IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：

在數字經濟與實體經濟深度融合的今天，智能化轉型正成為各行業高質量發展的核心驅動力。從金融到能源，從汽車到電商，大模型技術如同 “ 新質生產力 ” 的關鍵引擎，持續重塑產業格局。

正如現任百度集團執行副總裁，百度智能云事業群總裁沈抖在《大模型浪潮》一書所揭示的，大模型正在催生全新的商業范式。書中收錄了多個行業案例，對于想要抓住 AI 機遇的從業者來說，這就是一本實用的行動手冊：既能把復雜的技術原理講清楚，又能直接教你制定可行的方案。在 AI 改變各行各業的今天，誰先搞懂大模型，誰就能在未來的競爭中快人一步。

*文章摘自《大模型浪潮》一書，作者沈抖。

一、汽車：擁有更舒適的“第三空間”

曾經汽車只是單純的交通工具，而互聯網則讓汽車搖身一變成為移動的智能終端。通過車聯網，車主在出發前就能用手機遠程控制車內溫度，提前營造舒適的駕乘環境。導航不再是模糊的地圖指引，實時路況信息讓出行路線規劃更加合理。

大模型的出現，則讓汽車的智能性、舒適性得到進一步提升，從交通工具、智能終端，化身為消費者在家和辦公場所之外的“第三空間”。大模型和座艙的結合，就更加重要。大模型可以讓人車交互更高效，也可以讓旅行更有趣。

隨著汽車行業的競爭越來越激烈，電池等硬件差異縮小，各大車企紛紛將智能座艙作為重要賣點來吸引消費者。大模型技術的橫空出世，為智能座艙的進化再次注入了動力。大模型帶來的提升可以劃分為三個代表性階段。

第一，基礎階段，車企們期待大模型能夠像一位耐心的導師，增強基本的語音交互理解能力，實現對話流暢、指令形成等基本功能，讓車內交互不再生硬。這就好比為汽車裝上了一顆初步感知世界的“心”，開始懂得駕駛者的簡單訴求。

第二，進階階段，大模型的多模態能力成為關鍵。車企們期望它能像一位敏銳的藝術家，不僅可以精準識別周邊風景，更能如同一位經驗豐富的旅行管家，可以與餐飲、酒店、景區、加油站等旅途所需的服務場所建立緊密的生態合作，實現信息的無縫對接。此時的汽車，已經不再僅僅是一個交通工具，更是一個貼心的出行伙伴。

第三，高級階段，大模型要與座艙系統實現深度融合，如同水乳交融一般，徹底提高汽車整體智能化水平。每家車企都渴望借助大模型，形成獨一無二的特色能力，為消費者帶來專屬的非凡體驗。要實現這些美好期待，大模型的理解、識別、生成、記憶、交互、多模態等能力缺一不可。

如今大模型已經具備了高級階段的能力。當然，要將這些能力完美落地，離不開車企智能硬件的有力支持。增加攝像頭、雷達等配置，就如同為大模型開啟了更多感知世界的“眼睛”，讓它能夠充分發揮多模態能力，更好地服務于駕乘人員。

大模型在汽車座艙中的作用，與在智能手機領域的作用有著諸多相似之處，比如提升語音識別能力、交互更便捷等，在此不再贅述。不同之處在于，其知識庫融入了更多與汽車緊密相關的內容，比如汽車故障排除、旅途經典信息等，如同一位專業的汽車專家隨時待命。

使用場景也和手機端有許多類似之處，比如聊天陪伴、語音控制、智能提醒等。而主動故障提示和緊急主動救援，則是大模型在汽車領域的重要應用，可以提升駕駛安全性。尤其是故障發生后，如果車內駕駛人員無法完成報警，大模型就可以基于碰撞數據主動發起報警，并自動上傳地點數據，增加救援時間。

更進階的自動駕駛，大模型可以全面賦能感知、預測、決策等各環節。比如在感知方面，大模型多模態能力可以融合攝像頭、激光雷達等多傳感器數據，增強對動態場景(如無車道線道路、擁堵路段)的感知能力。

