前言

大模型的应用场景主要分为toC和toB，toC领域大家相对比较熟悉，市面上也出现了非常多面向C端用户的大模型产品，比如MidJourney、Character、Notion AI、Kimi等等。同时，大模型C端应用场景的文章也已经汗牛充栋，但是阐述大模型B端应用场景的优质文章尚不多见，因此本文盘点了大模型落地应用的案例大全，整理不易！

大模型的应用案例

1.AIGC应用案例

1.LinkedIn：为会员提供优质生成式产品

LinkedIn 聘请 LLM 向用户推荐相关的高级产品。LinkedIn 的推荐系统可以通过分析用户数据（包括职业历史、兴趣和活动模式）为会员匹配最适合其需求的高级服务和产品。

这种有针对性的方法有助于 LinkedIn 提高用户满意度并推动其高级产品的订阅。

2、Discord：生成式人工智能用例

流行的通信平台 Discord 探索了各种生成式 AI 用例，以提高用户参与度。

Discord 可以通过快速开发和集成生成式 AI 功能，为用户提供创意工具，例如 AI 生成的头像、内容审核和自动回复。这些功能利用 LLM 来改善用户体验并培养更具互动性的社区

3、格莱美奖：定制见解和内容

IBM 还宣布了一项协议，为格莱美奖的所有者录音学院提供一项名为 AI stories 的服务。该服务利用在 IBM Wastonx.ai  工作室上运行的 Llama 2，帮助定制见解和内容。这项服务将围绕艺术家及其作品的相关数据集的数据矢量化，LLM 可以通过 RAG  数据库检索这些数据，粉丝们也可以与这些内容进行互动。

4、Shopify：生成产品描述

Shopify Sidekick 是一个 AI 驱动的工具，利用 Llama 2 帮助小企业主自动完成管理其商务网站的各种任务，如生成产品描述、回应客户查询和创建营销内容。

5、Waymark＆OpenAI，集成GPT－3增强和扩展视频创建

Waymark集成GPT－3后，使用微调的GPT－3模型来创建不同脚本编写体验，使得用户可以在几秒钟内收到其业务的原始自定义脚本。

对于Waymark来说，从自己动手到为您动手模式的演变提升了他们的使命，即让视频创作变得可访问。他们现在将自己定义为“世界上第一个自然语言视频创作平台”。

此项功能推出后，Waymark 客户花在编辑脚本上的时间要少得多。特别是对于与许多本地企业合作的公司来说，这是一个节省时间和成本的巨大增强功能，使他们能够更快速高效地推销、销售和支持更多的本地广告商。

6、BukiHQ Medi＆fireflies．ai，有效解决公关会议记录问题

BukiHQ Medi内部数据显示，大约 15％ 的会议时间被浪费，主要是由于会议设备效率低下。不仅如此，在手动做笔记时，讨论的要点经常被忽略。

为了解决这些问题，BukiHQ Medi引入了fireflies．ai（基于生成式AI技术的语音助手）的解决方案。使用fireflies．ai的AI笔记记录器，可以有效地创建会议记录 （MoM）。这减少了手动记笔记带来的许多沟通不畅和后续行动。

不仅如此，fireflies．ai机器人Fred作为参与者保持通话状态，而不会以任何方式中断会议，自动记笔记使 BukiHQ 更容易专注于讨论并节省大量时间。

7、新墨西哥州＆Colossyan，视频制作效率大幅提升

新墨西哥州是美国西南部的山区州之一，人口数约200万。国家和公民之间清晰透明的沟通，对于政务治理起着至关重要的作用。新墨西哥州制作了许多教育内容，但主要是基于文本的。观看视频是该州本地人接收大量信息并遵循教学视频的首选方式。制作视频需聘请专业的视频编辑、摄制组、工作室或支持人员等，投入巨大，工期超长。

使用Colossyan的文本转视频解决方案之后，生成视频的过程就像选择头像／演员并输入内容一样简单。可以在视频中添加音乐和自定义背景，从而获得更具吸引力的学习体验。这样，他们就不需要安排演员或搭建背景来制作高质量的视频。

8、HealthifyMe＆Pepper Content，应用参与度6个月飙升至90％

HealthifyMe是一个总部位于印度的健康和保健平台，十年前开始作为一个简单的应用程序，帮助用户跟踪他们的卡路里摄入量。用户可以在应用程序上浏览各种健身计划，并与来自世界各地的 2000多名营养师和教练联系，以实现他们的健身目标。

HealthifyMe采用知识分享策略，来吸引更多用户。内容模式诞生了，却遇到了新的挑战。知识分享激发了用户的兴趣和参与度，但由于内容单一，逐级让用户失去了兴趣。HealthifyMe引入了Pepper  Content，将用户想法转化为精心设计的演示文稿。通过一致和简化的演示交付，HealthifyMe的平台活跃用户百分比从75％上升到90％。

9、Sabine＆Synthesia，培训效率提高70％

Sabine（博西家电）集团是欧洲最大的家电制造商，拥有60000多名员工，是全球行业领先的公司之一。由于Sabine是一家知识遍布全球的全球性公司，希望确保组织中的每个人都能获得这些知识，但重要的是以有效的方式完成这项工作。

为了不受时间和空间限制地提供专业知识，电子学习的数字化是一个显而易见的选择，但Sabine的团队不想依靠无聊的PDF或幻灯片来点击。视频是首选格式，但它有许多限制：成本、灵活性、译本。

它们引入Synthesia软件，作为生成式AI视频制作平台，Sabine迅速开发了一个虚拟辅导员，以指导学习者完成培训课程。该试点取得了巨大的成功，包括：超过30000次基于Web的培训观看，电子学习的参与度提高了30％以上，节省超过  70％的外部视频制作成本。

10、Achievers＆Forethought，首次联系解决率实现93％

Achievers是一个员工语音识别解决方案平台，可帮助组织建立员工敬业度和可持续绩效。Achievers的业务既有B2B也有B2B2C。在B2B2C方面，最终用户由全球客户支持团队提供支持服务。Achievers的目标是为客户提供一流的支持体验，并建立可扩展的支持团队并高效运营。

Achievers引入了用于客户支持自动化的AI生成平台Forethought，Achievers利用知识库和预构建的工作流，通过自动化小部件解决重复工单。解决即时搜索成功者的知识文章和以前解决的工单的整个数据库，以提供最准确的支持查询响应，而无需代理的干预。

11、RealDefense＆Observe．AI，通过AI指导实现103％的销售配额

RealDefense为消费者和小型企业提供身份保护和实时技术支持服务。该组织拥有超过100万客户，业务遍及全球33个国家／地区。

它们引入Observe．AI智能劳动力平台，不仅让企业看到客服座席的不规范性，还提供了对客户交互的全面可见性。由生成式AI驱动的对话智能和评估分数的历史，帮助企业提高单个座席和整个团队（包括主管和QA经理）的绩效。

尝到甜头后，RealDefense开始进一步接入Observe．AI的QA评估表、情绪分析、Moments、记分卡视图、网络聊天等工具，加强其销售业绩。方案全面实施后，企业在业务绩效方面有了显著提高。以前所有代理的自动失败率为  100％，现在已改善了 90％  以上。随着团队坚持销售脚本，销售配额完成率已提高到103％。同时，该组织也建立了强大的反馈循环，可提供持续更新和可操作的信息。

 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

12、MHI＆Lumen5，扩展内容策略并加快工作流程

三菱重工（MHI）是一家总部位于东京的跨国工程和制造公司。MHI集团为电力和能源、工业机械、城市基础设施、航空航天和国防等广泛领域提供创新和集成的解决方案。

MHI引入了生成式AI视频平台Lumen5，编辑团队意识到他们不需要成为视频制作专家即可为其活动，博览会和社交媒体账户创建引人入胜的视频，业务流程效率大幅提升。

使用Lumen5不到一年，MHI发布的视频内容量是以前的五倍，从而增加了网站流量。视频获得的展示次数是其他类型内容的两倍。现在MHI在LinkedIn上分享的内容中至少有一半是Lumen5视频，大幅提高了粉丝互动的参与率。

13、借助Wordsmit，美联社自动化撰写了50000篇文章

Wordsmith使用自然语言生成将数据转化为富有洞察力、听起来像人类的叙述。就财务报告而言，Wordsmith在几秒钟内将Zacks  Investment Research的收益数据转换为可发布的美联社故事。美联社现在制作了4400个季度收益故事，比其手动工作效率提升了近  15倍。

