IPP荐书｜未来，大模型将在这4个行业大有可为

导语：

在数字经济与实体经济深度融合的今天，智能化转型正成为各行业高质量发展的核心驱动力。从金融到能源，从汽车到电商，大模型技术如同 “ 新质生产力 ” 的关键引擎，持续重塑产业格局。

正如现任百度集团执行副总裁，百度智能云事业群总裁沈抖在《大模型浪潮》一书所揭示的，大模型正在催生全新的商业范式。书中收录了多个行业案例，对于想要抓住 AI 机遇的从业者来说，这就是一本实用的行动手册：既能把复杂的技术原理讲清楚，又能直接教你制定可行的方案。在 AI 改变各行各业的今天，谁先搞懂大模型，谁就能在未来的竞争中快人一步。

*文章摘自《大模型浪潮》一书，作者沈抖。

一、汽车：拥有更舒适的“第三空间”

曾经汽车只是单纯的交通工具，而互联网则让汽车摇身一变成为移动的智能终端。通过车联网，车主在出发前就能用手机远程控制车内温度，提前营造舒适的驾乘环境。导航不再是模糊的地图指引，实时路况信息让出行路线规划更加合理。

大模型的出现，则让汽车的智能性、舒适性得到进一步提升，从交通工具、智能终端，化身为消费者在家和办公场所之外的“第三空间”。大模型和座舱的结合，就更加重要。大模型可以让人车交互更高效，也可以让旅行更有趣。

随着汽车行业的竞争越来越激烈，电池等硬件差异缩小，各大车企纷纷将智能座舱作为重要卖点来吸引消费者。大模型技术的横空出世，为智能座舱的进化再次注入了动力。大模型带来的提升可以划分为三个代表性阶段。

第一，基础阶段，车企们期待大模型能够像一位耐心的导师，增强基本的语音交互理解能力，实现对话流畅、指令形成等基本功能，让车内交互不再生硬。这就好比为汽车装上了一颗初步感知世界的“心”，开始懂得驾驶者的简单诉求。

第二，进阶阶段，大模型的多模态能力成为关键。车企们期望它能像一位敏锐的艺术家，不仅可以精准识别周边风景，更能如同一位经验丰富的旅行管家，可以与餐饮、酒店、景区、加油站等旅途所需的服务场所建立紧密的生态合作，实现信息的无缝对接。此时的汽车，已经不再仅仅是一个交通工具，更是一个贴心的出行伙伴。

第三，高级阶段，大模型要与座舱系统实现深度融合，如同水乳交融一般，彻底提高汽车整体智能化水平。每家车企都渴望借助大模型，形成独一无二的特色能力，为消费者带来专属的非凡体验。要实现这些美好期待，大模型的理解、识别、生成、记忆、交互、多模态等能力缺一不可。

如今大模型已经具备了高级阶段的能力。当然，要将这些能力完美落地，离不开车企智能硬件的有力支持。增加摄像头、雷达等配置，就如同为大模型开启了更多感知世界的“眼睛”，让它能够充分发挥多模态能力，更好地服务于驾乘人员。

大模型在汽车座舱中的作用，与在智能手机领域的作用有着诸多相似之处，比如提升语音识别能力、交互更便捷等，在此不再赘述。不同之处在于，其知识库融入了更多与汽车紧密相关的内容，比如汽车故障排除、旅途经典信息等，如同一位专业的汽车专家随时待命。

使用场景也和手机端有许多类似之处，比如聊天陪伴、语音控制、智能提醒等。而主动故障提示和紧急主动救援，则是大模型在汽车领域的重要应用，可以提升驾驶安全性。尤其是故障发生后，如果车内驾驶人员无法完成报警，大模型就可以基于碰撞数据主动发起报警，并自动上传地点数据，增加救援时间。

更进阶的自动驾驶，大模型可以全面赋能感知、预测、决策等各环节。比如在感知方面，大模型多模态能力可以融合摄像头、激光雷达等多传感器数据，增强对动态场景(如无车道线道路、拥堵路段)的感知能力。

