夜雨聆风本账号为个人运营账号，暂无任何公司、组织、团队和个人的资助。
以上说明内容会不定期更新。谢谢！
黄花菜都凉了
昨天看到一篇雪球私募基金经理的复盘略有感触，作为一名上交所全职讨饭人看着这一轮轰轰烈烈的科技大牛市自己却是光站在那里，没有站在光里，不禁为自己思想的钝化自惭形秽。
回到三年前，作为一个软件应用从业者惯性地认为这场铁路/电气化式的技术革命不会在短期给终端产业带来获利，而直接瞎眼的选择不做持续跟踪观察，错过了那波遇到瓶颈就去突破/绕路，遇神杀神遇佛杀佛的浪潮，回头看真该多无穷多份由憧憬、渴望、贪婪组成的崇高信仰。
从 GPU 缺卡卖卡/先进制程国产化 → 数据中心液冷/机房租赁 → 电力储能/燃气轮机 → HBM高带宽存储/光通信 → 企业级部署/ AI PC，资金始终在推动着基础设施短板的补齐。多少次只要去做跟随，就能让你财务自由的机会，今天终于即将迎来回(腰)调(斩)。
数字基建的蓝图构想已然清晰，那下一个阶段该看往何处？
这回该轮到应用端了？
物理 AI：触达边缘的感知-决策-执行；
AI Agent：组织的变革；
数据工业化：数据生产资料打造的智能管线；
AI4Science：生物医药、材料科学的设计与实验。
这两年让我用的最爽的软件就是 Claude Code、Codex / Work Buddy，有一种奴隶翻身做主人的错觉，烧Token花钱确实爽，意淫做个钢铁侠。
胡思乱说
资本估值逻辑和产业发展逻辑是有明确时间差的。大环境变差的时候应该是心怀希望大胆展望未来的时候，基建政策要落地的时候反而是该勤勤恳恳努力工作的时候。
如果一开始算不出硬件科技的投入成本能带来多少利润回报，今天似乎是有人用神秘的演化进程给出了明显收敛的边际成本。人不可能造出不像人的产物，所以当“人工智人”接近一个稳定的制造成本，那时是否意味着碳基与硅基将迎来真正的冲突爆发？抢夺人类的工作短期是灭顶之灾，但如果你能苟活下来，在无数科幻未来小说里，人类可都是不再需要工作，肥肉一摊大脑上插根数据线在精神世界活的挺惬意的。
如果当下你的子辈面临升学就业，你还会坚信学好数理化走遍天下都不怕吗？那些今天疯狂开展户外运动登山溯溪野营的人可能才是真有先见之明的人，带着小孩学会野外求生。
以上，没有任何投资建议。
这是草稿箱里2024年3月1日的工作调研，忘记之前什么原因没发出来，今天再看到感觉有些讽刺有些得意有些感慨有些小丑，一并分享了。
（旧文）生成式人工智能技术及相关应用调研
概述
调研背景
科技变革日新月异，人工智能发展进入生成式人工智能（AIGC）时代，大语言模型（LLM）所呈现的能力，正在推动人类社会向人工通用智能（AGI）的方向持续探索。
人工智能的发展对人类社会具有深远的影响，它在提高生产效率和经济增长、促进科技创新和跨学科研究、改善人类生活质量等方面发挥出越来越明显的作用。
调研目的
ooxx作为人工智能领域的科技公司，我们持续保持对新技术应用的关注与学习，并探索新技术能够在我们的业务与团队中，在合适的场景下，进行落地实践的可能性，同时也是为公司寻找新的业务增长点。
为此，本次将研究现阶段生成式人工智能（AIGC）应用产品在企业服务与个人生活中的使用情况，探究其在对应业务领域的商业价值，以及通过实验局项目寻找、评估我司研发相关产品的方向与落地可行性。
调研对象与范围
调研当下 AIGC 技术的商用现状与发展趋势；
调研在多个行业领域中，企业服务对 AIGC 技术的使用情况；
调研在多个应用分类中，终端消费者对 AIGC 产品的使用情况；
探索调研我司自研产品方向，评估实验局项目落地可行性。
调研结论
