发展背景01
一　大模型引发的智能革命02

• 参数规模大03
• 泛化能力强04
• 支持多模态05
  

二　发展行业大模型的必要性05

• 大模型存在“不可能三角”问题05
• 行业对大模型有内生需求07
• 行业大模型是落地“人工智能 +”的最后一公里07
  

三　行业大模型的特点09

• 行业大模型既有模型、也含应用09
• 行业大模型大多生长于通用大模型之上09
• 行业大模型的本质是解决方案11
  

应用进展12
一　行业大模型应用阶段划分13
二　行业大模型应用场景分析14

• 不同行业的大模型应用快慢有别，需求和数据是两个关键因素17
• 大模型在垂直场景的应用渗透，呈现“微笑曲线”特征18
• 不同行业对大模型能力有“三大共性需求”20
  

三　终极之问：行业大模型怎样算成功？ 22

• 避免两个误区：片面追求技术性能或短期收益23
• 评估三类价值：降本提效、业务创新和体验增强24
• 构建一个模式：高质量数据飞轮37
  

实现方式39
一　引导：提示工程40
二 外挂：检索增强生成42
三 优化：精调45
四 原生：预训练48
五 典型案例：多种方式组合49

• 商业案例：金融大模型 + 个股异动写稿 49
• 科研案例：scBERT 单细胞基因数据分析大模型52
• ......
  

......