（报告出品方/作者：东方证券）

一、ChatGPT关注度高企，产业格局初步形成

1.1、ChatGPT热度不减，GPT-4有望引领下一风口

ChatGPT 热度持续。2022 年 11 月 30 日，OpenAI 公司上线了聊天机器人模型 ChatGPT，迅速 引发了全球的热潮。 ChatGPT 是一种预训练的语言大模型，采用大量的参数和大量的数据进行 训练，基于人类反馈的强化学习算法，将 NLP 技术和机器学习结合，极大地提升了模型算法的效 率和能力。仅在推出两个月后，ChatGPT 的月活用户就突破了一亿，成为史上用户数增长最快的 消费级应用。全球科技巨头也纷纷开始布局 AI 大语言模型，新一轮的人工智能竞赛正在上演。

OpenAI 发布 GPT-3.5 Turbo 模型，成本降低 90%。2023年 3 月 1 日，OpenAI 上线了基于 GPT3.5 Turbo 模型的 ChatGPT API，允许第三方开发人员通过 API 将 ChatGPT 集成到他们的应用程 序和服务中，可以用于创建人工智能驱动的聊天界面，目前已经在 Snap 等多家企业应用。 OpenAI 表示，基于 GPT-3.5 Turbo 的 ChatGPT API 相比于之前一代开放的 Davinci 模型成本降 低了 90%，目前定价为每一千个 token 收费 0.002 美元。在一个月前，OpenAI 公司针对个人消费 者推出了付费试点订阅计划 ChatGPT Plus，定价为每月 20 美元。订阅制的商业模式较为轻量化， 对于 C 端客户友好，具备良好的可推广性，是 OpenAI 对于 ChatGPT 商业化的初步尝试。我们认 为，本次 OpenAI 上线的 ChatGPT API 是推动大语言模型商业化的重要一步，模型成本的大幅下 降可以让 ChatGPT更容易与各类应用进行整合，有望加速其在商业化领域的落地，通过吸引更多 的用户来快速扩大市场份额，保持良好的竞争优势。

GPT-4 发布时间尚未明确，效率提升是重点。距离 GPT-3 模型的发布已经过去接近 3 年，随着基 于 GPT-3.5 模型的 ChatGPT 大获成功，业界对 GPT-4 的期待和猜测也越来越多。根据 OpenAI 首席执行官 Altman 在 2023 年 1 月 18 日的一次访谈，目前 GPT-4 还没有明确的发布计划，并且 对网络传言“GPT-4 的参数将达到 100 万亿”进行了驳斥，表示下一代的模型的参数将不会有巨 幅提升，而是将重点放在效率的提升上，包括数据集、参数化、对齐度等方面。实际上，随着大 模型的参数规模增大到一定程度后，增加参数数量对模型性能带来的提升将变得极小，参数数量 并不一定和模型的性能呈直接关系。例如微软和英伟达联合开发的 Megatron-Turing NLG 模型， 拥有超过 5300 亿参数，但在性能方面却不如某些相对体量较小的模型。

GPT-4 将拥有多模态能力，有望引领行业下一浪潮。据德国媒体报道，在当地的一场人工智能相 关活动上，微软德国 CTO 透露 GPT-4 将会于近期推出，并将具有多模态能力。多模态是当前行 业内最受关注的算法方向之一，模型支持文字、图片、视频等的跨格式理解与分析，OpenAI之前 推出的 DALL-E 就是一款优秀的文字生成图像的跨模态模型，Meta 也曾推出过一款从文字生成视 频的应用 Make-A-Video。我们认为，未来的大模型的输入输出将不仅限于文字对话，而是能够支 持图像、音频、视频等多种形式，强大的多模态能力将成为未来大模型的核心，引领下一次的行 业浪潮。

