然需要进⾏⼈⼯验证。•

企业资源管理、供应链管理等技术更为复杂且涉及多个模块，同时安全性与可靠性要求较⾼，所以应⽤程度相对较低。市场应⽤程度市场投放期应⽤成熟期应⽤探索期产品测试期⽂本总结⽂本内容⽣成知识查询辅助编程服务指引客户关系管理企业资源管理供应链管理协同办公数据分析时间AGI

应⽤覆盖企业全流程，注重效率、知识管理和流程优化•

AGI在企业服务中，各应⽤已覆盖企业全流程，包含⼈⼒、法务、财税、流程⾃动化、知识管理和软件开发各领域。AGI应⽤覆盖企业全流程典型场景企业服务应⽤落地特点典型场景典型场景⽣成式的内容赋能企业内部沟通协同效率招聘简历筛选⾯试总结新员⼯培训企业知识管理⽂档总结数据分析流程优化企业资源管理流程⾃动化⼈⼒财税企业全流程认知增强能⼒赋能企业知识管理知识管理合同审查法规学习法律知识管理法务知识查询智能问答项⽬管理智能开票智能报税财税知识管理软件开发辅助编程测试和漏洞优化建议资源优化规划决策执⾏能⼒赋能企业管理流程优化AGI

赋能沟通协同效率、企业知识管理和管理流程优化⽣成式的内容赋能企业内部沟通协同效率认知增强能⼒赋能企业知识管理规划决策执⾏能⼒赋能企业管理流程优化⼈⼒⼯作助理流程⾃动化钉钉AI助理•••招聘信息⾃动⽣成简历智能筛选⾯试题库和⾯试总结实在Agent聊天总结会议纪要⾃然语⾔⽣成流程，通过多模型协作，合理拆解复杂任务，⾃动规划执⾏步骤下⼀步⼯作任务和⽇程智能⽣成⽂档⽣成法务WPS

AI落地合同审查领域，提供合同智能总结、修订建议、⻛险提醒等⼯作规划和总结、活动策划等⽂档智能⽣成数据分析Amazon

Q

企业版（Business）辅助编码财税基于企业知识库和数据源，Cosmic财务指标查询智能报表⽣成Amazon

Q

开发者版（Developer）覆盖软件开发全周期：代码解释与⾃然语⾔代码⽣成、单元测试代码⽣成、安全漏洞扫描和修复建议、成本和资源可观测和优化建议通过⾃然语⾔，⽣成数据报表、提取数据的洞察信息和报告内容⽣成中国企业服务AGI⼚商图谱•企业服务AGI⼚商将⼈⼯智能技术应⽤于企业层⾯，提⾼⼯作效率和决策质量，其中应⽤层覆盖协同办、辅助编程、⾃动化流程、数据分析、企业资源规划。模型层在于构建⼀个在垂直领域应⽤的⼤模型，为不同应⽤提供驱动⼒和智能⽀持。企业服务⾏业AGI⼚商图谱应⽤层协同办公辅助编程⾃动化流程数据分析企业资源规划模型层企业服务⼤模型通⽤⼤模型企业服务市场⾯临技术与经济双重挑战经济挑战技术挑战复杂性与适应性⾼昂的研发成本•

企业服务的服务对象囊括千⾏百业，服务需求标准化程度低，复杂性⾼，尤其在中国市场，具有强定制属性，如医疗、能源等⾏业⻔槛极⾼的场景，所以企业服务⾯临复杂性和适应性的挑战。•

AGI在企业服务层⾯，基础设施调⽤成本、组织内部教育成本、⼈员培训适应成本等研发和应⽤成本⾼昂。如何降低成本，提⾼价值获得感是企业服务⾯临的核⼼经济挑战之⼀。集成与兼容性投资回报的不确定性•

在企业服务⾏业中，新技术⽅案需要与现有的IT系统和⼯作流程⽆缝集成。这涉及到软件兼容性、数据交换标准以及接⼝设计等问题。•

AGI技术⽬前仍处在早期发展阶段，技术路线更新快。同时场景探索也处于早期，技术选择的机会成本较⾼。教育应⽤阶段：集中在应⽤探索和产品测试阶段•

整体⽽⾔，AGI在学校及教师侧的应⽤都还在⾮常早期，这主要受到智慧校园/教师的整体解决⽅案的成熟度，以及⼤模型应⽤⾯临技术集成、数据管理以及内容⽣成质量和匹配性。•

学⽣侧⽬前的应⽤⼤多都还在单点场景进⾏探索，例如作⽂辅导、英语⼝语等，这些场景的需求较为明确，且与⼤模型在语⾔⽣成的能⼒提升适配度较⾼，因此这些场景应⽤程度相对较⾼。但像个性化学习这类全流程型的应⽤，仍处于⾮常早期。教育⾏业AGI应⽤成熟度曲线应⽤探索期产品测试期市场投放期应⽤成熟期市场应⽤程度情感⽀撑个性化学习英语⼝语辅导编程教学作⽂批改消费级教育硬件陪伴式助教智慧教研知识智能总结个性化教学规划教学内容推荐智慧教辅学校教育硬件学校及教师侧学⽣侧时间应⽤现状：相较于教师/学校侧，学⽣侧应⽤速度快、探索程度深•

学⽣侧教育领域分类和⽤户群体明确，教学内容存在⼤量体系积累，落地形式也相对明确，因此学⽣侧应⽤在部分应⽤场景中应⽤速度快，探索程度深；教师侧多基于⼯作提效需求个⼈探索，学校作为集体决策，对新技术的引⼊相对保守。教育领域学科教育⽤户特点分析应⽤场景落地形式•