在企业服务应用场景下，AIGC 技术帮助企业员工进行文案创作，从海量数据中提取有价值的信息进行总结，自动生成业务洞察报告，自动执行编写代码，处理客户咨询等，极大地提高了工作效率，提供了更多样的创意灵感。在营销互娱领域，AIGC 技术帮助企业创建虚拟增强场景，加速营销投放，给用户推出沉浸式的体验。
随着技术的迭代，更小尺寸的大模型会出现在企业服务的垂直场景中；同时也会出现技术解决商与企业深入合作，推出真正理解行业术语和业务规则的真实智能体数字员工，被纳入到企业的内部工作流程中去统一管理和调度。
在个人终端使用场景下，以 OpenAI、文心一言、通义千问、豆包为首的各家基础大模型应用经过 2023 年多轮迭代均展现出满足用户部分工作学习与娱乐场景需求的能力，同时逐步推出应用市场满足更多用户差异化的想法。
目前主流的 AIGC 效率工具作为生产力工具能够进行知识问答，帮助用户进行文本、音视频的归纳摘要、报告生成，极大提高了工作和学习效率。并且能够创建虚拟角色和宠物、进行图像和视频生成，激发创意，提供互动娱乐体验。
在不久的将来，AIGC 技术在个人终端的生活助理、创意创作、医疗健康服务、智能家居会迎来更多发展与进步。
结合公司技术与业务方向，使用 AIGC 技术构建一款面向企业的智能知识库产品将是在新技术落地探索上易于实现的一个出发点。根据垂直行业细分领域的业务需求，选择一款部署成本适中的开源模型，并进行针对性的工程化设定，存在经营获利可能性。
从公司业务出发，略。
构建面向终端消费者的娱乐应用，对于缺少消费级产品运营经验的团队并不是一个好选择，缺少独树一帜的产品特色与推广渠道运作的经验，这将使产品在目前处于红海的消费级市场上缺少产品竞争力。个人助理类应用在经历新技术萌芽创新喷发后会被少数巨头科技公司现有的产品借鉴并推陈出新，现在入局竞争可行性低。
AIGC 技术使用调研
发展现状
生成式人工智能（Artificial Intelligence Generated Content，AIGC）是继专业生成内容（Professional Generated Content，PGC）和用户生成内容（User Generated Content，UGC）之后，利用人工智能技术自动生成内容的新型生产方式。
AIGC 相关的模型和算法的优化，持续表现出显著的进步，生成内容的真实性、复杂性和多样性不断提升。越来越多的 AIGC 技术能够处理和生成多种类型的内容，包括文本、图像、音频和视频等，一些模型甚至能在不同模态之间转换和联合生成内容。
大模型所加速的生成式人工智能已经渗透到多个场景。
内容创作
在文学创作、新闻撰写、艺术创作等领域，AIGC 技术能够提供辅助或独立生成高质量内容，为内容创造者提供新的工具。实现对话/问答、文档/文本/文案生成、内容/会议摘要、语言翻译、文学/剧本创作等功能。
娱乐与游戏
在视频游戏、影视制作、音乐创作等娱乐领域，AIGC 技术增强创作的自动化程度和个性化体验。实现图像分类/分割、信息播报、语音编辑/翻译、影视内容分析编辑、视频增强/风格迁移、音乐/视频生成、电影/游戏/动画制作、艺术/商业作品创作、图像修复等功能。
软件工程
在软件工程领域，AIGC 技术展现出广泛的应用潜力。实现自然语言生成代码、代码补齐、生成 SQL、生成软件测试用例、合成数据等功能。
生活服务
从市场营销到生活服务，AIGC 技术正被商业组织用于提高效率、降低成本和创造新的用户体验。实现个性化推荐、服务咨询、健康管理计划、虚拟现实等功能。
技术结合趋势
检索增强生成（Retrieval-Augmented Generation）
利用 RAG 让大模型利用自身的逻辑推导能力，去理解私有数据，实现问答能力的拓展。优势：
