大模型2.0產業發展報告——商業落地創涌而現國家工業信息安全發展研究中心標準所聯想集團

2025年3月第一章大模型發展進入2.0階段?????????????????3一、大模型2.0的技術特點和產業生態

???????????????6二、大模型2.0驅動社會進入智能時代

??????????????10三、各國密集出臺人工智能及大模型的支持和監管政策??????????????????????????????????12四、大模型引發科技巨頭的投資熱潮和人才需求的持續增長????????????????????????????????????15第二章大模型2.0階段的關鍵要素

??????????????18一、關鍵要素????????????????????????????????????18二、基礎層??????????????????????????????????????19三、模型與應用??????????????????????????????????25四、模型保障層??????????????????????????????????27繁華落盡繁星升起?????????????????????????????????????????????????

1

基礎篇第三章個人大模型

?????????????????????????????

31一、個人大模型為個人終端產品升級帶來新機遇??????

32二、個人大模型對個人終端硬件技術發展提出新要求??33三、智能個人助理成為個人大模型應用的重要方式????34第四章

企業大模型

?????????????????????????????35一、大模型給企業智能化轉型帶來的新機遇??????????36二、企業智能化轉型的價值體系????????????????????37大模型2.0產業發展報告

洞向篇目

錄目關卞,目●IC工信安全

數字化轉型I第六章大模型未來

?????????????????????????????51一、大模型的未來三大發展趨勢????????????????????51二、去概率化大模型成為大模型發展的主要框架??????53三、目標驅動的人工智能新架構????????????????????54四、相關研究與實踐??????????????????????????????56第五章

企業大模型及智能體實踐的方法與路徑

???41一、企業基于大模型構建智能體的步驟??????????????

42二、實踐案例：聯想的智能化轉型及聯想企業智能體??44三、大模型在行業智能化轉型的典型場景應用????????

47結語?????????????????????????????????????????????????????????????57大模型2.0產業發展報告目

錄目關卞,目●lc工信安全數字化轉型大模型廣泛應用將持續推進“人工智能+”行動當前，人工智能技術已成為國際經濟的新焦點、經濟發展的新引擎、社會建設的新機遇。隨著算力、算法與數據的協同突破，人工智能技術快速發

展，且已從實驗室走向產業實踐，深刻重塑著人類社會的生產生活方式。

我們站在這個新的技術革命起點，搶抓人工智能發展的重大戰略機遇，積

極推動大模型研制，給人工智能技術發展帶來重要突破。大模型憑借強大

的泛化能力、多模態理解與持續學習特性，成為推動智能化轉型的核心，

引領著我們進入一個全新的智能化、高效化的新紀元。近年來，我國政府相繼出臺了一系列政策支持人工智能的發展。國務院出臺了《新一代人工智能發展規劃》，將人工智能上升至國家戰略。中央網絡安全和信息化委員會出臺《“十四五”國家信息化規劃》，也提到了人

工智能技術。2024年《政府工作報告》提出開展“人工智能+”行動。

隨后我國各地政府也相繼出臺了相關支持政策，加快推動大模型產業的持竇克勤國家工業信息安全發展研究中心

標準所副所長、研究員大模型2.0產業發展報告【政觀經緯】目關卞,目●IC工信安全數字化轉型續發展。其中，北京市人民政府辦公廳發布《北京市促進通用人工智能創新發展的若干措施》提出“高效推動新增算力基礎設施建設，開展大模型

創新算法及關鍵技術研究”；廣東省人民政府發布《廣東省人民政府關于

加快建設通用人工智能產業創新引領地的實施意見》提出“圍繞基礎架構、

訓練算法、調優對齊、推理部署等環節，研發千億級參數的人工智能通用

大模型，形成自主可控的大模型完整技術體系”。在國家政策和地方政策

的指引下，我國人工智能產業發展迅速，形成了從基礎研究到應用落地的

完整生態體系。歷經多年的技術攻關，國內在大模型、人工智能芯片、開

源框架、算法優化等領域涌現出了一系列創新成果，取得了令人矚目的成

就，極大地推動了產業的技術創新，也為實體經濟的數字化、智能化、綠

色化轉型提供了強大動力。在此背景下，由國家工業信息安全發展研究中心標準所、全國兩化融合標委會（TC573）、《數字化轉型》期刊和聯想集團聯合編纂與發布《大模型2.0

產業發展報告》（以下簡稱《報告》）具有重要的意義。

一是《報告》系

統梳理模型架構創新、訓練范式革新以及算力基礎設施的演進等領域大模

型技術發展的最新趨勢。通過對比國內外主流大模型的技術參數與應用效

能，為從業者提供客觀的技術參考。二是提供實踐指導，梳理大模型在個

人、企業的典型應用案例，揭示其賦能生產生活方式的核心邏輯，推動企

業實現轉型升級，大模型在企業的智能經營管理、智能設計研發、智能供

應鏈管理、智能生產制造等典型場景的應用有效提升了企業的運營效率和

產品質量。三是《報告》對未來發展方向進一步深刻洞察，為產業界和學

術界提供指導和參考。希望通過《報告》的發布，能夠激發更多業界同仁

的思考和討論，促進產學研各界的交流與合作，在彼此共同努力下，共同

創造人工智能產業的輝煌未來。大模型2.0產業發展報告目關卞,目●lc工信安全數字化轉型大模型2.0驅動企業智能化升級破局近幾年，大模型超越了人工智能過去幾十年的發展速度。正因如此，大模型也正在引領著以人工智能為代表的新一代信息技術深入到人類的社會生

活和經濟發展。從技術萌芽到產業應用，是一次巨大的技術躍升，大模型

技術也是如此，這也是我們這一產業發展報告的價值所在。從產業發展現狀來看，生成式大模型的技術成熟度已經很高，但產業應用卻面臨著巨大的鴻溝。與社會個體或創作者日常的大模型應用場景（智能助手、文生圖、圖生文、翻譯及語音設備等）相比，大模型在企業生產經【產經智見】戴煒聯想高級副總裁中國方案服務業務群總經理營中的應用要廣泛得多，也復雜得多。同樣基于目前個人和小組織的應用價值，或許只是大模型價值很小的一部分，而大模型在產業特別是企業中

一旦得到大規模深入推廣，那將是大模型真正的星辰大海。不僅如此，對于企業的轉型升級而言，大模型技術的成熟，對企業的智能化升級帶來更為現實和明確的方向，也對企業智能化升級之后的智能化運營效率和數字化創新能力的提升產生

巨大的影響。大模型2.0產業發展報告目關卞,目●IC工信安全數字化轉型聯想是一家服務于企業和社會機構數字化轉型和智能化升級的企業，在近年的技術探索和產業實踐中，我們深切感受到：從基礎大模型走向企業級

大模型平臺，所需要的技術適配和系統平臺升級，遠比想象的復雜得多。在近年的探索實踐中我們發現，大模型在產業和企業的應用不像之前企業信息技術一樣，只是一個獨立的應用或系統，而是需要系統性解決企業生

