奇异果体育自然语言处理技术、深度学习技术、对抗性神经网络、GPT-3、文本生成图像 AI，分别入选 2001 年、2013 年、2018 年、2021 年、2023 年《麻省理工科技评论》全球十大突破性技术。这些技术为生成式人工智能发展到今天的状态奠定了基础。

　　过去一年生成式人工智能已经成为人们讨论的中心话题，行业有「最」关心的话题、评论这是「最」卷的行业、形成「最」快速的增长与热潮、企业开展「最」激烈的竞争……同时我们也观察到，正在「变」快的立法速度、正在「变」务实的大众和企业……

　　狂奔一年时至今日，大众和企业更加关心基础/通用模型、行业/垂直模型的实际落地应用，以及它将如何以及在多大程度上影响企业运营，企业管理者正在思考最合适自身的布局策略、选型策略、企业内部应用部署的速度、大模型的产品能力等切实问题。

　　这里有三个重心的转移: （1）2023 上半年，在 ChatGPT 面世之时，大众更加关注国产大模型和国外模型在技术层面的差距，在算法、问答能力方面的差距，如今大众更关心这样的技术对生活、工作的具体改变方式；（2）大模型企业长期在卷模型的“大”、“更大”，如今开始思考更多的商业模型、产品化能力、服务能力，例如 AI Agent、AI 原生应用、生成式人工智能超级 APP 等成为落地时讨论更多的内容；（3）企业高管更关心模型的实际落地，以及它将如何以及在多大程度上影响企业运营，他们思考最合适的布局策略、选型策略、企业内部应用部署的速度、大模型的产品能力等问题。

　　我们预计2024 年开始，生成式人工智能将引发真正的企业级人工智能开端。2023 下半年以来，全球企业确实在投资、试验生成式人工智能技术，中国企业也在关注生成式人工智能部署策略，但经过调研发现生成式人工智能在企业的部署率仍处于低位，“共识”与“谨慎”并存。

　　本次研究《麻省理工科技评论》中国团队尝试探讨一些在部署过程中企业关心的问题，以期为企业部署使用户生成式人工智能提供一些帮助，如当前部署阶段、生成式人工智能对企业的影响、企业部署生成式人工智能的商业价值、部署时的挑战、部署策略等，以及正式发布「中国AI大模型应用案例」，这些企业有的已经在内部部署大模型、有些企业正在为行业（to B、to C）提供通用/定制化大模型能力。

　　2022 年 11 月，OpenAI 发布了 GPT 3.5 大语言模型 (LLMs)，开始点燃大众和资本对生成式人工智能的关注和热情。ChatGPT 病毒式传播，5 天内获得 100 万用户，2 个月内达到 1 亿。ChatGPT 的推出将生成式人工智能——生成新内容的能力（文本、代码、图像、音频等）带到了新高潮。

　　在 ChatGPT 为代表的生成式人工智能产品推出后，企业对人工智能的态度发生了什么转变？

　　在《麻省理工科技评论》2022 年对全球 600 位企业高管的调研中看出，2022 年（有影响力的产品/生成式人工智能能力出现之前），很少有组织采用人工智能作为任何业务功能的关键部分；同样到 2025 年，也很少有组织计划使人工智能成为跨关键职能的核心能力，企业高管对 AI 未来的判断也没有步入“必不可少”的阶段。

　　但在 2022 年底和 2023 年初，面向消费者/大众 C 端的生成式人工智能工具的出现，从根本上改变了公众对人工智能力量和潜力的讨论。甚至某种程度上加速了企业对于 AI 的部署速度。

　　尽管自 2019 年推出 GPT-2 以来，生成式人工智能⼀直在行业专家的谈论中掀起波澜，但直到现在，企业才意识到其革命性机遇。这⼀颠覆性时刻的影响力及其引发的连锁反应将在未来几十年内产生回响。

　　人们清楚地认识到这件事情会在未来两年内，对我们的工作和生活带来极大的影响，但是却对如何影响、发生路径没有明确定论，这种确定但又不明晰的认知是当前企业界的共识，大家承认了它的重要性，也更加关注后续的风险和经济价值。

　　虽然增加新价值的影响还未全部实现，但生成式人工智能确实正在影响一些事情，例如组织的数据和技术基础设置，以及高层和 CIO 等技术高管为实现人工智能现代化而做出的投资决策。

　　经过《麻省理工科技评论》洞察团队在 2023 年 7 月和 8 月对全球 1000 名企业高管的调研，以及中国团队的同步调研，当前市场的反馈是几乎所有被调研的公司都认为生成式人工智能是技术领域的重大变化、多数企业高管了解生成式人工智能够提高生产力和改进业务流程，这一点成为共识。

