以ChatGPT为代表的生成式大模型应用场景分析

        自ChatGPT发布后，便成为史上用户增长速度最快的消费级应用，带动了全球生成式人工智能相关话题热度持续走高。与此同时，我国生成式人工智能技术如雨后春笋般出现，据不完全统计，目前中国10亿以上参数规模的大模型已有近80个。触手可及的生成式AI技术真切影响着各个行业，以及每一个人的生活与工作。2023年7月份《生成式人工智能服务管理暂行办法》（以下简称《办法》）颁布后，生成式AI的场景化应用更加引发各行业关注。

      《办法》立足于促进生成式人工智能健康发展和规范应用，在总则中明确了国家坚持发展和安全并重、促进创新和依法治理相结合的原则，并在技术发展与治理一章中提出了一系列鼓励措施。一是鼓励创新应用。生成式人工智能应用场景丰富，可以与各行业深度结合，助力实现各行业智能化变革。《办法》明确提出鼓励生成式人工智能技术在各行业、各领域的创新应用，有助于生成式人工智能赋能千行百业。二是鼓励多方协作。生成式人工智能在技术创新、数据资源建设、转化应用、风险防范等方面涉及多方主体，为此，《办法》鼓励行业组织、企业以及各个相关机构之间开展协作。三是鼓励自主创新与国际合作。生成式人工智能尚处于发展阶段，而我国在生成式人工智能相关算法、芯片等技术研发方面起步相对较晚。《办法》一方面鼓励生成式人工智能相关基础技术的自主创新，另一方面鼓励平等互利开展国际交流与合作，从而促进我国人工智能技术发展。四是鼓励资源共享。算力是支撑数字经济蓬勃发展的重要“底座”，数据是生成式人工智能的重要资源。为此，《办法》提出推动生成式人工智能基础设施和公共训练数据资源平台建设的措施，促进算力资源协同共享，提升算力资源利用效能。

       2023年8月31日起，首批大模型产品陆续通过办法备案，正式上线面向公众提供服务。首批上线的8家大模型包括：百度文心一言、字节云雀大模型、百川智能的百川大模型、智谱华章旗下智谱清言、中科院旗下紫东太初、商汤“商量 SenseChat”、MiniMax的ABAB 大模型、上海人工智能实验室的书生通用大模型。

       国产大模型“批量上市”，意味着“多模大战”正从上一阶段的“生出来”，走向“用起来”的新阶段。

      目前大模型主要应用于C端，可以被认为是赋能工具、生活助手，是“重要的效率提升工具”，可帮助用户更快速处理各类文本和信息、简单编程等，让生活和工作变得更便利。

      受限于网络资源、算力资源等方面限制，大模型在B端应用目前相对较少，但随着大模型云服务方式的灵活化提升，轻量级B端大模型将为企业侧提供更大价值。

金融应用场景

       依据波士顿咨询公司发布的《银行业生成式 AI 应用报告（2023）》，生成式AI在银行业的应用，从价值创造逻辑上可分为两大类：一是替代人。生成式AI可以替代人，开展大量重复性较高、简单基础的任务，如处理文本的要素提取、处理进件、识别异常项、生成基础数据分析、生成标准化内容等。这能够释放运营类人力资源，实现降本增效。二是赋能人。利用生成式 AI 的“对话”和“创造”能力，可让 AI成为助手，有效放大关键节点的“人”的产能，尤其是客户经理、财富顾问、产品经理、投研经理、信审经理、市场营销人员、编程开发人员等角色，赋能人不仅仅体现在专业内容的形成上，还可能体现在基础管理环节。生成式AI在银行业的应用场景可贯穿前中后台各个环节，包括市场和销售、渠道和运营、产品开发、投顾服务、客户服务以及风险合规等方面。银行的每条业务线、每个职能，都有可能找到生成式 AI 的应用场景。

    依据众安保险与众安科技共同发布的《AIGC/ChatGPT 保险行业应用白皮书》。生成式AI在保险业具有33 个具体可落地应用环节，不仅可以在保险产品设计、精算、营销、运营和客服等全链路环节提供深度技术赋能，同时还可以应用于险企日常办公、研发提效等多个方面。

政府应用场景

        数据治理方面，可以帮助政府部门管理和利用海量的数据资源，提高数据质量、安全和价值。例如，可以用于数据分类、标记、关键字提取等，为数据分析和决策提供支持；也可以用于数据字典和词汇表管理，为数据共享和交换提供标准等。