產經營平臺智能化的問題：需要融合企業原有專用人工智能應用和基礎大

模型；需要實現大模型的云端和本地的混合部署；需要實現企業商業數據

和社會公共數據融合后的大模型訓練和調優；更需要實現企業算力平臺從

通用算力向“通用算力+圖形算力+智能算力”融合的混合算力體系的過

渡。我們把這些特征統稱為混合人工智能，這也是近幾年我們和合作伙伴

一起，為大模型應用提供的一種經過產業驗證的技術方式。同時，在企業大模型的發展中，我們依托企業在不同場景智能體的應用，降低大模型應用過高的技術門檻。基于企業應用場景的閉環，依靠適合企

業特殊場景的大模型，實現企業獨立場景的智能化，同時提供不同智能體

的協同，讓企業的生產經營和管理運營最終實現智能化。這就是大模型發

展過程的2.0階段，從模型研發向模型應用方向發展。大模型是企業智能化升級的一種高效技術路徑，但企業的數字化轉型和智能化升級，遠比大模型應用復雜得多。在大模型的企業應用中，或者說在

企業大模型的發展過程中，我們面臨著巨大的機遇和復雜環境，需要全產

業的持續創新。大模型2.0產業發展報告目關卞,目●lc工信安全數字化轉型繁花落盡

繁星升起1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，

一群科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習

以及其他方面的智能。會議足足持續了兩個月的時間，雖然大家沒有達成

普遍的共識，但是卻為會議討論的內容起了一個名字——人工智能。因此，

1956年也就成為人工智能元年。在人工智能的漫長征程中，我們見證了技術的波瀾壯闊，也感受到了時代的脈動。大模型

1.0時代，如同一場科技的啟蒙，揭開了深度學習與自然

語言處理的新篇章。在這個時代，基于大型語言模型（LLM）架構的概率

模型，無論是通用模型還是行業模型，都在探索著人工智能的可能性。然

而，這些模型在虛擬的非嚴肅場景中雖然展現出了驚人的潛力，但在商業

模式的探索上卻顯得步履蹣跚。在這個時代，市場上涌現了

200多家致

力于大模型研發的企業，

一些企業如繁花般綻放，卻最終隨著競爭的激烈

而消逝，只有幾十家能夠適應市場并持續運營，其他企業未能在競爭中生存下來。隨著時間的推移，我們迎來了大模型發展的2.0時代。這是一個全新的紀元，

一個以可商業化為視角的時代。在這個時代，我們不再僅僅關注技術

的突破，更開始審視整個大模型發展的產業鏈、生態和價值體系。我們開

始思考，如何將這些強大的模型轉化為實際的生產力，如何在現實世界中

找到它們的立足之地。在大模型2.0時代，行業AI應用正對市場產生深遠的影響和改變。隨著技術的成熟和應用的深入，人工智能不再局限于虛擬的實驗場，而是開始

滲透到各行各業，從制造業的自動化到服務業的個性化推薦，從醫療診斷

的精準度到金融風險的管理，AI應用正在重塑傳統行業的面貌。大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型1行業AI應用對市場的沖擊首先體現在效率的提升上。通過引入智能算法和自動化流程，企業能夠顯著提高生產效率，降低運營成本。其次，

AI技術的應用也為企業帶來了新的商業模式和收入來源。例如，基于數據分

析的個性化服務能夠更好地滿足消費者的需求，創造更大的市場價值。然而，行業AI應用也帶來了挑戰。隨著自動化和智能化水平的提高，

一些傳統崗位可能會被機器取代，引發就業結構的變化。同時，數據安全和

隱私保護也成為行業發展必須面對的問題。在這個時代，我們看到了基于

AIPC、AIPhone

等新硬件的個人模型的崛起。這些模型不僅僅是技術的展示，更是個人生活和工作的得力助手。它們以

更加個性化、智能化的方式，融入我們的日常生活，成為我們生活中不可

或缺的一部分。同時，基于企業化的場景模型也開始嶄露頭角。這些模型深入到各個行業，從金融到醫療，從教育到制造，它們正在改變著傳統的工作方式，提升著

生產效率，推動著產業的升級。它們不僅僅是簡單的工具，更是企業創新

和競爭力的新源泉。這些新硬件和場景模型的出現，正如繁星般升起，為我們描繪了一個嶄新的產業未來的藍圖。在這個藍圖中，大模型不再是高高在上的科技概念，

而是實實在在地服務于人類，成為推動社會進步的強大動力。它們成為了

產業未來的錨點，引領著我們向著更加智能、高效和人性化的未來邁進。本書旨在深入探討大模型2.0時代的發展趨勢、挑戰和機遇。我們將一起見證這個時代的變遷，

一起探索人工智能如何更好地服務于人類社會。在這個充滿無限可能的新時代，讓我們攜手前行，創涌未來！大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型2人工智能旨在讓計算機系統模擬人的思維過程和學習過程，其發展和技術演進經歷了多個階段，并產生了自然語言處理、語音處理、計算機視覺數據分

析等一系列技術和方法。其中，人工智能大模型，即大型語言模型（Large

Language

Models，LLMs），是指基于深度學習算法，依托大規模的數據進行訓練，利用強大算力資源進行推理和應用，能執行復雜下游任務的神經網絡模型，也被簡稱為大模型。它使用大量的計算資源進行訓練和部署，在大規模數據集上完成預訓練后，無需或僅需少量數據的微調，即可完成問答、翻譯、語音識別、圖像識別等復雜任務，直接支撐各類應用。大模型的發展可以追溯到人工智能和機器學習的早期階段，但真正爆發卻是在最近幾年，特別是在自然語言處理（NLP）領域。一般來說，大模型的發展經歷了以下幾個階段。?

人工智能探索期早期探索（1950-2000年）：人工智能概念提出以后，研究者首先進行了基于簡單規則進行推理與基于知識進行推理兩個階段的實踐。但實踐證明，基于第一章大模型發展

進入2.0階段大模型2.0產業發展報告本報告來源于三個皮匠報告站（）,由用戶Id:841177下載,文檔Id:621395,下載日期:2025-05-16基礎篇目關卞,目●IC工信安全

數字化轉型3知識系統和邏輯推理的機器并不智能。隨后研究者嘗試讓計算機自己在數據中學習，基于數據的統計學習出現并成為主流，人們將目光轉向了數據和統計理論。在這個階段，基于神經網絡的連接主義學習也得到了一些進展，早期的模型如感知器和反向傳播算法為后來深度學習的發展奠定了基礎。?

新一代人工智能起步期深度學習的興起（2006-2012年）

：深度學習的概念在2006年被正式提出，它是一種復雜的機器學習算法，主要目的是模擬人腦的神經網絡結構，使機器具備類似于人的分析和學習能力。同構建單層模型、需要人工提取特征的機器學習相比，深度學習構建了多層網絡，可以自動學習、提取數據特征，在模型復雜程度、能力上都比機器學習有明顯的提升，此后深度學習開始廣泛應用于

自然語言處理任務。預訓練模型的出現（2013-2018年）：隨著深度學習的應用發展，Word2Vec和BERT等預訓練模型出現。預訓練模型的出現，標志著“通用模型能力+特

定場景微調”思想的成熟。它的核心思想是將在一個任務上訓練得到的模型權重遷移到其他任務上，使得新任務能夠利用已經學到的知識和特征。?

