全球数字经济关键领域有何进展？

全球数字经济关键领域取得显著进展。

一、数字基础设施布局提速，构建融合创新新生态

1.网络建设部署加快，实现更大范围红利共享宽带网络发展水平进一步提升。一方面，固定宽带网速实现快速提升。Ookla’s Net Index 数据显示，截至2024 年10 月，全球固定宽带网络下载和上传速度的中位数分别为94.53Mbps 和50.26Mbps，网络延迟约为 9 毫秒，上传和下载速度较上年同期分别提升9.22Mbps 和 11.1Mbps，均实现较大提升。新加坡、阿联酋、中国香港地区、智利、美国、法国、泰国、丹麦、冰岛、罗马尼亚分别位列固定宽带最快国家和地区的前 10 位，下载速度均处于220Mbps以上，分别为 316.99、300.54、296.97、279.14、253.34、247.35、236.12、230.41、224.58 和 220.66Mbps，前 10 名门槛较上年提升40Mbps。

另一方面，网络覆盖范围持续扩大，随着各国宽带网络体系化部署日益完善，2015-2023 年，全球固定宽带用户数由8.3 亿人提升至15.0亿人，九年间用户数翻了将近一番，年均复合增长7.5%。按国家收入水平分组看，不同收入水平国家之间的发展差距有所缩小。高收入国家固定宽带用户数基本进入稳定增长阶段，2023 年增速为3.2%，2015-2023 年的年均复合增长 3.2%；中低收入国家实现高速增长，2023 年增速达 11.2%，2015-2023 年的年均复合增速远超同期全球平均水平，达到 12.6%；低收入水平与中高收入水平国家年均复合增速略高于全球平均水平，分别为 7.6%和9.9%。但总体看，性别、年龄、城乡数字鸿沟仍有较大弥合空间。ITU 数据显示，2023 年，不同收入分组国家中，男性互联网覆盖率均高于女性互联网覆盖率，全球平均、低收入、中低收入、中高收入和高收入国家分类下，男性互联网覆盖率较女性分别高 5.4、14.1、8.5、1.7 和1.2 个百分点。此外，2023 年全球 15-24 岁的年轻人中有78.5%使用互联网，其他年龄段为 65.4%，相差 13.1 个百分点；城市互联网用户比例为81%，是农村地区的 1.6 倍。

移动网络代际演进持续提速。随着移动网络技术的发展，3G、4G 开启了移动互联网时代，而 5G 将移动互联网扩展到了移动物联网领域，服务对象从人与人通信拓展到人与物、物与物通信，并与经济社会各领域深度融合，从而引发生产生活方式的深刻变革。2014年至 2023 年，在各国持续推动下，全球移动连接数已从69.7 亿增长到 85.9 亿，年均复合增长 2.4%，2024 年11 月达到88.6 亿，连接数据持续提升。其中，2G 占全球移动网络连接比重由2014 年的59.9%下降到 2024 年的 5.6%，4G 占全球移动网络连接比重由2014年的7.3%大幅提升至 2024 年的 58.3%。各国发展5G 技术的意愿更加迫切，5G 技术发展和商业部署加快。信通院监测数据显示，截至2024年 10 月，全球 120 个国家/地区的 315 家运营商提供了5G业务，同期，5G 网络连接占比由 2019 年的 0.2%提升至23.9%，6 年间提升100 多倍。GSMA 数据显示，移动行业对全球GDP 的贡献价值将从2022 年的 5.2 万亿美元到 2025 年的近 6 万亿美元，到2030 年则将增至 6.4 万亿美元。预计到 2030 年，5G 将为全球经济带来超过9300亿美元的收益，约占移动整体经济影响的15%。