1.2、产业格局雏形初成，大模型发展进入新时代

目前，AIGC 产业生态体系雏形初现，可分为上中下三层架构： 1) 基础层：由预训练模型为基础搭建的 AIGC 技术基础层。由于预训练模型需要高成本和技术 投入，因此进入门槛高，主要参与方包括头部科技企业、科研机构等； 2) 中间层：即垂直化、场景化、个性化的模型和应用工具。预训练的大模型是基础设施，在此 基础上可以快速抽取生成场景化、定制化、个性化的小模型，实现不同行业、垂直场景的布 局。因此兼具大模型和多模态模型的 AIGC 模型会加速成为新的技术平台，模型即服务 （Model as a Service，MaaS）开始成为现实。例如著名的二次元画风生成的 NovelAI 就是 基于 Stable Diffusion 这一开源模型二次开发得到的。

3) 应用层：面向 C 端用户的文字、图片、音视频等内容生成服务， 将 AIGC 与用户的需求连 接从而实现产业落地。创业者们可以借助已经开源的模型，挖掘 C 端更加丰富的应用生态。 目前贴近 C 端的工具越发多样，包括网页、本地安装的程序、移动端小程序、群聊机器人等。 据 GPT-3 Demo 网站统计，目前网站上已发布 687 个调用 GPT-3 系列模型开发的应用程序 以及相关的应用场景。

MaaS 有望成为未来大模型落地新形态，模型蒸馏技术助力垂直领域深入拓展。目前来看，大模 型可以认为是一个“通才”，对所有领域的知识都有所涉猎，比如 ChatGPT就像一个典型的“万 金油”，它什么都知道一点，也能非常合乎逻辑地把一些信息整合出来，但很多回答却无法保证 准确；第二，对于信息特别是数据自身的关联，难以建立背后的逻辑；第三，它不能提供独特的 洞见，它基本上就是一个更高级的传声筒。对于一些垂直领域的特殊场景用户来说，使用 ChatGPT 就难以得到准确可用的回答，但专门为垂直领域重新搭建新的大模型又面临成本过高的 问题。模型蒸馏技术则为垂直领域提供了一种新的思路，即在大模型的基础上，通过对模型进行 蒸馏“瘦身”，再投入垂直领域的数据进行增量训练，即可蒸馏出能够服务于垂直领域的小模型。 这样的小模型能够保留大模型的大部分能力，且在特定任务上表现优异，大大降低了模型搭建的 成本。我们认为，OpenAI 在开放 ChatGPT 的 API 后，基于 ChatGPT 大模型的垂直场景化模型 开发将会快速增加，并在实际场景中作为专用模型给垂直客户提供服务，MaaS 有望成为未来大 模型落地的新形态。

大模型在 B 端应用软件和垂直行业领域落地场景丰富，发展潜力巨大。大模型优异的性能将对 B 端软件和垂直行业带来新的变化，其对话式的交互逻辑能够使得原本繁杂的操作简化到仅需输入 文字描述即可实现。我们梳理了未来大模型可能率先落地的场景，涵盖了 B 端通用软件和垂直行 业领域，如办公软件、OA、ERP 等企业日常管理经营必备系统，以及医疗、教育、金融等行业 所需的辅助诊断、辅助学习和智能风控等专业化的场景。当然，大模型的能力远不仅限于此，其 发展潜力空间巨大。

二、“文心一言”发布在即，百度生态优势显著

2.1、百度“文心一言”发布在即，B端生态圈持续扩大

百度文心一言将于 3 月 16 日正式发布。百度发布官方预告，将于 3 月 16 日下午 14 时在北京总 部召开新闻发布会，主题围绕文心一言，百度创始人、董事长兼 CEO李彦宏和百度首席技术官王海峰将出席。文心一言是百度基于其文心大模型技术推出的大语言模型，将通过百度智能云对外 提供服务，率先在内容和信息相关的行业和场景落地。