为了支持体育记者，美联社在2018赛季开始自动化NCAA一级男子篮球预览，使用Wordsmith和Stats  Perform的数据为常规赛提供超过5000个预览。同样在2018赛季，美联社开始使用Wordsmith生成的NCAA一级男子篮球比赛的自动回顾。数据驱动型报道的自动化，使记者能够专注于撰写批判性的定性文章。

2.ChatBot应用案例

1、StarHub＆Haptik，通过Haptik实现全渠道获客

StarHub是一家领先的新加坡公司，提供世界一流的通信，娱乐和数字解决方案。凭借高质量的移动和固定服务、广泛的优质内容套件以及多样化的通信解决方案，StarHub Mobile拥有超过200万客户，是新加坡第二大移动网络运营商，拥有近30％的市场份额。

StarHub与Haptik合作，在Facebook页面构建了一个智能Chatbot虚拟助手，以回答有关其数字电视，有线电视，IPTV，宽带互联网，电话和移动设备服务的查询。凭借Facebook虚拟助手获得的巨大吸引力，StarHub还在其网站和WhatsApp上启用了他们的AI助手。

方案实施后，StarHub的IVA具备了3000＋独特意图，用于回答有关预付费计划、光纤宽带、品牌优惠和重新合同资格的查询。并拥有50＋ 预构建旅程，帮助用户激活／停用数据旅行计划、漫游计划、故障排除指南等。

同时，StarHub在不到 6－8 个月的时间内将 NPS（即净推荐值）从－40提高到＋10。显著缩短了常规查询（如帐户余额、计划、账单、新产品／服务等）的首次响应时间，客户体验大幅改进。

2、新奥集团＆IBM ，Chatbot融合方案实现生产力大幅提升

新奥集团有限公司（ENN Group）致力于用当今的技术解决未来的能源挑战。这家绿色能源巨头为中国及其他80多个城市的客户提供服务，长期以来一直处于该行业技术创新的最前沿。

2020 年初，新冠疫情的爆发要求该公司的数千名办公室员工几乎在一夜之间转向在家工作。对与远程工作相关的 IT 服务的需求（例如请求 VPN 权限以及密码下载和重置）立即飙升。IT 帮助台人员不堪重负。

为解决这个难题，新奥集团推出一款新的虚拟助手，该助手结合了IBM Watson Assistant（IBM的Chatbot产品）和IBM  Watson Discovery（智能搜索和文本分析平台）技术的人工智能，以解释和响应IT员工服务台请求。每天完成 2000 –3000  个任务，实施 70 多个业务场景，创造了数百万美元的价值，并将处理时间缩短了 60％。

3、索尼印度＆Yellow．ai，两个月处理超2万客户电话

索尼印度是索尼公司在日本的全资子公司，是电视、数字成像、个人音频、家庭娱乐、游戏、汽车音响和专业解决方案等类别电子产品的高端品牌。

凭借不断扩大的客户群和庞大的经销商网络，索尼印度公司有大量的查询和有限的代理带宽来有效处理每个查询。在工作时间后收到的大量客户请求导致及时提供解决方案的延迟。

索尼选择了Yellow．ai为技术供应商，引入Chatbot，建立一个专门的24／7帮助热线，用于销售和服务支持，同时该解决方案还需要与索尼CRM集成。语音AI代理可以收集，记录和分析用户信息，以提供个性化体验。语音  AI 代理准确收集、记录和分析用户信息，以提供个性化体验，同时还根据 PIN 码话语识别州、城市和地区，提供基于位置的服务。

方案实施后，索尼语音AI座席每季度处理的呼叫可节省工时成本46K＋，产品和演示请求的环比增加5％，提高了潜在客户，每月服务请求导致客户履行的每月服务请求达到13K＋。

4、Otus＆Intercom，Chatbot让客户满意度高达97％

Otus是一家教育技术公司，提供学习管理系统，帮助学生、教师、家长和管理人员。

为了给客户创造更好的体验，Otus引入了Intercom的Chatbot解决方案。

方案实施后，借助统一的客户沟通平台，Otus能够利用 Intercom 的分析（特别是对话主题和自定义报告）来了解客户的需求并庆祝团队的成功，从而创建一致的体验、更有效地协作并推动持续改进。

在客服支持方面，该团队利用自定义机器人和文章等自动化功能，实时为客户提供即时答案，并使他们能够自助服务。在机器人和自动化的帮助下，Otus  自动解决了 22．2％ 的客户问题，CSAT（客户满意度）得分为 97％，客户对他们收到的快速、个性化的服务感到满意。

5、新华三＆网易七鱼，终端呼叫满意度连续四月超98％

新华三智能终端有限公司，由新华三技术有限公司全资成立，致力于向小微企业和智慧家庭提供“极致用户体验”的产品及方案，业务涵盖小微商业网络、智慧家庭网络、家庭安防和企业智慧屏。目前，智能终端的产品在网运行设备数已经超过1000万。

新华三引入了网易七鱼，通过其多功能坐席，新华三将多个渠道的在线咨询汇集到一起由人工客服统一处理。基于“智能识别”的能力，七鱼辅助新华三智能终端开通了VIP 服务专线，在线加呼叫多功能坐席满足同时满足”传统用户“和”互联网用户“服务需求。

借助网易七鱼基于AI技术的在线机器人，新华三智能终端问题匹配率可高达90％以上，分流80％左右的咨询量，在线机器人高效处理流程化咨询，降低客服倦怠感。

目前，新华三智能终端客服机器人的问题解决率已经达到80％，机器人问题匹配率也达到了97％；同时云呼叫中心的应用，新华三智能终端呼叫满意度已经连续四个月保持在98％以上。

3.Copilot应用案例

1、GitHub Copilot

GitHub Copilot X 致力于改进开发者体验，将提供聊天和语音界面，支持拉取请求，回答文档问题，并通过 GPT-4 实现更个性化的开发者体验，包括：

• GitHub Copilot聊天功能：在编辑器中集成与VS Code和Visual Studio的聊天界面，帮助开发者深入分析代码、生成单元测试和修复bug。

• GitHub Copilot语音功能：允许开发者通过口头指令进行自然语言提示。为拉取请求(Pull Request)提供AI生成的描述：基于GPT-4模型生成拉取请求描述和标签。

• 自动生成测试建议：GitHub Copilot将警告开发者测试覆盖率不足，并建议潜在的测试方案。GitHub Copilot文档功能：提供基于聊天界面的文档查询，为开发者提供实时答案。

• GitHub Copilot CLI：为命令行界面提供智能建议。

2、Microsoft Dynamics 365 Copilot

联想，作为一家业务遍布180个国家的跨国企业，深知这一挑战对其43000名知识工作者的影响。他们渴望为每一位员工提供一个与世界同行无缝协作的平台，让知识的交流不再受地域限制。

联想为其全球业务选择了Microsoft Dynamics 365  Copilot这一革命性的人工智能解决方案。通过GenAI的强大能力，联想正在逐步破解信息管理的复杂性，免除企业员工信息过载的困扰，使他们能够更加轻松地驾驭信息洪流，在各自的岗位上更加出色地发挥才能，实现全球范围内的高效协作。

• 65%的联想用户表示，使用Copilot 智能副驾驶® for Microsoft 365提高了工作效率

• 52%的联想用户表示，他们每天可节省 30 分钟以上的时间

• 每位员工每周节省9 个小时，有利于从事更有创造性的工作

• 75% 的联想用户会推荐使用 Copilot 智能副驾驶® for Microsoft 365

• 联想使用Copilot for Microsoft 365用户数量较项目启动之初增长了100%，扩大了采用范围

4.Insight应用案例

1、飞算科技 AI.Insight

AI.Insight是飞算科技推出的一款智能客户洞悉工具，针对企业数据分析与决策的痛点给出了全面的解决方案：

• 沟通与工具割裂：AI.Insight通过自然语言交互方式，使得业务和技术人员能够快速、准确地沟通需求，降低使用门槛，减少理解偏差，实现需求的即时响应和处理。

• 数据分析时效性低：AI.Insight利用大模型增强分析技术，能够在短时间内自助分析并定位业务问题，极大提高了数据分析的时效性。

• 分析工具割裂：AI.Insight集成了多种分析功能，用户可以使用自然语言搜索任何问题，答案以见解、报告和推荐的仪表板形式展现，减少了对多个工具的依赖。

• 数据整理复杂：AI.Insight的自动分析（Auto OLAP）技术帮助用户从不同角度和维度对数据进行分析，简化了数据整理过程，提高了数据的可读性和实用性。

• 数据分析未能有效赋能业务决策：AI.Insight能够自动进行图表和报告展现，用户可以随时随地获取精准的经营数据问题回答，直接支持营销决策。

以一家西北菜连锁餐饮集团为例，该集团面临业绩下滑的挑战。通过应用AI.Insight智能决策平台，营销人员迅速分析出业绩下滑的根本原因，并在短短一个季度内实现了线上渠道复购率提升20%，GMV提升10%，有效扭转了业绩下滑趋势。