在预测、决策方面，由于大模型的引用，自动驾驶从“规则前置”转向了“自主学习”。传统自动驾驶的做法是进行模块化设计，也就是制定规则、模型识别状况、选择合适的规则、执行规则。但是，由于现实路况非常复杂，不仅有地区差异，还有天气影响，即使编写各种各样的规则，也无法穷尽。这不仅非常消耗人力、智力资源，而且在遇到一些突发事件时，如果没有提前定义规则，可能会导致自动驾驶无法执行。

在国内，百度是最早布局自动驾驶的企业，并在2024年5月发布了ApolloADFM(自动驾驶大模型)，这是全球首个支持L4级自动驾驶的大模型。“萝卜快跑”发布了第六代自动驾驶汽车，全面应用“百度ApolloADFM大模型+硬件产品+安全架构”方案，能够预判和规避潜在风险，显著提升自动驾驶的安全性，已经在武汉等地进行了规模化运营。

二、金融：体验更专业的“数字金融管家”

金融作为国民经济的血脉与国家核心竞争力的关键支柱，其细分领域广泛，涵盖银行、证券、保险、信托、资产管理、金融科技、投资顾问、信用评级、租赁以及金融监管等众多范畴。

金融行业作为信息化程度最高、信息技术应用最为密集的行业之一，在每一次的科技革命浪潮中，总是勇立潮头、一马当先。从早期的会计电算化起步，历经金融电子化(电子银行)、互联网金融(移动银行)、金融科技(开放银行)，每个阶段都带来金融行业在技术应用与服务模式上的重大飞跃，深刻改变着金融生态。如今，金融行业正站在数字化转型的关键节点，变革序幕已经拉开，迫切需要一场华丽的蝶变。而大模型技术的横空出世，恰似一股强劲东风，为金融服务装上了智能的翅膀，开启了金融行业智能化的崭新时代。

金融行业以知识密度高、时效性强、严谨性高等特性著称，对从业者提出了极高的专业性要求。那么，大模型如何解决金融行业的需求呢?

大模型解决金融行业的需求并非一蹴而就。通用大模型在训练中金融语料占比往往较低，数据滞后，且金融专业度不足。因此，需要通过知识增强和专业工具组合来确保大模型生成内容的专业性。这一过程包括预训练、二次训练、精调、检索增强生成等多个环节，以应对不同的专业要求。在工程化落地过程中，大模型隐性知识和图谱显性知识需要相互补充，开放问题和封闭问题需要结合处理，大模型和小模型需要协作决策，以确保服务业务的严谨性和专业性。

大模型在金融领域的训练过程，犹如员工从青涩到成熟的成长历程。基础大模型经过预训练后，相当于一个学富五车的高材生，具有丰富的社会通识和强大的语言、情感及推理能力，但在金融领域尚显稚嫩。随后，结合金融行业的公开数据进行第二次预训练，大模型便升级为金融科班的从业者，具备丰富的金融学识和专业的行业技能。

然而，这仍不能满足金融机构的实际需求。因此，根据银行的具体岗位要求，对大模型进行模型精调，通过有监督微调、人类反馈强化学习等方法，使大模型成为具备专项能力的业务专员，既具备特定技能，又熟知业务规范，还可以通过金融行业的合规考核。

精调后的大模型虽然已具备较强的专业能力，但为了更好地满足用户的特定要求，还需继续增强其能力。通过检索增强生成技术，让大模型基于金融机构自有的知识库、代码库、数据等来执行业务，此时的大模型便如同一位特定银行的初级学员，熟悉行内知识、规范及产品详情。在此基础上，进行工程优化，包括提示词学习、智能体开发等，使大模型从初级学员成长为熟练员工，金融机构也由此拥有了一批数字化员工，如数字化风险专员、数字化零售专员、数字化财富专员等。这些智能体不仅具备良好的业务技巧，还能根据特定偏好持续学习，并根据指标考核不断优化策略。