新一代人工智能發展期Transformer架構的突破（2017年

）：2017

年，谷

歌

團

隊

首

先提

出Transformer架構，該框架基于自注意力機制，解決了自然語言處理任務中循

環神經網絡（RNN）和卷積神經網絡（CNN）在應用中的長距離依賴問題，使長文本理解處理成為可能。這是人工智能領域發展的新突破，Transformer架構也成為后續大模型的核心技術。?

進入大模型1.0時代GPT系列的崛起（2018年至今）：GPT系列模型是OpenAI推出的預訓練語言模型。GPT-1、GPT-2的實踐已經暗示了擴大數據和參數后預訓練模型的潛

力。GPT-3在網絡容量上做了更大的提升，最終在不同任務上有了令人震驚的大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型4表現。基于GPT-3的對話產品ChatGPT在全球范圍內也引發了巨大的關注和討論。GPT-4在參數上較GPT-3又有數量的突破，擁有了處理多模態數據的

能力。GPT系列的崛起證明了在Transformer架構下使用海量參數與數據訓練的模型的強大能力，“大模型+場景微調”成為了行業新的研究范式。多模態大模型的發展（2021年至今）

：隨著CLIP和DALL·E等模型的出現，大模型開始突破傳統的文本處理領域，進入圖像、音頻等多模態領域，進一步拓寬了人工智能的應用范圍。?

進入大模型2.0時代大模型發展的1.0階段，是大模型的探索階段。受到

GPT的沖擊，科技巨頭紛紛構建通用大模型，探求大模型在技術上的進一步發展，開始大模型在商業化層面的探索。行業巨頭開始籌備構建自己的垂直大模型，在通用大模型基礎上利用行業知識進行微調的行業大模型也在金融、醫療、能源等行業出現。大模型2.0階段，是大模型的應用階段。隨著通用大模型數量爆發與質量快速提升，行業大模型繼續發展，在通用大模型基礎上基于企業數據和個人預訓練數據的企業大模型和個人大模型快速得到應用落地，已經成為大模型最有價值的商業化方向。與此同時，通用多模態大模型產品也得到進一步突破。2024

年2月，OpenAI發布了其文本生成視頻的大模型Sora。Sora展示了人工智大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型5能在理解和模擬物理世界方面的能力，被認為是通用人工智能的關鍵一步。2024年5月，OpenAI推出其新旗艦模型GPT-4o，能夠實時對音頻、視覺和

文本進行推理，為多模態交互開啟無限可能。2025年1月，

DeepSeek正式

發布DeepSeekV3模型，大幅降低了大模型對算力的要求，同時顯著降低了企業應用門檻，加速推動了大模型在企業部署及應用的普及化。隨著大模型從1.0階段到2.0階段的邁進，大模型產業也從初期應用的探索轉向應用的規?；c深度化發展，

以企業和個人使用者為中心，

以大模型應用服

務提供商為主導的產業生態正在形成。大模型

2.0

的技術特點和（一）大模型2.0

時代大模型1.0階段的核心任務是人工智能技術實現快速迭代發展并且逐漸成熟，尤其在文字、語音、圖像、視頻、代碼等領域加速迭代，為大模型技術的商業

化應用打下了堅實基礎。大模型發展進入2.0階段的標志，就是在大模型能力快速增強，

以及對算力門檻與成本的大幅降低的背景下，大模型技術進入規模商業化。在資本逐漸認可大模型商業價值的背景下，個人和企業用戶初步形成付費意愿，越來越多的大模型賦能產品和服務被采購，產業不斷探索新的商業模式和業態。主要表現在兩個方面：面向個人消費市場，

以大模型技術路線的產品與服務越來越豐富，產品與服務在個人端不斷探索；面向企業級市場，幾乎所有企業與組織都積極探索大模型技術路線為企業帶來的創新與變革，大模型開始加速滲透到千行百業的場景中，賦能行業升級。在這個過程中，智能體

(Agent)作為大模型在企業落地的重要手段，其種類的豐富和繁榮，是大模型應用規模商業化的一個重要標志。智能體是一種能夠感知環境、進行自主決策并執行行動以實現特定目標的智能實體或系統。它基于01大模型2.0產業發展報告產業生態目關卞,目●lc工信安全

數字化轉型6人工智能技術，具備學習、規劃、記憶、工具使用和行動等能力，能夠獨立或半自主地完成任務，而不僅僅依賴于用戶的明確指令。在大模型2.0的發展階段，大模型在技術、商業化應用、產業等層面均出現了顯性變化。技術上，為了解決基于Transformer架構黑箱推理過程、輸出可解釋可控的問題，

以及消除大模型的幻覺，對大模型的訓練數據、方法與模型算法持續優化，提高大模型輸出的準確性；基于外掛知識庫的檢索增強生成模型和去概率化大模型逐漸發展，大模型輸出的邏輯性、可控性、專業化與行業化進一步加強。隨著模型能力的加強，通用大模型的參數也從千億級向萬億級發展，面向不同應用的不同參數規模的大模型多元化，對算力的要求進一步提高。商業上，在通用大模型與行業大模型持續發展的基礎上，大模型在個人場景與企業場景中找到了可發展的商業模式。基于個人大模型的智能硬件和軟件的產品與服務如雨后春筍般出現，基于企業大模型的涉及生產、經營、管理等全域智能化應用正成為企業數字化轉型和增強市場競爭力的重要工具。在產業層面，分別以個人和企業為核心的大模型生態體系正在形成。個人大模型的生態體系主要包括數據、技術基礎設施、模型應用、服務與產品、安全性

與隱私等多個層面；企業大模型的生態體系主要包括基礎層、應用層和戰略層。個人通過構建個人大模型推動個人工作方式創新升級，企業通過構建基于大模型的企業智能體進行智能化轉型，推動產業結構優化升級，促進社會的生產能

力發展。（二）大模型2.0時代的技術特點在新的階段，大模型也形成了明顯的特點，主要體現在以下幾個方面。更強的理解能力。在大模型2.0發展階段，多模態大模型不僅能處理和理解文本、圖像、音頻和視頻等多模態的數據，還具備了理解跨模態數據的能力。另外，多模態大模型是以思想鏈展示出類似人類解決問題時的邏輯推理過程，輸出具有更高的可解釋性。更強的理解能力推動大模型推理的準確性，滿足了更多的個人與企業對大模型以及智能體的需求。大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型7更全面的知識儲備。在2.0發展階段，數據版權化得到更多關注，數據版權趨勢有助于提高私有數據的隱私性和安全性，從而推動更多行業知識能夠安全進入大模型進行訓練，使大模型擁有更全面的知識儲備，進而在回答來自各種領域的復雜問題時，具備更高的泛化能力和更準確的應用范圍，推動了大模型在

千行百業向深度應用的拓展。更高效低碳的訓練模式。在大模型2.0發展階段，模型壓縮技術、RAG架構等技術創新能夠推動訓練流程優化升級，TPU等集成電路的出現能夠加速網絡

的訓練和推理過程，異構計算平臺結合了多種硬件資源，在保證高性能的同時降低設備功耗，提高了效率，降低了大模型訓練成本，讓大模型發展更適應綠色環保的理念。更廣泛的產業應用能力。在大模型2.0發展階段，大模型通常提供服務化平臺，使得大模型的能力能夠以API或其他服務的形式對外提供，從而滿足不同使用者和應用場景的需求，更廣泛地應用于多個產業和領域，為不同企業提供更專業、更精細的技術支持。同時，為深度學習神經網絡設計的專用處理器出現并逐漸應用，AI算力芯片逐步進入個人終端，推動個人生活和工作場景的智能