2、亚马逊：优化评论洞察分析

亚马逊的AI推荐系统简化了购物者的决策过程。该算法能够提炼共同的主题，提供对产品特性和买家评论的即时洞察。这一系统帮助用户节省了时间，使他们能够迅速判断商品是否满足自己的需求。

LLM还能够精确地识别提及特定属性的评论，进一步简化了用户购买前的产品研究过程。此外，亚马逊还十分注重产品评论的真实性，确保所有洞察均基于真实的客户体验。受益于此，客户可以更放心地在亚马逊消费。最后，AI系统还有效优化了购买流程，大大降低了购物车弃置率。

3、Zalando：实时定制化的建议

零售巨头Zalando借助其beta版本的AI助手，为时尚界带来了一场革命性的变革。该品牌坚信，由生成式AI引领的时尚潮流，将引领我们走向一个更加个性化、互动性十足的购物新纪元。他们推出了一款对话式工具，让顾客在轻松的聊天中就能发现那些与自己独特风格和需求完美契合的服饰。

Zalando将这一创新项目视为一场共同创造的旅程，他们诚邀用户参与其中，提供宝贵的反馈。通过这种开放合作的方式，虚拟助手得以不断自我进化迭代，与顾客的喜好和需求同步成长。

4、Tripadvisor：升级旅行规划

Tripadvisor最新推出的AI驱动生成器为创建旅行行程提供了强大的助力。该解决方案可以根据目的地、日期和旅行者的偏好来创建定制的路线。公司过往庞大的顾客评论和反馈数据库确保了这些推荐建议的可靠性，所以旅行者可以轻松定制他们的旅行日程，并且再次“反哺”数据库。总的来说，生成式AI确保了推荐更个性化，可以优化规划体验，提升用户参与度。

5、维珍之旅：尝试定制邀请函

在旅游业，生成式AI的运用又添一例——邮轮公司维珍之旅（Virgin Voyages）推出的“Jen  AI”。这一别出心裁的策划呈现了一个由 AI驱动的虚拟詹妮弗·洛佩兹（Jennifer  Lopez）形象。该技术解决方案能帮助旅行者制作个性化的邀请函，以一种令人难忘的方式集结亲朋好友。邀请函还能针对即将到来的活动，进行详尽的个性化定制。

尽管技术仍有一定的提升空间，但它也展示了生成式解决方案在动态定制互动体验方面的潜力。这种创新方法也彰显了品牌对提供有趣、引人入胜服务的坚定承诺。

5.Agent应用案例

1、BlackRock的Aladdin平台

BlackRock，全球首屈一式的资产管理巨头，其Aladdin平台堪称投资管理的全能助手。

Aladdin融合AI与大数据技术，专攻风险评估与投资分析，为投资经理提供决策支持。通过机器学习与自然语言处理技术，Aladdin能从海量市场资讯中提炼价值，包括新闻报道、社交媒体动态及企业财报，助力投资者洞察市场风云。Aladdin利用了一种系统性的投资方法，其中涉及如步态跟踪、信用卡刷卡、电子商务交易和驾驶时间等数据。所有这些数据都被输入到平台上，以识别消费者的消费模式和趋势，预测并相应地响应宏观经济环境中的潜在威胁。

Aladdin在2022年为Blackrock带来了14亿美元的技术收入，且三年复合年增长率高达12%。作为最初只是BlackRock内部的风险管理平台，随着结合AI   Agent的功能，Alladin现已被1000多家组织用于部分或全部投资流程。可以说，目前的Alladin是BlackRock的核心，也是公司未来的愿景。

2、J.P. Morgan的LOXM系统

J.P.  Morgan于2017年宣布了LOXM系统，一个AI程序，旨在基于数十亿次历史交易数据，为客户执行交易以实现最高效率和最优价格。LOXM提高了J.P.  Morgan交易执行率，解决的客户交易需求，且在2017年Q1的实践运用中，在没有提高风险管理问题的情况下展现出了性能上的优势。

调查显示，交易员们通过使用LOXM，使订单执行效率提高了约15%。这种性能的提升意味着在高频交易竞争激烈的环境中，AI Agent迈出了通往主导地位的重大一步。

3、Two Sigma 量化投资

Two Sigma在交易中使用AI  Agent的一个例子是其选股策略。该公司使用机器学习模型分析大量财务数据，以识别可能优于同行的公司。这些模型考虑了诸如盈利增长、现金流和估值比率等因素，以及利率和GDP增长等宏观经济数据。AI还帮助Two   Sigma在其他资产类别中做出投资决策，如商品和货币。该公司使用NLP（自然语言处理算法）分析新闻文章和社交媒体帖子，以识别各种商品（如石油和黄金）周围的趋势和群众对商品的态度。同时，Two   Sigma使用机器学习模型分析市场波动性、流动性和其他风险因素的数据，以识别对其投资组合的潜在风险。这使得他们能够调整其投资策略，以最小化风险并最大化回报。

4、RoboAgent

Meta和CMU 联合研究团队耗时两年，成功开发出的RoboAgent 通用机器人智能体。RoboAgent仅仅通过7500个轨迹的训练就实现了12种不同的复杂技能，包括烘焙、拾取物品、上茶、清洁厨房等任务，并能在100种未知场景中泛化应用。

无论遇到多大的干扰，RoboAgent  都能坚持完成任务。该研究的目标是建立一个高效的机器人学习范例，解决数据集和场景多样性的挑战。研究人员提出了多任务动作分块  Transformer（MT-ACT）架构，通过语义增强和高效的策略表示来处理多模态多任务机器人数据集。

5、Nvidia Voyager

由NVIDIA、加州理工学院等共同推出的Voyager，使用GPT-4来引导学习的Minecraft智能体通过像素世界，需要说明的是，Voyager依赖于代码生成，而不是强化学习。

Voyager是第一个玩《我的世界》的终身学习智能体。与其他使用经典强化学习技术的 Minecraft智能体不同，Voyager使用GPT-4来不断改进自己，通过编写、改进和传输存储在外部技能库中的代码来实现这一点。

这会产生一些小程序，帮助导航、开门、挖掘资源、制作镐头或与僵尸作战。GPT-4解锁了一种新的范式，在此范式中“训练”是代码的执行，“训练模型”是Voyager迭代组装的技能代码库。

6、Amazon Bedrock Agents

亚马逊发布的Amazon Bedrock Agents，允许开发人员快速创建完全托管的智能体。通过对企业系统执行API调用，Amazon Bedrock智能体加快了可管理和执行活动的生成式AI应用程序的发布速度。

Amazon Bedrock Agents简化了用户请求任务的快速工程和编排。设置完成后，这些智能体可以自主构建提示，并使用公司特定的数据安全地增强提示，从而向用户提供自然语言响应。这些高级智能体具有推断自动处理用户请求的必要操作的能力。

7、Inflection AI Pi

Inflection AI公司推出的个人AI Agent产品Pi，核心大脑是公司研发的Inflection-1大模型，性能媲美GPT-3.5。Pi与时下流行的通用聊天机器人不同，它只能进行友好的对话，提供简洁的建议，甚至只是倾听。

它的主要特征是富有同情心、谦虚好奇、幽默创新， 具有良好的情商，可以根据用户的独特兴趣和需求提供无限的知识与陪伴。Inflection自开发Pi开始，就确定了Pi将作为个人智能（Personal Intelligence），而不仅仅是辅助人工作的工具。

8、澜码科技Ask XBot

澜码科技构建的Agent平台“Ask  XBot”，平台分两层：第一层是专家赋能，专家通过拖、拉、拽以及对话交互的方式定义工作流程，教给机器，从而协助一线员工构建更高效工作的方法论；第二层是员工使用Agent，一线员工可以通过自然语言和Agent沟通并下达指令，让Agent协助完成数据分析、资料调取等工作。

该公司计划将Ask XBo打造成一个兼具通用性和易用性的平台，把这些API和Agent做好管理，让Agent包装不同的API，不同模型的Agent能够在上面更好地协作，让它们可以在平台上更有效率、更智能地服务好客户。

9、OmBot欧姆智能体

2023 世界人工智能大会上，联汇科技发布了基于大模型能力的自主智能体（Auto AI Agent ）——OmBot 欧姆智能体，并针对典型场景需求推出了首批应用。

联汇自主智能体包含了认知、记忆、思考、行动四大核心能力，作为一种自动、自主的智能体，它以最简单的形式中在循环中运行，每次迭代时，它们都会生成自我导向的指令和操作。因此，它不依赖人类来指导命令，具备高度可扩展性。