　　但企业基本都还处于早期采用阶段，因为领导者正在评估采用这项新技术的安全且有价值的部署方法。高管们的确认识到了它的潜力，也在积极尝试，但他们正在谨慎地部署。

　　2023 年企业对于人工智能的态度出现大转变，并且从当前市场的采用情况来看，企业在快速部署生成式人工智能能力、产品，背后的逻辑在于企业开始快速理解生成式人工智能带来的商业价值：

　　（1）对于个人来说，生成式人工智能让公众意识到了人工智能技术的具象价值，因为它背后有了可用工具体现，ChatGPT 的出现或许拉开了开发工具平台的下一次变革大幕奇异果体育，从大型机、台式机、移动设备（它使服务消费无处不在，但它并没有转化为无处不在的服务创建），再到自然语言人工智能工具/生成式人工智能（带来广泛的生产力提升）。

　　（2）对于企业来说，以 ChatGPT 为代表的个人侧交互新工具的出现，给组织带来了本质变化——人工智能终于从试点项目和“卓越孤岛”转变为能够集成到组织工作流程中的通用能力。以 ChatGPT 为起点的一批新工具真正开始实现 AI for everyone，企业明确具象地感知到这样新生产力工具对于个人、组织、大规模群体的经济意义。

　　（3）对于业务来说，大量非结构化和隐藏的数据现在变得清晰可见，能够释放商业价值。以前只有在结构化数据已准备就绪、且数据量充足的场景中，人工智能才能够发挥很好的效果；收集、注释和合成异构数据集的复杂性，使得更广泛的人工智能使用变得不可行。相比之下，生成式人工智能的新能力——揭示并利用（企业内外部）曾经隐藏的数据，将为企业取得新的效率进步和商业成就提供动力。

　　（4）生成式人工智能工具已经可以完成复杂多样的工作负载，更广泛的劳动力将从耗时的工作中得到解放，转向专注于洞察力、战略和商业价值等有更高价值的领域，让员工做更多增值业务。生成式人工智能可以开始从事创意性工作，这曾被认为是人类独有的能力和事业。

　　（5）未来，对于生成式人工智能的应用需求，更多将由企业成员自发地“需求拉动”，而不是技术人员奇异果体育、或 CIO 将这个技术引入、带到团队中去，这将提升企业数字化升级转型动力、速度和效率。语言类任务占社会主要行业比重较大（银行、保险、软件、通讯传媒、零售、健康、公共服务等），而在这些任务中，生成式人工智能有很大能力为它们带来能力增强、或实现自动化。

　　（6）企业对于劳动力的理解升级，有了 ChatGPT 的示范，企业管理者们现在很大程度上将人工智能视为人类员工的副驾驶，而不是竞争对手。

　　生成式人工智能在企业的部署率仍处于低位，但其在 IT 与通信、金融、工业制造、医疗健康领域展示出很大的应用潜力，它们也是应用生成式人工智能产品、功能最积极、渗透率较高的领域。

　　在部署策略上，企业不会单打独斗，与初创企业和大型科技公司的合作对于顺利部署至关重要，其中开源模型的地位关键。大型科技公司正在迅速采取行动，将生成式人工智能嵌入到其产品生态系统中，但许多企业高管正在寻找专业的初创公司，尤其是在数据敏感或高度监管的行业。

　　我们将眼光放至中国，2023 年以来，中国已有近 200 家企业入局发布 AI 大模型。一边以百度、阿里巴巴、腾讯、华为等为代表的科技大厂投身其中，另一边科大讯飞、商汤科技等 AI 企业也纷纷加入。互联网大佬们更不畏惧“从 0 到 1”，搜狗创始人王小川、美团联合创始人王慧文、创新工场董事长李开复等人高调入场生成式人工智能方向。

　　与以往不同的是，这次的“军备竞赛”不仅仅在科技巨头和企业中展开，中国高校、新研机构也纷纷推出自己的大语言模型，清华大学、复旦大学、浙江大学、北京智源人工智能研究院、上海人工智能实验室等一众一流高校和机构都加入了这一激烈的竞争。

　　经过 2023 年 7 月至 12 月的公开案例征集与公开统计，《麻省理工科技评论》中国将评价重心放在 AI 大模型的线 家企业入选本次「中国 AI 大模型先进应用案例」。有的企业已经在内部部署大模型、有的企业正在为行业（to B、to C）提供通用/定制化大模型能力，并且已经在真实世界中的多个行业场景、业务场景发挥生成式人工智能的技术能力。