化發展。（三）大模型2.0的產業生態大模型在現實復雜場景中的應用，主要難點在于打造完整的產業生態體系，進而打通大模型應用的“最后一公里”?，F階段，

以個人和企業為核心的大模型

產業生態體系正在形成。個人大模型的產業生態體系主要涉及數據供給、技術基礎設施供給、模型應用、服務與產品供給、安全與隱私等多個方面。個人大模型的訓練需要個人活動和傳感器數據，并對個人數據進行分析與處理；此外，還需要應用程序、操作系統等軟件和個人終端產品、個人服務器等硬件提供技術基礎設施供給；在模型應用方面，個人大模型還可以提供個性化推薦、健康檢測、生產力工具等應用；

基于個人大模型，還有定制應用、智能家居、智能攝像頭等產品服務；在個人大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型8圖1

個人大模型產業生態圖譜企業大模型的產業生態體系主要包括基礎層、應用層和戰略層三大層面。在基礎層，首先，需要來自企業的內部和外部等多種來源的數據供給；而后利用企業數

據訓練開發大模型，并將企業大模型應用于決策、自動化、個性化服務等多個方

面；在訓練企業大模型的過程中，還需要確保算力集群、儲存服務器等硬件和大

數據平臺、云計算工具等軟件技術基礎資源的供給。在應用層，企業大模型的應

用主要涉及市場與競爭、投資與財務、合作伙伴與生態系統、研發與創新、供應

鏈、用戶與客戶等多個領域，其中通過組織戰略合作，可以構建以企業大模型為

基礎的生態系統。在戰略層，主要涉及企業大模型的未來與發展、學習與優化、

安全與合規三個方面，通過規劃大模型的未來發展、持續改進模型性能并保證過

程安全合規，推動企業大模型的可持續發展。在整個企業大模型產業生態體系的

構建下，企業能夠通過大模型推動自身轉型升級，實現長遠發展。數據分析與處理技術基礎設施數據生成數據保護：加密、匿名化合規性：數安法、GPDR……大模型的開發應用過程中，也要注意個人數據的保護與合規性。利用個人大模型，個人可以在學習、工作、生活、娛樂等多個方面提升體驗，實現個人生活的全方位升級和發展。人生活、工作、學習、娛樂、社交、購物、健康、個性化個人大模型數據收集：個人設備、應用數據數據存儲：云、個人服務器個人活動：社交、媒體、在線購物、健康檢測傳感器數據：可穿戴設備、位置數據、時空數據健康檢測：基于個人模型的預測生產力工具：日程管理、郵件分類處理、個人助理大模型2.0產業發展報告個性化推薦：音樂、視頻、新聞智能手機可穿戴設備電腦

個人服務器操作系統應用程序數據庫安全服務：智能攝像頭IOT服務：智能家居第三方服務：定制應用數據分析：機器學習、預測練目關卞,目●IC工信安全安全與隱私服務與產品

數字化轉型模型應用數據軟件硬件9圖2

企業大模型產業全景圖基于個人和企業需求的大模型產業生態體系的構建，是大模型普及的關鍵。預計未來，個人大模型產業生態體系和企業大模型產業生態體系將逐漸成形，并

為個人工作生產效率的升級和企業智能化轉型提供關鍵支撐。到大模型2.0發展階段，個人大模型和企業大模型已成為未來大模型發展的高價值發展方向，也成為新質生產力的重要組成部分，不僅促進對個人的工作生活方式變革，而且推動企業的生產管理方式變革，進而極大地推動社會生產力大模型2.0驅動社會進入

智能時代決策支持：輔助管理、戰略決策自動化流程：日常運營自動化個性化服務：為客戶定制化服務內部數據：運營、客戶、財務外部數據：市場、社交媒體、合作伙伴數據存儲：數據金庫、數據湖數據清洗：確保數據質量員工：企業內部生產力提升客戶：客戶調查和個性化服務供應商：供應鏈中數據的模型應用物流：多流程物流的優化生產管理：運營管理效率提升質量：大模型增強檢測體系產品開發：利用模型加速開發技術研發：探索新技術保持競爭力02大模型2.0產業發展報告算力集群存儲服務器云計算工具應用軟件生態系統：生態健康與廣泛性構建競爭對手：分析競爭對手、制定競爭策略風險管理：財務風險預測與管理數據安全：保護、授權、優化模型訓練：使用企業數據訓練算法研究：適應企業要求的算法合規監控：守法、異常動態監控合作伙伴：組織戰略與合作技術趨勢：未來技術發展趨勢戰略與規劃：基于模型的長期戰略規劃市場趨勢：分析市場以指導產品開發數據收集：多來源數據反饋循環：基于模型輸出的反饋優化持續改進：持續監控模型性能并調優投資決策：模型幫助投資決策大數據平臺合作伙伴與生態系統企業大模型及應用目關卞,目●lc工信安全技術基礎資源用戶與客戶研發與創新未來與發展市場與競爭安全與合規學習與優化投資與財務

數字化轉型應用層基礎層模型應用企業數據戰略層生產制造模型開發數據類型供應鏈數據源10軟件硬件的發展。（一）個人生產力明顯提高對個人而言，基于大模型的智能軟件、智能終端（如AIPC、AI

Phone）將為個人提供全新的、智能的服務。大模型在內容創作、數據分析等領域的廣泛應用，將打破技術壁壘，使人們能夠專注于更具創造性的任務，推動個人工作方式的創新升級，使個人的工作生產效率明顯提高。隨著新終端不斷涌現，傳統設備的功能將紛紛向各類新終端遷移，個人辦公助理將成為最早實現大規模商

業化的應用領域。（二）企業向全棧智能化發展對企業而言，企業將從基于“大模型+場景微調”的局部化場景智能化，向基于“大模型+企業私域知識庫+場景微調”的全棧智能化轉變。精準聚焦企

業自身生產經營管理的企業大模型，促使企業從生產、經營、管理、決策等多方面進行數字化與智能化重構，實現智能經營管理、智能研發設計、智能供應鏈管理、智能生產制造，達到提升企業的業務效率、減少重復勞動、降本增效的目的，甚至改變企業組織結構、業務流程、生產形式與產品形態、商業模式等，充分釋放大模型帶來的新質生產力變革。（三）促進社會生產力與生產關系變革對社會而言，大模型2.0的發展推動了生產力和生產關系的變革。大模型可以提升效率，降低成本，能夠承接重復工作。在生產領域，大模型驅動了人工智能工程化進程，從定制訓練轉向預訓練，重構產業鏈，將促進生產力的提升；在家庭生活和工作方式方面，大模型實現了語音和文本交互的高效、

自然，提高了工作效率；在產業智能化升級中，大模型在制造、金融、醫療等領域發揮了關鍵作用，提升了生產效率和服務質量。此外，大模型的快速發展驅動了數字新基建，促進了數字經濟的高質量發展，成為推動社會生產力進步的重要力量。大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型11（一）產業政策?