10、实在智能TARS-RPA-Agent

实在智能在超自动化领域首发的TARS-RPA-Agent，是一个基于“TARS+ISSUT（智能屏幕语义理解）”双模引擎、有“大脑”，更有“眼睛和手脚”的超自动化智能体，是能够自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验的RPA全新模式产品。

TARS-RPA-Agent采用以TARS大模型和ISSUT智能屏幕语义理解为基座的技术框架。该技术框架分为两层结构：底层是包括通用基础模型和各个垂直行业基础模型在内的TARS系列大模型和智能屏幕语义理解技术；上层是依托这两项关键技术完成全面升级和改造的超自动化产品。

TARS-RPA-Agent的核心LLM是实在智能基于通用大模型基座的自研垂直“塔斯（TARS）”大模型，TARS大模型具备优异的文本生成、语言理解、知识问答、逻辑推理等主流能力。

6 ToB行业应用案例

1.彭博社BloombergGPT金融大模型

BloombergGPT是Bloomberg训练出来的金融大语言模型（LLM for Finance），彭博的机器学习产品和研究小组和人工智能工程团队合作，利用彭博在数据创建、收集和整理方面的资源，构建了迄今为止规模最大的专业领域数据集之一。

开发团队从这个由海量英文金融文档组成的档案库中提取并创建了一个包含3,630亿词例（token）的金融数据集。这批数据又与另一个包含3,450亿词例的公共数据集叠加，成为了包含超7,000亿词例的大型训练语料库。彭博的研究团队利用该语料库的一部分内容，训练了纯解码器（decoder-only）因果语言模型，包含500亿个参数。

• 模型参数量为500亿，使用了包含3630亿token的金融领域数据集以及3450亿token的通用数据集

• 隐藏层维度为7680，多头的头数为40

• 模型采用Unigram tokenizer，AdamW优化器

• 对BloombergGPT的评估包含了两部分：金融领域评估与通用领域评估

• 评估对比的其他大语言模型有GPT-NeoX、OPT、BLOOM、GPT-3

• 在金融领域任务上，BloombergGPT综合表现最好；在通用任务上，BloombergGPT的综合得分同样优于相同参数量级的其他模型，并且在某些任务上的得分要高于参数量更大的模型

• BloombergGPT模型在金融领域取得好效果的同时，并没有以牺牲模型通用能力为代价

• 对模型定性评估的结果表明，BloombergGPT可以提高工作效率

• 出于安全性的考虑，BloogbergGPT模型不会被公开，但是模型训练和评估的相关经验和思考会被分享出来

2.马上消费金融 天镜大模型

马上消费金融天镜大模型在汇集智慧、唤醒知识、众创价值等几个方面比较突出：

• 汇集智慧方面，主要是应用在人工客服场景，通过大模型提炼萃取一线优秀人工坐席客服经验，汇聚成群体智慧，从而拥有一对多服务客户的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答该模型已运行近3个月，意图理解准确率达91%，相较于传统AI的68%有较大提升；客户参与率61%，高于传统模型43%的参与率，也高于人工坐席平均28%的水平；

• 唤醒沉睡知识，主要是高效解决了提取、利用非结构化文档中的数据资料的痛点。例如，将企业招股书、财报、经济预测数据等文件上传后，天镜大模型可以深入解析金融领域专业术语、同时查询定位多个不同文档、洞悉金融图表隐含的信息和强大归纳总结能力；

• 众创数据价值，主要是为了降低使用数据的门槛。天镜大模型SQL生成平台不再需要代码等专业指令，可直接向AI   说大白话，天镜自动理解需求、展开检索、生成答复。当前，天镜每日线上SQL生成数量650多次，线上SQL生成可执行比例53.4%，SPIDER标准数据集EX得分75.2，线上使用者满意反馈比例82.3%，表现领先行业。

3.阿里巴巴城市大模型 CityGPT

2023 年 7 月 7 日，城市大模型 CityGPT  正式发布，旨在提升智能城市的治理能力，赋能城市经济、产业、商业、文旅、金融等领域，打造真正的城市级大脑。具体地，在认知人工智能领域首次开启了空间场景智能决策以及“元宇宙城市”可交互体验价值链，能够实现对城市-园区-商圈-社区-网点级别的智能计算与研判，为线上线下数实融合的智能决策和场景交互提供具有  AI 自学习能力的“空间 AI 专家顾问”服务。

4.DeepMind生物科技模型AlphaFold2

AlphaFold2通过深度学习和人工神经网络等技术，预测蛋白质的三维结构。在此之前，预测蛋白质结构是一项非常耗时、困难且复杂的任务，需要耗费许多时间和大量的实验数据。AlphaFold2 使得人们可以在数分钟内预测蛋白质的结构。

已知氨基酸顺序的蛋白质分子有1.8亿个，但三维结构信息被彻底看清的还不到0.1%。2021年8月，DeepMind公司在《自然》上宣布已将人类的98.5%的蛋白质预测了一遍，计划年底将预测数量增加到1.3亿个，达到人类已知蛋白质总数的一半，并且公开了AlphaFold  2的源代码，免费开源有关数据集，供全世界科研人员使用。

5.谷歌医疗大模型Med-PaLM，AI医生成绩比肩人类

由谷歌Research和DeepMind共同打造的多模态生成模型Med-PaLM M，懂临床语言、懂影像，也懂基因组学。

Med-PaLM 2 是首个在美国医疗执照考试（USMLE）的 MedMCQA 数据集上达到「专家」应试者水平表现的 LLM，准确率达到  85% 以上，也是首个在包括印度 AIIMS 和 NEET 医学考试问题的 MEDMCQA 数据集上达到及格分数的 AI 系统，得分为  72.3%。

在246份真实胸部X光片中，临床医生表示，在高达40.50%的病例中，Med-PaLM M生成的报告都要比专业放射科医生的更受采纳，这表明Med-PaLM M并非“纸上谈兵”，用于临床指日可待。

6.华为盘古气象大模型

华为云盘古气象大模型是首个精度超过传统数值预报方法的AI模型，能够提供秒级全球气象预报，原来预测一个台风未来10天的路径，需要在3000台服务器的高性能计算机集群上花费5小时进行仿真。而现在基于预训练的盘古大模型，通过AI推理的方式，只需1台服务器、1卡配置、10秒时间，就可以获得更精确的预测结果。盘古气象大模型的预测结果包括位势、湿度、风速、温度、海平面气压等，可以应用于台风路径预测、降水预测、寒潮和高温预测等多个气象研究细分场景。

7.中核集团

中核集团-中核八所

模型：“龙吟·万界”

时间：2024年3月

介绍：“龙吟·万界”是国内首个核领域数字生产力平台，旨在提供一个集大模型智能体开发、应用、管理于一体的一站式企业服务平台。能够结合核工业的各种业务场景，快速设计和开发数字助理，以提高工作效率和决策质量，同时注重技术的自主可控，确保核工业数据的安全和平台的可靠性。

中核集团-同方股份

模型：“华知大模型”2.0

时间：2024年4月

介绍：2023年，同方知网与华为合作建立了人工智能联合创新实验室。不久前，双方联创的华知大模型正式上线运行。此次发布的2.0版本在性能、语料、功能、场景等方面均有明显升级。特别是其注入了知网海量专业知识数据，在专业性、全面性和内容安全性方面具有突出优势，专业性能大幅提升。

模型：农业知识大模型

时间：2024年8月

介绍：中国农业科学院农业信息研究所携手同方股份旗下同方知网在北京正式发布我国首个农业通用大语言模型——农业知识大模型。主要面向农业科技创新、农业生产服务、农业知识科普、辅助农业决策等多领域应用场景，以同方知网自主可控的华知大模型为底座，系统整合了中国农业科学院农业信息研究所海量的农业科技文献和专业数据等知识资源，旨在打造具备NLP、CV、多模态等能力的农业专业知识增强大模型。

8.中国核电

秦山核电

模型：“知识管理平台(i-知识)”

时间：2024年8月

介绍：中国核电旗下秦山核电数字化转型专项——“知识管理平台(i-知识)”研发项目通过行业专家鉴定，标志着中国核电首个基于AI大模型的知识管理平台研发成功，为中国核电知识管理平台建设打下了良好基础。秦山核电依托大语言模型、智能检索、知识图谱、语义分析及智能推理等先进数字化技术，高效整合公司内外部海量知识资源，打造“i-知识”管理平台，具备核工业语义库、智能问答等7大核心板块功能，有力提升了核电知识的利用效率。