文心大模型于 2019 年推出，近年来迭代发展迅速。2019 年 3 月，百度提出知识增强的语义理解 框架 ERNIE，在深度学习的基础上融入知识，同时具备持续学习能力，曾一举登顶全球权威数据 集 GLUE 榜单。2021 年，百度发布了 PLATO-XL，成为全球首个百亿参数中英文对话预训练生成 模型，打开了对话式大模型的想象空间。同年，百度发布了最新的 ERNIE 3.0 大模型，基于深度 学习平台飞桨的分布式训练技术优势，首次在百亿级预训练模型中引入大规模知识图谱，促进了 结构化知识和无结构文本之间的信息共享，大幅提升了模型对于知识的记忆和推理能力。经过几 年的发展，文心大模型已经成为了百度在人工智能的前沿领域的核心力量。

文心一格和文心百中产品是百度文心大模型产品化的初步探索，为文心一言打下坚实基础。2022 年 11 月，百度发布了文心大模型的最新升级，包括新增 11 个大模型，大模型总量增至 36 个，构 建起业界规模最大的产业大模型体系，并通过大模型工具与平台的升级和文心一格、文心百中等基于大模型技术的产品应用，进一步降低大模型产业化门槛。文心一格是基于 ERNIE-ViLG 跨模 态大模型的 AI 艺术创意辅助平台，可以通过文字描述智能生成图片；文心百中是由百度搜索和文 心大模型联合研制的产业级搜索系统，拥有强大的语义理解能力，通过搜索配置、数据导入、搜 索体验三步即可完成搜索引擎构建，相比传统搜索系统可减少人力成本 90%以上。我们认为，百 度在大模型产品应用方面已经拥有丰富的实战经验以及扎实的技术基础，这也支撑了百度成为国 内中文大语言模型产品的先行者。

文心一言生态圈已加入 400 多家企业，落地场景涵盖各行各业。截至 2023 年 3 月 3 日，已有 400 多家企业官宣首批接入百度文心一言，百度大模型在 B 端的生态圈迅速扩大，涵盖了互联网、媒 体、金融、保险、汽车、企业软件等行业。我们认为，随着文心一言的首批生态企业应用逐步落 地，百度将建立起开发者及用户调用和模型迭代之间的飞轮，加速构建开放繁荣的技术生态，在 推动公司增长的同时，也对中国生成式 AI 的发展带来了巨大的促进作用。

2.2、百度自身生态完备，支撑大模型的训练迭代

中文 NLP 数据集稀缺、质量参差不齐是中文大语言模型发展缓慢的重要因素。2023 年 2 月 20 日，复旦大学团队发布了国内首个类 ChatGPT 模型 MOSS，引发了业界的关注。根据多数用户 的使用反馈来看，MOSS 的英文回答水平要显著高于中文，其实对 ChatGPT 来说也是如此。究 其原因，数据质量的差别是英文和中文表现差异较大的核心因素。相较于英文数据，中文数据在 互联网的开源程度较低，导致中文数据集的规模相对较小，高质量无监督语料和指令数据尤其严 重不足。此外，英文作为科研主流语言，在学术界和工业界中得到广泛应用，积累了大量高质量 的语料数据，这为英文自然语言处理的研究提供了极大的优势。MOSS 的研究团队也表示， MOSS 的模型基座学习了 3000 多亿个英文单词，但中文词语只学了约 300 亿个。

百度自身生态完备，旗下多款应用可以支撑大模型的训练与迭代。百度作为中文互联网领域的头 部企业之一，经过多年的发展，旗下的应用生态覆盖面极广，对于其自身发展大模型来说起到了 关键支撑作用。在百度提出 ERNIE 3.0 模型的论文中也提到，ERNIE 3.0 的语料库包含了百度百 科、百度搜索（包括百家号、百度知道、百度贴吧等）、百度知识图谱等内容。我们认为，在百 度自身的产品生态中，百度知道、百度文库、百度知识图谱、百度搜索等核心产品都是文心大模 型重要的数据集和语料库来源。