便于更新，私有数据存在一定频率的动态更新；
提高可解释性，给出引用原文，规避幻觉；
减少硬件资源（GPU）使用，比每个私有库微调一个模型成本低的多。
与 RPA 技术协同创新
利用 AIGC 技术的记忆、任务规划能力驱动批量自动化程序工作。优势：
对于多变的应用场景与业务流程，可以利用交互界面快速重新组装，降低上手门槛；
对新技术的应用成本可控。
案例 - 略。
产业发展预测
创业和投资热潮
AIGC 领域吸引了大量创业公司和投资，推动了技术和应用的快速发展。对应着技术成熟度曲线，短期（近两年）在经历期望过度放大与众多失败案例后，市场上会逐渐出现一批使用该技术产生实质效益的企业，直到该技术成熟并被广泛使用。
跨界合作
不同领域的企业和组织开始探索与 AIGC 技术的合作，促进了跨行业的创新和应用实践。AIGC 技术预计将进一步渗透到医疗健康、法律、建筑设计等更多领域。
伦理法规的完善
随着 AIGC 技术的普及，相关的版权和伦理问题将得到更加明确的指导和规范，包括内容归属、创造性认定和道德责任等。预计将有更严格明确的法律法规出台，以保护个人隐私和数据安全。
影响社会经济和文化
AIGC 技术将对某些行业的就业造成冲击。预计将需要更多的政策支持和职业培训来帮助劳动力适应技术变革；AIGC 技术将促进创新和文化表达，提供更便捷的创作工具，丰富人类文化和知识的传承；AIGC 技术的发展有助于突破语言和文化壁垒。
AIGC 技术企业应用场景调研
AIGC 技术在企业应用中的场景
内容创作
在市场营销、客服服务领域帮助企业高效生成个性化的市场营销内容、产品描述、客户服务对话等，以提高用户参与度和满意度。通过分析用户数据，可以产生针对特定受众的定制内容，从而提高营销活动的效率和效果。
数据分析和洞察
在市场调研、产品设计与开发领域帮助企业从海量数据中提取有价值的信息，生成深入的业务洞察报告，帮助决策者做出更明智的决策。这包括市场趋势分析、消费者行为分析、竞争对手分析等。
自动化与效率提升
在自动化办公领域帮助用户自动执行多种任务，如自动编写代码、生成报告、处理客户咨询等，极大地提高了工作效率，同时降低了人力成本。
增强现实与虚拟现实
在营销娱乐领域帮助用户创建逼真的虚拟环境和角色，为投放到终端的产品提供沉浸式的体验。这在培训、教育、娱乐等领域有着广泛的应用前景。
AIGC 技术在企业应用中的发展方向
会有大量专注于垂直类领域的小模型出现。
小模型往往在垂直场景具备充足的数据以及问题处理能力，易于更新，并且在模型部署成本上的投入会更少。
标准化的 AI Agent 解决方案被大型企业引入。
大型企业不允许任何试错成本，必须经过成本控制、投入预算、实现效率、安全管控等多方面严格及缜密的评估。会出现技术解决商与企业深入合作，推出真正理解行业术语和业务规则的真实智能体数字员工，被纳入到企业的内部工作流程中去统一管理和调度。
结合公司技术与业务的可探索方向 略。
调研详情 - 工业制造
工业制造行业当前发展现状
消费驱动力不足，供大于求，导致行业竞争加剧，高端制造业向发达国家回流，低端制造业向低成本国家转移；创新能力不足，核心技术和核心高端设备、零部件元器件仍受制于人；高能耗、高污染，碳排放压力巨大；国际贸易争端愈演愈烈，制造业供应链风险显著增加。
工业制造行业 AIGC 应用价值
通过引入人工智能进入产品研发流程，提升研发效率，缩短研发周期；
通过自动化实现制造行业常规流程和任务，提高生产和运营效率；
强化工业机器人信息处理、感知执行等能力，提升智能化生产能力与质量。
工业制造行业 AIGC 应用关键挑战
模型应用可靠性挑战