中国航天科工

9.中国航天科工-航天信息

模型：“爱信诺·信诺GPT”财税产业大模型

时间：2024年7月

介绍：爱信诺·信诺GPT融合了检索增强、强化学习、思维链等前沿技术，是百亿参数规模财税垂直领域大模型。面向财税领域应用提供大模型知识百科、逻辑推理、生成创作、代码生成、自我认知、安全对齐六大通用能力，以及精准匹配财税领域用户需求的信息抽取、问题生成、阅读理解、文本摘要、图表绘制、多轮改写、多轮澄清和表格分析八大核心能力。在此基础上，结合大量财税行业数据、模型训练与基础组件，支撑模型在政策法规与基础知识、财税考试、财税业务办理、风控与筹划的四大专业能力，切实解决企业用户数字化转型实际痛点，推动企业数字化转型。

10.中国船舶

模型：百舸船舶行业大模型

时间：未提供

介绍：百舸船舶行业大模型，具备国产自主可控，垂直领域知识增强的特点，拥有多参数、多领域、多语种、多技术核心能力。参数规模达140亿，数据语料安全可控。在辅助决策、情报跟踪分析、研报撰写、知识应用等场景具有强大的应用能力。通过整合数智资产，打造船舶行业新质生产力。

11.中国电科

中国电科法研院

模型：“万法”大模型

时间：2024年8月

介绍：2024中国国际大数据产业博览会上，中国电科现场发布了“万法”大模型，标志着中国电科在人工智能领域取得了重大突破。该模型具有强大的语言理解和生成能力，能够广泛应用于自然语言处理、智能客服、机器翻译等领域。

模型：“法观”大模型

时间：2024年8月

介绍：中国电科法研院基于自主“万法”大模型底座，联合业内单位共同设计研发“法观”大模型产品，实测通过中国法律职业资格考试，成为首个通过中国法考的法律大模型产品。“我们的大模型，采用司法语料精调与司法知识引导相结合的训练和应用策略，提升精准性和可信度，极大降低‘幻觉’问题，可提供法律知识咨询、政法办案辅助、律师从业辅助、企业合规审查等能力。”技术专家表示。

电科太极

模型：生成式人工智能大模型“小可”

时间：2023年6月

介绍：“小可”作为中国电科深入贯彻网络强国、数字中国战略，面向党政企行业用户，打造的生成式人工智能大模型，提供“通用智能模型大循环+行业智能模型小循环”双循环、“模型训练+测试评估+场景精调+可信增强”四阶段的行业应用新范式，已推出拟文助手、编码助手、智能标绘等系列智能应用，解决了相关领域存在的重复性工作繁多、基于个人经验决策不够科学、工作效率不高等痛点，满足降本增效、流程优化和工作创新等需求。

电科数字

模型：“智弈”大模型

时间：2023年8月

介绍：“智弈”采用深度学习框架和自然语言处理技术，针对多个行业、多种自然语言处理任务，推出文本分类、命名实体识别、文本生成、问答系统、语义角色标注、机器翻译等智能应用，将大模型应用于数字水利、供应链管理、企业策划、人力资源管理、智慧党建等领域，为企业带来更高效的数字化经营能力，为行业用户带来更智能的数字化解决方案。

12.中国石油

模型：330亿参数昆仑大模型

时间：2024年8月

介绍：昆仑大模型的顶层设计具有三大特点，一是创新提出四层架构，支持油气新能源、炼化新材料等专业领域海量数据建模需求；二是统筹管理大模型架构，制定大模型建设标准，指导大模型建设有序开展；三是开放共享昆仑大模型能力，赋能能源化工行业广大从业者，引领行业智能化发展。

中国石油-东方物探

模型：GeoEast软件

时间：2023年11月

介绍：经过20年的迭代升级，GeoEast 软件目前已经发展到V4.0版本，形成从陆地到海洋、从常规到非常规、从地面到井中、从纵波到多波、从地震到重磁电震综合处理解释的物探软件产品系列家族，成为全球三大地震资料处理解释软件之一。2023年11月，GeoEast2023正式发布，标志着我国物探核心软件和地球物理技术迈上了新台阶。

中国石油-勘探研究院

模型：PetroAI

时间：2024年1月

介绍：PetroAI是由中国石油勘探开发研究院研发的一款AI大语言模型，拥有能源行业丰富的知识语料，支持700亿参数量，学习了超过26万份石油科技文献、10余万个勘探开发知识图谱三元组，是更懂油气专业的大语言模型。

模型：地震解释大模型

时间：2024年8月

介绍：研发团队利用海量地震数据，通过深度神经网络算法，训练形成了具有构造解释、缝洞体预测、岩性识别等地震智能解释功能的AI大模型，模型参数达到50亿规模。

中国石油-管道局设计院

模型：WisGPT

时间：2024年2月

介绍：管道局设计院与百度合作发布了我国首个油气储运领域人工智能大模型WisGPT。WisGPT具备丰富的油气储运专业知识，并能够不断更新和扩充，可以通过文字、语音等多种形式实现人机交互，为企业实现数字化管理以及油气储运工程勘察、设计、施工、运行等提供专业知识支持，具有内容可信、数据可靠、成本可控的特点。

13.中国石化

模型：勘探开发、炼油化工2个行业大模型

时间：建设中

介绍：中国石化当前建设勘探开发和炼油化工2个行业大模型，开展勘探开发、炼油化工、安全环保、科技研发、企业运营、信息和数字化6大领域20个大模型场景的建设，计划于2025年底全部建成，推动大模型在石化行业应用落地。

中国石化胜利油田

模型：第二代“胜小利”油气大模型

时间：2023年12月

介绍：具有油气专业知识查询、图件查询生产信息查询、工作进度查询生产异常分析、公文辅助写作等二十多项功能。作为油气专业大模型“胜小利”在学习通用知识的基础上，又强化学习了60万条油气勘探开发专业知识完成了采油工程、油藏工程等本科基础专业课。目前“胜小利”参数量已达930亿，每周的数据投喂量2000条。

14.中国海油

模型：“海能”人工智能模型

时间：2024年10月

介绍：“海能”人工智能模型依托海量数据资源，集成既有模型，兼顾专业和通用场景。具有海油特色的5个专业场景模型和6个通用场景模型，推动实现“升规模、升效率、升体验，降成本、降风险、降直接接触”。

15.国家电网

国家电网-湖南电科院

模型：配网视觉大模型

时间：2024年7月

介绍：电科院完成10亿节点视觉大模型的自主研发，可以支撑十多种细分专业、几十个配网场景的使用。目前视觉大模型已经在无人机巡检、通道可视化等取得显著成效，顺利完成30万公里巡检，平均识别效率比主流视觉模型提升了10%。

国家电网-国网信通产业集团

模型：“思极GPT”

时间：2023年5月

介绍：“思极GPT”是首个在电力专业领域落地应用的大模型产品，依托i国网为统一入口，面向用户提供智能问答、代码撰写、语种互译、办公辅助四大通用基础大模型能力，电力文档撰写、电力图像生成两大电力专有大模型能力，以及公司制度搜索、电力融媒体等N个电力专业应用，形成了“4+2+N”的大模型能力体系，致力于为电网基层人员提供全方位的智能化服务。

国家电网-继远软件

模型：电力安监知识增强大模型

时间：2023年10月

介绍：针对输电、变电、配电、基建等专业作业现场，该模型可提供咨询、指导、监督、考核、评价等全量数字化智能支撑服务，全面提升作业现场安全智能化管控水平。目前，该模型包含现场勘察报告辅助编制、工作票质量规范校验、违章行为智能分析、安规交互问答等十余项智能微应用。

 这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

16.南方电网

模型：“驭电”智能仿真大模型

时间：2023年12月

介绍：通过构建AI驱动的智能科学计算体系，开发电力系统预训练大模型，打造电力系统分析与控制的“超强大脑”，将支撑新型电力系统演进规律研究、系统规划方案和运行方式生成与优化、在线安全分析、现货市场运作等多种场景。

模型：电力大模型——“大瓦特”

时间：2023年9月

介绍：“大瓦特”是南方电网公司发布的电力行业首个自主可控电力大模型，基于自主可控算力芯片和学习框架，可轻松实现“聊、查、图、写”，在智能客服、电力调度等领域管理质效显著。

模型：电力线缆的守卫者——“极目”

时间：2023年6月

介绍：“极目”系列智能传感器是世界首套非侵入式芯片化电力微型传感器，近三年已规模化销售应用近20万套。该成果入选了第六届数字中国建设峰会“十大硬核科技”。

模型：“电力鸿蒙OS”

