生成式AI各行業應用情況有何不同？

由于行業屬性各有不同，合規 要求有異，生成式 AI 驅動各行各業創新與變革的側重點亦各有不同。

1.互聯網行業：虛擬角色與內容 生成

互聯網多為數字原生企業，具有良好的數據基礎和創新基因。互聯網行業的挑 戰在于持續吸引用戶注意力、增強品牌互動性，同時保持高效、創新的內容生 產。于是，以虛擬角色和內容生成為代表的生成式 AI 技術正成為推動互聯網 行業進化的關鍵力量。生成式 AI 對互聯網核心業務場景的賦能主要如下：

   搜索引擎：生成式 AI 使搜索引擎能夠更好地理解復雜的查詢意圖，并匯集 多方信源內容。通過自然語言理解和檢索增強生成（RAG）等技術，搜索 引擎可以直接提供總結性答案、建議或執行指令。伴隨多模態大模型的發 展，搜索結果還能以表單、思維導圖以及圖像、語音、視頻等更加多樣的 方式呈現，使用戶獲取更優質的知識體驗。

   推薦系統：生成式 AI 通過深度學習模型，根據用戶的偏好和上下文，可以 動態生成個性化推薦內容，甚至還可以深度個性化定制詳情頁面，這不僅 能提升推薦的準確率，還能創造驚喜元素，提高用戶粘性和滿意度。

 工作效率提升：在企業內部，生成式 AI 與辦公軟件結合能夠自動化處理大 量重復性工作，如客戶服務、報告生成、數據分析等，釋放員工時間，讓 他們專注于更具價值的創造性工作，從而提升組織效率和創新能力。

 內容創作：面對互聯網行業日新月異的大量內容創新及迭代的需求，生成 式 AI 可以輔助創意、文案、腳本、編輯等多項內容工作，覆蓋包括編曲、 視頻制作以及游戲角色設計等多模態領域，極大地提高創作者內容的產出 效率。同時，生成式 AI 還可以結合時下熱點和需求趨勢，進行內容的創作 和評審，確保內容的商業價值。

數字人：數字人在互聯網行業已廣泛應用于直播、培訓以及客服等場景中， 生成式 AI 可以使數字人更好地理解用戶的復雜指令甚至感知用戶的情緒變 化，讓數字人與人之間的交互更加真實、靈動。此外，生成式 AI 還可以生 成更豐富的虛擬人形象，更加貼合場景需求。

生成式 AI 在產品設計、應用開發與測試、流量分發、營銷推廣、用戶運營等 諸多業務場景都開始了有益的嘗試。互聯網擁抱生成式 AI 不僅在于利用 AI 技 術優化現有業務與運營模式，更在于啟發互聯網新一輪的商業模式革命，打造 基于生成式 AI 的新增長點。

百度營銷平臺推出的“擎舵”項目，利用生成式 AI 技術，根據用戶特定需求 和品牌特性，自動生成定制化虛擬角色與內容。這項技術覆蓋視覺內容、交互 對話、故事劇本等多個維度，旨在為用戶提供獨特的品牌互動體驗。通過分析 歷史數據和用戶行為，“擎舵”能生成高度相關的個性化內容，支持一鍵混剪 視頻制作，顯著提升品牌內容生產的效率與個性化水平。實踐表明，該技術已 實現制作成本降低 85%、效率提高 100 倍、產品上市周期縮短 75% 的顯著 成效。此外，百度在構建基于檢索和推薦的生成式大模型索引學習平臺方面， 通過融合判別與生成技術，使定向關鍵詞生成的有效性從 30% 躍升至 100%， 開辟了商業內容生成的新模式。 技術進步方面，百度與 NVIDIA 合作開發的 PaddleBox 項目，成功將稠密模 型參數規模擴展至百億級別，實現 100 倍的規模提升，并優化了多機加速性能， 使訓練效率提升 50%。同時，GPU 技術支持的 PGLBox 引擎，通過異步聚合 通信庫，實現了大規模圖數據的高效多機訓練，促進了百億級語義模型與萬億 級離散模型的聯合學習，推動了大模型訓練技術的實質性進展。（以上案例所 展示數據截至 2024 年 GTC 大會）

2.醫療領域：藥物研發的智能計算 平臺

醫療行業亟需解決資源分配不均、診療效率低下及個性化治療方案稀缺的問題， 尤其是在精準醫療日益增長的需求面前。通過分析大量醫療健康數據，生成式 AI 可以提供更高效、便捷和個性化的醫療服務。在生命科學方面，生成式 AI 大幅降低了醫藥發現的資金與時間成本。生成式 AI 對醫療行業的助益在短時 間內，已得到行業的認證。根據 IDC 調研數據顯示，2023 年 6 月全球醫療行 業中只有 13%8 的企業在生成式 AI 方面進行了大量投資；僅僅四個月后，這 一比例就上升到 46%9 。生成式 AI 在醫療行業的主要應用場景有：

