大模型的落地场景有哪些？看华为、吉利、工行等10家企业的最佳实践

最新推荐文章于 2024-09-30 14:16:32 发布

鸡腿爱学习

最新推荐文章于 2024-09-30 14:16:32 发布

阅读量1.3k

点赞数 16

文章标签：人工智能 langchain 面试机器学习产品经理

本文链接：https://blog.csdn.net/2401_84206094/article/details/142483699

版权

大模型正以其前所未有的规模和深度，重塑着我们的世界。从金融科技到智能制造，从编码助手到数据分析，大模型在多个领域展现出惊人的能力，并在实际应用中展现出巨大的潜力和价值。

当前，大模型的落地场景包括知识管理、编码助手、智能客服、智能运维、营销素材生成、数据分析、员工办公助手、制造流程优化、文档助手、虚拟数据合成等，沙丘社区精选出各个场景下落地效果较好的10个最佳实践案例，涉及上汽乘用车、国金证券、中国移动、华为、平安银行、华农保险、中国工商银行、山东能源集团、广发证券、吉利汽车等10家企业，为企业大模型落地提供参考。

（1）知识管理

上汽乘用车年均销售数量近百万辆，车主日均咨询量几万+，问题经验获取平均时长为十几分钟。

上汽乘用车搭建基于AI大模型的汽车在线问答平台，主要针对PDF、WORD、PPT、TXT、EXCEL等非结构化文档，实现自然语言与知识间的交互，提升员工工作效率及学习能力，应用在上汽的研发、内部运维、售后等多个场景，为车主及内部员工提供智能知识助手，高效获取知识经验，减轻服务人力。

基于AI大模型的汽车在线问答平台提供7*24小时的智能知识交互，让知识获取时间变实时，问题交互准确率达95%以上，客户满意度提升了35%，答案召回率100%。

（2）编码助手

国金证券在开发方面存在代码质量参差不齐、单元测试覆盖率低、文档不足、重复代码等痛点，因此通过AI编程助手提升工程师的工作效率，减少重复劳动。

在验证AI编程助手的过程中，国金证券对开发工程师日常工作中占比较高的编程场景进行归类，确定了编码辅助类、测试辅助类、设计评审类这三大类开发编程场景，进行逐一试用评测。

目前国金后端 Java 开发团队的三分之二已经全面安装并使用AI编码助手，使用AI编码助手的3个月当中，生成的代码量占全部编写代码量的29%，使用的开发者认为编程助手可以提升工作效率，减少重复劳动。

（3）智能客服

基于中国移动九天·海算政务大模型，黑龙江数字政府打造智能政务客服和管理驾驶舱，智能政务客服为企业、群众提供了“更便捷、更贴心、更智能”的一站式智能客服新体验，管理驾驶舱实现了项目任务的过程管控、多维认知、辅助决策和指挥管理。

基于九天·海算政务大模型的一网统管大屏数字人解说9月试点上线黑龙江，一网通办智能客服10月进入测试。大屏数字人对接数据100亿、可回答问题类型100种、回答准确率92%；智能客服咨询复杂问题准确率提升45%、答案有效性提升17%、拟人化程度提升24%。

（4）智能运维

华为搭建了基于大小模型协同的网络智能运维系统，统一自然语言交互界面，用户输入问题，运维工具输出自然语言答案。

对于已知的可以用现成能力解决的问题，通过运维专用小模型进行健康度报告、健康度查询、故障闭环推荐等，对于未知问题，调用知识检索能力。

结合大小模型的输出结果，使用大模型的逻辑推理与总结归纳能力，辅助进行多源数据的关联分析，降低运维人员的理解与操作闭环难度。

（5）营销素材生成

银行业同质化竞争加剧，一线运营经理需要及时、个性化的营销物料，但传统设计效率及产能能以满足需求，平安银行将大模型用于营销物料生成场景，通过“创意+AI+智能创意”根据客户偏好自动生成沟通文本，提升内容生产质量与效率。

（6）数据分析

针对业务人员不了解报表口径、所需数据在哪个报表的痛点，华农保险探索大模型技术在数据分析上的应用，开发了“智问”产品，实现基于大模型的问答式经营数据查询及归因分析，帮助管理层和业务人员全面、高效地理解业务数据。

通过“智问”产品，华农保险实现如下价值：

第一，数据知识化，用户通过提问获取数据、降低了获取经营数据和分析结果的门槛；

第二，分析自动化，由大模型理解数据进行分析、提升了归因分析的效率；

第三，节约人力约10人天/月。

（7）员工办公助手

结合大模型摘要生成、文档检索等能力，工商银行以人机协同的形式，围绕邮件、会议、材料、员工日常事务等方面，优化行内办公工具的交互体验，提高办公效率；面向网点一线员工提供制度、流程、办法等交互式解答能力，解决网点对客服务、日常管理工作中制度规范检索难、复杂业务办理难、专业术语解释难等业务痛点问题，提升网点员工业务应变和沟通能力，打造高质量服务。

（8）制造流程优化

我国煤炭资源开采受冲击地压影响较大，山东省60%的矿井都受到不同程度的影响。钻孔泄压施工通过在采集工作面等高应力区施工钻孔，降低冲击地压的风险。

山东能源集团基于盘古视觉大模型，对于钻孔施工情况进行现场实时监管，实现钻孔深度自动核验，如果打孔深度不足则会及时提醒，避免漏检、迟检，减少人工检查的工作量。

从实际应用效果来看：

第一，增强核验实时性，从过去的隔天核验到现场核验，泄压控深度不足时及时提醒施工人员和监管人员，发现问题及时整改；

第二，缩短泄压钻孔审核时长，过去核验钻孔视频耗时平均15分钟，目前审核时间降低到3分钟；

第三，降低人工核验工作量80%；

第四，实现管理闭环，利用系统平台可以对泄压工程进行汇总、查询，实时查询核验结果和闭环处置进展，方便对煤矿冲击力压防治工程进行业务监管，保障现场施工安全。

（9）文档助手

投行文档复杂多样，既有结构相对固定的制式文档，也有无固定格式的非制式文档。传统的智能核查主要应用各种专门的NLP模型和规则实现业务功能，存在训练专门模型工作量大重复劳动多、语义推理能力弱、处理未见数据的泛化能力弱等问题。

广发证券通过建设投行数智化系统，打造基于金融大模型的投行文档抽取、生成、核查一体化解决方案。

大模型技术赋能投行业务文档生成，标准化业务文档产出流程，不仅有利于提升业务效率，同时提高文档质量降低业务风险。

（10）虚拟数据合成

大模型可以在大量corner case场景（如行车场景、泊车场景）中进行泛化，模拟不同的天气状况、光照条件、交通流等，弥补真实数据采集量不足、完备性欠缺的情况。

对此，吉利汽车将数字孪生技术应用在自动驾驶研发测试上，在虚拟空间中建立物理世界模型，还原真实世界道路场景、交通流，构建元宇宙智驾仿真技术平台，应用车辆动力学建模和物理级传感器建模关键技术和自动标注功能模块，高效合成标注数据，输出大量的标注数据集，可以用于各种场景。

仿真平台上可以通过虚拟环境生成大量数据，并通过真实道路采集的数据进行风格迁移，使生成数据的质量更高，更加符合设计的质量要求。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述