　　在历史长河中，金融业一直站在数字化技术创新的前沿。金融行业数据丰富、应用场景多，适合生成式人工智能落地推广，作为数据密集型行业，其也会率先体会到大模型带来的价值。金融领域降本增效需求强烈，行业整体进入数字化转型深水区。

　　生产工具的改变，将大幅提升企业运营效率并创造更具竞争力的营商环境，如将生成式人工智能应用于获客营销、风控、产品设计等领域将有助于提高效率、降低运营成本。银行、保险、券商、资管等企业/机构正深刻认识到生成式人工智能的颠覆性潜力，并积极将其融入运营体系，涵盖了客户与业务增长、销售市场及营销、风险评估与管理、合规与监管、产品设计等多个应用场景。随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，相关行业已涌现大量应用案例，例如 BloombergGPT、Morgan Stanley 等。

　　2023 年 5 月，度小满开源了国内首个千亿级金融大模型“轩辕”。“轩辕”用度小满实际业务场景积累的海量金融数据训练而来，通过独创的 hybrid-tuning 的创新训练方式，实现在大大增强金融能力的同时，不损失通用能力。自开源以来，已经有上百家金融机构申请试用“轩辕”大模型。2023 年 9 月，度小满开源「轩辕-70B」金融大模型，“轩辕-70B”在C-Eval和 CMMLU两大权威榜单上位列所有开源模型榜首。

　　目前，大模型技术已经应用在度小满各个业务场景，从营销、客服、风控、办公再到研发，已经初见成效。在代码助手方面，用大模型辅助生成的代码，采纳率能够达到 42%，帮助公司整体研发效率提升了 20%；在客服领域，大模型推动服务效率提升了 25%。在智能办公领域，大模型目前的意图识别准确率已达到 97%。

　　同样对于工业制造行业来说，和金融一样，都产生大量的数据、以及同样面临效率提升的困境。生成式人工智能技术在工业制造场景下，产生的主要价值在于，帮助企业在研发到产品设计的一系列业务功能中节省时间和成本。主要的应用途径包括，建筑设计（建筑开发商根据位置、气候、预算等自动生成建筑计划）、零部件的设计和开发、基础设施设计、材料发现、自动驾驶的数据生成、采购环节的效率提升（使用文本生成工具根据项目规划说明和过去的项目编写采购计划）、实操培训等。

　　2023 年 9 月，创新奇智发布拥有 150+ 亿参数量的工业大模型“奇智孔明 AInnoGC”、大模型服务引擎以及三款基于大模型的生成式AI应用产品 — “奇智明达ChatRobot”生成式工业机器人任务编排应用、“奇智明数 ChatBI”生成式企业私域数据分析应用、“奇智明睿 ChatDoc”生成式企业私域知识问答应用，并在工厂物流、智造 BI、智造实训等多个领域落地，赋能行业解决方案。创新奇智的大模型 AInnoGC 着重应用于制造业、工业软件领域，有效解决行业中大客户的专属需求，例如交互式动态业务报表生成，智能产线设计、跨场景的质量检测、人员培训等。

　　目前，创新奇智已建立起由 「MMOC 人工智能技术平台」和「AInnoGC 工业大模型技术平台」组成的 AI 双塔技术布局，为客户提供覆盖 AI1.0（分析式能力）到 AI2.0（生成式能力）的完整 AI 技术能力。其中，MMOC 平台向大模型沉淀产业经验和数据，而大模型的内容生成能力则反哺 MMOC 平台，催化技术创新和价值创造，两者相辅相成，共同为客户提供更佳的 AI 落地体验。

　　在企业级人工智能解决方案服务侧，第四范式希望用 AIGS 改造企业软件。在 2023 年 2 月底，第四范式推出了一个专为业务场景设计的企业级生成式人工智能产品 SageGPT，布局大模型 AI 产品。2023 年 4 月 26 日，第四范式首次向公众展示其大模型产品式说 3.0，并首次提出 AIGS 战略（AI-Generated Software）：以生成式 AI 重构企业软件。第四范式创始人兼首席执行官戴文渊博士表示，第四范式希望可以用生成式 AI 来重构企业软件，也把式说定位为基于多模态大模型的新型开发平台，提升企业软件的体验和开发效率，从而实现 AIGS。

　　在通用生成式人工智能能力打造上、垂直行业赋能上，阿里「通义」、百度「文心」、华为「盘古」、科大讯飞「星火认知」均在赋能 C 端广大用户和 B 端企业，已在金融、工业、法律、教育等行业应用部署。