醫學影像分析：通過深度學習模型，AI 能精確識別影像中的異常結構，輔 助醫生進行早期癌癥篩查、疾病診斷，如肺癌、皮膚癌的影像識別技術， 以及心臟病、腦部疾病的影像輔助分析；還可以通過結合醫學影像和病理 信息等多模態數據，為醫生提供更全面的診斷支持。 •   疾病篩查：疾病類數據往往受到嚴格的合規性要求，一直以來訓練數據獲 取困難都是 AI 技術在醫療業落地的一個制約項。生成式 AI 可以通過合成數 據使 AI 模型更好地學習疾病診療案例，優化臨床診療的表現。 • 

藥物發現：利用生成式模型，AI 可以模擬數百萬種化合物的結構和活性， 加速新藥候選分子的篩選過程。據報道，AI 可為公司降低高達 70% 的藥物 發現成本 10。 •   個性化診療：基于患者的遺傳信息、臨床數據和疾病模型，生成式 AI 能夠 預測患者對不同治療方案的響應，為制定個體化治療計劃提供參考。對話 類應用的引入還能更加有針對性地回答廣大來自病患的問題，改善患者的 醫療服務體驗。

2021 年，唯信計算加入了 NVIDIA 初創企業加速計劃。在 NVIDIA 技術和硬 件的加持下，WeMol 以自主研發的 APLHA 系列獨特算法為核心，完成了對 從小分子、mRNA 到蛋白設計領域的藥物發現全流程賦能，將大、小分子藥 物的生成、設計和計算模擬效率提升數百倍，累計服務各類生物醫藥企業與科 研機構 500 余家。

借助與 NVIDIA 的合作，WeMol 更好地集成與對接了多種大模型以及 GPU 加 速算法。例如通過 NVIDIA NIM 微服務解決方案，實現 AI 推理模型的快速部 署；利用專注于藥物發現的 AI 模型微服務 NVIDIA BioNeMo NIMs，WeMol 能夠直接部署計算機輔助藥物設計（CADD）AI 模型、DiffDock 分子對接工 具、OpenFold 蛋白質結構預測模型和 ESM 蛋白質語言模型，以及針對抗體 研究和其他藥物發現流程的多種模型。WeMol 支持多種形式的抗體設計、免 疫原性預測、LNP 遞送系統設計、可開發性優化、mRNA 序列設計及超高通 量虛擬篩選等計算，可搭建定制化的分子數字化及智能計算平臺。其中，人源 化和免疫原性的模型預測準確度能達到 90% 以上；在抗體可開發性和抗體親 和力改造方面，模型計算結果與實驗反饋也高度吻合，得到了客戶的高度認可。 未來，唯信計算計劃將 WeMol 平臺拓展至基因組學和醫療影像領域，利用 NVIDIA 的 Parabricks 和 MONAI 等平臺工具，為中國醫療醫藥行業帶來更 全面的智能化研發平臺，助力行業向更加高效、精準的藥物研發邁進。

3.金融行業：風險管理、投資決策 與反欺詐

金融行業向來是實踐行業轉型的引領者，是最有望誕生第一批成熟落地場景的 行業。金融行業有嚴格的合規和監管要求，必須嚴格控制風險。生成式 AI 以 其強大的數據處理、模式識別和內容生成能力在金融的風險管理、投資決策 以及普惠金融等領域有著巨大的應用潛力。通過深度學習和自然語言處理技 術，生成式 AI 能夠自動化處理復雜的金融數據，實現對風險的快速識別與響 應，增強金融機構的風險抵御能力，同時為投資、信貸決策提供更加精準的分 析支持。金融行業生成式 AI 的主要應用場景如下：

金融風控：對于風險管理，生成式 AI 能夠自動生成關于貸款申請人或投資 項目的詳細調查報告，涵蓋財務狀況、信用歷史、合規性檢查等。通過自 然語言處理技術，AI 系統能夠理解有關金融規章制度的提問，為客戶提供 準確的信息支持。生成式 AI 還可以輔助生成風控相關算法代碼，例如結合 NVIDIA 全棧技術，如 RAPIDS、Spark 和 Deep Graph Library（DGL）， 助力銀行實現自動化反金融犯罪、改善信用風險建模、更好地完成風險管 理和欺詐檢測并降低成本。對于欺詐檢測領域，生成式 AI 通過數據增強、 模擬欺詐場景等方式提升金融欺詐檢測的準確性。生成式 AI 也可用來生成 額外的合成數據，解決真實數據不足的問題，進而優化反欺詐系統。 