在預測、決策方面，由于大模型的引用，自動駕駛從“規則前置”轉向了“自主學習”。傳統自動駕駛的做法是進行模塊化設計，也就是制定規則、模型識別狀況、選擇合適的規則、執行規則。但是，由于現實路況非常復雜，不僅有地區差異，還有天氣影響，即使編寫各種各樣的規則，也無法窮盡。這不僅非常消耗人力、智力資源，而且在遇到一些突發事件時，如果沒有提前定義規則，可能會導致自動駕駛無法執行。

在國內，百度是最早布局自動駕駛的企業，并在2024年5月發布了ApolloADFM(自動駕駛大模型)，這是全球首個支持L4級自動駕駛的大模型。“蘿卜快跑”發布了第六代自動駕駛汽車，全面應用“百度ApolloADFM大模型+硬件產品+安全架構”方案，能夠預判和規避潛在風險，顯著提升自動駕駛的安全性，已經在武漢等地進行了規模化運營。

二、金融：體驗更專業的“數字金融管家”

金融作為國民經濟的血脈與國家核心競爭力的關鍵支柱，其細分領域廣泛，涵蓋銀行、證券、保險、信托、資產管理、金融科技、投資顧問、信用評級、租賃以及金融監管等眾多范疇。

金融行業作為信息化程度最高、信息技術應用最為密集的行業之一，在每一次的科技革命浪潮中，總是勇立潮頭、一馬當先。從早期的會計電算化起步，歷經金融電子化(電子銀行)、互聯網金融(移動銀行)、金融科技(開放銀行)，每個階段都帶來金融行業在技術應用與服務模式上的重大飛躍，深刻改變著金融生態。如今，金融行業正站在數字化轉型的關鍵節點，變革序幕已經拉開，迫切需要一場華麗的蝶變。而大模型技術的橫空出世，恰似一股強勁東風，為金融服務裝上了智能的翅膀，開啟了金融行業智能化的嶄新時代。

金融行業以知識密度高、時效性強、嚴謹性高等特性著稱，對從業者提出了極高的專業性要求。那么，大模型如何解決金融行業的需求呢?

大模型解決金融行業的需求并非一蹴而就。通用大模型在訓練中金融語料占比往往較低，數據滯后，且金融專業度不足。因此，需要通過知識增強和專業工具組合來確保大模型生成內容的專業性。這一過程包括預訓練、二次訓練、精調、檢索增強生成等多個環節，以應對不同的專業要求。在工程化落地過程中，大模型隱性知識和圖譜顯性知識需要相互補充，開放問題和封閉問題需要結合處理，大模型和小模型需要協作決策，以確保服務業務的嚴謹性和專業性。

大模型在金融領域的訓練過程，猶如員工從青澀到成熟的成長歷程。基礎大模型經過預訓練后，相當于一個學富五車的高材生，具有豐富的社會通識和強大的語言、情感及推理能力，但在金融領域尚顯稚嫩。隨后，結合金融行業的公開數據進行第二次預訓練，大模型便升級為金融科班的從業者，具備豐富的金融學識和專業的行業技能。

然而，這仍不能滿足金融機構的實際需求。因此，根據銀行的具體崗位要求，對大模型進行模型精調，通過有監督微調、人類反饋強化學習等方法，使大模型成為具備專項能力的業務專員，既具備特定技能，又熟知業務規范，還可以通過金融行業的合規考核。

精調后的大模型雖然已具備較強的專業能力，但為了更好地滿足用戶的特定要求，還需繼續增強其能力。通過檢索增強生成技術，讓大模型基于金融機構自有的知識庫、代碼庫、數據等來執行業務，此時的大模型便如同一位特定銀行的初級學員，熟悉行內知識、規范及產品詳情。在此基礎上，進行工程優化，包括提示詞學習、智能體開發等，使大模型從初級學員成長為熟練員工，金融機構也由此擁有了一批數字化員工，如數字化風險專員、數字化零售專員、數字化財富專員等。這些智能體不僅具備良好的業務技巧，還能根據特定偏好持續學習，并根據指標考核不斷優化策略。

在大模型迭代過程中，金融機構可以根據自身需求選擇合適的解決方案。如果希望采用初級的預訓練大模型，可基于百度智能云的公有云服務獲得;如果希望進行進一步的預訓練、微調、檢索增強生成、提示詞和智能體工程優化等開發工程，則可在百度智能云千帆大模型平臺上進行，同時百度智能云還提供私有化方案，確保用戶數據、隱私的安全性。

