2023年中国行业大模型市场规模达105亿元，受行业智能化转型需求带动，预计2024年市场规模将达到165亿元，同比增长达57%，2028年市场规模有望达到624亿元
大模型技术正在快速进入工业、政务和金融等行业，推动自动化和智能化的发展。各行业对高效智能技术的需求不断上升，加速了大模型市场的扩展。例如，在煤矿行业，传统的AI开发受限于特定场景和数据集，阻碍了行业知识的积累，同时带来了高昂的开发成本和规模化复制难题。
对此，华为云与山东能源合作，推出了盘古矿山大模型，涵盖9个专业领域的21个应用场景。特别地，在冲击地压管理方面，借助AI视觉识别技术，该模型显著减少了人工审核的时间，将施工监管流程压缩至10分钟。
在政务领域，浪潮云在佳木斯市实施的大模型项目采用了Maas模式，通过简单的账户开通，即能提供智慧公文大模型应用，具备公文智能检索、比对等功能。考虑到政府工作中大量时间用于公文的编写，从资料收集到草拟、修订，这一过程非常耗时。
智慧公文大模型的应用有效解决了这一问题，能够快速完成公文检索、比对等任务，将所需时间从2-3小时缩短至2-3分钟，显著提升了公文写作效率。
随着技术的不断进步和资本投资的不断增加，大模型技术正经历着从理论研究向实际应用的重大转变，逐渐实现了产品化和服务化。这一过程不仅显著降低了大模型技术的使用门槛，还极大地促进了其在各个行业中的广泛应用和商业化发展。
基于将本增效的目的，由大模型厂商和客户按照需求进行双向选择模型类型及部署模根据特定行业及客户的需求进行定制化处理，最终实现与行业端的深度融合。这式，种合作方式能够最大化地发挥大模型的技术优势。
行业大模型落地路径分析
提示工程(Prompt Engineering)：通过输入文本(即提示)，来引导预训练模型生成更符合行业要求的输出过程。优点包括任务归一化，简化多样任务处理流程，并能灵活适应广泛需求，但找到高效提示往往依赖反复试验且效果不稳定。
检索增强式内容生成(RAG)：RAG是在给模型发送消息之前首先进行内容检索，从其他数据源把相关的数据先提取出来，然后插入到当前对话消息中给到模型，这样就解决了既要让模型知晓大量它不知道的知识，又避免消息窗口不够的局限。
微调：旨在保留模型的泛化能力同时提升其专域精确性，在预训练好的大规模模型基础上，针对特定任务或领域，使用相关数据对其进行进一步训练，以优化模型在此任务上的性能，这个过程所使用的数据量远远小于预训练模型所需要的数据量(基本在基础训练量的 1%左右 )。
报告获取：公众号『报告智库』回复数字“1”
