【易观分析】中国人工智能行业应用发展趋势2024

^Yialysys

易观分析

中国人工智能行业应用发展趋势2024

易观分析

2024年1月

本产品保密并受到版权法保护

ConfidentialandProtectedbyCopyrightLaws

需求与应用驱动倒逼人工智能进化与发展，以行业特征与企业^Yialysys

I易观分析

经营目标为导向，进入场景升级能力是发展关键

随着人工智能技术的持续发展，2024年，以AI为核心技术赋能行业转型升级将从数字化向智能化迈进，与其将全部注意力放到大模型与AGI的

进化当中，更需要同步关注行业与企业主体在数智化转型过程中的需求、痛点以及待解问题，在这一过程中，需求与应用将成为驱动人工智能

发展与进化的关键因素。

一方面，尽管大模型具有广泛的应用前景，但在实际落地过程中尚未跨越鸿沟，仍然面临技术局限、算力成本、安全合规等多重挑战，需要进

入到行业当中去进行技术突破与场景探索，发掘应用层的机会做垂直赋能。

另一方面，人工智能正在驱动干行百业的效率升级，但仍然存在大量行业场景的AI应用价值尚未得到充分开发，需要深入行业关键环节方能发

挥人工智能在其中的价值。

大模型落地应用核心挑战深入行业关键环节的AI价值渗透度

环节产产制造供应面管理市场加宿件工程

行业品研发/调计生资源用户/客户运营组织协同软

技术局限尚需突破方能释放更大价值

农亚

，知识更新与自主学习能力，目前大语言模型仍然为静态数据驱动的学习范式，无法实现新知识的快速学习与迭代，尤其是涉及到时效数据与专有数据的场景下存在

障碍，眄也正在通过Dugins生态来突破这一局限能源

*垂直领域康能力，通用任务的卓越能力已经显现，但是进入垂直细分领域与知识体系下，大模型的性能与泛化能力仍然需要增强，行业大模型训练是当前挑战的伯工/机械

破局之道之一

O先进制造

长期记忆能力，目前正在通过摺大上下文容量、数据向量化，以及AI四ent等多种方式探索突破

・食品饮料

巨大的融!训练与推理算力等成本拉低效益比

训练与微调成本，该训练成本仅针对企业应用基础模型结合行业知识与数据集进行训练与微调的成本，并非基础大模型训练成本，与上述"垂直领域泛化能力"相

对应，该成本仍然为行业知识壁垒显著的企业必须承担的成本，开源基础模型在一定程度上可以降低这一阶段的训练成本

推理成本，大模型在参数体量巨大的情况下，仍然存在较高的推理成本，这方面可以通过模型压缩与剪枝等技术的发展进一步降低

模型能力与业务场景的适应成本，这部分成本虽然由于人机交互方式的变化显著降低，但是前期仍然需要考虑提示工程在特定场景的陪合成本

金融

效育

安全合趣可值通用底线尚需刚性保障AI赋能效

医疗健康

模型安全与可控制性问题，这是人工智能普遍面临的问题，大模型并不能幸免，包括模型攻防、数据注入等问题；同时，模型能力来自于"涌现"，需要进行模型

等督商贸率升

能力，尤其是生成结果的可控制，方能进入到生产环境

文化娱乐

对齐问题，既包括人工智能与人类社会价值啊保持一致，也包括与不同国家价值观，不同类型企业经营以及商业法则相匹配等，前者最为关键，这也是目前最为关级程度

O注的AI不受控制的风险之一，目前在通过RLHF与RLAIF不同方式来实现长饮旅游

隐私与数据安全问题，无论是大模型的训练推理，还是对话应用的过程中，都存在过多的除私暴露与数据安全风险，这有赖于技术突破和监管合规的进一步建立政府10O

©易观分折www..analray5,cni

2024/2/1激发科技与创新活力2

1趋势1：零售行业Al应用将由点及面全面铺开，数据驱动重塑零嗓目猛

售价值链

零售行业将以〃商品“为核心的〃研一产一供一销一服“的直线式价值链，向以〃用户“为中心的闭环式价值链升级，AI应用将由点及面全面