投資策略：生成式 AI 可以分析財務報告、市場研究報告，提取關鍵財務 指標和市場趨勢，為投資者提供有價值的洞見。在算法交易領域，生成式 AI 通過情感分析社交媒體上的討論，預測市場情緒和趨勢；同時，它能 夠將投資者的口頭描述轉化為交易算法的代碼，實現策略自動化。例如， NVIDIA NeMo Curator 能夠簡化數據整理任務，如數據下載、清理、質量 過濾、精確或模糊數據去重等；NVIDIA RAPIDS 可在算法交易的因子計算 與挖掘和算法開發等環節完成 GPU 加速，提升性能；在生產環節，NVIDIATriton 可實現算法推理加速，助力金融機構完成算法交易的部署。樂天證 券的 AI 虛擬投資助手，運用 NVIDIA RIVA+LLM 技術，根據客戶數據提供 個性化投資建議，實現了高度定制化的客戶虛擬投資助手服務。

普惠金融：農村金融與小微企業融資面臨的一個共同挑戰是客戶信用數據 不足，導致傳統金融服務難以評估其金融風險。生成式 AI 在優化信貸決策 方面展現出巨大潛力，例如在農村金融領域，商業銀行借助衛星遙感圖像 可識別農作物的生長情況與種植面積，以形成信用資產，再通過生成式 AI 解決遙感成像清晰度不高的問題，并且結合地理、天氣、宏觀政策以及市 場供需預測等信息，更精準、智能地推薦授信額度；在供應鏈金融領域， 生成式 AI 與知識圖譜相結合，能夠完整繪制產業鏈圖譜，進而定位小微企 業所在產鏈位置，并綜合上下鏈信息，實現對企業經營行為的全面洞察， 以便準確地評估小微企業的信用風險。此外，基于生成式 AI 的 7x24 小時 在線聊天機器人能夠為普惠金融、農村金融和小微企業用戶提供即時咨詢 服務，解答貸款、投資相關問題。生成式 AI 的應用不僅能夠顯著提升金融 服務的便捷性和可負擔性，而且有助于縮小城鄉、大小企業之間的金融服 務差距，推動經濟均衡發展。

4.生成式物理 AI：機器人與自動 駕駛

要實現在現實環境中高效運作的機器人與自動駕駛系統，關鍵能力在于系統需 能區分并理解物體特性，同時將高級決策策略轉化為精確的動作指令。尤其對 于自動駕駛汽車而言，由于其普遍采用電力驅動，能效成為了設計與功能實現 中的核心考量因素。歷史上，自動駕駛技術面臨的一大挑戰在于如何準確感知 并理解復雜多變的周圍環境。生成式物理 AI（Generative Physical AI）的 興起，為構建能夠靈活應對現實世界不確定性的機器人提供了全新路徑。

生成式 AI 技術賦予了自動駕駛汽車感知、理解并執行復雜任務的能力。該技 術通常被嵌入到機器人或自動駕駛汽車中，通過集成傳感器與執行器的運動 技能，實現對現實世界的深度交互與理解。相較于傳統生成式 AI，生成式物 理 AI 進一步整合了對三維空間關系及物體物理特性的深刻認知，顯著提升了 系統的智能水平。在開發過程中，開發者利用強化學習在模擬環境中對自動駕 駛機器進行訓練，這一方法允許 AI 通過無數次試錯，在安全、高效的數字環 境中快速掌握技能。更為重要的是，這些系統還具備從人類示范中學習的能力， 從而不斷增強其執行效率與環境適應能力。 生成式物理 AI 可以幫助機器高精度地適配各種環境，為機器人提供動力，使 其能夠包裝紙箱、幫助制造車輛、提高物流和庫存管理的運營效率，甚至在手 術室為醫生提供幫助。

機器人：借助生成式物理 AI，機器在多樣化環境中的高精度適應能力顯著 提升。 •   自主移動機器人（AMRs）：在倉庫場景下，AMRs 憑借集成傳感器實時 提供的數據，能夠在復雜空間內導航，有效規避包括人類在內的各類障 礙物，顯著提升作業效率與安全性。 •   機械手操作：通過分析傳送帶上物品的朝向，機械手能精細調整抓取策 略，展現出針對不同物品類型的精準操控技能，提高了包裝、裝配等任 務的自動化水平。 •   外科手術機器人：在醫療領域，生成式物理 AI 使手術機器人能夠掌握縫 合、穿針等高精度手術技巧，展現了其在輔助完成復雜醫療程序中的精 確性與靈活性，減輕了外科醫生的工作負擔。

自動駕駛汽車（AV）：配備先進傳感器的自動駕駛汽車，在生成式物理 AI 的加持下，能夠準確感知并解析周圍環境，無論是在高速公路還是城市街 道，都能做出決策。該技術增強了 AV 識別行人、應對交通與天氣變化、自 主執行車道變換的能力，使其能夠靈活處理多種不可預見情況，有效提升 行駛的安全性與舒適度。 •   智能空間管理：在工廠、倉庫等大型室內區域，生成式物理 AI 通過固定攝 像頭與視覺模型，可實現對各類實體與行動的全面監控，進而優化動態路 由與運營效率。同時，這些系統能準確識別并解讀廣闊復雜的環境，確保 人員安全，提升整體管理水平。