1) 百度知道：百度知道是百度旗下基于搜索的互动式知识问答分享平台，网站会通过积分奖励 机制来鼓励用户提交问题的答案，并将答案作为搜索结果提供给其他有类似疑问的用户，达 到知识分享的效果。截至 2021 年，百度知道的累计用户数超过 9 亿人，累计解决问题量超 过 5.9 亿，回答者超过 1.8 亿。百度知道是典型的问答类数据集，非常贴合生成式对话模型 的常规使用场景。 2) 百度文库：百度文库是百度旗下的在线文档分享平台，文档覆盖了教育、法律、文学、医学、 金融等多个行业和专业领域。这些文档内容涵盖了短文本和长文本，是训练大模型自然语言 理解任务的优质语料。同时，涉及专业领域的特定知识能够扩大模型对于不同领域的理解， 增强模型的通识能力。

3) 百度知识图谱：知识图谱技术包括知识的获取、组织、运用和传承等，是人工智能的核心基 础能力。百度知识图谱可以形成知识网络，展现相关知识的各方面属性，其数据特征与大模 型训练的核心“prompt”类似，通过一个知识可以联想到另外的相关知识，形成 prompt， 用于下一步的预测训练。4) 百度搜索：搜索引擎是对话式大语言模型天然的迭代入口，百度作为国内市占率最高的搜索 引擎，用户数量众多。根据 statcounter 统计，截至 2023 年 2 月，百度搜索在国内的市占率 为 55.8%。百度搜索作为百度生态的核心，能够直接和百度知道、百度文库、百度贴吧等中 文语料库连接，本身就是一个超大型数据集合入口。同时，百度搜索每天要处理用户上万亿 次的搜索需求，可以持续从全网形态各异的资源中持续学习，是大语言模型天然的迭代方式。

长期的技术积累和生态优势助力百度成为国内对话式大模型先行者。基于搜索引擎这一天然的自 然语言理解与处理的入口，百度从诞生开始就逐渐在 NLP、语义理解方面进行持续的技术积累。 过去数十年，百度深耕人工智能领域，目前已经拥有芯片、框架、模型和应用四层技术栈，文心 大模型自2019年推出以来也历经了多次迭代，目前已经具备较强的泛化能力与性能。良好的技术 储备与自身的生态优势使得百度成为了国内对话式大模型的先行者，我们也十分看好文心一言发 布后在各个产业中的落地应用。

三、大模型产业应用展望，有望加速产业智能化变革

“大模型+接口平台+生态应用”三层共建促进 AI 和产业共同发展。大模型增强了 AI 技术的通用 性，让开发者以更低成本、更低门槛，面向场景研发更好的 AI 模型，助力普惠 AI 的实现。但目 前，基础大模型距离大规模产业应用并成为产业基座还有很长的一段路要走，不仅需要有与场景 深度融合的大模型体系，也需要有支持全流程应用落地的专业工具和平台，还需要开放的生态来 激发创新；三层之间交互赋能，才能形成良性循环的产业智能化生态共同体。OpenAI目前也是这 样的思路，通过开放 GPT 的 API 服务，让大量开发者能够利用 API 进行二次开发，形成多种多样 的应用；OpenAI 也能通过用户获取更多的行为数据来不断优化和迭代自身的大模型。“大模型+ 接口平台+生态应用”的三层协同共建将助力 AI 和产业共同发展，加速产业的智能化变革。微软 目前已经将 ChatGPT 融入到了多个 B 端场景，迈出了大模型在 B 端应用第一步。

3.1、大模型+办公：多场景体验优化

微软推出集成大模型的 Teams，办公会议场景效率提升。2023 年 2 月，微软发布了全新的 Microsoft Teams Premium，将 GPT-3.5 集成到了 Teams 中，定价为每月 10 美元。Teams Premium 加入了智能回顾功能，可以自动生成会议纪录、任务提示和个性化的突出显示，从而帮 助用户获取会议中的重要信息，节省了人力记录的时间。Teams Premium 还集成了 AI 支持的 40 多种语言实时翻译功能，为不同语言的参会者提供便利。