2.算力需求持续提升，数据中心迎来发展新机遇当前，数字经济高速发展，随着数字化应用场景不断丰富、AIGC、大模型等技术的爆发式增长，全球算力需求高涨，数据中心作为高性能算力的核心载体，产业赋能价值逐步凸显。全球各国积极引导数据中心产业发展，数据中心市场需求不断扩大，绿色低碳发展态势显著。 全球数据中心集约化发展，大型数据中心仍是未来建设重点。2018 年以来，全球数据中心数量连续 5 年持续缩减，从2018 年超过46 万个的水平下降至 2023 年 42 万个，2023 年较上年同比下降2.2个百分点，降幅较上年提升 0.4 个百分点。预计2023 年至2027年期间，微型数据中心数量将持续小幅下滑，小型、中型和大型数据中心均保持正增长。其中，大型数据中心增速最快，将从2023 年的1760个增至 2027 年的 1955 个。大型数据中心快速发展。中、美、欧加快超大规模数据中心建设，2023 年底，全球超大规模数据中心数量达到 992 个，在 2024 年初突破 1000 个。每年新增超大规模数据中心约 120-130 个。按各区域 IT 负载来看，美国继续保持全球数据中心容量中第一的位置，占比为 51%，欧洲占比17%，中国占比为16%，全球超大规模数据中心近四年总容量实现翻番。随着数字化转型、终端数字化消费等多样化算力需求的场景持续增多，以及生成式人工智能技术和服务对计算能力提出更高要求，算力需求将进一步增长，未来六年，新增的超大规模数据中心平均容量将达到现有规模的两倍以上，大型数据中心发展潜力巨大。

数据中心加速向低碳绿色方向转变。数据显示，数据中心总耗电量在 ICT 行业占比超 80%，主要国际组织与经济体均发布相关政策，以推动数据中心行业绿色可持续发展，提升能源使用效率。如，美国通过 DCOI 数据中心优化倡议，将新建数据中心PUE限制在1.4以下，老旧改造数据中心 PUE 限制在 1.5 以下。欧洲数据中心运营商和行业协会在《欧洲的气候中和数据中心公约》中宣布，预计到2030 年实现数据中心碳中和。中国出台《全国一体化大数据中心协同创新体系算力枢纽实施方案》《数据中心绿色低碳发展专项行动计划》《数字化绿色化协同转型发展实施指南》等，促进数据中心绿色可持续发展，提出到 2025 年底，全国数据中心布局更加合理，整体上架率不低于 60%，平均电能利用效率降至1.5 以下，可再生能源利用率年均增长 10%，平均单位算力能效和碳效显著提高。随着各国相关政策的陆续出台和技术的持续发展，节能技术将更广泛地应用于数据中心领域，预计到 2030 年，PUE 将进入1.0x 时代。

人工智能深刻改变数据中心的形态与运作方式。随着人工智能技术的迅猛发展，特别是大型语言模型（如GPT 系列、BERT等）的兴起，数据中心作为数字时代的信息处理核心，正经历着一场前所未有的变革。大模型以其数以亿计甚至更多的参数和对海量数据的处理需求，已成为推动人工智能领域边界拓展的核心驱动力之一，同时也为数据中心的运维与发展带来了深刻的挑战与机遇。计算方面，深度学习模型，尤其是大模型的训练与推理，对计算能力的需求达到了前所未有的高度。它们不仅要求进行大规模的矩阵乘法和加法运算，还涉及高度复杂的梯度下降、参数微调等过程，每一次迭代都可能涉及比传统模型多出数千乃至数万倍的计算量。为了满足这一需求，数据中心不得不部署由大量高性能计算芯片（如GPU、TPU）构成的超级计算集群，通过并行处理技术来加速训练过程，缩短模型“从摇篮到成熟”的时间周期。数据存储方面，大模型无论是训练数据还是模型参数的存储规模都在持续膨胀，对数据中心的存储能力提出严峻考验。模型训练所需的数据集横跨文本、图像、音频、视频等多种形态，数据量庞大。加之模型本身参数众多，一些顶尖的语言模型参数规模已突破百亿乃至千亿级别，其存储需求远超传统模型，为满足计算和存储需求，数据中心需要不断扩展存储容量，采用更为高效的分布式存储解决方案，结合数据压缩、去重等先进技术，以有限的物理空间承载无限的数据增长。网络通信方面，大模型的分布式训练机制对网络带宽提出极高要求。在训练过程中，各个计算节点间需要频繁同步模型参数、交换梯度信息，确保训练的一致性和效率。网络带宽的瓶颈将直接导致数据传输延迟，影响训练速度，甚至可能导致模型训练无法有效收敛。因此，数据中心必须升级网络基础设施，引入高速网络技术，如RDMA（远程直接内存访问）等，以实现数据的高速、低延迟传输，为大模型的分布式训练保驾护航。人工智能大模型时代正引领数据中心迈向一个更加高效、智能、可持续的未来。

