1.2.3　近在咫尺的未来——大模型的应用前景

人工智能模型的广度和深度逐级提升，作为深度学习领域最耀眼的新星，大模型也浮出水面。从技术的角度来看，大模型发端于自然语言处理领域，以谷歌的BERT开始，到以清华大学的ChatGLM大模型为代表，参数规模逐步提升至千亿、万亿，同时用于训练的数据量级也显著提升，带来了模型能力的提高，也推动了人工智能从感知到认知的发展。

1．赋能制造业

首先，人工智能大模型能够大幅提高制造业从研发、销售到售后各个环节的工作效率。比如，研发环节可利用人工智能生成图像或生成3D模型技术赋能产品设计、工艺设计、工厂设计等流程。在销售和售后环节，可利用生成式人工智能技术打造更懂用户需求、更个性化的智能客服及数字人带货主播，大幅提高销售和售后服务能力及效率。

其次，人工智能大模型结合机器人流程自动化（Robotic Process Automation, RPA），有望解决人工智能无法直接指挥工厂机器设备的痛点。RPA作为“四肢”连接作为“大脑”的人工智能大模型和作为“工具”的机器设备，降低了流程衔接难度，可以实现工厂生产全流程自动化。

最后，人工智能大模型合成数据能够解决制造业缺乏人工智能模型训练数据的痛点。以搬运机器人（Autonomous Mobile Robot, AMR）为例，核心痛点是它对工厂本身的地图识别、干扰情景训练数据积累有限，自动驾驶的算法精度较差，显著影响产品性能。但人工智能大模型合成的数据可作为真实场景数据的廉价替代品，大幅缩短训练模型的周期，提高生产效率。

2．赋能医疗行业

首先，人工智能大模型能够帮助提升医疗通用需求的处理效率，比如呼叫中心自动分诊、常见病问诊辅助、医疗影像解读辅助等。

其次，人工智能大模型通过合成数据支持医学研究。医药研发所需的数据存在法律限制和病人授权等约束，难以规模化；通过合成数据，能够精确复制原始数据集的统计特征，但又与原始数据不存在关联性，赋能医学研究进步。此外，人工智能大模型通过生成3D虚拟人像和合成人声，解决了部分辅助医疗设备匮乏的痛点，可以帮助丧失表情、声音等表达能力的病人更好地求医问诊。

3．赋能金融行业

对于银行业，可以在智慧网点、智能服务、智能风控、智能运营、智能营销等场景开展人工智能大模型技术应用；对于保险业，人工智能大模型应用包括智能保险销售助手、智能培训助手等，但在精算、理赔、资管等核心价值链环节赋能仍需根据专业知识进行模型训练和微调；对于证券期货业，人工智能大模型可以运用在智能投研、智能营销、降低自动化交易门槛等领域。

4．赋能乃至颠覆传媒与互联网行业

首先，人工智能大模型将显著提升文娱内容生产效率，降低成本。此前，人工智能只能辅助生产初级重复性或结构化内容，如人工智能自动写新闻稿、人工智能播报天气等。在大模型赋能下，已经可以实现人工智能营销文案撰写、人工智能生成游戏原画（目前国内游戏厂商积极应用人工智能绘画技术）、人工智能撰写剧本（仅凭一段大纲即可自动生成完整剧本）等，后续伴随音乐生成、动画视频生成等AIGC技术的持续突破，人工智能大模型将显著缩短内容生产周期、降低制作成本。

其次，人工智能大模型将颠覆互联网已有业态及场景入口。短期来看，传统搜索引擎最容易被类似ChatGLM的对话式信息生成服务所取代，因为后者具备更高的信息获取效率和更好的交互体验；同时传统搜索引擎商业模式搜索竞价广告也将迎来严峻的挑战，未来可能会衍生出付费会员模式或新一代营销科技手段。从中长期来看，其他互联网业态，如内容聚合分发平台、生活服务平台、电商购物平台、社交社区等流量入口，都存在被人工智能大模型重塑或颠覆的可能性。