生成式AI各行业应用情况有何不同？

由于行业属性各有不同，合规 要求有异，生成式 AI 驱动各行各业创新与变革的侧重点亦各有不同。

1.互联网行业：虚拟角色与内容 生成

互联网多为数字原生企业，具有良好的数据基础和创新基因。互联网行业的挑 战在于持续吸引用户注意力、增强品牌互动性，同时保持高效、创新的内容生 产。于是，以虚拟角色和内容生成为代表的生成式 AI 技术正成为推动互联网 行业进化的关键力量。生成式 AI 对互联网核心业务场景的赋能主要如下：

   搜索引擎：生成式 AI 使搜索引擎能够更好地理解复杂的查询意图，并汇集 多方信源内容。通过自然语言理解和检索增强生成（RAG）等技术，搜索 引擎可以直接提供总结性答案、建议或执行指令。伴随多模态大模型的发 展，搜索结果还能以表单、思维导图以及图像、语音、视频等更加多样的 方式呈现，使用户获取更优质的知识体验。

   推荐系统：生成式 AI 通过深度学习模型，根据用户的偏好和上下文，可以 动态生成个性化推荐内容，甚至还可以深度个性化定制详情页面，这不仅 能提升推荐的准确率，还能创造惊喜元素，提高用户粘性和满意度。

 工作效率提升：在企业内部，生成式 AI 与办公软件结合能够自动化处理大 量重复性工作，如客户服务、报告生成、数据分析等，释放员工时间，让 他们专注于更具价值的创造性工作，从而提升组织效率和创新能力。

 内容创作：面对互联网行业日新月异的大量内容创新及迭代的需求，生成 式 AI 可以辅助创意、文案、脚本、编辑等多项内容工作，覆盖包括编曲、 视频制作以及游戏角色设计等多模态领域，极大地提高创作者内容的产出 效率。同时，生成式 AI 还可以结合时下热点和需求趋势，进行内容的创作 和评审，确保内容的商业价值。

数字人：数字人在互联网行业已广泛应用于直播、培训以及客服等场景中， 生成式 AI 可以使数字人更好地理解用户的复杂指令甚至感知用户的情绪变 化，让数字人与人之间的交互更加真实、灵动。此外，生成式 AI 还可以生 成更丰富的虚拟人形象，更加贴合场景需求。

生成式 AI 在产品设计、应用开发与测试、流量分发、营销推广、用户运营等 诸多业务场景都开始了有益的尝试。互联网拥抱生成式 AI 不仅在于利用 AI 技 术优化现有业务与运营模式，更在于启发互联网新一轮的商业模式革命，打造 基于生成式 AI 的新增长点。

百度营销平台推出的“擎舵”项目，利用生成式 AI 技术，根据用户特定需求 和品牌特性，自动生成定制化虚拟角色与内容。这项技术覆盖视觉内容、交互 对话、故事剧本等多个维度，旨在为用户提供独特的品牌互动体验。通过分析 历史数据和用户行为，“擎舵”能生成高度相关的个性化内容，支持一键混剪 视频制作，显著提升品牌内容生产的效率与个性化水平。实践表明，该技术已 实现制作成本降低 85%、效率提高 100 倍、产品上市周期缩短 75% 的显著 成效。此外，百度在构建基于检索和推荐的生成式大模型索引学习平台方面， 通过融合判别与生成技术，使定向关键词生成的有效性从 30% 跃升至 100%， 开辟了商业内容生成的新模式。 技术进步方面，百度与 NVIDIA 合作开发的 PaddleBox 项目，成功将稠密模 型参数规模扩展至百亿级别，实现 100 倍的规模提升，并优化了多机加速性能， 使训练效率提升 50%。同时，GPU 技术支持的 PGLBox 引擎，通过异步聚合 通信库，实现了大规模图数据的高效多机训练，促进了百亿级语义模型与万亿 级离散模型的联合学习，推动了大模型训练技术的实质性进展。（以上案例所 展示数据截至 2024 年 GTC 大会）

2.医疗领域：药物研发的智能计算 平台

医疗行业亟需解决资源分配不均、诊疗效率低下及个性化治疗方案稀缺的问题， 尤其是在精准医疗日益增长的需求面前。通过分析大量医疗健康数据，生成式 AI 可以提供更高效、便捷和个性化的医疗服务。在生命科学方面，生成式 AI 大幅降低了医药发现的资金与时间成本。生成式 AI 对医疗行业的助益在短时 间内，已得到行业的认证。根据 IDC 调研数据显示，2023 年 6 月全球医疗行 业中只有 13%8 的企业在生成式 AI 方面进行了大量投资；仅仅四个月后，这 一比例就上升到 46%9 。生成式 AI 在医疗行业的主要应用场景有：