二、数字技术产业创新发展，引领产业升级新纪元

1.全球数字技术产业创新突破趋势显著当前，在新一轮科技革命和产业变革的背景下，全球数字技术呈现明显的群体性突破趋势。5G、人工智能、云计算、大数据等技术群体性加快突破并不断成熟和普及，为工业和信息化发展注入新的活力。以 5G 技术为例，其作为新一代移动通信技术的代表，具有高速率、低时延、大连接等特点，随着 5G 网络建设和普及，其在智能制造、智慧城市、远程医疗等领域的应用场景将越来越广泛。人工智能技术的群体性突破同样显著，Gartner 技术成熟度曲线显示，多数围绕着 AI 的系列新兴技术预计将在未来2-5 年内达到成熟阶段，这意味着人工智能技术将在更多领域实现应用落地，并发挥更大的作用。如，在自动驾驶、智能医疗、智能教育等领域，人工智能技术正逐步成为推动行业发展的重要力量。此外，云计算和大数据技术的群体性突破也为国家发展提供有力支撑。通过构建高效、稳定的云计算平台和大数据分析系统，企业可以更加便捷地获取和处理数据资源，从而推动业务创新和发展。同时，这些技术还可以帮助企业实现数字化转型和智能化升级，提高竞争力和市场适应能力。

前沿数字技术迭代升级，广泛赋能社会发展。人工智能、大数据、云计算、物联网、区块链等数字技术不断涌现，成为推动社会进步和经济发展的重要力量，深刻改变社会生产和生活方式。如，人工智能技术的不断成熟和应用场景的拓展，使得机器能够模拟人类的思维和行为，从而在生产、服务、管理等各个领域发挥巨大作用。在制造业中，人工智能可以通过智能机器人、自动化生产线等方式，提高生产效率和产品质量。在服务业中，人工智能可以通过智能客服、语音识别等技术，提升服务质量和用户体验。大数据技术的兴起，提供精准高效的数据分析和挖掘能力，通过对海量数据的收集、处理和分析，市场主体可以更加精准地把握市场需求和消费者行为，制定科学、合理的经营策略。同时，大数据技术还广泛应用于城市管理、环境保护、医疗健康等领域，为政府决策和社会治理提供有力支持。此外，云计算、物联网和区块链等新兴技术也在各自的领域内发挥着重要作用。如，云计算通过提供弹性、可扩展的计算和存储资源，降低了企业 IT 成本，提高业务灵活性。物联网通过连接各种设备和系统，实现信息的实时共享和智能控制，为智慧城市、智能家居等领域的发展奠定基础。区块链技术则以其去中心化、透明度高、安全性强等特点，在金融、供应链管理等领域展现出巨大的应用潜力。

技术融合创新不断加速，成为未来技术发展主流趋势。随着技术的不断发展，IT（信息技术）、CT（通信技术）、OT（运营技术）、DT（数据技术）等不同技术间的融合创新已成常态，在催生新业态和新模式的同时，也为传统产业的转型升级提供强大动力。这种跨领域的融合不仅加速了新技术的落地应用，还催生出了一系列创新性的解决方案和服务模式，为全球经济发展注入了新的活力。以5G技术融合为例，在 5G 技术推动下，5G 作为新一代移动通信技术，以其高速度、低延迟、大连接等特性，为IT、CT、OT 和DT的深度融合提供了强大的基础支撑，融合创新尤为显著。例如，在工业互联网领域，5G 技术与 OT 技术的结合，使得工厂能够实现设备的远程监控、预测性维护以及生产流程的智能化管理，大幅提高了生产效率和产品质量。同时，5G 技术还促进了IT 与DT 的融合，通过大数据分析、人工智能等先进技术手段，对海量数据进行深度挖掘和分析，为企业决策提供了更加精准的数据支持。