工业领域，尤其是生产制造流程，最重视安全、可靠和稳定，相应地，工业制造领域最核心需要保障应用的可靠性，这就对人工智能模型，包括大模型提出了更高的要求。
应用成本挑战
从大模型驱动的 AI 应用方面，应用成本需要大幅度降低，目前定制化千亿参数通用大模型的成本难以被客户接受；算力成本仍然高居不下，训练卡价格仍然在上升；未来考虑到未来大模型不断升级，训练推理成本或将持续上行；相应地，垂直类大模型能够达到参数量、效果、成本和场景的匹配，此外，模型蒸馏压缩、采用混合专家模型（MoE）架构，小样本微调等技术路径也能够有效降低成本，加速落地。
行业数据资源挑战
与其他行业不同，工业场景相对来说数据样本量较小，AI 训练相对困难，相应地，工业数字孪生可以通过仿真的形式生成大量数据，帮助 AI 模型深度优化，同时也仍然需要制造企业强化自身数据积累与沉淀，从而提升 AI 应用现实可行性。
工业制造行业 AIGC 应用发展趋势
智能设计和原型制作，自动生成设计方案和原型，大幅度缩短设计周期，提高设计质量。通过深度学习和算法，可以在短时间内提出多个设计方案，供工程师选择和优化。
通过分析历史数据和实时数据，预测设备可能出现的故障，从而提前进行维护，减少意外停机时间，提高生产效率。
分析复杂的供应链数据，预测物料需求，优化库存管理，支持更灵活的生产线配置，能够根据客户需求生成定制化的生产计划和流程。
为员工培训和技术支持提供模拟训练和增强现实（AR）工具，学员可以在安全的虚拟环境中学习操作复杂的机器和生产流程，加快培训速度，提高工作效率。
案例 略。
调研详情 - 零售行业
零售行业当前发展现状
我国居民消费潜力仍然具备发展空间，但是短期来看，消费驱动力不足带来供需不平衡，供大于求导致行业竞争加剧。
后疫情时代，线下消费正在逐步恢复，消费场景具备多元化发展空间，但是传统线下零售业态，以及门店模式等面临升级困境，线上红利消弭，同样面临增长挑战。
公域流量获客成本逐年增高，品牌与零售企业普遍认识到存量客户价值的重要性，但是仍然缺乏有效抓手实现客户沉淀与价值运营。
消费者进入“理性消费”时代，产品核心价值与独特卖点愈发重要，从营销与服务环节深化洞察消费者，向研发生产端倒逼，同时也对企业的综合数智化能力提出更高要求。
零售行业 AIGC 应用价值
零售行业以“商品”为核心的“研一产一供一销一服”的直线式价值链，向以“用户”为中心的闭环式价值链升级，AI 应用将由点及面全面铺开，一方面全业态增加 AI 应用，形成数据触点与链接；另一方面，将渗透零售产业链各个环节，相应地，持续进行数据互联互通，形成良好的 AI 应用基础将变得愈发重要。
AI 生态主要覆盖 7 大商家经营场景：店铺开店装修、商品图像创意、营销策划推广内容组织创作、客服接待服务、财务管理、订单管理。
零售行业 AIGC 应用发展趋势
零售商为顾客提供高度个性化的购物体验。通过分析顾客的购物历史和偏好，生成个性化的产品推荐、营销信息和购物指导，从而提高顾客满意度和忠诚度。
创建高度逼真的虚拟试衣间、虚拟人直播、3D 产品展示，让顾客在没有实际接触产品的情况下，就能准确地预见产品的外观和功能。这种技术不仅提高了顾客的购物体验，也为远程购物提供了更多可能性。
通过分析大量数据，更精确地预测产品需求，从而优化库存管理。这不仅可以减少库存积压，还能确保顾客所需的商品始终有货。
自动生成营销内容，如产品描述、广告文案和社交媒体帖子；对商品包装以及定价，这些内容既符合品牌语言，又能够根据目标受众的特定偏好进行个性化调整；在紧跟时事热点中，高效利用创意海报与视频进行品宣。
案例 略。
调研详情 - 文娱业
文娱行业当前发展现状