铺开，一方面全业态增加AI应用，形成数据触点与链接；另一方面，将渗透零售产业链各个环节，相应地，持续进行数据互联互通，形成良好

的AI应用基础将变得愈发重要。

RIIII曲晚色簪

品牌商研发设计采购&生产制造物流流通零售平台消费者

/卜t

传统模式下商品设计到零售链条

，共建敏捷供应链一大数据支撑研发3户参与/个性化定制4化运营/作业一5，多场景融合/全链路营销6为数据/用户画像

12智能

大数据分析预测，引对消费者产生的大数消费者按需选择产品参数对接前端零售、仓储和物新零售平台创新设计体验场对消费者的行为、购买、

导原材料采购、排产据分析把握预测市场甚至参与产品部分设计，流数据，实现统一智能调景、融合多种业态和服务，评价等多维度数据综合,

计划、库存安排、生需求和痛点，调整优实现确定性生产，降低市度仓配，预测和规划分仓全渠道布局、内容营销等触得到用户清晰画像,细

产执行化产品设计研发场风险及配送路径等达消费者分群体精细化运营

2024/2/1激发科-技与创新活力3

1趋势2:线上线下界限消弭，全渠道策略与数智基础设施完善推动力备备

本地零售加速复苏，即时零售成AI应用试金石

京东到家、美团、饿了么等即时零售平台推动的〃本地门店+即时配送〃的即时零售服务模式正在高速发展，预计到2024年，整个即时零售市

场交易规模将突破万亿水平。这个万亿市场规模的背后，在消费者即时消费需求的提升，以及品牌/零售企业借助全渠道策略撬动门店经营效率

的考虑之外，更需要看到人工智能等数智技术对于零售企业以及线下实体产业的赋能进一步加深，赋能零售企业拓宽销售通路，提高供应链管

理能力以及履约效率是即时零售能够高速发展更重要的基石。以即时零售为AI应用的试金石，将全面开启服务零售数智化增长时代。

即时零售产业图谱

2019年-2030年中国即时零售交易规模

商品供应链即时零售平台/渠道即时零售

平

台模式用户

连锁商超便利店

您东到至美国闪购

30分髀到货的生话卖墉

品类/品牌专卖垂

店直模式广刁

0骤屈臣氏

SEPHORA

服务商/经销商丝美兰

自

营模就

生活林

小店/散店@永辉啸毅共驾

一即时零售市场规模（亿元）。增长率

数据来源：2023即时零售发展趋势白皮书，易观分析整理

©易观分析

2024/2/1激发科技与创新活力4

趋势3:大型零售企业平台将成为零售产业生态数智化升级的^nalysys

17易观分析

核心，电商平台竞争进化

大型零售企业/平台将成为产业生态的核心，具备优质数据资源与资产，聚拢用户运营与价值增长的生态运营策略与落地手段，带动相应品

类与行业的整体升级与数智化增长，对于零售行业而言，这意味着零售入口潜在的变化，同时，对于品牌企业而言，也需要形成以自身品

类与产业链主思维的经营发展策略，从而在大平台生态体系下构建自身的核心优势。

<原研产。品业务链赋能渠仓

0@服平台数字化赋能能力

终

料供应发设计品生产牌营销道分销储物流端零售务售后

价值创新与商业模式引领

业务经营与增长赋能

全渠道消费者运营沉淀

全渠道订单与履约分发协同工具开发与数智技术输出

(D供应链产业生态协同

资源整合与生态运营

支持链赋能

2024/2/1激发科技与创新活力5

1趋势4:医疗行业多模态数据综合分析将趋于完善，但高质量数^Yialysys

据沉淀与合规应用仍待提升

医疗行业独特的知识体系和丰富的多模态数据，未来在物联网的发展之下将日益产生和沉淀，包括医学成像、可穿戴以及环境生物传感器

所采集的生物医学数据等，伴随高质量数据的不断积累，并在数据合规和安全保障的前提之下，对于多模态数据的综合分析将日趋完善，

支撑更加丰富的AI应用落地。

数据安全存在争议

数据归属不明确：医疗健康数据的归属问题尚未得到法律层面的界定，而业内加强数据安全监督管理