全球主要經濟體陸續出臺支持人工智能發展的相關政策近年來，全球主要經濟體紛紛出臺政策以支持人工智能的發展。自

2013年以來，超過20個國家和地區發布了AI戰略或計劃，如歐盟簽署的《人工智能合

作宣言》和東盟的《東盟數字融合框架行動計劃》。美國政府強調人工智能的有效交互，并在2023年更新了《國家人工智能研發戰略計劃》，新增了對高質量數據集和先進算力資源的重點支持。德國在2023年推出了《人工智能行

動計劃》，旨在提升AI質量，加強算力和數據質量。日本政府致力于建設國家級

AI平臺，并在2023年設立了戰略會議討論國家

AI戰略。英國則發布《人

工智能2020國家戰略》，并宣布建造超級計算機

Isambard-AI，同時鼓勵民

間資本投入AI領域。這些舉措共同推動了全球人工智能技術的快速發展和應

用。從全球各國不斷出臺的產業政策及戰略規劃分析，未來國際的科技競爭將主要集中在人工智能領域。?

以大模型為主的人工智能提升至我國國家戰略層面自新一代人工智能開始出現，我國相繼出臺了一系列政策措施，不斷推動人工智能發展步入新階段。在新一代人工智能起步期，我國逐漸將人工智能提升至國家戰略層面，

出臺相關發展措施；在人工智能發展期，我國出臺關于人工智

能的發展規劃，制定新一代人工智能標準體系；在大模型起步期，隨著

GPT-3.5在全球掀起大模型熱潮，我國出臺生成式人工智能的相關發展措施，并提

出研制大數據和算力相關的標準；在大模型發展期，我國中央和地方出臺政策和發展規劃，推動人工智能垂類大模型和多模態大模型等持續發展。各國密集出臺人工智能及

大模型的支持和監管政策03大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型12圖3

國家層面人工智能與大模型的相關政策匯總（二）監管與治理世界主要經濟體如美國、歐盟和英國均對大模型采取了監管措施，在引領

AI發展和管理風險方面均展現出積極態度，但具體監管策略和方法存在差異。美國只是在現有立法框架內進行規制，沒有在聯邦層面通過專門針對大模型的綜人工智能發展期大模型發展期大模型起步期《中華人民共和國國民

經濟和社會發展第十四

個五年規劃和2035年

遠景目標綱要》提出推

動新一代人工智能前沿

理論突破，學習推理與

決策、自然語言識別處

理等領域創新?！秶倚乱淮斯ぶ悄軜?/p>

準體系建設指南》加強人

工智能領域標準化頂層設

計，推動人工智能產業技

術研發和標準制定，推進人工智能產業健康可持續

發展。人工智能

起步期2024年

1月《“數據要素

×”三年行動計劃（2024-

2026年）》提出支持開展通用人工智能大模型和垂直領域人工智能大模型訓練?！吨泄仓醒朕k公廳

國務院辦公廳關于加快公共數據

資源開發利用的意見》提

出充分發揮數據要素放大、

疊加、倍增效應，做強做

優做大數字經濟?！渡虾Ｊ型苿尤斯ぶ悄艽竽Ｐ蛣撔掳l展若干措施（2023-2025年）》提出營造通用

人工智能創新生態，加快打造人工智能世界級產業集群?！缎庐a業標準化領航工程實施方案（2023—2035

年）》提出研制大數據、算力、人工智能等新興數字領域標準。《“十三五”國家戰略性新興產業發展規劃》

提出培育人工智能產業生態，推動人工智能

技術在各領域的應用。2015年7月《國務院關于積極推進“互聯網+”行動的指導意見》提出加快人工智能核心技術突破。《深入實施“東數西算”

工程加快構建全國一體

化算力網的實施意見》

推動建設東中西部算力

一體化協同的算力網?！渡墒饺斯ぶ悄芊展?/p>

理暫行辦法》提出促進生

成式人工智能技術發展的具體措施。2017年7月《新一代人工智能發展規劃》全面系統部署人工智能發展。大模型2.0產業發展報告2024年9月2023年12月2023年8月2021年3月2023年

11月2016年

11月2023年7月2020年7月目關卞,目●IC工信安全

數字化轉型13合性立法。歐盟通過了《人工智能法案》對人工智能進行監管，在全球人工智能治理中領先。英國部分現存的法律法規已經涵蓋了對人工智能的規定，早在2018年，英國通過了《數據保護法》；2021年5月通過關注AI倫理的《自

動決策系統的倫理、透明度與責任框架》；2023年3月，英國出臺《創新型

人工智能監管》白皮書推動人工智能發展；2023年10

月，英國議會頒布了《在

線安全法案》保護用戶安全。我國對大模型的監管現狀體現在多個層面，涉及網絡安全、數據安全、個人信息保護等關鍵領域。2023年1月國家互聯網信息辦公室等部門聯合頒布《互

聯網信息服務深度合成管理規定》，針對深度合成服務，要求服務提供者和技

術支持者依法進行安全評估和算法備案。2023年8月生效的《生成式人工智能服務管理暫行辦法》是我國針對生成式人工智能服務領域的首部法律法規，提出了分類分級監管的要求，并明確了服務提供者和技術支持者在內容管理、訓練數據、用戶權益保護等方面的責任。此外，我國還在積極推進全國層面的人工智能專門立法。《人工智能法（草案）》已列入國務院2023年立法工作

計劃，預示著未來將有更加全面和系統的法律框架來指導人工智能及大模型的發展?？傮w來看，全球大模型監管正處于快速發展和完善階段，各國根據自身的法律體系和社會需求，制定了相應的監管政策和法規。我國也在積極構建符合國情的大模型監管體系，通過立法和行業規范的制定，推動大模型技術的合規發展，

并逐步與國際標準接軌。隨著技術的進步和社會的發展，大模型監管將繼續適應新的挑戰，以確保技術的安全、可靠和倫理應用。（三）我國大模型合規標準的制定2024年6月，工業和信息化部、中央網信辦、國家發展改革委、國家標準委等四部門聯合印發《國家人工智能產業綜合標準化體系建設指南（2024

版）》（以下簡稱《指南》）

。提出到

2026年，我國標準與產業科技創新的聯動水平持續提升，新制定國家標準和行業標準50項以上，引領人工智大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型14能產業高質量發展的標準體系加快形成?！吨改稀分饕獌热莺w了人工智能產業的現狀分析、總體要求、建設目標、工作原則、建設思路、重點方向

和保障措施等多個方面，

并明確了關鍵技術和標準成果的具體目標，標志

著中國在人工智能領域標準化工作的重要進展?！吨改稀穼⑼苿尤斯ぶ悄?/p>

產業的高質量發展，促進產業科技創新與標準化的聯動，加強跨行業、跨

領域的協同，

有助于提升中國在全球人工智能產業中的競爭力和影響力。BF系統軟件BG開發框架BB智能芯片BC智能傳感器BD計算設備BE算力中心BA基礎數據服務（一）科技巨頭企業的投資熱潮從自動駕駛到醫療診斷，從智能客服到金融科技，大模型正在逐步改變人們的AA術語AD管理AB參考架構AE可持續AC測試評估大模型引發科技巨頭的投資熱潮和