聚焦中国数字内容媒体市场，2023 年数字文娱市场规模稳定增长，增速回温。短视频业务板块增速显著，在数字文娱当中占比最高。用户付费与广告是主要变现模式，广告部分增速最快，成为内容产业核心收入来源，未来需要侧重提升流量运营以及商业产品运营与技术能力升级。
文娱行业 AIGC 应用价值
释放内容生产力，整体提升文娱产业工业化水平，形成 AI 赋能全流程的内容生产体系；另一方面，释放内容生产者的效能，专注于创意与情感共鸣等方面的方向。
文娱行业 AIGC 应用关键挑战
AI 技术在文娱领域的应用仍然处于辅助阶段。视频、3D 等生成式 AI 技术仍然有待于进一步突破与迭代。例如，目前游戏企业通过 AI 辅助主要在解决 2D 美术成本与效率问题，AI 对 3D 模型的完成度仍然有待于进一步提升，而 3D 在游戏行业美术成本当中大致占比超过 50%比重，美术生产力仍然具备可观的提升空间。
文娱行业 AI 应用在提升专业内容生产效率之外，还有一个非常重要的方向是提升用户侧的文娱内容互动与体验，这对于以手机、音箱等为代表的边缘 AI 场景，提出了更高的要求，需要进一步分担云端算力的部分任务，并且能够保护用户隐私数据。
以内容为核心的文娱产业，版权归属都是非常重要的关键要素，无论是 AI 应用的训练语料，还是生成式 AI 所生成的内容，都存在版权保护与数据保护的问题以及后续生成内容的版权归属以及合规化使用等问题，此前网信办公开征求意见，指出利用生成式人工智能生成的内容应当真实准确，采取措施防止生成虚假信息，后续措施也有赖于进一步细化和明确。
文娱行业 AIGC 应用发展趋势
多模态技术突破将加速文娱产业 AI 应用落地，AI Bot、音视频互动等应用对于算力需求发生变化，催生边缘 AI 需求。
多模态生成是目前文娱行业 AI 应用进一步落地的核心突破方向。视频生成 3D 模型生成等技术有待于进一步完善，同时，多态制作云化是产业发展必然趋势，下阶段视频制作的多端同步、多人在线协同创作需求将随之增加，生成式 AI 能力进一步融入视频制作全流程。
伴随文娱产业升级，以及千人千面个性化内容生态的发展，边缘算力需求激增，这一方面有赖于大模型企业不断进行模型优化，从而降低应用成本，更需要边缘侧增厚，增加存储和算力，终端设备具备运行小模型的能力。
案例 略。
调研详情 - 金融业
金融行业当前发展现状
中央强调金融赋能实体经济主旋律，人工智能等数智技术融合模式创新推动金融高质量发展。
金融行业进行数字化转型建设的起步早，当前行业整体数字化成熟度较高，具备人工智能深入应用的良好土壤，也是生成式 AI、大模型率先实现行业落地的重点领域。人工智能技术应用场景的广度不断扩展，目前已经覆盖营销、服务、投研、投顾、风控、研发等前中后台数字化经营关键环节，于行业而言，其核心价值将在原有 AI 能力的基础上进一步释放，结合业务云化趋势，“AI+金融”正在进入深化应用创新的阶段。
（银行数字化转型组织架构统计）
金融行业 AIGC 应用价值
金融行业普遍采用智能客服介入客户服务环节，但是目前智能客服仍然以“搜索”为核心应对用户疑问，重在快速解答。生成式 AI 能够结合多轮对话与身份验证能力（KYC），有效提升用户对话体验。
银行作为知识密集型行业，引入生成式 AI 能力，一方面能够加速金融领域知识的生产和更新，使银行能够更快速地应对市场和客户需求的动态变化，丰富内外部应用场景的智能化水平；另一方面，将生成式 AI 具有的隐性知识和推理能力，与金融知识库显性知识进行的有效融合，传统金融知识体系的学习门槛、学习效率都将得到改善，相应地，客户的交互体验、员工的工作和学习模式也将迎来显著改变。
希望通过 AIGC 技术加持在上述场景下的数据分析、客户行为分析、需求预测等能力，提升客户体验和市场拓展。