共识将数据归为患者、医生、医院三方的共同资源，使用需要取得同意。

/

A医疗健康数据涉及患者隐私：国内相关立法保护并不完备，社会与企业对个人推进医疗健康数据相关制度建立，明确

隐私保护的认知问题有待提升，在数据存储和使用方面有限制.数据应用、信息安全与隐私保护的边界,

加强医疗AI的安全性评估和监管。

数据利用效率不高

数据标准不统一：电子病历记录标准不统一，设备供应商数据标准不统一，多

进医疗数据标准化

样化的数据存储使数据无法实现共享，无法为机器学习提供标准化规则与规范。N(^,二..推

A数据质量不高：数据记录呈碎片化特点，完整性不足，且难以保证真实有效性,/建立统-的电子病历记录标准，鼓励医

机器数据挖掘价值有限，难以进行深度学习驱动临床决策.鼻疗设备供应商采取统-的数据标准.

A数据孤岛明显：尽管我国基础数据量大，但是医院内部、医院之间的数据共享

流通并不顺畅，阻碍数据有效共享利用。

促进数据共享流通

数据成本高/鼓励医院建立高质量疾病数据库，完善

数里获取渠道有限，且数据需要在专家标注后才能用于训练人工智能模型，成国家四级全民健康信息平台，探索多种

本局。数据资源规范接入。

2024/2/1激发科技与创新活力6

1趋势5:场景驱动医疗行业AI应用点状渗透，AI影像等经过垂直^Yialysys

打磨验证的核心应用将加速落地

〃AI+医疗“仍将持续场景驱动进行点状渗透，全面铺开有待于医疗生医疗行业与AI结合的场景虽然众多，但是能够加速实际落地的仍然是

态整体数字化基础能力的进一步升级。经过垂直场景打磨验证的核心应用，如AI影像（包括X光、CT、病理、

我国医院医疗信息化投入逐年提升，预计每年投入0.3%-2%的收入，且超声等），CDSS以及药物研发等。

仍有相当比例投入到硬件基础建设部分，这距离发达国家3%-5%的水平而依托于大模型进行全方位铺开，仍然有待于医疗行业的知识、数据、

仍存差距，从信息化到智能化的升级仍然是AI全面渗透的重要基础。技术突破以及计算资源成本等方面的有效降低。

2019-2020年度中国医院信息化状况调查中国人工智能AI医疗市场规模及细分结构

医院管理与保障信息系统应用情况

进院价医学影像

门诊药房管理系统20,000CDSS

病案管理系统新药研发

~30%其他：

合理用药监测系统(百

万元智慧病案

财务管理系统智慧医疗

固定资产管理系统，人10,000信息系统

病案质量监控系统

民币)

高值耗材追踪系统

医疗数质量统计系统

人力资源管理系统2018202120242027

静脉输液配置系统

数据来源：IQVIA分析

数据来源：CHIMA《中国医院信息化状况调查（2019-2020年度）医院信息技术负责人调研报告》

2024/2/1激发科技与创新活力7

趋势6:医疗AI企业将探索可持续的多元盈利模式，推动医疗AI^nalysys

1易观分析

商业化落地

医疗Al面临着医院付费意愿不强、C端用户使用习惯和付费习惯有待培养、医保政策等配套基础设施尚不完善等问题，要实现规模商业化还

有很长一段路要走。由于医疗行业本身的复杂性，医疗AI不同应用商业化进程也呈现差异。人工智能在医疗的大部分应用尚停留在应用落地

向商业化的探索过程中，其中，辅助诊疗领域的落地应用占比最多，商业化探索进程也位居前列，尤其是以眼科影像和放射影像为代表的医

学影像类应用快速推进，持续探索有效的盈利模式。

未来，医疗AI企业将持续探索多元商业变现模式，持续打磨产品，增加产品线，拓展合作医疗机构范围，以实现可持续盈利。

高

医疗AI应用商业化现状销售硬件设备

•电子病历

医学知识图谱•眼底图像

医院管理：CDSS

医疗机器人•[•放•射影像一体化解决方案提供技术服务

市场需超声影像药物研发

病理影像.拓展多元

AlPACS・患者服务

医院管理盈利模式.