2.5G 应用落地稳步推进，下一代通信技术路径清晰5G 商用基本遍布全球，并持续向欠发达国家地区推进。信通院监测数据显示，截至 2024 年 10 月中，全球120 个国家/地区的315家运营商提供 5G 业务（含移动和固定无线服务），其中欧洲116家，亚洲 87 家，美洲 59 家，非洲 40 家，大洋洲13 家，5G技术已进入全球普及阶段。2024 年以来，全球5G 商用国家/地区累计新增14 个，其中 4 个位于非洲、3 个位于美洲；5G 商用网络累计新增26个，非洲、美洲均新增 8 个。分国家/地区看，中国、美国、韩国和欧洲等主要市场在这一进程中发挥了引领作用。截至9 月底，中国5G基站总数达 408.9 万个，美国、日本 5G 基站数未超过50 万个，韩国每万人基站数最高，达到 66.8 个，是中国的两倍多、美国的8 倍多。

5G 升级稳步推进，下一代通信技术发展路径愈发清晰。6G（第六代移动通信技术）作为 5G 的继承者，将进一步拓展应用空间，实现通信与感知、计算、控制的深度耦合，与卫星、高空平台、无人飞行器等空间网络相互融合，从而构建全球广域覆盖、“空天地海”一体化的通信网络，支持催生新的现象级应用。当前，主要国家均瞄准 6G 研发布局，引导“政产学研用”多主体积极参与6G研发，“抱团式”推动 6G 标准话语权争夺，以推动数字经济深入发展、抢占未来国际竞争优势。如，美国联合盟友开展技术标准研究，积极建立美国主导的 6G 生态圈。联邦通信委员会率先开放95GHz至3THz 6G 试验频谱，Keysight 获得首个 6G 试验牌照，新美国安全中心发布《边缘网络，核心政策：保护美国的6G 未来》，对加强美国未来 6G 竞争力提出相应建议等。此外，2024 年，美国、澳大利亚、加拿大、捷克、芬兰、法国、日本、韩国、瑞典和英国10 个国家发布《关于支持 6G 安全、开放、韧性设计原则的联合声明》，通过合作共同推动 6G 网络标准化发展。再如，芬兰、德国、英国发挥科研机构力量，着力推动 6G 研发和突破。又如，日本通过设立专项基金、加强人才培养、加快牌照发放等方式推动6G 技术开发。全球5G轻量化正式商用，并步入 5G-A（5G-Advanced）元年。截至2024年6月，全球已有 15 个国家的移动运营商投资（包括试验、正在部署和商用）5G 轻量化（RedCap），试验和部署侧重于视频监控、5G FWA、智能可穿戴设备和工业传感器等多个用例。其中，七个国家地区位于亚洲，中国、美国和阿联酋已部署了 5G 轻量化网络。Omdia 预测，到2030年，5G RedCap 有望达到9.635亿个连接，年复合增长率66%。同时，全球多家运营商已经开始推出 5G-A 商用服务，共迎5G-A商用元年。2024 年 6 月，5G-A 第一个标准版本3GPP Rel-18 正式冻结，标志着 2024 年成为 5G-A 商用元年。5G-A 除在频谱利用效率、网络速度、时延、连接数等方面能力显著提升外，还引入了通感一体、无源物联、内生智能等技术，能够更好地匹配更为复杂的应用场景，包括工业制造、车联网、新能源、低空感知飞行在内的新型数字化场景，正在成为 5G-A 的重要应用领域。此外，“通信-感知-计算”融合也是下一代通信网络发展的重要方向。在同一网络中同时融合物理-数字空间感知、泛在智能通信与计算能力，将极大拓宽智能化应用的边界。如，在车联网中，未来车辆将成为系统中一种新型的无线通信节点，连同道路周边广域覆盖的通感算一体化基站，对周围的交通环境进行感知识别和判定，同时在交通网络内进行数据的传输，实现通信、定位和计算等多功能的集成。