       智能客服方面，可以帮助政府部门提供更高效和友好的服务，提升公众的满意度和信任度。例如，可以用于政务咨询、投诉处理、政策解读等场景，为公众提供及时、准确、个性化的回复；也可以用于政务办理、审批流程、证件申领等场景，为公众提供便捷、高效、透明的服务。

       智能写作方面，辅助选GG人员撰写政策文件、公告通知、新闻稿等文本内容，提高工作效率。

文化传承与保护方面，可以帮助政府部门保存和传承文化遗产，提升公众的文化素养和认同感。例如，可以用于生成文化故事、诗歌、歌曲等内容，为公众展示文化的魅力和价值；也可以用于生成文化知识、解释、评价等内容，为公众提供文化的教育和启发。

医疗应用场景

        问诊分诊方面，可以作为一个智能问诊系统，通过与患者进行多轮对话，收集患者的基本信息、主诉、现病史、既往史等，根据患者的症状和体征，给出初步的诊断和建议，并指导患者选择合适的就诊科室或医院。

       智能保顾方面，可以作为一个智能保险顾问，通过与客户进行多轮对话，了解客户的需求、风险偏好、预算等，根据客户的个人情况和保险产品特点，给出合理的保险规划和建议，并解答客户的相关问题。

        病历质控方面，可以作为一个智能病历审核系统，通过对比病历内容和相关标准，检查病历中是否存在错误、遗漏、不一致等问题，并给出修改意见和评分。

       信息抽取方面，可以作为一个智能信息抽取系统，通过对医学文本进行分析，提取出其中的关键信息，如实体、属性、关系等，并将其转换为结构化数据或知识图谱。

      术语标准化方面，可以作为一个智能术语标准化系统，通过对医学术语进行归一化处理，将其映射到统一的标准术语库中，并解决同义词、异义词、缩略词等问题。

教育应用场景

       作文批改方面，通过对学生作文进行分析，给出评分和修改意见，并提供优秀范文和写作指导。

       口语训练方面，通过与学生进行多轮对话，检测和纠正发音、语法、用词等错误，并提供反馈和建议。

       知识问答方面，通过对学生提出的问题进行理解和回答，并提供相关的资料和链接。

       在线辅导方面，通过根据学生的学习水平和需求，定制个性化的学习计划和内容，并实时监测和调整学习进度和效果。

工业应用场景

       客户服务自动化方面，通过与客户进行自然语言交互，解决客户的问题和需求，提高客户满意度和忠诚度。例如可以用于产品咨询、售后服务、投诉处理、订单管理等场景。

       工业生产自动化方面，通过与工业设备进行自然语言交互，控制和优化生产过程，提高生产效率和质量。例如可以用于PLC编程、机器人控制、工艺参数调整等场景。

       企业管理和数据分析方面，通过与企业数据进行自然语言交互，提供数据分析和决策支持，提高企业竞争力和创新能力。例如可以用于市场分析、财务报告、风险评估等场景。

       智能协助和智能客户关系管理方面，通过与员工或客户进行自然语言交互，提供个性化的服务和建议，提高员工或客户的满意度和忠诚度。例如可以用于日程安排、任务分配、产品推荐等场景。

      首先，需要深挖自身应用场景，摸清业务痛点与生成式大模型落地结合点，通过综合效益分析，确定其所需的、可适配的业务场景；

      其次，是基础模型建设或选用方面，未来不会是一个基础模型通吃天下，组织需要为自己的场景选择正确基础模型并充分考虑“灵活性”、“高效性”等问题；

      再次，场景针对性和应用效果，取决于数据。所以生成式大模型落地前，组织要充分按照所需构建的应用场景，梳理自身数据内容，并评估应用场景具体实现效果。同时还需要考虑数据安全问题；      从次，生成式大模型固然强大，但其本身也存在局限性，比如无法完成需要与外部系统交互的复杂任务，这就需要开发人员将复杂任务拆分成多个步骤，所以建设时需要考虑如何降低门槛让更多人有能力开发生成式 AI 的应用；

      最后，随着企业生成式人工智能应用的普适化和基础模型的不断迭代，必须有大规模或高性价比的云平台来支持持续的模型训练和应用端大规模的推理。