人才需求的持續增長FB治理FA

安全BH軟硬件協同04大模型2.0產業發展報告圖4

中國人工智能標準體系結構圖DA智能機器人DD數字人CA機器學習CD

自然語言處理CG生物特征識別CJ群體智能CL具身智能CI智能體CF計算機視覺CC大模型DB智能運載工具DC智能移動終端DE智能服務CB知識圖譜CH

人機混合增強智能CE智能語音CK跨媒體智能軟件平臺硬件平臺數據EJ智能教育EB智能家居EF智能能源EC智能城市EG智能環保EK智能醫療ED科學智算EH智能金融EI智能物流EL智能交通EA智能制造EE智能農業EM智能文旅D智能產品

與服務E行業應用C關鍵技術B基礎支撐F安全/治理目關卞,目●IC工信安全A基礎共性

數字化轉型15生活和工作方式，這也使投資者看到了其中的巨大商機，投資者對于大模型的未來發展充滿了信心，紛紛將資金投入到這個領域。谷歌、亞馬遜、微軟、阿里巴巴和聯想等全球知名的科技巨頭都已經在大模型領域進行了布局和投資，通過設立專門的研發機構、招募頂尖的研究團隊、投入巨額的研發經費，積極推動大模型技術的研發和應用。這些科技巨頭在大模型領域的投資主要集中在以下幾個方面：一是基礎技術研發，包括模型結構、算法優化、訓練技術等方面的研究；二是應用研發，將大模型技術應用到具體的業務場景中，如智能客服、智能推薦、自動駕駛等；三是生態建設，通過建立開放平臺、發布開源工具、提供技術支持等方式，吸引更多的開發者使用大模型技術，共同推動大模型生態的發展。微軟在2019年向OpenAI投資了10億美元，并在2023年年初再次宣布向

OpenAI投資100億美元。在云計算、辦公軟件、搜索引擎等方面開展大模型

應用均有大手筆投資。谷歌不僅推出了自己的大模型

PaLM2，還向人工智能公司Anthropic投資至多20億美元，以加強與微軟的競爭力。亞馬遜投資40

億美元支持Anthropic的基礎模型開發，Anthropic的產品Claude被認為是

GPT-4的重要競品。國內云計算巨頭與大模型創企之間的投資與合作表現活躍。阿里巴巴已經投資了5家國產大模型企業（截至2024年3月）

，分別是月之暗面、MiniMax、

智譜AI、百川智能和零一萬物，尤其是在

MiniMax

和月之暗面這兩筆大規

模融資中，阿里巴巴是主要的投資方。騰訊投資了智譜AI、MiniMax和百川智能3家，其中對百川智能、智譜AI的投資是與阿里共同參投。聯想投資了

relnventAI、XSquare和諾諦智能等大模型企業，

其中relnventAI

由聯想創投獨家投資，諾諦智能是由聯想孵化并投資的行業大模型及應用企業。聯想集團在智能化時代的轉型變革過程中，根據自身特點和優勢，將大模型投資作為人工智能領域的重要布局。聯想基于AI原生技術架構的技術突破，打造了針對特定行業或企業場景的聯想“智能體”，并形成了端到端的行業解決大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型16方案，提供基于企業智能體的評估、部署、監控和運營等一站式服務，并可以迅速通過API實現與外部應用融合，形成了企業智能體系統性解決方案。（二）人才需求的持續增長隨著大模型技術的快速發展，特別是在自然語言處理、計算機視覺等領域的應用不斷拓展，對于具備深度學習、數據科學等專業技能的人才需求呈現出爆炸

性增長。大模型優秀人才缺口大，主要有以下幾個原因：一是行業對于能夠將大模型技術應用于實際業務場景的高端技術人才有著迫切的需求；二是大模型生態不僅需要單一領域的專家，更需要跨學科知識融合的人才；三是大模型技術在多個行業領域的應用不斷拓展，增加了對具備相關領域知識和技能的人才的需求。為了滿足日益增長的人工智能產業需求，近年來國內通過政策鼓勵和高校人才培養等措施，加快培養人工智能創新型人才。如

2023

年11

月，上海市印發《上

海市推動人工智能大模型創新發展若干措施（2023-2025年）》，包括優先推薦大模型創新重點人才納入國家和本市相關高層次人才計劃，重點支持大模型相關緊缺技能人才落戶，組織企業、高校、科研機構聯合培養跨學科大模型人

才等。大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型17隨著大模型應用逐漸廣泛、商業化逐漸落地，大模型發展的關鍵要素均發生變化，它們相互關聯、相互促進，共同推動著大模型的發展。01關鍵要素大模型具有海量參數和復雜架構，是一種用于深度學習任務的模型，擁有強大的處理能力和表征能力。大模型關鍵要素具體包括基礎層、模型層、應用層和保障層。大模型以數據、算力、算法和工具為基礎支撐，借助數據管理、模型訓練、評估優化、服務平臺、插件等大模型輔助工具，由大模型供應商開發出基礎大模型或行業大模型，

再由大模型應用服務商與用戶一起將其延伸至制造業、金融、醫療、交通等下

游場景應用，切入個人或企業的實際場景。第二章大模型2.0階段

的關鍵要素大模型2.0產業發展報告基礎篇目關卞,目●lc工信安全

數字化轉型18標準框架共性標準基礎支撐標準

關鍵技術標準產品與服務標準賦能工業軟件排產

供應鏈…模型安全應用安全基礎大模型數據隱私語音

圖像

視頻VR/AR

多模態代碼算法公正可持續發展數據多元化和包容錯參數調節器價值對齊特征向量較準私有化數據集壓縮與加速器代碼與解釋，知識探索圖5大模型生態關鍵要素02基礎層在大模型的發展過程中，數據、算力、算法和工具是大模型發展的基礎和支撐。數據作為大模型能力的來源，數據服務產業將持續發展，數據版權化意識不斷增強，推動數據治理、數據安全和隱私保護的法律法規建設不斷完善，確保數據的合法合規使用。算力是模型落地的物質基礎，國家正在建設算力網絡，

以智算為主的異構算力結構得到發展，為大模型提供了強大的計算支持，也為人工智能的廣泛應用打下了堅實基礎。算法是大模型的骨架，它們定義了模型的學習方式和決策過程，算法的創新和優化直接關系到大模型的性能和智能水平。隨著深度學習、強化學習等先進算法的不斷進步，大模型的學習能力和適應性將得到顯著提升。AI芯片算力中心算力調度平臺算力網，架構計算大模型2.0產業發展報告分布式能

源管理大規模

儲能異構數據調度深度學習遷移學習監督學習強化學習企業大模型行業大模型以人為本技術向善面向未來綜合交通

管理公共交通服務設備預測

性運維生產流程優化數據采集、標注、脫敏

數據處理服務等會社應用層基礎安全數據安全目關卞,目●IC工信安全個人大模型

數字化轉型倫理治理安全保障開源數據集保障層數字

人模型層基礎層制造業客戶服務智能投研智能出行智能投顧輔助診療智能診療醫療影像19虛擬

IP算力算法金融交通能源醫療工具客服游戲運維辦公辦公學習娛樂圖紙工藝工具…………（一）數據不同場景、任務對大模型能力的不同需求，需要不同來源的數據支撐。數據作為生產資料，其版權化服務模式流行，將極大推動數據服務產業的發展。?