全球 5G 行业应用部署和落地有所加速，带来巨大商业机遇。2023 年以来，各主要国家纷纷加大对 5G 技术应用的推广力度，力求在多个关键领域实现 5G 技术的深度融合与创新发展。AR/VR（增强现实/虚拟现实）、超高清视频传输、工业互联网、智慧交通、智慧医疗、公共安全和应急响应机制以及军事专网等领域成为5G技术融合应用的热点。以 AR/VR 为例，5G 技术的高速率、低延迟特性为这一领域的发展提供强有力支撑，用户可以在几乎无感知的延迟下享受沉浸式的虚拟体验，提高娱乐、教育和远程协作效率。在超高清视频传输方面，5G 技术使得 4K、8K 甚至更高分辨率的视频内容能够流畅传输，为影视、广告、在线教育等行业带来全新发展机遇。截至 2024 年第二季度，中国信通院监测的全球263 个5G应用案例集中，确定已经落地和正在开展的应用共计172 个。远程控制、视频回传、机器视觉、设备定位等 5G 在行业中的典型应用满足行业共性刚需，已在矿山、港口、制造等领域得到了规模化的应用。GSMA预测，服务业和制造业将从 5G 技术中受益最大，未来十年，在智能工厂、智慧城市和智能电网等应用的推动下，预计服务业将实现46%的收益，制造业将实现 33%的收益。

3.多模态大模型取得突破，人工智能迎来快速发展大模型驱动人工智能产业发展提速。企业分布看，“中美主导”格局仍然显著。截至 2024 年第二季度，全球人工智能企业数量超3万家，其中，美国企业超 1 万家，全球占比达34%，中国占全球的15%，位居全球第二位。2023 年至 2024 年第二季度，全球AI 独角兽 242 家，其中，美国 AI 独角兽 124 家，中国71 家，其他国家独角兽企业均为个位数。从赋能领域看，全球AI 独角兽广泛赋能多个领域，以商业智能、大模型、医疗领域为主。其中，全球AI 大模型独角兽数量为 33 家，约占全部 AI 独角兽的14%。美国大模型独角兽最多，有 16 家，中国位列第二，有 11 家。美国大模型独角兽估值更高，全球 AI 独角兽估值前三位均为美国企业，分别为：大模型独角兽 Open AI（860 亿美元）、AI 平台独角兽Databricks（430亿美元）、大模型独角兽 xAI（240 亿美元），估值遥遥领先于其他AI 独角兽。

大模型掀起时代浪潮。高性能多模态大模型取得技术突破。2022年 11 月，以 ChatGPT 为代表的大语言模型出现，大部分随后发布的模型都以大语言模型为主。2023 年下半年，大模型的多模态能力显著增强，实现图片输入文本输出。如 GPT4 和谷歌的Gemini，可以处理图像和音频输入，生成流畅连贯的散文。2024 年2 月，OpenAI 发布其首款视频生成模型 Sora，用户仅需输入一段文字即可生成长达一分钟的高清视频，在场景切换、画面细节、情感表达等方面均较 2023 年的视频生成技术实现质的提升，多模态大模型实现极大进展。同年 5 月，OpenAI 发布 GPT-4o 多模态大模型，实现了同一模型对文本、视频、图像、声音这四种不同模态数据的统一处理，标志着人工智能领域的一次重要飞跃。多模态大模型技术推动AI 助手、人形机器人等产品发展。多模态大模型技术的突破对AI 助手、人形机器人等产品发展起到显著推动作用。大模型能够捕捉和学习丰富的语言、视觉以及其他模态的信息，提升了感知、决策和交互能力。机器人方面，多模态大模型能够处理和融合来自多种传感器的数据，包括视觉、语音、触觉等，增强机器人环境感知能力、决策能力。例如 DeepMind 的 RT-2 模型，由于大模型的快速发展，RT-2 拥有显著的泛化能力，对现实世界和指令的理解能力显著增强。AI 助手方面，基于多模态大模型的新一代 AI 助手可实时处理文字、声音、视频的输入，并且数据处理速度基本达到与人类实时对话的程度。