大模型有望带来邮箱场景变革。邮箱作为使用频率最高的办公产品之一，与大模型的结合将有望 带来办公场景体验质的飞跃。目前，微软旗下的 Viva Sales 产品已经推出了 GPT 支持的电子邮件 自动答复生成功能，并能够与微软 Dynamics 365 Sales 这一 CRM 直接连接，为常见方案（例如 提供折扣或提出建议）生成量身定制的回复，提高了销售人员的工作效率，也为客户带来了个性 化的客户体验。目前微软还未发布接入 ChatGPT 的 Outlook 邮箱，我们认为，大模型强大的语言 理解与分析能力将为邮箱这一场景带来巨大变革，有望带来诸多便捷的功能：

1) 邮件智能分类：AI 可以阅读并分析邮件内容，按照内容相关度对所有邮件进行智能分类，这 一操作通过人工来实现的话需要耗费大量的时间与精力，但是在AI支持下将变得非常简单； 2) 邮件撰写支撑：除了自动答复单封邮件之外，AI 还能够自动提取与同一联系人的往来邮件信 息，并在答复中结合往来邮件中的信息变化，为邮件的撰写提供支撑； 3) 个人数字助理：随着模型能力的提升，AI 邮箱将有望成为个人数字助理的角色，可以帮助用 户智能完成邮件的处理、回复、重要事项提示等功能，邮箱场景将产生巨大变革。

大模型与文档融合促进深度功能使用。Office / WPS 是办公中场景中常用的文档工具，具备很多 深度功能，但是在日常使用场景中，用户很难有机会或是不知道如何去使用这些深度功能。与大 模型的结合将使得文档工具的功能使用变得更加便捷，带来文档处理的效率提升。比如在接入大 模型之后，用户可以直接在接口中输入想要达成的功能（比如调整行距字体、插入表格、生成数 据透视表），即可实现文档的自动调整。此外，我们认为未来大模型可能为文档工具带来如下能 力：

1) Word：Word 是重要的文字内容创作生产工具，目前微软已经在 Office Web 版本中上线了 ChatGPT 优化文档写作的功能，用户在输入文字时，AI 能够给出完整句子的预测。在未来 正式版本中，AI 可能会实现如自动生成摘要、智能优化语法、根据梗概自动生成全文等辅助 创作功能； 2) Excel：Excel 是最常见的数据统计分析工具，大模型的接入有望将传统的 excel 点击式操作 模式完全简化为命令式，即使不懂 Excel 的函数使用也能够完成复杂的数据处理，极大地提 升数据处理的效率。国内已有个人开发者开发了 ChatExcel 应用，可以通过聊天来实现对表 格的操作。除此之外，大模型的代码生成能力也能够辅助用户进行 VBA 宏程序的编写，仅 需输入想要实现的功能即可自动生成 VBA 宏程序；

3) PPT：PPT 是办公场景中常用的展示工具，涉及文字、图像、音频与视频等多种格式的结合， 是具有跨模态能力的大模型极佳的应用场景。目前，已有国外开发者开发了 ChatBA 应用 （原名为 ChatBCG），在给定主题内容的情况下可以直接生成简单的 PPT，还可以变换多 种布局。未来在微软推出的新版 PPT 中，有望带来更多辅助创作的功能如排版美化、根据 提供的模板页自动应用所有页面等。

3.2、大模型+OA/ERP/RPA：全流程效率提升

OA 作为企业内部流程管理的核心系统，大模型的接入有望提升企业管理全流程效率。伴随着企 业信息化多年来的发展，大中型企业已经在内部建立起诸多的业务和管理系统，但是这些系统往 往在数据和流程上彼此割裂，往往需要手动完成较多流程，比如企业内部的财务报销、信息上报 等流程，需要进行较多的链式点击操作才能实现。而基于大模型强大的语言理解能力，可以实现 人与系统间的对话与交互，借助 RPA（Robotic Process Automation，机器人流程自动化）的执 行能力，即可扮演“智能助理”的角色。