在大模型迭代过程中，金融机构可以根据自身需求选择合适的解决方案。如果希望采用初级的预训练大模型，可基于百度智能云的公有云服务获得;如果希望进行进一步的预训练、微调、检索增强生成、提示词和智能体工程优化等开发工程，则可在百度智能云千帆大模型平台上进行，同时百度智能云还提供私有化方案，确保用户数据、隐私的安全性。

三、能源：构建更环保的“智慧引擎”

能源是涵盖广泛领域的综合性行业，包括煤炭、石油、天然气，以及光伏、风电等新能源。当前，能源行业的一个大趋势就是，数智化要求越来越迫切。

一方面，传统能源领域告别了过往高速发展的阶段，进入了平稳的新常态，对于企业而言，通过降本提效来改善业绩，就显得更加有必要性，数智化就是很好的途径。另一方面，光伏、风电等新能源的发展改变了传统能源结构，给发电侧、传输侧、用电侧都带来了变化，提升了数智化的必要性。

将大模型、人工智能应用于能源领域，并不是增加成本，而是带来收益。这也是响应国家号召，形成能源领域新质生产力的重要方式。大模型会为能源领域带来哪些传统技术所不具备的优势呢?

首先，能源领域有许多流程固定的业务场景，而大模型的流程拆解与规则建模能力，也就是前文阐述的智能体的开发，可以快速学习SOP(标准作业程序)文档、操作手册，实现工单自动生成、合规检查自动化，带来的效率提升是传统技术所不能比拟的。

其次，能源领域的数据类型多样，既有一些结构化数据，也有非结构化数据;既有文本信息，也有许多图像信息，例如巡检场景下会产生视频数据。传统技术难以处理如此庞大、多类型的数据。但大模型的多模态处理能力、强大的数据处理能力，不仅提高了传统视觉场景的效率和准确性，也可以扩大覆盖那些传统技术所不能触达的场景。

最后，能源领域也非常注重行业知识的构建和传承，尤其在安全生产等领域，操作规范也是员工培训的重点。传统依靠“师傅带徒弟”的模式，效率不高;集中培训的方式，对偏远地区的一线员工并不友好，也不能满足技能不断迭代的需求。而大模型可以快速、全面地构建行业知识图谱，将各类型的知识进行归集，助力公司内部的知识迁移、传承，加强人才体系建设。

电网可以实现能源的传输，是能源领域的重要支撑。电网企业的数智化非常关键，对外起到承上启下的作用，确保电力行业稳定、高效发展，对内致力于提升企业效益。

在电力专业应用场景下，数据资源虽然丰富，但从海量数据中提炼有效信息，构建实时、高效、准确的语义理解与缺陷预测仍然是一个艰巨的挑战。

因此，国家电网有限公司作为特大型国有重点骨干企业，以及行业领军企业，也一直在探索解决行业难题，推动人工智能在行业的落地。从2020年起，国家电网和百度合作，先后完成人工智能“两库一平台”(“两库”指模型库、样本库，“一平台”指包含运行环境和训练环境的人工智能平台)智能基础设施建设。

2024年，国家电网发布国内首个千亿级多模态电力行业大模型——光明电力大模型，为电网安全稳定运行、促进新能源消纳提供“超级大脑”，并基于该大模型，探索了电网规划、运维、运行，以及客户服务等大模型应用的实践。

设备巡检是一项非常重要的工作，旨在确保设备的正常运行，预防故障和事故，延长设备使用寿命，保障生产安全。

传统巡检有较多问题，比如效率低、人员成本高、故障识别率低、信息化水平不足、应急准备不足、环境差导致工作量大且难以执行。随着技术的发展，传统的手工巡检方式正逐渐被智能化、自动化的巡检设备所取代，大大提高了巡检的效率和准确性，比如采用无人机巡检、建立视频智能识别系统等。然而，传统视频智能识别系统依然面临两个难点:第一，由于缺乏判断超低频异常事件的样本，系统很难实现冷启动;第二，过去的模型能力较为专一，在不同场景下使用效果不同，很难实现优化。