三、产业数字化转型纵深发展，重塑经济格局新动力

当前，以数字技术的变革及其与经济社会各领域融合创新为主要驱动的第四次工业革命将席卷全球，工业乃至实体经济各个产业将经历深刻的数字化转型。IDC 预测，到2026 年，数字产品、服务和体验将为全球企业 2000 强增加超过 40%的总收入。产业数字化转型不断推动优化生产流程、提升运营效率、增强客户体验，全面重塑技术发展、商业模式、组织结构乃至思维方式，催生出系列新兴业态和经济增长点，为全球经济注入新的活力与动能。

1.数字化转型投资步伐持续提速数字化转型支出爆发增长，展现出前所未有的活力与潜力。随着科技的飞速进步与全球经济结构的深刻变革，全球数字化转型的步伐正以前所未有的速度加快，云计算、人工智能、大数据、5G等技术的应用范围不断扩大，驱动着各行各业向更加智能化、高效化的方向迈进，重塑商业模式的同时，极大激发了企业数字化支出意愿。近年来，全球数字化转型支出呈现出迅猛增长态势，2023年，总数字化转型支出超过 2.1 万亿美元，占全球总投资比重超过52%，预计 2028 年达到 4.4 万亿美元，2023-2028 年五年复合增长率为15.4%。成为驱动全球经济转型升级的关键力量。中国作为世界第二大经济体，正以其庞大的市场规模和深厚的科技积累，展现出强劲的数字化转型动力。2023 年，中国数字化转型支出规模约为3850亿美元，2022-2026 年复合增长率达 17.9%。全球企业的数字化转型已进入持续发展阶段，促使全球数字化转型发展进程持续推进。

分行业看，效率提升和服务优化是企业数字化支出的重要焦点。金融服务领域五年的复合年增长率预计为20.5%，基于机器人流程自动化的索赔处理、实时金融建议和数字银行体验等高度依赖人工智能和数据分析技术的数据密集型场景增长最快，增速远超平均水平。离散制造业位居 2024 年全球数字化转型支出首位，预计支出近5 万亿美元，到 2027 年，预计增至超过 7000 亿美元，全方位体验参与和可持续发展成为该行业增长最快的领域。此外，支持AI 的客户服务和自助服务场景成为应用较为普及的场景，通过提供策划相关文章、根据回复推荐新文章以及吸引多种语言客户的能力，成为全球各行各业普遍采用的解决方案，2024 年该场景支出预计达到167亿美元。

2.人工智能大模型成为数字化转型的核心驱动力农业大模型以“单点突破”助力农业企业数字化转型。农业企业产业链相对较短，农业大模型往往可聚焦精准场景发力，通过在特定环节或领域率先实现智能化和数字化，快速验证技术可行性，降低转型风险，有效改善企业生产经营。在作物育种领域，农业大模型通过分析海量的遗传数据和生长数据，帮助科学家和育种专家进行更准确的品种选育，提高作物的抗病性、产量和品质。这种聚焦单一领域的策略，使得农业大模型能够在短时间内取得显著成效，为农业数字化转型树立信心。如，IBM 的“Watson Decision Platformfor Agriculture”利用 IBM 预测后端的强大功能，突出显示土壤温度、湿度水平、作物压力、害虫和病害等可能影响作物产量的关键因素，确定最佳的灌溉、种植、施肥和工人安全操作规范，帮助大型农业企业预测收获可能发生的时间以及在全球市场上的预期收益。如，2024 年 2 月，中粮集团有限公司聚焦生产安全，开发“中粮边缘一体化大模型平台”，以实现生产安全数据的全天候监测、安全精准预警与智能安全管理决策。再如，2023 年5 月，伊利实业集团股份有限公司宣布，聚焦降本环节，开发一年的“原奶自研模型”已成功将原奶调配成本降低 13.5%。同年 10 月，牧原实业集团有限公司积极部署养猪大模型，现已实现通过声音识别智能算法辨别生猪健康，并已进行三次产业化迭代。