医学影像分析：通过深度学习模型，AI 能精确识别影像中的异常结构，辅 助医生进行早期癌症筛查、疾病诊断，如肺癌、皮肤癌的影像识别技术， 以及心脏病、脑部疾病的影像辅助分析；还可以通过结合医学影像和病理 信息等多模态数据，为医生提供更全面的诊断支持。 •   疾病筛查：疾病类数据往往受到严格的合规性要求，一直以来训练数据获 取困难都是 AI 技术在医疗业落地的一个制约项。生成式 AI 可以通过合成数 据使 AI 模型更好地学习疾病诊疗案例，优化临床诊疗的表现。 • 

药物发现：利用生成式模型，AI 可以模拟数百万种化合物的结构和活性， 加速新药候选分子的筛选过程。据报道，AI 可为公司降低高达 70% 的药物 发现成本 10。 •   个性化诊疗：基于患者的遗传信息、临床数据和疾病模型，生成式 AI 能够 预测患者对不同治疗方案的响应，为制定个体化治疗计划提供参考。对话 类应用的引入还能更加有针对性地回答广大来自病患的问题，改善患者的 医疗服务体验。

2021 年，唯信计算加入了 NVIDIA 初创企业加速计划。在 NVIDIA 技术和硬 件的加持下，WeMol 以自主研发的 APLHA 系列独特算法为核心，完成了对 从小分子、mRNA 到蛋白设计领域的药物发现全流程赋能，将大、小分子药 物的生成、设计和计算模拟效率提升数百倍，累计服务各类生物医药企业与科 研机构 500 余家。

借助与 NVIDIA 的合作，WeMol 更好地集成与对接了多种大模型以及 GPU 加 速算法。例如通过 NVIDIA NIM 微服务解决方案，实现 AI 推理模型的快速部 署；利用专注于药物发现的 AI 模型微服务 NVIDIA BioNeMo NIMs，WeMol 能够直接部署计算机辅助药物设计（CADD）AI 模型、DiffDock 分子对接工 具、OpenFold 蛋白质结构预测模型和 ESM 蛋白质语言模型，以及针对抗体 研究和其他药物发现流程的多种模型。WeMol 支持多种形式的抗体设计、免 疫原性预测、LNP 递送系统设计、可开发性优化、mRNA 序列设计及超高通 量虚拟筛选等计算，可搭建定制化的分子数字化及智能计算平台。其中，人源 化和免疫原性的模型预测准确度能达到 90% 以上；在抗体可开发性和抗体亲 和力改造方面，模型计算结果与实验反馈也高度吻合，得到了客户的高度认可。 未来，唯信计算计划将 WeMol 平台拓展至基因组学和医疗影像领域，利用 NVIDIA 的 Parabricks 和 MONAI 等平台工具，为中国医疗医药行业带来更 全面的智能化研发平台，助力行业向更加高效、精准的药物研发迈进。

3.金融行业：风险管理、投资决策 与反欺诈

金融行业向来是实践行业转型的引领者，是最有望诞生第一批成熟落地场景的 行业。金融行业有严格的合规和监管要求，必须严格控制风险。生成式 AI 以 其强大的数据处理、模式识别和内容生成能力在金融的风险管理、投资决策 以及普惠金融等领域有着巨大的应用潜力。通过深度学习和自然语言处理技 术，生成式 AI 能够自动化处理复杂的金融数据，实现对风险的快速识别与响 应，增强金融机构的风险抵御能力，同时为投资、信贷决策提供更加精准的分 析支持。金融行业生成式 AI 的主要应用场景如下：

金融风控：对于风险管理，生成式 AI 能够自动生成关于贷款申请人或投资 项目的详细调查报告，涵盖财务状况、信用历史、合规性检查等。通过自 然语言处理技术，AI 系统能够理解有关金融规章制度的提问，为客户提供 准确的信息支持。生成式 AI 还可以辅助生成风控相关算法代码，例如结合 NVIDIA 全栈技术，如 RAPIDS、Spark 和 Deep Graph Library（DGL）， 助力银行实现自动化反金融犯罪、改善信用风险建模、更好地完成风险管 理和欺诈检测并降低成本。对于欺诈检测领域，生成式 AI 通过数据增强、 模拟欺诈场景等方式提升金融欺诈检测的准确性。生成式 AI 也可用来生成 额外的合成数据，解决真实数据不足的问题，进而优化反欺诈系统。 