金融行业 AIGC 应用关键挑战
数据治理挑战
尽管一些金融机构的数据治理工作已取得了阶段性成果，但行业整体的数据治理、数据资产化进程仍处于初期阶段。随着生成式 AI、大模型逐步在金融领域落地应用，未来 AI 训练更加依赖于大量高质量的金融数据而目前金融系统多、数据散乱的问题依然存在。数据的可靠性和建立可持续的数据战略仍然是一项极具挑战的任务。
成本投入挑战
金融行业对于数据安全的高要求使得 AI 部署通常以定制化项目为主，这也造成了在开发、更新维护等方面成本重复投入的问题，削减了资源利用率，特别是对于中小金融机构而言，当前 AI 的投入成本仍然较高，并且主要受到定制化需求、安全合规性要求和对高技术人才要求的影响，限制了其广泛应用。
组织协调挑战
AIGC 应用逐步渗透组织链条，金融机构需要重新审视组织机制和业务规则，组织机制的设计必须更加灵活和适应变化，以更好地支持人工智能程序的融入，需要考量传统的层级结构和决策流程的调整。引入 AI 后，金融机构内部面临着人机协作、部门协作中对责任的解释、分担和认定等问题的挑战，AI 在决策和执行中的智能化可能使得追溯和解释变得更为复杂。
金融行业 AIGC 应用发展趋势
大模型需要能够更深入地理解和探查用户需求和行为，从而催生出高度灵活的 AI 原生应用，在营销推荐、投资建议等方面为客户提供更为精细和个性化的服务。
未来在合规的框架下进行创新尝试，有助于保障金融稳定和推动行业可持续发展，也将是未来人工智能应用于金融行业的主基调。大模型在深入金融行业的过程中，进入专业场景需要具备大量行业知识，即使是通用场景和环节，也需要与金融行业实际情况进行适配，因此基础大模型需要投射成垂直领域内的小模型，通过 AI 能力平台集中调度，形成具体解决场景任务的能力，才能真正成为生产力工具。
银行业 AIGC 应用潜在场景
智慧办公
可用于会议纪要的实时生成、录音视频资料等非文本格式的文本内容翻译及摘要生成、审计资料的内容提取及要点生成。
内部研发
利用大模型的代码生成功能，提高代码生成和测试的效率，加快原型产品开发。
金融检测
大模型拥有令人难以置信的分析能力可用于帮助银行的专业分析师通过其海量神经网络数据检测欺诈行为，还可以对用户进行身份验证、验证信息并监控活动。
文件比对
大模型可以帮助自动化贷款和其他需要批准的文件的承保流程，验证客户信息以计算资格并评估风险。
个性化客户服务
AIGC 技术可以帮助银行为其客户提供个性化服务，分析客户数据并提供财务和产品建议。例如，如果客户想要申请新的信用卡或信贷产品，通过分析他们的消费习惯、偏好和财务状况，并向工作人员推荐最适合客户的信用卡或信贷产品。
分析市场调查的问卷，进行解析，生成有用的反馈，帮助银行家做出决策。
AI 助理角色扮演
由于其语言处理能力，模拟一些情景，扮演数字代理角色，改变数字营销与客户互动交谈的方式。
案例 略。
调研详情 - 医疗健康
医疗健康行业当前发展现状
尽管已经有多家医疗 AI 启动 IPO，但是实现盈利的企业尚未出现，根据已公开的公司数据，研发费用占比高，并且仍在持续增长，可见在未来短时间内，医疗 AI 产品研发及优化仍是重点，资金需求缺口大。医疗 AI 行业已出现轮次比较靠后的融资，部分企业步入预上市阶段后进展缓慢。
医疗健康行业 AIGC 应用价值
中国正在加速进入老龄化社会，相应地带来更多在医疗健康方面的需求，同时，医疗产业也存在优质医疗资源不足的结构性问题。通过“Al+医疗”的融合与加速，是在推动医疗行业从数字化向智能化升级的方向上，探索医疗智能化服务能力与水平的提升，从而在缓解医疗资源结构性问题的基础上，提升医疗服务的效率和质量，从而更好地满足人民群众的医疗健康需求。