三、能源：構建更環保的“智慧引擎”

能源是涵蓋廣泛領域的綜合性行業，包括煤炭、石油、天然氣，以及光伏、風電等新能源。當前，能源行業的一個大趨勢就是，數智化要求越來越迫切。

一方面，傳統能源領域告別了過往高速發展的階段，進入了平穩的新常態，對于企業而言，通過降本提效來改善業績，就顯得更加有必要性，數智化就是很好的途徑。另一方面，光伏、風電等新能源的發展改變了傳統能源結構，給發電側、傳輸側、用電側都帶來了變化，提升了數智化的必要性。

將大模型、人工智能應用于能源領域，并不是增加成本，而是帶來收益。這也是響應國家號召，形成能源領域新質生產力的重要方式。大模型會為能源領域帶來哪些傳統技術所不具備的優勢呢?

首先，能源領域有許多流程固定的業務場景，而大模型的流程拆解與規則建模能力，也就是前文闡述的智能體的開發，可以快速學習SOP(標準作業程序)文檔、操作手冊，實現工單自動生成、合規檢查自動化，帶來的效率提升是傳統技術所不能比擬的。

其次，能源領域的數據類型多樣，既有一些結構化數據，也有非結構化數據;既有文本信息，也有許多圖像信息，例如巡檢場景下會產生視頻數據。傳統技術難以處理如此龐大、多類型的數據。但大模型的多模態處理能力、強大的數據處理能力，不僅提高了傳統視覺場景的效率和準確性，也可以擴大覆蓋那些傳統技術所不能觸達的場景。

最后，能源領域也非常注重行業知識的構建和傳承，尤其在安全生產等領域，操作規范也是員工培訓的重點。傳統依靠“師傅帶徒弟”的模式，效率不高;集中培訓的方式，對偏遠地區的一線員工并不友好，也不能滿足技能不斷迭代的需求。而大模型可以快速、全面地構建行業知識圖譜，將各類型的知識進行歸集，助力公司內部的知識遷移、傳承，加強人才體系建設。

電網可以實現能源的傳輸，是能源領域的重要支撐。電網企業的數智化非常關鍵，對外起到承上啟下的作用，確保電力行業穩定、高效發展，對內致力于提升企業效益。

在電力專業應用場景下，數據資源雖然豐富，但從海量數據中提煉有效信息，構建實時、高效、準確的語義理解與缺陷預測仍然是一個艱巨的挑戰。

因此，國家電網有限公司作為特大型國有重點骨干企業，以及行業領軍企業，也一直在探索解決行業難題，推動人工智能在行業的落地。從2020年起，國家電網和百度合作，先后完成人工智能“兩庫一平臺”(“兩庫”指模型庫、樣本庫，“一平臺”指包含運行環境和訓練環境的人工智能平臺)智能基礎設施建設。

2024年，國家電網發布國內首個千億級多模態電力行業大模型——光明電力大模型，為電網安全穩定運行、促進新能源消納提供“超級大腦”，并基于該大模型，探索了電網規劃、運維、運行，以及客戶服務等大模型應用的實踐。

設備巡檢是一項非常重要的工作，旨在確保設備的正常運行，預防故障和事故，延長設備使用壽命，保障生產安全。

傳統巡檢有較多問題，比如效率低、人員成本高、故障識別率低、信息化水平不足、應急準備不足、環境差導致工作量大且難以執行。隨著技術的發展，傳統的手工巡檢方式正逐漸被智能化、自動化的巡檢設備所取代，大大提高了巡檢的效率和準確性，比如采用無人機巡檢、建立視頻智能識別系統等。然而，傳統視頻智能識別系統依然面臨兩個難點:第一，由于缺乏判斷超低頻異常事件的樣本，系統很難實現冷啟動;第二，過去的模型能力較為專一，在不同場景下使用效果不同，很難實現優化。