投资策略：生成式 AI 可以分析财务报告、市场研究报告，提取关键财务 指标和市场趋势，为投资者提供有价值的洞见。在算法交易领域，生成式 AI 通过情感分析社交媒体上的讨论，预测市场情绪和趋势；同时，它能 够将投资者的口头描述转化为交易算法的代码，实现策略自动化。例如， NVIDIA NeMo Curator 能够简化数据整理任务，如数据下载、清理、质量 过滤、精确或模糊数据去重等；NVIDIA RAPIDS 可在算法交易的因子计算 与挖掘和算法开发等环节完成 GPU 加速，提升性能；在生产环节，NVIDIATriton 可实现算法推理加速，助力金融机构完成算法交易的部署。乐天证 券的 AI 虚拟投资助手，运用 NVIDIA RIVA+LLM 技术，根据客户数据提供 个性化投资建议，实现了高度定制化的客户虚拟投资助手服务。

普惠金融：农村金融与小微企业融资面临的一个共同挑战是客户信用数据 不足，导致传统金融服务难以评估其金融风险。生成式 AI 在优化信贷决策 方面展现出巨大潜力，例如在农村金融领域，商业银行借助卫星遥感图像 可识别农作物的生长情况与种植面积，以形成信用资产，再通过生成式 AI 解决遥感成像清晰度不高的问题，并且结合地理、天气、宏观政策以及市 场供需预测等信息，更精准、智能地推荐授信额度；在供应链金融领域， 生成式 AI 与知识图谱相结合，能够完整绘制产业链图谱，进而定位小微企 业所在产链位置，并综合上下链信息，实现对企业经营行为的全面洞察， 以便准确地评估小微企业的信用风险。此外，基于生成式 AI 的 7x24 小时 在线聊天机器人能够为普惠金融、农村金融和小微企业用户提供即时咨询 服务，解答贷款、投资相关问题。生成式 AI 的应用不仅能够显著提升金融 服务的便捷性和可负担性，而且有助于缩小城乡、大小企业之间的金融服 务差距，推动经济均衡发展。

4.生成式物理 AI：机器人与自动 驾驶

要实现在现实环境中高效运作的机器人与自动驾驶系统，关键能力在于系统需 能区分并理解物体特性，同时将高级决策策略转化为精确的动作指令。尤其对 于自动驾驶汽车而言，由于其普遍采用电力驱动，能效成为了设计与功能实现 中的核心考量因素。历史上，自动驾驶技术面临的一大挑战在于如何准确感知 并理解复杂多变的周围环境。生成式物理 AI（Generative Physical AI）的 兴起，为构建能够灵活应对现实世界不确定性的机器人提供了全新路径。

生成式 AI 技术赋予了自动驾驶汽车感知、理解并执行复杂任务的能力。该技 术通常被嵌入到机器人或自动驾驶汽车中，通过集成传感器与执行器的运动 技能，实现对现实世界的深度交互与理解。相较于传统生成式 AI，生成式物 理 AI 进一步整合了对三维空间关系及物体物理特性的深刻认知，显著提升了 系统的智能水平。在开发过程中，开发者利用强化学习在模拟环境中对自动驾 驶机器进行训练，这一方法允许 AI 通过无数次试错，在安全、高效的数字环 境中快速掌握技能。更为重要的是，这些系统还具备从人类示范中学习的能力， 从而不断增强其执行效率与环境适应能力。 生成式物理 AI 可以帮助机器高精度地适配各种环境，为机器人提供动力，使 其能够包装纸箱、帮助制造车辆、提高物流和库存管理的运营效率，甚至在手 术室为医生提供帮助。

机器人：借助生成式物理 AI，机器在多样化环境中的高精度适应能力显著 提升。 •   自主移动机器人（AMRs）：在仓库场景下，AMRs 凭借集成传感器实时 提供的数据，能够在复杂空间内导航，有效规避包括人类在内的各类障 碍物，显著提升作业效率与安全性。 •   机械手操作：通过分析传送带上物品的朝向，机械手能精细调整抓取策 略，展现出针对不同物品类型的精准操控技能，提高了包装、装配等任 务的自动化水平。 •   外科手术机器人：在医疗领域，生成式物理 AI 使手术机器人能够掌握缝 合、穿针等高精度手术技巧，展现了其在辅助完成复杂医疗程序中的精 确性与灵活性，减轻了外科医生的工作负担。

自动驾驶汽车（AV）：配备先进传感器的自动驾驶汽车，在生成式物理 AI 的加持下，能够准确感知并解析周围环境，无论是在高速公路还是城市街 道，都能做出决策。该技术增强了 AV 识别行人、应对交通与天气变化、自 主执行车道变换的能力，使其能够灵活处理多种不可预见情况，有效提升 行驶的安全性与舒适度。 •   智能空间管理：在工厂、仓库等大型室内区域，生成式物理 AI 通过固定摄 像头与视觉模型，可实现对各类实体与行动的全面监控，进而优化动态路 由与运营效率。同时，这些系统能准确识别并解读广阔复杂的环境，确保 人员安全，提升整体管理水平。