工业大模型以“链端渗透”提高工业企业数字化效能。工业场景较为复杂，生产中间环节差异性大，大模型渗透难度高，生产链条两端的生产管理与产品服务环节共性较多，成为全球大模型工业企业应用的主要场景。在生产管理端，提升信息管理与生产控制效能是大模型推动工业企业数字化转型的主要形式。信息管理方面，2023 年 12 月，华星光电技术有限公司基于制造工艺流程、质量控制标准、环保法规等显示面板领域知识构建大模型，实现知识快速检索和知识库积累。2023 年 12 月，中国水泥网利用水泥技术知识构建ChatCEM 大模型，实现水泥行业知识查询问答。生产控制方面，2024年 6 月，中控技术股份有限公司推出面向化工、钢铁、建材的时序大模型，可实现高精度、高可靠性的故障预测或流程优化。特斯拉在其电动汽车生产中广泛应用工业大模型技术，特别是在Autopilot 自动驾驶系统的开发和优化上，通过深度学习算法分析海量驾驶数据，不断优化自动驾驶算法，提高驾驶的安全性和舒适性。在产品服务端，智能化产品与运维是大模型推动工业企业数字化转型的主要形式。消费产品方面，利用大模型连接用户语言与自身控制指令，使智能产品“能听懂、能交流、能执行”。如，亚马逊的Alexa智能音箱内置大模型技术，能够根据用户的语音指令提供个性化的服务和推荐，并通过分析用户的购买历史、浏览行为和偏好设置等，智能推荐商品、播放用户喜爱的音乐、设置提醒等。终端运维方面，2024 年 4 月，国家能源集团基于自建人工智能底座，创新打造国内首个可覆盖煤炭、化工、电力等行业专用和通用设备的综合诊断运维 AI 大模型，实现“云端训练、边端应用、持续更新”，提升全链条设备诊断准确率。安全管理方面，通用电气（GE）的Predix平台利用大模型技术对工业设备进行实时监控和数据分析，能够预测设备故障、优化运行参数，提高设备的可靠性和运行效率。在风力发电领域，Predix 平台通过分析风机的运行数据，提前发现潜在故障风险，为运维团队提供及时的维修建议，减少因设备故障导致的停机时间和维修成本。

服务业大模型以“全景赋能”覆盖服务企业多元化场景。服务业人机交互程度较高、数字化积累深厚，应用场景共性较大，是当前企业应用大模型的主战场。一方面，生产性服务业企业聚焦大模型人机协同。生产性服务业企业有效促进工农业生产活动有序进行，大模型对其数字化转型聚焦多元场景，更好地赋能千行百业。金融企业基于大模型打造“数字劳动力”。高盛自2023 年3 月开始在内部引入 Github Copilot 编码助手，利用大模型技术辅助开发人员自动生成代码行，截至 2024 年 6 月，这一工具已面向高盛内部数千名开发者使用，显著提高编码效率约 20%，通过智能代码生成和优化建议，开发团队能够更加快速地响应业务需求，降低错误率，提升整体服务质量。2023 年 9 月，蚂蚁集团发布金融大模型，该模型基于其自研基础大模型进一步定制，为理财顾问、保险代理、投研、金融营销、保险理赔等金融从业专家打造全链条的AI 业务助手。物流企业利用大模型优化服务。联合包裹服务公司（UPS）开发消息响应自动化项目（MeRA），利用生成式人工智能优化客户服务流程，在试点测试期间，MeRA 帮助 UPS 降低了一半的电子邮件回应反馈时间。另一方面，生活性服务业利用大模型提升全流程服务能力。

生产性服务业直接面向最终消费者，大模型推动生活性服务业企业数字化转型聚焦用户体验提升。旅游大模型提升全流程用户决策效率。迪士尼乐园利用大模型技术，开发智能客服系统，为游客提供全天候、多语言的在线咨询服务，例如，当游客询问游乐项目的排队时间时，系统能够根据实时数据和历史数据，预测并告知游客最短的排队时间。此外，系统还能根据游客的偏好和行程安排，推荐最适合的游乐项目和餐饮选择，提升游客的整体体验。网约车大模型实现服务全环节安全赋能。2023 年 9 月，高德地图发布出行大模型，从风险识别、风险预警、实时防护、常态治理等全流程进行安全治理，每日完成道路安全预警超 1000 万次，驾驶员超速率下降18.4%，保障乘客生命安全。