以上問題需要大模型來進行提升和改善。

一方面，可以在原系統上進行視覺大模型升級，從而再次大幅提高準確度。另一方面，考慮到大模型算力和功耗要求高，不適合用于邊緣側，但邊緣側的小模型準確率和泛化性不如大模型，因此，可以將大模型和小模型進行整合，在邊緣側用小模型進行初步判斷，在中心側用大模型進行復判，同時形成誤報數據的標注和數據回流，不斷提升模型準確率。

通過CV(計算機視覺)大模型的使用，發揮其泛化性、通用性，也解決了樣本少、冷啟動難、不同場景快速優化難等問題。在多數場景中，要求缺陷數據樣本量達到500才能啟動訓練，現在降低到樣本量達到150~200就可以啟動訓練，效率提升3倍以上。

大模型的多模態能力、良好的泛化能力，正改善著能源行業的多個環節。能源行業越來越享受高科技的驅動力，在科技、信息化、數字化、智能化方面的投入和建設密度，都處于各行各業的前列。

四、電商：打造更精準的“交易中樞”

電商的核心業務始終圍繞“交易”展開，所有業務環節和動作的最終目標都是促成用戶下單購買商品。

從電商企業的視角來看，如何通過營銷手段賦能交易是核心問題。電商營銷流程通常包含四個關鍵環節:首先，引流獲客，即通過社交媒體、廣告投放等渠道吸引潛在客戶進入平臺;其次，激活轉化，即通過個性化推薦、限時促銷等方式引導客戶完成購買;再次，售后服務，即通過高效的退換貨、售后咨詢等服務提升客戶滿意度和忠誠度;最后，復購增購，即通過會員體系、積分獎勵等機制激勵客戶重復購買，提升客戶生命周期價值。

近年來，營銷領域正經歷深刻變革，尤其是大模型技術的應用，為電商企業提供了新的增長引擎。大模型不僅能夠優化個性化推薦、精準廣告投放等環節，還能通過數據驅動的洞察提升客戶體驗，成為企業競爭中的關鍵得分點。在這一背景下，電商企業需要積極擁抱技術變革，將大模型等創新工具融入營銷全流程，以在激烈的市場競爭中占據優勢地位。

電商營銷正經歷顯著變革，主要體現在以下三個方面。

第一，營銷形式的轉變。傳統圖文模式逐漸被直播、短視頻等形式取代，這一趨勢催生了對數字人的需求，同時對營銷的即時性提出了更高要求，例如實時互動與快速響應。

第二，內容與社交的重要性提升。社交網絡營銷和內容營銷成為關鍵，企業需要具備強大的內容生產能力和潮流洞察力，以增加用戶黏性，實現事半功倍的效果。

第三，個性化需求崛起。消費者對“千人千面”的個性化內容需求日益增強，定制化營銷成為提升轉化率的重要手段。

伴隨著營銷趨勢變化，希望做電商營銷的企業也遇到了三個能力挑戰:一是流量獲取成本高，企業需要探索如何通過多元渠道獲得流量，并提高轉化率;二是用戶黏性不足，企業需要探索如何通過豐富內容生態、個性化推薦、體驗提升等方式，提高留存率和復購率;三是售后服務需求過載，企業需要提高反饋流暢度，提升用戶滿意度。

做好營銷，一個很重要的因素是創意，但大量的執行工作卻牽扯了相關人員的精力，從而無法更好地發揮創造力。如今，依靠大模型極強的通用能力，以及基于大模型開發的各類應用，可以良好應對上述變化和痛點。

比如，大模型的多模態能力，可以對用戶畫像進行更為詳細、精準的分析，實現個性化營銷;實時行為理解以及對推薦系統的升級，可以提升轉化;多輪對話、對情感的精準分析能力以及知識圖譜的構建，可以提升售后服務質量，并挖掘售后服務價值。

最終，可以讓電商營銷領域內流程化的事情更加智能化，讓創意化的工作更加個性化，帶來傳統人工智能不具備的體驗。

大模型在各行各業中的應用，不勝枚舉。所有實踐案例，都有幾個顯著特點。第一，實施方案“可大可小”，要結合用戶所需。既可以從算力底層開始，重構以大模型為核心的數智化體系，也可以直接部署一些成熟的人工智能應用。第二，大模型可以和現有技術、應用相結合，也可以基于大模型重構，而重構往往會帶來更高效率。第三，針對一些重復的、流程化的業務，應用大模型開發智能體的效果非常好。