时间：2023年10月

介绍：南方电网公司与开放原子开源基金会在北京联合发布国内首个电力物联操作系统——电鸿物联操作系统，首次实现一套系统覆盖不同类型、不同品牌的电力设备，实现设备即插即用、海量数据互联互通，为未来新型电力系统大规模物联设备接入、运行维护提供了一套电力物联操作系统，填补该领域国内空白。

南方电网-广东东莞供电局

模型：智能巡维机器狗——“吠云”

时间：2023年10月

介绍：广东电网公司东莞供电局基于人工智能自动化变电站巡检与操作自主研发的新型四足巡维智慧狗——“吠云”，在掌洲变电站投入使用，这是全国首次实现单台智能设备全站巡视点全覆盖。这台四足行走的智能巡维机器狗，不仅外形酷炫灵动，更能适应各种复杂地形环境，填补了室内多楼层变电站机器人巡检的空白。现在，一台“吠云”就能巡视全站，减轻人工运维负担。

南方电网-广东深圳供电局

模型：“祝融2.0”

时间：2023年9月

介绍：电力行业首个多模态预训练大模型，它让传统的电网AI技术拥有了类似ChatGPT的逻辑推理能力、文字表达能力，电网安全隐患告警有效率提升了6倍。

南方电网-广东广州供电局

模型：配网AI大模型

时间：2024年5月

介绍：这是南方电网公司发布电力“大瓦特”以来聚焦配网领域智能巡视场景下的首次工程化实践应用。配网AI大模型应用于配网生产运行支持系统(边侧)，首次将配电AI大模型深度嵌入至巡视业务流程与操作步骤，进一步深化人工智能技术在设备状态评价、缺陷隐患诊断、外力破坏防范等方面的应用。

模型：带电作业机器人——“悟空”

时间：2023年7月

介绍：南方电网广东广州供电局的“悟空”带电作业机器人，跨界“环保+电力”两个领域，变身为环境友好型的“园艺大师”，为树木修剪时尚造型，服务电力“绿美更安全”。

南方电网-数字集团

模型：新能源发电预言家——“夸父”

时间：2023年11月

介绍：“夸父”是新能源高精度预测系列产品，集成了十几种AI算法，通过一系列高科技手段提升预测新能源发电的精度。“夸父”大大降低了新能源发电不确定性，减少了电网配置备用容量，能有效辅助调度决策及电力市场交易，提升电网运行的安全性和经济性。

南方电网-广西电网

模型：输电人工智能大模型（大瓦特CV）

时间：2024年1月

介绍：广西输电人工智能大模型基于南网“大瓦特”底座，由广西电网公司联合南方电网人工智能科技有限公司共同研发，是国内电力行业生产域首个生产环境上线应用大模型，是继2023年9月26日南方电网公司电力行业人工智能创新平台及自主可控电力大模型发布后的又一重要里程碑。

17.中国三峡

三峡科创园

模型：大禹大模型

时间：2024年1月

介绍：“大禹大模型"由科创园面向三峡集团业务场景应用需求自主研发，是国内首个水电能源行业垂直大模型。智能问答系统依托“大再大模型“开发，突破了传统信息检索系统架构的限制，采用大语言模型和向量数据库相结合的方法，由自行标注的1万余条高质量水电行业专业数据集提供训练支撑，实现了专业领域内智能化的复杂查询解析和精准回答，显著提升了用户获取知识的效率。

18.国家能源

模型：工业设备综合诊断运维AI大模型

时间：2024年3月

介绍：国家能源集团自主研发打造的国内首个工业设备综合诊断运维AI大模型已正式上线，这标志着我国在推进工业领域人工智能技术创新应用方面取得了新的突破。

模型：“云上水电”平台

时间：2024年7月

介绍：该平台着力打造以新一代信息技术为引擎的能源行业特色新质生产力。

国家能源-数智科技

模型：人工智能机器视觉应用平台2.0

时间：2023年6月

介绍：该平台已在神东锦界煤矿、乌东煤矿、青龙寺洗煤厂、天津煤码头、康保风场等多个工程项目中得到应用落地。

模型：工业数字孪生平台V1.0

时间：2024年4月介绍：数智科技公司自主研发的首个全方位、全流程的一站式工业数字孪生平台V1.0已正式上线，为公司加快发展新质生产力，助推产业高质量发展提供了有力的科技支撑。

模型：煤炭行业全产业链国资云

时间：2024年5月

介绍：数智科技公司自主研发并运营的首个煤炭行业全产业链国资云已正式上线。该平台的上线将助力集团公司在云化转型的道路上迈出重要一步。

国家能源-龙源电力

模型：“AI+”模型训推测一体化平台

时间：2023年8月

介绍：龙源电力研发打造的新能源行业首个人工智能模型训练开发、推理与效果性能测评一体化平台正式上线投用。该平台首次实现训练素材导入、计算资源整合、AI模型训练、模型推理、效果测试、性能测试的一体化，满足视频、图片、数据等新能源业务模型的开发、迭代、测评，为新能源行业数字化转型升级、AI辅助业务决策提供新质生产力。

模型：风机功率曲线AI模型

时间：2023年8月

介绍：该技术首次完成了图像识别在风机功率曲线筛查分析领域的应用，实现分析结果的自动化展示，有效提升了问题机组的定位速度与故障分析效率，为提高设备发电性能、推进场站智能化运维提供了有力支撑。

国家能源-神东煤炭

模型：“神东慧知”大模型  （新增）

2024年8月，神东煤炭智能技术中心西安研发团队倾力打造的大型语言模型“神东慧知”正式发布，为煤炭行业量身打造AI，为员工提供了一个高效、智能的工作辅助平台，提升工作效率，优化业务流程，减少人为错误，充分体现公司在人工智能领域的技术实力和创新能力。

19.中国电信

模型：星辰系列大模型

时间：2023年11月

介绍：2023数字科技生态大会举办期间，中国电信在主论坛正式发布千亿参数星辰大模型及数据要素平台。星辰语音大模型是业界首个支持30种方言自由混说的语音识别大模型，打破单一模型只能识别特定单一方言的困境，降低开发门槛实现单方言标注需求低至传统方案1%。截止到 2024 年 7 月份，星辰语音识别及生成能力已广泛应用于12345市政热线、数字人、万号智能客服等领域，极大解决老年人及老少边穷地区人们的信息服务无法触达的问题。星辰语音大模型的模型、代码已全面开源，吸引企业、伙伴及开发者广泛讨论和使用，共建AI时代沟通的桥梁。

20.中国联通

模型：联通元景大模型

时间：2024年5月

介绍：第七届数字中国建设峰会上，重磅发布中国联通联数网、中国联通可信数据空间、中国联通元景工业大模型、中国联通元景经济运行大模型四项专精特新产品。联通元景模型是“1+1+M”大模型体系，即1套基础大模型、1个大模型底座、M种行业大模型，相关模型已实现10个行业应用，赋能网络、客服、终端运营等，助力政务、经济运行、医疗、服装、物流、城市治理领域示范作用。

21.中国移动

模型：“九天”系列通用大模型

中国移动在2024年5月第七届数字中国建设峰会上正式发布了由万卡级智算集群、千亿多模态大模型、汇聚百大要素的生态平台共同构成的“九天”人工智能基座，旨在广泛汇聚产业力量，助推经济社会高质量发展，催生新质生产力，为数字中国建设注入更加强劲动能，同时发布23款AI+产品及20个AI+DICT行业应用。2024年10月12日，在第12届中国移动全球合作伙伴大会主论坛上，中国移动发布九天善智多模态基座大模型，并推出30款自研行业大模型，九天善智多模态基座大模型是九天系列通用大模型的最新研发成果。

22.中国电子

中国电子云

模型：星智政务大模型

时间：2024年6月

介绍：星智政务大模型是中国电子云依托全国70多个数字城市建设经验，为数字城市、数字政府、各行业数字化转型打造的垂直领域大模型，能够在多个领域实现以智代人、高效服务、智慧决策、主动感知。

23.中国一汽

模型：GPT-BI大模型

由中国一汽联合阿里云通义千问打造的大模型应用GPT-BI率先落地，为中国一汽的数智化转型升级增添新活力。该应用可接收自然语言查询，结合企业数据自动生成分析图表，目前可达到近90%的准确率。更值得一提的是，相比传统BI（Business Intelligence）的“固定问答”，它能实现问答任意组合，数据随时穿透，做到“问答即洞察”。GPT-BI不仅是中国一汽的首个大模型落地案例，也是汽车行业的首个大模型BI应用。