AI 辅助提升病理诊断速度与精准度，节省病理医生阅片时间，加快阅片速度，从而显著提升诊疗效率，降低由于病理医生经验以及主观判断带来的漏诊与误诊概率，在一定程度上实现病理医疗资源的扩容，弥补供给不足带来的医疗问题。
医疗健康行业 AIGC 应用关键挑战
医疗行业高质量数据稀缺且相对分散。
尽管在医疗数字化建设的过程中，已经沉淀了大量的医疗数据，但是仍然存在高价值数据的相对缺失，如大量临床数据尚未完全转化为可供挖掘和利用的高质量数据，同时，不同医疗机构之间的数据也存在标准和格式等不统一的问题，也尚未能实现共享和流通，从而在一定程度上造成了医疗高质量数据稀缺的问题。
对个人医疗信息和数据的保障提出了更高要求。
医学知识覆盖面广且复杂，知识整合和利用程度有待挖掘；数据标注在处理医学复杂知识方面面临挑战；同时，在知识和数据的利用方面也需要领域专家才能充分理解和驾驭。相应地，科技企业独木难支，必须与医疗机构、药企等进行联合研发与场景探索，方能在应用过程当中实现真正意义上的落地。
“幻觉”、可解释性等问题仍然面临突破。
从基础应用要求上来说，需要避免大模型驱动的 AI 应用中出现虚假、错误的医疗结果；同时，在药物研发以及医疗决策等方面，突破“黑盒”困境，深入了解模型推理逻辑与决策过程，仍然有助于辅助从业人员信任并采纳模型结果，从而进一步推动在真实世界中的应用。
医疗健康行业 AIGC 应用发展趋势
医疗行业独特的知识体系和丰富的多模态数据，未来在物联网的发展之下将日益产生和沉淀，包括医学成像、可穿戴以及环境生物传感器所采集的生物医学数据等，伴随高质量数据的不断积累，以及对于多模态数据的综合分析日趋完善，将支撑更加丰富的 AI 应用落地。
案例 略。
AIGC 技术个人终端应用场景调研
AIGC 技术在个人终端应用中的场景
个人助理与生产力工具
作为个人助理帮助用户管理日程、设置提醒、回答问题、发送邮件等。
作为生产力工具帮助用户自动进行内容摘要、报告生成、搜索增强，极大提高了工作和学习效率。
社交娱乐
创建虚拟角色和宠物、进行图像和视频生成，激发创意，提供互动娱乐体验。
AIGC 技术在个人终端应用中的发展方向
全方位生活助理
这个生活助理，不仅能够处理日常事务和提供个性化建议，还能预测用户需求，主动解决问题。例如，基于用户的偏好、习惯和日历安排，AIGC 助理能够自动预订餐厅、安排交通、预测并处理潜在的日程冲突等。
个性化的数字分身
代表用户真人进行某些线上社交互动，并在事后进行汇报、计划安排。
创意提示器
用户通过语言描述，提供无限的创意灵感和实现可能。从写作、绘画到视频制作，快速提供初步的创意草图，甚至参与更深层次的创作过程。
个性化的医疗健康服务
基于用户的遗传信息、生活习惯和实时健康数据进行健康监测、疾病预防建议、健康改善计划等。
智能家居与环境互动
使智能家居设备能够更加智能和自主，预测用户需求，提供更加个性化和主动的服务。例如，家居环境能够根据用户的情绪和偏好自动调整光线、温度、播放的音乐等。
结合公司技术与业务方向可探索的方向
大语言模型部署实践总结 略。
私有部署方案 略。
API 部署方案 略。
实验局项目一二三略。
调研详情 - 社交
Chatbot 的受众人群
逃避现实与寻找自我认同；
与亲密关系的渴望与幻想；
缺乏社交资源，寻找经济性替代方案；
对现实生活中的想法进行实验；
对事物意义的探知与畅谈。
Chatbot AIGC 应用发展趋势
为用户深化与虚拟角色的关系，提供满足情感需求的内容，增进语音视频的交互体验效果，提供个性化服务，使用户从被满足到被需要发生心理转变增进用户黏性。