以上问题需要大模型来进行提升和改善。

一方面，可以在原系统上进行视觉大模型升级，从而再次大幅提高准确度。另一方面，考虑到大模型算力和功耗要求高，不适合用于边缘侧，但边缘侧的小模型准确率和泛化性不如大模型，因此，可以将大模型和小模型进行整合，在边缘侧用小模型进行初步判断，在中心侧用大模型进行复判，同时形成误报数据的标注和数据回流，不断提升模型准确率。

通过CV(计算机视觉)大模型的使用，发挥其泛化性、通用性，也解决了样本少、冷启动难、不同场景快速优化难等问题。在多数场景中，要求缺陷数据样本量达到500才能启动训练，现在降低到样本量达到150~200就可以启动训练，效率提升3倍以上。

大模型的多模态能力、良好的泛化能力，正改善着能源行业的多个环节。能源行业越来越享受高科技的驱动力，在科技、信息化、数字化、智能化方面的投入和建设密度，都处于各行各业的前列。

四、电商：打造更精准的“交易中枢”

电商的核心业务始终围绕“交易”展开，所有业务环节和动作的最终目标都是促成用户下单购买商品。

从电商企业的视角来看，如何通过营销手段赋能交易是核心问题。电商营销流程通常包含四个关键环节:首先，引流获客，即通过社交媒体、广告投放等渠道吸引潜在客户进入平台;其次，激活转化，即通过个性化推荐、限时促销等方式引导客户完成购买;再次，售后服务，即通过高效的退换货、售后咨询等服务提升客户满意度和忠诚度;最后，复购增购，即通过会员体系、积分奖励等机制激励客户重复购买，提升客户生命周期价值。

近年来，营销领域正经历深刻变革，尤其是大模型技术的应用，为电商企业提供了新的增长引擎。大模型不仅能够优化个性化推荐、精准广告投放等环节，还能通过数据驱动的洞察提升客户体验，成为企业竞争中的关键得分点。在这一背景下，电商企业需要积极拥抱技术变革，将大模型等创新工具融入营销全流程，以在激烈的市场竞争中占据优势地位。

电商营销正经历显著变革，主要体现在以下三个方面。

第一，营销形式的转变。传统图文模式逐渐被直播、短视频等形式取代，这一趋势催生了对数字人的需求，同时对营销的即时性提出了更高要求，例如实时互动与快速响应。

第二，内容与社交的重要性提升。社交网络营销和内容营销成为关键，企业需要具备强大的内容生产能力和潮流洞察力，以增加用户黏性，实现事半功倍的效果。

第三，个性化需求崛起。消费者对“千人千面”的个性化内容需求日益增强，定制化营销成为提升转化率的重要手段。

伴随着营销趋势变化，希望做电商营销的企业也遇到了三个能力挑战:一是流量获取成本高，企业需要探索如何通过多元渠道获得流量，并提高转化率;二是用户黏性不足，企业需要探索如何通过丰富内容生态、个性化推荐、体验提升等方式，提高留存率和复购率;三是售后服务需求过载，企业需要提高反馈流畅度，提升用户满意度。

做好营销，一个很重要的因素是创意，但大量的执行工作却牵扯了相关人员的精力，从而无法更好地发挥创造力。如今，依靠大模型极强的通用能力，以及基于大模型开发的各类应用，可以良好应对上述变化和痛点。

比如，大模型的多模态能力，可以对用户画像进行更为详细、精准的分析，实现个性化营销;实时行为理解以及对推荐系统的升级，可以提升转化;多轮对话、对情感的精准分析能力以及知识图谱的构建，可以提升售后服务质量，并挖掘售后服务价值。

最终，可以让电商营销领域内流程化的事情更加智能化，让创意化的工作更加个性化，带来传统人工智能不具备的体验。

大模型在各行各业中的应用，不胜枚举。所有实践案例，都有几个显著特点。第一，实施方案“可大可小”，要结合用户所需。既可以从算力底层开始，重构以大模型为核心的数智化体系，也可以直接部署一些成熟的人工智能应用。第二，大模型可以和现有技术、应用相结合，也可以基于大模型重构，而重构往往会带来更高效率。第三，针对一些重复的、流程化的业务，应用大模型开发智能体的效果非常好。