24.中远海运

中远海运科技

模型：Hi-Dolphin大模型

时间：2024年7月

介绍：由中远海运科技打造的国内首个航运大模型Hi-Dolphin正式发布。Dolphin是一个有“航运大脑”的AI大模型，能提供丰富的航运知识问答、能调用海量航运数据提供决策支持、能以深度思考开展预测任务、能让大数据成为航运管理、分析好帮手。

25.中国中化

中国中化-中化信息

模型：“天枢”智研化工大模型

时间：2024年5月

介绍：智研化工大模型是中化信息持续探索人工智能领域并将先进人工智能技术应用于化工材料研发中的分子合成设计场景的最新成果。该模型基于先进的Agent智能体架构，将大语言模型与专业化学合成模型相结合，可通过对话交互高效完成分子智能化学检索、分子逆合成设计和反应条件推荐与优化等化工场景研发任务，大幅提升研发中的信息获取和决策效率。

26.中国建科

模型：星辰-住建行业大模型

时间：2023年11月

介绍：中国建科与中国电信联合发布了住房和城乡建设领域第一个行业大模型——星辰-住建行业大模型。星辰-住建行业大模型具有强大的建筑行业数据处理和分析能力，以及优秀的自主学习能力，聚合算力、算法、数据、工具、应用等生态，可为行业提供一站式大模型服务，为建设行业带来巨大的创新和发展机遇。

27.国家开发投资集团

国投智能

模型：“天擎”公共安全大模型

时间：2023年7月

介绍：作为国内首个信创版公共安全大模型一体化装备——“天擎”公共安全大模型信创一体机以美亚“天擎”公共安全大模型为基础，基于人机自然语言交互、OCR识别、语义分析、图片分类打标、深伪鉴真、视频结构化、人像识别等AI能力，具备丰富的公共安全行业知识，拥有强大的警务意图识别、警务情报分析、案情推理等业务理解能力，可用于安全事件的预测预警、案件研判、智能审讯、指挥调度等应用场景。

28.招商局集团

招商轮船

模型：“ShippingGPT”大模型

时间：2023年11月

介绍：由招商轮船基于“商道”行业大模型打造，融入航运领域知识的业界首个航运大模型“ShippingGPT”将正式发布。“ShippingGPT”训练压缩了海量航运物流知识，可用于船舶和船员管理，航运市场指数查询、市场分析与趋势预测，航运法律知识问答、绿色减排等领域，具有航运物流知识检索与问答、航运市场信息结构化查询问答等功能。对用户提出的航运领域专业问题，“ShippingGPT”可快速生成具备逻辑框架性、战略研判性和专业性的答案与建议。

29.华润集团

华润医药

模型：“三舅健康管家”智能体

时间：2024年9月介绍：“三舅”为华润三九面向用户沟通的IP形象，“三舅健康管家”是基于腾讯医疗大模型、云计算等新技术搭建的AI智能助手，致力于向用户提供温暖、关怀、便捷与高效的健康服务。用户可通过腾讯元宝APP或“999会员中心”小程序，体验“三舅健康管家”健康问答服务。该智能体将通过用户反馈和大模型基础能力的提升不断迭代。

模型：数智本草大模型

时间：2024年8月

介绍：华润医药与天士力集团签署战略合作协议，双方将以合资公司为载体，开展全球首个中医药研发多模态大模型“数智本草”的迭代升级，把中医药理论、临床经验与数字科技相结合，构建数智中药研发新范式。双方将成立滴丸技术创新联合体，推动滴丸技术迭代升级；并把天士力建设成高科技、高质量的滴丸新剂型专业化生产基地，为更多企业提供产业化服务。

30.中国商飞

上海飞机设计研究院

模型：“东方.翼风”大模型

时间：2023年7月

介绍：在2023世界人工智能大会（WAIC）上，基于昇腾AI和昇思MindSpore开发的“东方.翼风”大模型正式发布。该模型正是融合了目前人工智能最火爆和最具前景的两大方向：大模型和AI for Science的典型代表，“东方.翼风”实现了三维超临界机翼流体仿真，可以对飞机全场景飞行状况进行快速且高精度的模拟，助力飞机研发。并荣获了WAIC最高奖项 SAIL奖。

31.中国商飞

上海飞机设计研究院

模型：“东方.翼风”大模型

时间：2023年7月

介绍：在2023世界人工智能大会（WAIC）上，基于昇腾AI和昇思MindSpore开发的“东方.翼风”大模型正式发布。该模型正是融合了目前人工智能最火爆和最具前景的两大方向：大模型和AI for Science的典型代表，“东方.翼风”实现了三维超临界机翼流体仿真，可以对飞机全场景飞行状况进行快速且高精度的模拟，助力飞机研发。并荣获了WAIC最高奖项 SAIL奖。

32.中煤集团

中煤天津设计

模型：中煤智掘管控平台

时间：2022年4月

介绍：中煤智掘管控平台采用数字孪生技术，构建三维地质模型和三维设备模型，基于实时动态感知的掘进工作面地质信息与设备信息，再现掘进工作面真实场景和各设备的位姿、运行工况；采用边缘计算技术，确保了系统运行的安全可靠，同时减轻了网络传输的负载。

模型：中煤“地知”大模型

时间：2024年7月

介绍：中煤“地知”大模型是中国中煤能源集团首个煤炭垂直行业大模型，由中煤天津设计公司自主研发。该大模型一期于2024年7月3日成功上线运行。它采用了国内开源大模型结合多元多能小模型以及煤炭知识图谱的融合技术，通过私有化部署来保障企业自有数据的安全。这一大模型的应用旨在通过智能化手段赋能日常工作，显著提升设计质量和工作效率。

33.中国煤科

中国煤科-科学研究总院

模型：太阳石矿山大模型

时间：2024年4月

介绍：针对煤矿多维度应用场景的具体需求，从基础设施层、数据资源层、算法模型层、应用服务层、安全可信与测试层、行业生态层六个层面进行建设。

中国煤科-上海研究院

模型：煤科卫士大模型ChinamjGPT

时间：2024年7月

介绍：“煤科卫士”是基于知识图谱和运维知识库的通用增强大模型，可持续从应用中融合学习，具备自我知识增强、检索增强和对话增强的功能特点。通过该产品，可使煤机装备的售后服务效率有效提升40%，设备利用率提升15%，故障停机时间降低30%，维修成本降低20%，故障零部件查询时间降低到1分钟以内，实现对设备的全天候监控、故障预判和高效运营服务。

中国煤科-西安研究院

模型：地质垂直领域大模型GeoGPT

时间：2023年12月

介绍：以GeoGPT为智能基座，西安研究院已研发出一款名为“晓悟”的透明地质知识智能机器人。该产品具有知识管理与检索、数据采集与分析、智能决策和事件处置等核心能力。支持以自然语言的方式接收各种问题并反馈结果，通过分析人工录入的地质、测量多源异构数据与自动采集的探测传感器、监控视频、多平台生产管控系统等数据，可以向用户推荐紧急情况下的候选处置方案，并实现一键处置，大幅缩减了紧急事件响应时间，提高了煤矿高效生产的可靠性。

34.铁科院

铁科院信息所

模型：“铁科智问”大模型

时间：2024年7月

介绍：“铁科智问”是铁科院信息所研发建设的铁路文本大模型，具备“铁路知识问答、多语种文本润色、多语种文献速读、研究综述”等功能。

35.中国中铁一局

模型：中铁万新大模型

时间：2024年4月介绍：2024年世界隧道大会现场，中国中铁一局集团有限公司与联汇科技联合攻关，推出中铁万新大模型，加速隧道建设智能化升级。中铁万新大模型瞄准世界隧道科技和产业前沿，依托多模态原生自研架构，拥有开放识别、视觉定位、智能问答、图文理解四大核心能力，实现在隧道施工、隧道运维、智能建造、高端装备、智慧工地等典型应用场景中创新赋能，为隧道科技注入“新质生产力”。

36.中国航信

中航信-移动科技

模型：“千穰”大模型

时间：2023年8月

介绍：“千穰”融合了视觉大模型、语言大模型、多模态大模型和计算大模型，旨在面向全行业提供完整的智能化生成式大模型解决方案，可在机坪、航站楼、旅客服务等多种应用场景下，满足民航运行、服务和监管需求。目前，“千穰”大模型已被应用于航旅纵横App和多家民航主要机构，为行业主体提供全面智慧化支持，有效提升了行业运行效率与旅客出行体验，并为垂直领域大模型的建设提供了宝贵的实践范例及技术突破。

37.中国广核集团

广核集团-宁德核电

模型：锦书大模型

时间：2023年5月介绍：“锦书”是专为核工业领域打造的大语言模型，其参数规模达到720亿。基于“锦书”核工业大语言模型，宁德核电开发出国内首个核工业大语言模型应用平台“云中锦书”，该平台部署了基于系统化培训理念的智能培训系统、个人岗位晋升系统、PPT 生成等多个应用，实现企业降本提质增效的目的。