求程度辅助放疗•

基因检测•

•手术导航

•患者服务自有数据库

医疗支付•后台数据变现

共卫生健康管理

公辅助诊疗建立与开放

.•

中医

临床研究

・医美AI医药科研软件授权

健康管理

•其他临床科室体检中心小区诊所

低>药房保险公司其他医疗机构

慢商业化探索进程快

©易观分析

2024/2/1激发科技与创新活力8

1趋势7:创新与合规是金融行业Al应用主线，金融大模型将投射^Yialysys

形成原子能力，在场景中得到验证

近年来政策导向加大数智技术扶持鼓励创新、治理规范进一步完善，未来在合规的框架下进行创新尝试，有助于保障金融稳定和推动行业可持

续发展，也将是未来人工智能应用于金融行业的主基调。大模型在深入金融行业的过程中，进入专业场景需要具备大量行业知识，即使是通用

场景和环节，也需要与金融行业实际情况进行适配，因此基础大模型将会投射成垂直领域内下游模型，通过AI能力平台集中调度，形成具体解

决场景下游任务的能力，才能真正成为生产力工具。

(3)AP；+向量库

大规模数据集构建基础大模型预训练行业大模型微调API接入与向量化处理AI能力平台调度场景智能应用

•海量未标注的无•基于数据集的•结合金融机构自身•接入API调用基础大模・行业/场景的下游任务•面向金融场景输出

结构数据、通用自监督预训练,专有数据、知识的型能力，利用数据标能力抽取，依托AI底服务能力，沉淀数

领域知识等构建使其具备基础增量训练和微调注、向量数据库等方座调用,形成适配性据和客户反馈，持

基础数据集能力.AI对齐式检索领域知识强的企业级应用续提升模型精准度

2024/2/1激发科技与创新活力9

1趋势8:基于知识战略与数据战略升级AI能力，成为金融行业下^Yialysys

一阶段技术能力分化的核心

生成式AI能力的引入一方面能够加速金融领域知识的生产和更新，使金融行业能够更快速地应对市场和客户需求的动态变化，丰富内外部应用

场景的智能化水平；另一方面，将生成式AI具有的隐性知识和推理能力，与金融知识库显性知识进行的有效融合，传统金融知识体系的学习门

槛，学习效率都将得到改善，客户的交互体验、员工的工作和学习模式也将迎来显著改变。在这个过程中，在数据战略基础上同样考量知识战

略的搭建与落地，升级AI能力，从而能够以〃知识〃为抓手形成从数字化到智能化的跨越。

图：金融行业“AI+“技术能力建设

技术能力建设

客户画像营销自动化数据分析数据治理反欺诈反洗钱

授信策略贷后预警产品定价产品推荐智能搜索智能标注

场景建模业务质检智能运维服务监控会计核算协同办公

原子

文本理解文本生成多模态理解

化能力

多模态生成场景理解时间序列预测

TransformerRLHF

2024/2/1激发科技与创新活力10

趋势9:金融Al原生应用作为新质生产力工具大量涌现，提供全^Yialysys

1易观分析

生命面期的高质量服务’

金融行业的服务需求走向更加细分、专业化的场景，基于金融大模型的基础能力，将能够

升级用户体验

Q深入理解和探查用户需求和行为，从而催生出大量高度灵活的AI原生应用，在营销推荐、

投资建议等方面为客户提供更为精细和个性化的服务。金融AI原生应用是在设计、开发、

通过人机交互方式的变革F实现多轮对

话与KYC,提升对话与服务体验；通过与数部署、运营和维护整个生命周期中，将AI作为整个应用的核心，构建实现更高效、智能、

字人相结合，实现虚拟场景的温度服务。安全的服务与支持。

优化内容生产创意与效率固

个性化需求设计：根据用户的历史行为和偏好，设计出更符金融产品

营销主题与AIGC相结合，在自动化生成合其需求的金融服务。保险、投资组合等研发设计

营销物料的同时，实现千人千面个性化营销。金融产品创新力：基于对市场行情趋势和客户反馈的分析，产品定制化设计

寻找特征与特征，辅助进行创新性的金融产品设计。D

降本提效业务场景

提高服务水平：通过自动化处理和实时分析，加快金融服务

部署应用

在投册、研发编程、授信审核以及流程流程以更效率、更智能的方式执行。风险评估与预警.

