人工智能行业：中国商银软件开发中心-人工智能行业：工商银行人工智能大模型白皮书-241203

- 人工智能行业正处于规模化落地阶段，但仍面临大量碎片化应用场景和高昂的开发成本。

- 大模型技术成为实现通用人工智能的关键，通过自监督学习和“预训练+微调”方法，能够降低行业应用成本并提升模型的精度和泛化能力。

- 未来的发展将依赖于大模型的广泛知识和问题解决能力，以满足不同场景的需求。

人工智能行业正在经历快速发展，尤其是大模型技术的崛起。

尽管人工智能应用潜力巨大，但当前大多数应用仍局限于特定场景，缺乏类人的沟通和推理能力。

实现通用人工智能（AGI）是科技界的长期目标。

自2018年以来，大模型技术成为实现AGI的重要路径，其深度神经网络参数规模已达到百亿级，能够通过自监督学习从大量数据中提取知识。

大模型的“预训练+微调”方法使得模型能够在小样本任务中表现更好，从而降低了人工智能行业的应用成本。

投资标的：大模型技术及相关人工智能应用 推荐理由： 1. 市场潜力巨大：人工智能行业已经形成完备的产业生态链，市场规模庞大，进入规模化落地见效期。

2. 解决碎片化应用问题：当前70-80%的应用场景仍然是碎片化的，大模型技术能够整合和优化这些场景，降低应用开发成本和实施周期。

3. 提升智能化水平：大模型具备类人的开放式沟通、逻辑推理和创意创作能力，能够实现更高水平的智能化应用。

4. 自监督学习优势：通过自监督学习，大模型可以有效捕获知识，减少人工标注成本，提高学习效率。

5. 优化特定任务：大模型的“预训练+微调”策略能够针对具体任务进行优化，提升模型的精度和泛化能力。

6. 降低行业应用成本：更大的模型参数规模使得小样本学习能力增强，极大降低了行业应用人工智能的成本。