广告合作，消费产品进行营销投放，增加收入渠道。
在服务领域进行拓展，增加专业角色提供专业服务。
提供社区服务，构建用户分享交流的平台，寻找交易平台的盈利机会。
案例 略。
调研详情 - 效率工具
效率工具的受众人群
需要在日常工作、学习中进行大量文档处理、会议记录编写、项目进度管理等事项，效率工具可以帮助他们更好地进行规划、跟踪、提醒以及按照要求自动处理。
需要在日常工作、学习中进行知识获取、信息确认、新技能学习的人群，效率工具可以提供对知识、信息正确性的确认和相关信息的补充以及对于学习技能的指导等功能。
效率工具 AIGC 应用发展趋势
效率工具与 AIGC 技术的结合将极大地提高个人和团队的生产力。
简单重复的任务，如数据输入、日程安排和电子邮件管理，将通过 AIGC 技术实现更高级别的自动化。这将释放人们的时间，使他们能够专注于更有创造性和策略性的工作。
AIGC 技术将使远程工作变得更加高效和互动。例如，通过实时语言翻译和文档协作工具的改进，团队成员可以无缝地跨越语言和地理障碍合作。
会议工具将提供更加丰富和互动的体验，如自动会议纪要生成、情绪分析以提升参与度，以及通过虚拟现实(VR)或增强现实(AR)技术提供的沉浸式会议环境。
从报告编写到市场营销内容的创建，AIGC 技术将使内容生成更加高效、智能。
结合 AIGC 技术，效率工具将能够从大量数据中提取有价值的洞见和信息，帮助用户发现新知识，促进创新和决策。
效率工具将出现新的交互形态，通过与新型的智能硬件设备结合，实现更高效的沟通与示意，帮助用户在同一时间从容处理多项事务。
案例 略。
调研详情 - 法律应用
法律 AIGC 应用发展趋势
OpenAI 的 ChatGPT “横空出世”为法律从业者带来了一定的心理转变。但目前律师事务所对生成式人工智能仍保持谨慎态度，主要担忧在于准确性及隐私问题。2023 年 3 月底汤森路透的调查发现，虽然 51% 的法律从业者认为 ChatGPT 等 Gen-AI 应该应用于法律，但仅有 3% 已经在工作中使用，2% 正计划使用，34% 处于考虑阶段，其余 60% 表示没有使用计划。15% 表示公司禁止在工作中使用 ChatGPT 等工具。
案例 略。
调研详情 - 泛娱乐
泛娱乐 AIGC 应用发展趋势
随着 AIGC 技术的进步，我们可能会看到第一部完全由 AI 创作的电影或电视剧，包括剧本创作、角色设计、拍摄甚至演员表演都由 AI 生成。这将大幅降低制作成本，同时可能创造出前所未有的视觉和叙事风格。
AI 将根据个人的喜好和历史消费行为生成定制内容，提供高度个性化的娱乐体验。例如，AI 可以创作专属于个人的音乐、电影或游戏，甚至在现有的故事框架中插入用户自己或其选择的角色。
在 VR 和 AR 体验中，AIGC 可以实时生成或改变内容，根据用户的互动作出响应，创造出无限可能的虚拟世界。这种技术的发展可能会让虚拟现实体验变得更加沉浸和个性化。
AIGC 可以为视频游戏、电子书籍和在线课程等提供动态和互动式的故事讲述方式。用户的选择可以影响故事的发展方向，每个人的体验都是独一无二的。这种方式可以增加用户的参与度和沉浸感。
随着 AIGC 技术的发展，虚拟影响者和虚拟角色将变得更加普遍和受欢迎。这些 AI 生成的个体不仅可以在社交媒体上拥有自己的人格和故事，还可以主持节目、参与广告甚至参与虚拟和现实世界的交互活动。
随着 AIGC 在泛娱乐行业的广泛应用，版权和伦理问题将变得更加复杂。如何保护原创内容的版权、如何界定 AI 创作的作品的归属权，以及如何确保 AI 创作过程的伦理性，都将是行业需要面对的挑战。
案例 略。