另外，大模型在各行各業的應用，不僅需要有領先的技術，更需要“挽起褲腿、踩到泥地”，真實了解行業需求。百度會持續深耕一線場景，提供端到端的大模型解決方案落地服務，包括咨詢、方案設計、應用梳理定制、模型調優，以及以效果為導向的運營和能力培訓等。

對于讀者而言，無論處于什么行業，都可以用開放的心態來使用大模型。既可以在一些小場景里應用，建立對大模型的熟悉度和信任度;也可以從頂層設計開始，思考以大模型為中心的業務重構。無論何種方式，相信帶來的都一定是新體驗。

新書信息

《大模型浪潮—商業機遇、產業變革與未來趨勢》

【作者】沈抖

【出版時間】2025年6月

【出版社】中信出版社

【內容簡介】

2022年末，ChatGPT在全球的風靡，讓大模型隨之出圈。大模型帶來的機遇是人類突破能力邊界最大的一次飛躍。未來基于人工智能或將實現“想象即現實，所想即所得”，這將是一次巨大的飛躍，遠遠超過之前蒸汽機和電氣兩次工業革命帶來的變化。 中國、美國以及歐洲各國紛紛出臺相關政策，將推動人工智能發展、大模型迭代作為重要的創新引擎。 了解、應用大模型，既是時代的要求，也是產業發展的必需。但是在實踐中也發現，大家對大模型的了解并不深刻，甚至時常被技術名詞“勸退”。因此，迫切需要一本著作，能融合學術理論與產業實踐，通俗且系統地闡述一系列話題，例如：人工智能是如何一步步發展到令人驚嘆的階段的？大模型的能力有哪些特點，可以產生怎樣的商業價值？為什么應用大模型正當其時？企業與個人如何高效便捷地基于大模型做開發？哪些產業已經開始應用大模型且有了顯著效果？企業落地大模型還要注意哪些要素？解答這些問題也正是撰寫本書的初衷，相信本書可以回答讀者的關切，為大模型的落地提供新思路。 立足當下，如果用一句話來總結大模型的狀態，那就是：大模型已經從最初嘗鮮、體驗的場景，進入了實際的生產環境里，成為生產力。智能體等產品形態的發展，則將人從重復、機械的工作中解放出來，最大限度地發揮創新的力量。

【作者簡介】

沈抖，現任百度集團執行副總裁，百度智能云事業群總裁，分別在香港科技大學、清華大學、華北電力大學獲得博士、碩士和學士學位，先后在國際學術會議和期刊上發表約40篇論文，擁有多項人工智能相關領域的專利技術。

2012年加入百度，先后擔任百度網盟、搜索策略、百度金融等業務研發負責人，2019年起負責百度移動生態事業群組、2022年起負責百度智能云事業群組。加入百度前，曾就職于微軟（西雅圖），后創辦Buzzlabs公司，被CityGrid Media公司收購。

現擔任KDDC（ACM數據挖掘中國分會）副主席，華北電力大學人工智能學院院長（兼）。曾擔任第22屆國際數據挖掘大會（SIGKDD 2016）的工業程序委員會主席、第18屆國際數據挖掘大會（SIGKDD 2012）的大會副主席等學術職務。

贈書活動

IPP目前正舉行鄭永年教授新書——《論單邊開放》的留言贈書活動，

歡迎各位讀者進入本書的推廣鏈接↓↓↓

在留言區寫下您對“單邊開放”問題的思考和觀點！

積極參與留言互動，并獲得最高點贊數的讀者朋友

將獲贈一本鄭永年教授親筆簽名版新書

活動截止日期為6月30日（周一），屆時小編將在評論區公布活動結果

歡迎讀者朋友們踴躍留言、轉發，分享！

（活動最終解釋權歸本號所有）

《中等技術陷阱：經濟持續增長的關鍵挑戰》，直面中國科技發展重要議題！

從國際秩序、地緣政治及地緣經濟探討中國外交政策的變化

鄭永年 楊麗君：讓世界讀懂中國模式與價值！

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。