员工通过自然语言向 AI 提出需要想要完成的功能或流程， AI 即可自动完成流程的办理，从而极大地提升各类系统的使用效率和应用体验。例如在费控这一 场景中，未来大模型将有望实现自动解析识别单据文件并进行自动填充、通过分析企业历史报销 数据自动选择合适的报销渠道、根据费用历史数据提供费用预测与规划、自动生成财务报表等功 能，帮助企业实现真正的智能化管理，提高企业管理全流程效率。

大模型助力 ERP 系统进一步优化企业经营。ERP 系统一直是许多企业的核心系统，通过自动化 各种流程并提供对其数据的实时洞察来帮助企业进行日常经营的管理决策。大模型的出现有可能 会彻底改变企业与 ERP 系统的交互方式，使员工能够更容易、更高效地访问他们完成工作所需的 信息。ERP 系统中包含了企业的各种信息，例如财务数据、销售数据、库存数据、生产数据等， 大模型可以基于对 ERP 系统中的数据的训练，为企业提供诸如销量预测、库存优化、生产计划排 表、智能决策等功能，而员工仅需简单的语言命令输入即可快速调用这些功能，实现了企业经营 效率和经济效益的最大化。目前，微软已经推出了 Dynamics 365 Copilot，为这款结合 CRM 和 ERP的产品加入了生成式 AI工具，在销售、客户服务、产品页面创建、供应链计划等领域为员工 提供帮助。

3.3、大模型+代码生成：开发门槛进一步降低

大模型的代码生成能力助力程序开发效率提升。早在 2022 年，由微软、OpenAI 和 GitHub 联合 打造的 AI 辅助编程工具 GitHub Copilot 就已经发布上线，由 OpenAI Codex提供支持，基于 GPT3 使用了数十亿行代码进行训练而成。Copilot 的主要功能包括代码纠错、函数代码补全、根据注 释自动生成代码等。从目前来看，Copilot 还并不能真正代替程序员来进行代码的编写，但它起到 的辅助作用也极大程度解放了程序员的双手，很多的重复性和琐碎性工作可以直接由 AI 来完成， 程序开发的效率得到了很大的提升。我们认为，随着大模型能力的不断进步，AI 在代码生成领域 的性能将会越来越高，程序开发的门槛也将进一步降低。

低代码开发平台有望迎来新的发展。低代码开发平台是指通过少量代码或零代码就可以快速生成 新应用的开发平台，让开发经验较少甚至不懂开发的用户利用可视化窗口，通过拖拽等操作就能 快速开发出适合企业自身实际业务场景的工作流程或应用程序。高性能大模型的出现为低代码领 域带来了新的突破：从被动接受到启发创造，AI 生成应用将成为下一代 AI 低代码平台核心能力。 在接入大模型的能力后，低代码应用开发将会进一步简化，仅需输入应用的名称以及实现的功能 要求，普通人也可以直接生成想要的应用系统。目前，炎黄盈动已正式发布国内首个 AI 低代码平 台，低代码行业有望迎来新的发展。

3.4、大模型+行业：垂直场景深度融合

大模型落地行业垂直场景，行业模型更具性价比。在特定行业领域，以一个通用大模型来解决所 有行业深度问题是不现实的，通过基于大模型的“蒸馏”技术形成的垂直行业模型是更具性价比 的选择。行业模型可以在参数规模大幅减少的情况下，在垂直领域达到甚至超过大模型的表现， 大大降低了模型的训练和服务成本，让大语言模型技术实现真正广泛应用。我们认为，大模型有 望在如下行业率先迎来落地。