　　对于智谱 AI、百川智能等企业，已经逐渐成为中国大模型的创新力量。智谱 AI 注重对国内科研及企事业单位的合作与支撑，中国移动、美团、360、联想、金山 WPS 等企业已基于 ChatGLM 模型从事领域大模型应用的研发。智谱 AI 还与首都之窗等机构基于 ChatGLM 共同进行政务大模型和应用的探索与服务。截至目前，ChatGLM 模型先后为中科院多个院所、之江实验室、上海人工智能实验室、北京智源及多家知名高校、企业提供科研支持。 智谱 AI 推出的 GLM 系列模型已支持在多种架构上进行大规模预训练和推理，支持十余种国产硬件生态，包括昇腾、神威超算、海光 DCU、海飞科、沐曦曦云、算能科技、天数智芯、寒武纪、摩尔线程、百度昆仑芯、灵汐科技、长城超云等。通过与国产芯片企业的联合创新和优化，将有助于推动国产大模型软硬生态参与国际竞争。

　　2023 年 9 月，百川开源 Baichuan2、并接连发布 Baichuan2-53B 闭源大模型。作为首批通过备案的大模型企业，百川智能还开放了 Baichuan2-53B API 接口，正式进军 To B 领域，开启商业化进程。企业和开发者可以通过 API 将 Baichuan2-53B 集成至他们的应用程序和服务中。12 月 19 日，百川智能宣布开放基于搜索增强的 Baichuan2-Turbo 系列 API，包含 Baichuan2-Turbo-192K 及 Baichuan2-Turbo。API 用户可上传文本资料来创建自身专属知识库，从而根据自身业务需求打造更完整、高效的智能解决方案。

　　有关生成式人工智能企业部署的更多研究内容，请下载报告全文 PDF 查阅。

　　如您希望与我们交流或有任何问题，以及获取更多中国 AI 大模型企业统计信息，请与我们联系：；+86 、+91（电话/微信同）

　　本报告所载数据和观点仅反映《麻省理工科技评论》中国于发出此报告日期当日的判断。 《麻省理工科技评论》中国对报告所载信息的准确性、完整性或可靠性做尽最大努力的追求，但不作任何保证。在任何情况下，本报告中的信息或表述均不构成任何投资等建议，本公司对该报告的数据和观点不承担法律责任。不同时期，《麻省理工科技评论》中国可能会发布其它与本报告所载资料、结论不一致的报告。同时 《麻省理工科技评论》中国对本报告所载信息，可在不发出通知的情形下做出修改，读者应自行关注。

　　本文中企业顺序仅按机构/公司名称首字母排序；案例统计征集时间截至2023年12月20日；以上企业以及大模型应用案例仅来自于2023年7月至12月的公开案例征集与公开统计；如模型等信息有更新或变化，请读者自行关注；此处不代表所有应用案例、且不代表任何投资建议。

　　本报告由《麻省理工科技评论》中国发布，其版权归属北京演绎科技有限公司（DeepTech），《麻省理工科技评论》中国对此报告拥有唯一著作权和解释权。没有经过DeepTech及《麻省理工科技评论》中国的书面许可，任何组织和个人不得以任何形式复制、传播等。任何未经授权使用本报告的相关商业行为，DeepTech及《麻省理工科技评论》中国将依据中华人民共和国相关法律、法规追究其法律责任。

　　《麻省理工科技评论》（MIT Technology Review）依托麻省理工学院的学术和产业资源，于 1899 年在美国麻省理工学院创刊，是世界上历史悠久的科技商业智库。自成立之初，《麻省理工科技评论》就一直关注那些正在颠覆现有格局并创造新的市场机会影响人类社会的技术，以及那些正在从实验室走向市场即将商业化的技术。在此基础上，也高度关注将这些技术落地，并用这些技术影响我们生活的人和聪明企业。

　　《麻省理工科技评论》于 2016 年落地中国，由 DeepTech 独家运营，开展媒体、研究及会议业务，围绕技术话题辐射和影响新兴科技圈层，重点关注新兴科技的商业化和社会价值，聚焦中国市场，为中国科技从业者带来与全球百万科技领域研究者、从业者及商业领袖进行前沿科技国际化交流的机会。

　　DeepTech 成立于 2016 年，是一家专注新兴科技的资源赋能与服务机构，以科学、技术、人才为核心， 聚焦全球新兴科技要素的自由链接，为产业、政府、高校、科研院所、资本等科技生态的关键角色提供服务，通过科技数据与咨询、出版与影响力、科创资本实验室三大业务板块，推动科学与技术的创新进程。