對數據數量、質量、樣態產生豐富需求訓練集的質量直接影響著大模型訓練的成本與結果。隨著市場對大模型能力要求的不斷增加,對高質量、精細化、定制化的數據需求日益凸顯。對于文本類

數據集與圖像數據集,基于分類、目標檢測、語義分割、序列標注等不同的任務也表現出不同樣態。AR、自動駕駛等場景的出現，實時圖像數據采集和數

據自動標注的技術亦在快速發展。?

數據來源豐富、數據工具發展大模型訓練數據的來源愈發豐富，數據構建的主體由大模型建設商、數據服務商逐漸向個人、企業、行業主體發展。數據構建由通用向私域延伸，個人、企業、行業構建私域數據集的意識加強。這些推動了數據建設平臺的發展，數據

傳輸、整理的工具軟件愈發豐富、便捷。?

數據服務產業發展將推動數據版權化數據交易將推動數據建設平臺與數據交易方式逐漸完善，數據版權化意識加強，數據付費成為未來趨勢，定制訓練數據集的需求激增。根據Cognilytica數據，2021年全球人工智能訓練數據市場需求約為42億美元，預計到

2027年這一

需求將增長到220億美元，2021-2027年復合增長率（CAGR）達32%。?

數據治理仍須加強推動構建高質量數據的同時要加強數據治理。從企業來看，大部分企業的數據治理工作面臨著數據量龐大、數據種類繁多、數據管理效率低的挑戰，

目前尚未出現通用、可靠的數據管理工具，數據治理僅是企業的單兵作戰。同時，加強數據治理也是保障國家安全、社會穩定和公民權益的迫切需要。企業數據如大模型2.0產業發展報告目關卞,目●lc工信安全

數字化轉型20何合理合規，并能保障數據所有者的利益，將是未來行業大模型發展的關鍵。?

數據安全需要堅實保障數據安全關系到企業的運營穩定、業務發展以及聲譽維護。企業不僅要健全數據安全管理系統，更要加強安全技術如加密、訪問控制等的研發與應用。數據安全更是涉及國家安全、社會穩定、經濟發展以及公民權益的重要議題。隨著信息技術的發展，數據安全保障將愈發重要，從立法和執法角度加強對數據安

全的監管勢在必行。（二）算力算力是大模型落地的物質基礎，大模型對算力的強需求推動異構算力技術發展。?

算力需求涌現，智算將成主流在大模型落地之前，基于CPU芯片的基礎算力是日常計算的主要支持，基于超級計算機的超算算力主要應用于科學計算與工程計算等高端領域。隨著大模型的廣泛應用，支撐人工智能應用和產業發展的智能算力（基于GPU和NPU

芯片）將成為主要算力。據預測，2022-2027年中國智能算力規模年復合增長率將達到33.9%，同期通用算力規模年復合增長率為16.6%。我國智能算力需求的增長速度遠超過

通用算力增加速度。?

異構算力技術得到發展大模型面對不同場景的挑戰，高效計算成為迫切要求，在此背景下，以CPU、GPU、FPGA、ASIC等多種算力協同的異構算力處理體系,因為具有多樣性、靈活性、高效性等優點正在嶄露頭角。?

算力服務方式走向多元大模型落地應用的前提是算力基礎設施的搭建。目前，企業應用大模型，如果大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型2120202021

2022

20232024202520262027來源：IDC圖6中國智能算力規模與預測圖采用純自建算力設施的方式，將面臨軟硬件采購、機房搭建、系統運維等困難，容易陷入投入高、回報低的困境。購買云算力，將成為企業突圍算力壁壘的有效途徑。私有云在維護企業數據隱私和業務安全的技術上，能夠為企業提供基本的計算服務，公有云可以彌補私有云算力的不足，在通用的場景下進一步滿

足計算要求，以“私有云+公有云”的方式搭建自身混合算力將成為企業搭建

算力的通用范式。與企業算力需求相應，異構算力的交易將從硬件向云端算力拓展，交易方式將從“一次性交付”向“按需訂閱、按量計費”轉變。算力服務將從算力本身向AI服務、中間件服務、數據庫服務等配套服務發展，并與它們綁定。隨著大模型的廣泛運用，特定場景對異構算力的要求將愈發提高，但搭建算力以滿足

應用的過程將愈發簡單。基于大模型對異構算力的依賴，異構算力提供商將成為大模型及智能體服務生態的重要一員。已經有異構算力提供商，如聯想，搭建了可訂閱的、一站全包的“臻算服務2.0”。算力價格與服務能力將成為未來異構算力提供商的主要競爭點。單位：EFLOPS

1117.4大模型2.0產業發展報告目關卞,目●lc工信安全497.1259.9812.5

數字化轉型616.6414.1155.275.022（三）算法算法是大模型的骨架。當前大模型的主流架構仍是Transformer，其推理過程的無法解釋性與結果的不可控性無法得到完全解決，未來融合檢索增強生成(即

RAG)+知識圖譜的架構或將成為新潮流。?

Transformer仍是當前大模型的主流架構大模型的快速崛起，主要歸功于Transformer在自然語言處理任務上的突破。從技術架構上看，Transformer架構是當前大模型領域主流的算法架構基礎，

雖然有Megabyte、RetNet等挑戰者的出現，深度學習的大部分算法主要還是在Transformer的基礎上創新，整個行業的底層算法發展開始放緩。圖7LLM進化圖來源：《HarnessingthePowerofLLMsinPractice:ASurveyonChatGPTandBeyond》大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型23?LLM輸出準確性有所提高，RAG應用廣泛基于Transfomer算法本身的復雜性，大模型算法內部決策過程是黑箱的，其輸出的結果具有無法解釋性與不可控性，可能會帶來算法歧視、信息泄露、模型幻覺等諸多問題。隨著大模型訓練數據質量的提高、訓練方式的優化，

目前

LLM框架下模型輸出的正確性已經得到有效提高。RAG是當前火熱的LLM應用方案。

RAG即Search+LLM，即從外掛知識庫中進行信息檢索，并將檢索到的信息注入

LLM

提示中，以得到最終答案。這種基于外部知識庫檢索增強的生成模型，其結果有一定依據、更加可控，

目前已

經有越來越多的應用實例。（四）工具為了讓更多的企業、開發者可以便捷地將大模型應用于自身業務，全面完善的大模型工具鏈應運而生。工具鏈包含大模型訓練框架、模型社區、應用開發工具、模型試驗與評估、模型試驗管理、數據標注、模型部署、模型監控與可監控平臺、向量數據庫等等，可以大致分為服務于模型開發者的模型訓練工具、模型調用工具和服務于模型應用者的一體化模型服務平臺。大模型工具不斷發Megatron-LMDeepSpeedMindSporePETFairScaleParallelFormersMegatron是由