3.4.1、医疗行业

大模型在医疗行业可能的落地场景主要包括： 1) 辅助诊断：哈佛医学院教授 Ruth Haliu 团队对 ChatGPT 的诊断能力进行了测试，结果显示， 它在 45 个案例中的诊断正确率达到 87%，并为 67%的患者提供了合适的分诊建议，而现有的机器诊断正确率仅为 51%。由此可见，大模型对于给出症状描述的诊断建议已经达到了较 高水平，通过分析医疗记录、病历资料、诊断报告等数据，提供有关疾病诊断、治疗方案和 药物处方等方面的建议和指导，帮助医生更加准确地诊断和治疗疾病，提高医疗质量和治疗 效果。在医学影像领域，多模态的大模型也可以用于 CT 图像的诊断，智能标记出存在症状 的图像区域；

2) 医疗信息系统流程简化：大模型可以利用其强大的自然语言理解和生成能力，帮助医生更加 快捷地处理医疗信息。比如为医生提供智能化的语音助手服务，快速识别医生的语音输入， 并自动生成相应的病历、处方等信息，从而减少医生的工作量和提高工作效率。此外，大模 型还可以作为智能聊天机器人，为患者提供智能化的医疗咨询和客户服务，帮助医院和诊所 更好地处理患者咨询和沟通事务； 3) 智能健康管理：如今，患两种及两种以上慢性疾病，和每天需要医疗监护和健康管理的慢病 群体越来越大，目前的医疗保健模式和家庭医生服务模式不仅无法满足患者需求，在某些情 况下还可能延误诊治。大模型可以与可穿戴设备结合，对患者进行全天候的健康监测，进行 实时健康风险评估，帮助患者做好健康管理。

3.4.2、教育行业

大模型在教育行业可能的落地场景主要包括： 1) 辅助学习产品：大模型可以接入目前常见的辅助学习产品中，扮演“智能助教”的角色来帮 助学生学习。AI 可以回答学生的问题、提供个性化的学习建议和教育资源、分析学生的学习 进展等，通过与智能化学习产品的互动，学生可以获得更加个性化的学习体验，从而更快地 提高自己的学习成绩。科大讯飞目前正在攻关生成式预训练大模型，并且将于今年 5 月 6 日 率先落地讯飞 AI 学习机等产品；

2) 教师支持：大模型可以被用作教师支持工具，帮助教师更好地管理教学过程和学生。例如， 教师可以使用 AI 来分析学生的学习数据，针对不同的学生制定更加个性化的教学计划和评 估学生的学习成果。同时，AI 还可以为教师提供教学资源、教育新闻和其他相关信息，帮助 教师更快地准备教学，提高教学质量。多模态的大模型还能够辅助教学过程中的阅卷工作， 实现对主观题的评分，减轻教师工作负担，提高阅卷的公正性与准确性。

3.4.3、金融行业

大模型在金融行业可能的落地场景主要包括： 1) 智能客服：金融机构的客服需求量较大，而对话式大模型的出现可以极大地减轻传统人工客 服的压力，其强大的自然语言理解能力也使得其交互体验将远超于现有的 AI 客服。接入大 模型的智能客服可以直接为客户处理简单的金融业务，提高客户满意度，减轻银行柜员和客 服人员的工作负担；

2) 个性化评估与建议：在做好数据安全工作的基础上，大模型可以应用于金融风险评估，通过 分析客户的信用历史、收支状况、负债情况等，为金融机构提供客户信用评估和风险分析报 告，帮助银行制定更合适的授信策略。同时，也可以根据用户的投资需求和风险偏好，提供 个性化的投资建议和金融产品推荐； 3) 智能风控检测：大模型基于对大量数据的分析和处理，能够有效识别风险因素并进行预警， 帮助金融机构及时发现并解决风险问题。在金融欺诈检测领域，大模型也同样能够起到作用， 提高用户的安全性和防范欺诈的能力。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】