⼝语辅导•

学⽣为⻘少年，价值观、道德观等认知尚未稳定，内容辨别和思考能⼒正在培养中，学习⾃主性和积极性需要引导•

应试教学效果存在较为明显的评价体系以APP、教育硬件或APP+教育硬件形式•作⽂辅导•

陪伴式助教学⽣侧•

学⽣为⻘少年，价值观、道德观等认知尚未稳定，内容辨别和思考能⼒正在培养中，学习吸住⾏和积极性需要引导•

教学效果不存在较为明显的评价体系以APP、教育硬件或APP+教育硬件形式素质教育职业教育编程教学••

学⽣多为成⼈，已形成较为稳定的价值观、道德观稳定，对教学内容存在⼀定的辨别和思考能⼒•

企业培训•

考证线上学习平台APP•

教学效果存在⼀些明确的评价体系•

教师期望⼯作提效•

智慧教研学校及教师侧⼤模型作为智慧教室整体解决⽅案⼀部分智慧教室学校存在不同的数字基础和资⾦预算，对新技术引⼊也相对保守•智慧教辅••

学校教育硬件AGI

三⼤有效能⼒渗透学⽣、教师和学校三⽅教育场景•

本轮⼈⼯智能浪潮中所体现的⽣成式、交互式和⾃主规划式为各类教育场景带来了探索的想象空间。本轮⼤模型和AI

Agent所体现的能⼒本轮⽣成式AI（Gen

AI）带来的⽣成能⼒本轮⽣成式AI（Gen

AI）带来的⾃然语⾔交互能⼒AI

智能体（Agent）带来的⾃主规划能⼒智慧教研个性化助教陪伴式助教情感⽀撑个性化学习教学内容推荐课程⼤纲和课件以及教案的制作课后习题和试卷智能答疑对话式思考总结、作业批改答疑倾听与正⾯响应、情绪树洞相关课程、习题和活动的智能推荐本轮技术升级相关的教育场景教学课程内容智能规划学⽣学习⾃主性提升学⽣学习积极性提升学⽣学习积极性提升学校教学适应性提升学校教学⾃主性提升核⼼价值点教师⼯作提效依托丰富教学资源，逐渐渗透⼤模型应⽤•

⼚商多建设教育⼤模型，叠加教育应⽤矩阵提供服务。在学⽣侧场景落地时，也需要多考虑⽬前⼤模型的能⼒边界和落地时的⼯程优化。同时在场景筛选后，也需要考虑内容适应性、教学内容寓教于乐和助⼿提供的朋友陪伴性。依托多年教学资源积累，⼚商多建设教育⼤模型+教育应⽤矩阵⽤户群体需求洞察，教育应⽤落地思考与路径学⽣侧建⽴场景、应⽤筛选和交互设计策略作⽂批改

⼝语辅导

解题助⼿学习平板

智能图书

智能表学习APP智能硬件场景筛选交互设计⼤模型作为能⼒⽀撑之⼀智慧校园解决⽅案02内容适应性英语⼝语课堂互动⼼理辅导0103寓教于乐性助⼿陪伴性场景拆解效果测试

应⽤落地（学科、年龄等）（识别能⼒边界）

（⼯程优化）教育⼤模型多学科多场景多年龄段依托多年教育积累教师端紧抓减负增效核⼼需求教材

课件

课件

教学资料①

增效

作业批改与个性化错题本②

减负

教学物料⽣产中国教育AGI⼚商图谱•

在通往

AGI

的路上，国产⼚商⼤体形成了模型层到应⽤层的初步格局。模型层中，既包括专⻔基于教育场景的⼤模型⼚商，也包括从通⽤切⼊教育场景落地的通⽤⼤模型⼚商。应⽤层，仍然是内容积累丰富、教学效果明晰的学科教育应⽤成果较为丰富，同时教育硬件有⼤量新品释出，但⽤户反馈代表其能⼒仍有提升空间。教育⾏业AGI⼚商图谱应⽤层⾃学APP类教育硬件智慧教研/校园K12职业教育猿⼒科技模型层教育⼤模型通⽤⼤模型⾏业痛点：三⼤痛点造成教育⾏业AGI浅应⽤现状•

现阶段，⼤模型在教育场景中⾯临的⽣成内容安全、场景应⽤效果和成本经济账问题，01

⽣成内容安全02

场景应⽤效果03

成本经济账难点难点难点教育场景⾯向的对象多为⼉童和⻘少年，因此对⽣成内容所体现的价值观和涉⻩涉及暴⼒等内容要求更为严格⼤模型⾃身在解题、出题、课程设计等⽅⾯，较上⼀代⼈⼯智能有所提升，但仍⽆法完全满⾜应⽤需求⼤模型部署和推理所带来的新增成本和商业收⼊之间的平衡和抉择尝试解决⽅案尝试解决⽅案尝试解决⽅案训练数据的筛选、输⼊输出环节增加⼤模型⾃我审核、对⻬等技术⼿段通过加强教育领域数据进⾏的微调和再训练，RAG等技术⼿段，加强教育场景适配度在成本短期内⽆法解决的情况下，场景的选择成为了关键最具发展潜⼒的10个市场应⽤场景内容⽣成类专家类业务服务类营销物料⽣成（营销）数据分析（企业服务）数字⼈导购/直播（零售）协同办公（企业服务）辅助编程（企业服务）⾦融知识