另外，大模型在各行各业的应用，不仅需要有领先的技术，更需要“挽起裤腿、踩到泥地”，真实了解行业需求。百度会持续深耕一线场景，提供端到端的大模型解决方案落地服务，包括咨询、方案设计、应用梳理定制、模型调优，以及以效果为导向的运营和能力培训等。

对于读者而言，无论处于什么行业，都可以用开放的心态来使用大模型。既可以在一些小场景里应用，建立对大模型的熟悉度和信任度;也可以从顶层设计开始，思考以大模型为中心的业务重构。无论何种方式，相信带来的都一定是新体验。

新书信息

《大模型浪潮—商业机遇、产业变革与未来趋势》

【作者】沈抖

【出版时间】2025年6月

【出版社】中信出版社

【内容简介】

2022年末，ChatGPT在全球的风靡，让大模型随之出圈。大模型带来的机遇是人类突破能力边界最大的一次飞跃。未来基于人工智能或将实现“想象即现实，所想即所得”，这将是一次巨大的飞跃，远远超过之前蒸汽机和电气两次工业革命带来的变化。 中国、美国以及欧洲各国纷纷出台相关政策，将推动人工智能发展、大模型迭代作为重要的创新引擎。 了解、应用大模型，既是时代的要求，也是产业发展的必需。但是在实践中也发现，大家对大模型的了解并不深刻，甚至时常被技术名词“劝退”。因此，迫切需要一本著作，能融合学术理论与产业实践，通俗且系统地阐述一系列话题，例如：人工智能是如何一步步发展到令人惊叹的阶段的？大模型的能力有哪些特点，可以产生怎样的商业价值？为什么应用大模型正当其时？企业与个人如何高效便捷地基于大模型做开发？哪些产业已经开始应用大模型且有了显著效果？企业落地大模型还要注意哪些要素？解答这些问题也正是撰写本书的初衷，相信本书可以回答读者的关切，为大模型的落地提供新思路。 立足当下，如果用一句话来总结大模型的状态，那就是：大模型已经从最初尝鲜、体验的场景，进入了实际的生产环境里，成为生产力。智能体等产品形态的发展，则将人从重复、机械的工作中解放出来，最大限度地发挥创新的力量。

【作者简介】

沈抖，现任百度集团执行副总裁，百度智能云事业群总裁，分别在香港科技大学、清华大学、华北电力大学获得博士、硕士和学士学位，先后在国际学术会议和期刊上发表约40篇论文，拥有多项人工智能相关领域的专利技术。

2012年加入百度，先后担任百度网盟、搜索策略、百度金融等业务研发负责人，2019年起负责百度移动生态事业群组、2022年起负责百度智能云事业群组。加入百度前，曾就职于微软（西雅图），后创办Buzzlabs公司，被CityGrid Media公司收购。

现担任KDDC（ACM数据挖掘中国分会）副主席，华北电力大学人工智能学院院长（兼）。曾担任第22届国际数据挖掘大会（SIGKDD 2016）的工业程序委员会主席、第18届国际数据挖掘大会（SIGKDD 2012）的大会副主席等学术职务。

赠书活动

IPP目前正举行郑永年教授新书——《论单边开放》的留言赠书活动，

欢迎各位读者进入本书的推广链接↓↓↓

在留言区写下您对“单边开放”问题的思考和观点！

积极参与留言互动，并获得最高点赞数的读者朋友

将获赠一本郑永年教授亲笔签名版新书

活动截止日期为6月30日（周一），届时小编将在评论区公布活动结果

欢迎读者朋友们踊跃留言、转发，分享！

（活动最终解释权归本号所有）

《中等技术陷阱：经济持续增长的关键挑战》，直面中国科技发展重要议题！

从国际秩序、地缘政治及地缘经济探讨中国外交政策的变化

郑永年 杨丽君：让世界读懂中国模式与价值！

关于IPP

华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。