NVIDIA

開發的用

于

研究大規模訓練大型語言模型，支持

Transformer模

型

的

模型并行和多節點預

訓練。DeepSpeed

是微軟的深度學習庫，能訓練具有數十億或數萬億個參數的密集或稀

疏模型，有出色的

系統吞吐量,以低成本實現了模型極致壓

縮。MindSporePET是

一

款

基

于

MindSpore

框架的大模型低參微調套件，提供了豐富的模型庫和預訓練模型供用戶直接使用，還支持多種數據預處理、增強方式和多種

分布式訓練策略。FairScale是一個用

于高性能和大規模訓

練

的

PyTorch

擴

展

庫，支持用戶能夠以最小的認知代價理解和使用該工具，在擴展和效率方面提供了

最佳性能。Parallel

Formers

是

一個基于

Megatron-

LM

的庫。

它與

Huggingface庫很好地集成在一起。目前

它只支持推理。千帆大模型平臺千帆大模型平臺是百度提供的生成式AI生產及應用全流程

開發工具平臺，該平臺接入國內外33個大模型。在Prompt工程化方面，上線了103個Prompt模板，覆蓋對話、游戲、編程、寫作十余個場景。智能體開發與運行平臺聯想智能體開發與運行平臺是聯想開發的

一

個智能服

務平臺。采用組件化AI應用構建，用戶可以按需選擇

Prompts、RAG、FunctionCalling的服務，

將多組件自由整合，是聯想打造的一站式交付的企業智能體建設平臺。模型訓練工具大模型2.0產業發展報告圖8

模型工具分類舉例一體化模型服務平臺目關卞,目●lc工信安全

數字化轉型24展，將逐漸降低大模型訓練和調優的技術門檻，使得大模型訓練、調優流程愈發簡單。03模型與應用通用大模型與行業大模型是行業的基座，模型數量激增，模型市場尚未收斂，商業化落地將成為模型生存競爭點。企業大模型服務于企業生產全場景，已經初步形成了以大模型服務商為主導的產業生態?；趥€人大模型的產品已經如

雨后春筍般出現。（一）通用大模型與行業大模型繼續發展?

通用大模型數量尚未收斂受到

GPT的沖擊，不少科技巨頭企業均嘗試以其自身的優勢，構建通用大模型。各家通用大模型在訓練數據、參數量、訓練框架、任務能力等方面互相比拼，

整體向更大參數、更高精度、更強能力方向發展。雖然通用大模型在廣泛的任務上均展現出穩定且強大的性能，但不同通用大模型在不同任務下的能力仍有不同。目前，使用者需要在眾多的通用大模型中，同時考察大模型在特定任務中微調后的能力及在通用任務中的能力，最終確認使用的通用大模型。在產業激烈競爭背景下，通用大模型建設商，可以在模型通用能力的基礎上打造模型的特殊能力，也可以打造一體化的通用智能體平臺，構建模型應用生態。大模型只有在市場中被選擇，才能在激烈競爭中生存。?

行業大模型需要繼續錘煉行業大模型是針對特定行業領域應用的預訓練大模型，其訓練數據來源涵蓋通用公域數據與行業數據。目前，制造、金融、醫療、游戲、法律、交通等行業均憑借各自獨特的場景需求，搭建了行業大模型。這些行業大模型的意義在于深入理解和滿足行業的特殊場景，為行業智能化、高效化發展提供有力支撐。大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型25未來，隨著技術的不斷進步和應用場景的拓展，更多行業將構建出符合自身發展需要的行業大模型。然而，行業大模型的發展仍面臨著諸多嚴峻的挑戰。首要問題便是缺乏充足且高質量的行業數據庫。對于已經構建行業大模型的行業而言，數據庫需要不斷得到補充和完善，

以適應行業的快速發展和變化。對于尚未構建行業大模型的行業，若無企業牽頭并提供豐富的行業經驗和資源，構建符合行業需求的數據庫將變得尤為困難。其次，由于行業大模型無法給出可靠、可控的輸出，這給那些需要精確、唯一數據的生產場景帶來了潛在風險。目前，大模型基于Transformer架構尚無法根本解決這一問題，只能通過不斷優化數據與訓練方法，努力提高模型輸出的準確性。（二）企業大模型商業化加速落地企業大模型是利用企業自身的知識庫并結合企業的使用場景,根據需求對基礎大模型進行了充分的優化調整和自有知識庫訓練,可廣泛應用于企業生產經營活動中的定制化、本地化或混合方式部署的大模型。大模型經過企業知識庫的訓練和優化，可以應用于經營管理、研發設計、生產制造、供應鏈管理等企業AgentLLM合同審核

服務派單CRM

ITSM大模型出現之后的應用架構大模型出現之前的應用架構大模型是企業的大腦，Agent

基于大模型自動理解意圖，計劃分解，調用企業內部系統，完成多種任務每個AI模型只能完成特定任務，業務應用系

統按需調用AI模型大模型2.0產業發展報告圖9

大模型出現前后的應用架構變化產品推薦PMS產品推薦模型智能派單

模型備件需求預測模型CRMITSMSCM…………目關卞,目●lc工信安全

數字化轉型26生產經營的核心流程，為企業數字化重構、智能化運營提供驅動力。以企業知識庫訓練的大模型，可以泛化應用于零售、政務、教育、金融和制造等諸多領域，雖然目前仍處在初級探索階段，但已經初步形成了以智能體服務商為主導的商業生態，將會是大模型最具價值的應用方向之一。（三）個人大模型產品大量出現基于個人私域數據訓練，并能依據個人使用習慣、偏好和需求提供個性化服務的大模型是個人大模型?；趥€人大模型的應用軟件已經如雨后春筍般出現，在工作與生活場景中為用戶賦能。隨著大模型能力的增強和算力芯片的發展，嵌入個人大模型的個人AI終端產品也已誕生。個人大模型落地背后涉及硬件、軟件的技術革新，將個人終端產品拉入新的競爭賽道。04模型保障層大模型的發展離不開堅實的保障措施，合規標準的建立是其發展的基礎支撐。在推進過程中，數據、模型、應用的安全保障必須全面到位，同時倫理治理亦

不容忽視，只有確保價值對齊，大模型才能實現可持續發展。（一）產業合規標準提供基礎框架人工智能產業標準對于推動技術創新、提升企業競爭力、引導產業升級轉型至關重要。它確保技術發展先進可靠，同時通過嚴格的安全與治理規范，保障技術應用的安全性和倫理性，為產業的可持續、高質量發展奠定基礎。人工智能標準體系的建立主要從以下六個層面展開。一是建立基礎共性標準。包括術語定義、參考架構、測試評估、管理和可持續性等方面，為其他標準制定提供基礎和框架。二是建立基礎支撐標準。涉及數據、算力、算法等技術要大模型2.0產業發展報告目關卞,目●IC工信安全

數字化轉型27求，為人工智能產業發展提供堅實的技術基礎。三是建立關鍵技術標準。包括文本、語音、圖像等人工智能技術規范，推動技術研發與創新應用。四是建立智能產品與服務標準。規范由人工智能技術形成的智能產品和服務模式，確保產品和服務的質量與效能。五是建立行業應用標準。規范人工智能在各行業的應用技術要求，推動產業智能化發展。六是建立安全和治理標準。包括人工智

能的安全要求和治理準則，為產業發展提供安全保障。推動多層面標準的建立，可以形成一個全面、系統、高效的人工智能產業標準化體系，為人工智能產業的健康、快速發展提供堅實的支撐。（二）數據、模型、應用需要全面安全保障在模型應用過程中，保障安全至關重要。必須采取一系列有效的安全措施，確保模型應用的全過程都在安全可控的范圍內進行，從而為用戶提供更加可靠、