管理等方面提高效率，减少基础人员投入。精准决策支持：提供多模态数据分析和智能决策支持，辅助个性化智能推荐

进行智能化决策。D

产品/业务创新持续升级服努：通过学习更新数据和用户反馈，不断改进和更新迭代

模型自动优化、用

升级金融服务，放大数据价值。

户数据收集与反馈

通过在通用基础能力的AI底座中引入高降低维护成本：自动化维护过程，降低人力成本，提高系统

级认知能力，整合碎片知识与多样化需求，

形成创新的产品化模型与业务解决方案。的可维护性。

2024/2/1激发科技与创新活力11

趋势10:工业级场景需求升级，带动计算机视觉、工业知识保^Yialysys

1易观分析

谱、工业数字李生.群体智能等关键技术向多元场景纵深发展

计算机视觉趋向高精i随着工业应用场景覆盖广度和深度的提升，更多潜在的价值场景机会会被发掘

出来，驱动计算机视觉技术能力向高精度、标准化方向继续精进发展，帮助企

度、标准化方向发展b

-业实现自动化检测、质量控制、安全监控和精细化生产等方面的智能化升级。

AI将加速驱动工业知

驱动加速企业知识图谱构建，包括各类文献、专利信息、技术标准等专业知

识图谱全生命周期融AI

-识，并向工业生产链条的多环节快速渗透，帮助企业整合和利用各种生产数据、

合应用设备数据、质量数据等专业知识，提供生产优化和质量控制决策支持。

图：制造业数字李生市场AMC曲线

市场启动期高速送展期

工业数字李生技术推(2009-2020)(2021*2025)颜继和糊

处于市场酝行业曲闻也处于离卿如mwwi

届化餐长国党一座的鼻她，他建M倒1国充事且独门之

动数字技术在制造业•更一的阿喀n9的画度酣t.从

企业基于工业数字而将IT与QTfTM*合，打牙已ma.

规模化应用李生底座得以有效

构建起工业仿真系

统，进而在系统中

规模化试验诸多数

字技术，提升工业

群体智能成为：群体智能技术将更多被业界讨论，并开始融入制数字李生系统面的

AI在工业领域4造业数字化转型的技术攻坚进程。多个智能设备复杂经营环境的可

应用的下-个或系统将通过分布式、去中心化、自组织的方式,用性，从而规模化

，开展实时协作控制、故障检测、自修复任务等，当前制造业数字享生处于市场启动期，易观分析预测到2025年，体

支撑数字技术落地。

突破性方向；协同完成复杂任务或解决复杂问题。量较大的制造企业基本实现数字享生体系构建，并通过数字享生系统

大幅提高生产效率和资源利用率。在供给侧，数字李生智能制造所需

的工业软件能满足一半的国内市场需求，且竞争力显著提升.

说明：部分研究成果节选自易观&海尔卡奥斯《中国工业互联网技术发展年度趋势》

2024/2/1激发科技与创新活力12

趋势11:大模型为工业智能注入认知理解能力，将柔性融入制^Yialysys

I易观分析

造流程,成为工厂智能中枢’

大模型的出现为工业智能注入了更为强大的认知能力，将能够深入理解适应不同的生产环境和工厂特点，实现AI与传统工业设备的高度契合。

通过全面理解从生产流程到设备状态的各类应用场景，提供智能化的监控和调度能力。柔性融合更加突显了大模型对原有智能制造场景的适应

性和灵活性，为制造业的持续创新提供了可能。

图：中国智能制造典型场景要求-收益矩阵基于成本与收益维度的因素考量,大模型的落地应用应结合智能制造典型场

益维度

.收AVG景收益矩阵，合理规划实施路径。

可制造性设计人机协同制造

「精益生产管理j-飞

以生产场景为主，对智能化要求相对较高，需要对工业机理

网络协同制造优先建设

设备运行优化有较好的沉淀，建议优先考虑建设相关场景。大模型在这类

产线柔性配置虚拟也与调试工业知识软….在线运行监测工艺动态优化

揭榜场景

、场景中可优化生产过程，进一步降低成本提高整体收益。

I资源动态配;

挂帅任

工艺数字化设计

数据驱动产品设计优化

车间智能排产•场景分布较广，对网络化要求相对较高，可根据传统制造

生产计划优化先进过程控制

务目标支撑建设模式进行小步迭代，分散成本。大模型的应用有望提高供

/.大规模个性化定制数字李生工厂建设

数据驱动服务场景应链灵活性，优化库存管理，在质量控制方面提升产品一

智能怩同作业j物流实时监测与优化精准配送