38.中国绿发

中绿讯科

模型：泰山大模型

时间：2024年1月

介绍：泰山大模型是科大讯飞与中国绿发联合发布绿色产业内的首个行业大模型。是中绿讯科为建设AI总部而设计的底层基础建设的一部分，是驱动AI总部产品运用的核心引擎。它不仅具备了通用大模型的各种能力，更重要的是它学习了中国绿发积累的人事、监管、投资、财务、招采各领域的专业知识，补齐了大模型在央企业务的短板。

39.北大荒

模型：寒地作物大模型

时间：2024年5月

介绍：在“第七届数字中国建设峰会智算云生态大会·行业AI+”论坛上，北大荒集团与中国电信集团联合发布了“寒地作物大模型”。“寒地作物大模型”作为双方合作取得的阶段性成果，具备智能农技服务、生产决策服务、市场价格分析预测、政策法规咨询服务四种场景化能力。这项成果基于北大荒实际产业场景、生产需求及三十余万条专业知识，能及时有效为生产者提供大田种植、经营管理等问题解答，用户可快速便捷获取技术信息、生产决策解决方案，提高了生产效率和综合管理水平。

40.上汽集团

模型：汽车行业AI售后维修大模型

时间：2024年8月

介绍：上汽集团和深空灵智联合打造出汽车行业首个AI售后维修大模型。借助基座大模型的通识对话能力，最终实现了对车辆故障的精准定位和快速诊断。不仅解决了传统售后服务中的诸多痛点，还通过智能化手段提升了服务品质和效率。

41.河南省医学科学院

模型：VisionFM “伏羲慧眼”大模型

时间：2024年10月

介绍：国内首个应用临床的眼科大模型——VisionFM（“伏羲慧眼”）正式发布。该大模型具备筛查、诊断眼科疾病的强大功能，能够预测疾病发展趋势。而且，这款大模型不仅仅局限于眼科领域，而是以眼科为基础，逐步向心血管、呼吸、代谢及肿瘤等慢病防控领域拓展，打造一个全方位、多层次的健康管理系统，通过对全身生理指标超乎寻常的精准预测，真正实现“眼部一张照，健康早知道”

42.山东能源

模型：盘古矿山大模型

时间：2023年7月

介绍：该模型涵盖采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化9个专业21个场景应用，山东能源通过盘古矿山大模型的视觉识别能力在兴隆庄、李楼等煤矿对卸压钻孔施工质量进行智能分析，辅助规范性验证，将人工审核工作量降低了80%以上，施工监管审核时间从过去的3天缩短至10分钟。目前，盘古矿山大模型可以进入到流水线大生产的模式，二十多个矿井用一个算法模型，极大地降低交付时间，模型落地周期从原本的1-2月缩短为2周。

43.西安光机所

西安中科天塔

模型：“华山”航天私域大模型

时间：2024年10月

介绍：针对卫星在轨管理特别是健康管理中的实际业务需求，中科天塔自主创新研发航天私域大模型。这一私域大模型以在轨卫星管理专业知识库为基础，搭建航天器操控平台，通过语音、文本互动，即可完成航天器在轨管理、航天器管理人员培训，助力卫星高效智能管理。

7 开源人工智能应用案例

1、VMWare

VMWare 部署了 HuggingFace 的 StarCoder 模型，该模型可帮助开发人员生成代码，从而提高开发效率。VMWare 选择自行托管该模型，而不是使用像微软拥有的 Github 的 Copilot 这样的外部系统。

2、Gab Wireless

这家儿童友好型手机公司强调安全和保障，它使用 Hugging Face 公司提供的一套开源模型，为筛选儿童收发的信息添加了一个安全层。这样可以确保在与不认识的人进行互动时，不会出现不恰当的内容。

3、Perplexity

这家炙手可热的初创公司正在通过使用 LLM 来重塑搜索体验。该公司目前只有 50 名员工，但筹集到 7400  万美元。虽然它不符合我们对企业的定义，但它的有趣之处值得一提。当用户向 Perplexity  提出一个问题时，它的引擎会使用大约六个步骤来做出回答，在此过程中还会使用多个 LLM。Perplexity 的员工 Dmitry  Shevelenko 说，倒数第二步默认使用自己定制的开源 LLM。这一步是总结 Perplexity  认为符合用户问题的文章或资料来源的材料。Perplexity 在 Mistral 和 Llama 模型的基础上建立模型，并使用 AWS  Bedrock 进行微调。

Shevelenko 说，使用 Llama 至关重要，因为它有助于 Perplexity 掌握自己的命运。他说，在 OpenAI  模型上投资，对模型进行微调是不值得的，因为你并不拥有结果。值得注意的是，Perplexity 还同意为 Rabbit R1 提供动力，因此  Rabbit 也将通过 Perplexity 的 API 有效使用开源 LLM。

4、Intuit

Intuit 是 TurboTax、Quickbooks 和 Mailchimp 等软件的提供商，很早就开始构建自己的 LLM  模型，并在驱动其 Intuit Assist 功能的 LLM  混合中利用开源模型，该功能帮助用户处理诸如客户支持、分析和任务完成工作。在采访中，Intuit 的执行官 Ashok Srivastava  说，其内部 LLM 是基于开源构建并在 Intuit 自己的数据上进行训练的。

5、LyRise

这家人才匹配初创公司 LyRise 使用一个建立在 Llama 上的聊天机器人，像人类招聘人员一样互动，帮助企业从非洲各行业的高质量简历库中找到并雇佣顶尖的 AI 和数据人才。

6、Niantic

Pokemon Go 的创造者推出了一个名为 Peridot 的新功能，它使用 Llama 2 生成宠物角色在游戏中的环境特定反应和动画。

大模型和程序员的关系 

（1）目前ChatGPT对程序员到底有哪些实质性的帮助？ 

第一点：Code Review ChatGPT能够理解代码，并针对代码给出针对性的建议和优化方案； 

第二点：写测试用例、单元测试、集成测试等，这些ChatGPT都很擅长！ 

第三点：对线上问题的定位和分析 线上问题的各种疑难杂症，ChatGPT都能胜任！ 

第四点：SQL的翻译 实现两种数据库的SQL语言转换，比如将Oracle的SQL脚本转换成MySQL的SQL脚本。 

 （2）有了AI编程，还需要程序员吗？ 

第一，在冯诺依曼架构体系下，程序需要的是确定性计算； 

第二，由于大模型本身的概率性，目前大模型生成的代码还具备一定的随意性和不确定性； 

第三，目前大模型更擅长的是一些抽象层次比较低的工作，比如一段代码或一个算法的实现，写一个单元测试等等。而一些抽象层次比较高的工作，比如需求分析、架构设计、领域设计、架构选型等，这些工作反而是大模型不擅长的，而这些工作是比较具备有竞争力的，这恰恰是一些高级程序员以及系统架构师的价值所在。 

（3）应用实践AIGC有几层境界？ 

第一层境界：简单对话； 通过ctrl-c/v出结果，人人都会。 

第二层境界：系统掌握Prompt Engineering； 通过系统掌握好提示词工程，真正赋能工作提效。 

第三层境界：将AIGC融入业务流程，指挥AIGC完成复杂的任务； 通过掌握AIGC的技能，并完成业务领域知识的深入结合。 

第四层境界：拥有自己的大模型； 熟悉大模型的架构原理，通过开源大模型微调，最好能够拥有一定的行业数据壁垒。 

第五层境界：参与设计训练大模型； 比如从事ChatGPT等研发工作。 目前，Edison还处于第二层即提示词工程，我们整理了很多针对SDLC（软件开发生命周期）过程中的经典场景的提示词模板来做提效。 那么，你处于哪一层呢？ 

 （4）如何掌握AI大模型开发技能？

 第一步：掌握开发AGI时代新应用程序的技能； 比如：大模型应用内核、LangChain开发框架、向量数据库等； 

第二步：搞定开发企业级AI Agent的应用技能； 比如：AI Agent、大模型缓存、算力等； 

第三步：驾驭开发企业级专有大模型的技能； 比如：RAG、微调等； 

第四步：深入应用大模型技术成为开发大师； 比如：大模型预训练、LLMOps等；

大模型目前在人工智能领域可以说正处于一种“炙手可热”的状态，吸引了很多人的关注和兴趣，也有很多新人小白想要学习入门大模型，那么，如何入门大模型呢？

下面给大家分享一份2025最新版的大模型学习路线，帮助新人小白更系统、更快速的学习大模型！

  这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】