国资报告•智库论道 | 大小模型协同创新助力国资央企人工智能发展_新浪财经

本文系统论述人工智能技术从决策型模型向生成式大模型的范式转变，揭示Transformer架构与生成对抗网络引发的技术革命。通过医疗、金融、智能制造等领域实证研究，阐明国产大模型DeepSeek的轻量化部署路径与产业价值。提出“感知—生成—执行”三级智能体架构，并针对隐私保护、模型可解释性等挑战提出“知识蒸馏+联邦学习”融合方案。研究为人工智能技术产业化提供理论框架与实践参考。

人工智能技术的演进与生成式模型的发展

在2014年之前，人工智能模型主要聚焦在决策型模型。这些模型的核心是利用数据集生成条件概率分布，从而作出决策。例如，决策树模型就是通过一系列的条件判断来实现决策过程。这种模型在早期的人工智能应用中取得了显著的成果，如京东的智能推荐系统、百度的搜索引擎优化以及滴滴打车的路径规划等。这些系统通过分析大量的用户数据，生成条件概率分布，从而为用户提供精准的服务。然而，决策型模型也有其局限性。它们主要关注如何根据已有的数据作出最优决策，对于生成新的内容或样本的能力相对较弱。在一些需要创造性或生成性任务的场景中，决策型模型往往难以满足需求。

2014年之后，生成对抗网络（GAN）和Transformer的出现推动了生成式人工智能模型的发展。生成式模型的核心是利用样本来做联合概率分布，从而生成新的未见过的样本。这种模型的出现，为人工智能的发展带来了全新的视角和可能性。例如，通过GAN，我们可以生成从未见过的人脸图像，甚至可以将静态图像变成动态视频。这些技术的应用不仅在学术界引起了广泛关注，也在工业界得到了快速的推广。生成对抗网络在图片生成方面取得了巨大成功。除了图片生成，生成式模型还可以生成视频动作，甚至可以将静态动作变成动态情形。此外，我们还可以将古希腊雕塑的动作变成动态视频，或者将爱因斯坦的静态图像变成动态会议视频。这些技术的应用不仅在娱乐领域引起了广泛关注，也在教育、医疗等领域得到了应用。然而，这些生成式模型的应用也带来了隐私问题。因此，国家网信办规定，从今年9月开始，所有生成的文件，包括图像和视频，都必须标注为生成文件，以保护隐私和社会安全。这一规定不仅体现了国家对人工智能技术应用的重视，也提醒我们在技术发展的过程中，必须时刻关注技术可能带来的负面影响。2017年之后，Transformer成为一种大语言模型，这是生成式人工智能模型的另一种形态。大语言模型利用大语言理论中的预训练生成模型。2024年底至2025年初，国产DeepSeek的出现掀起了大模型的浪潮。DeepSeek不仅可以部署在本地模型，还具有强大的推理能力，适用于各种学术和行业应用。DeepSeek的出现推动了大模型从小模型、轻量化的方向发展。

大模型的优势在于可以轻量级部署，在本地服务器和私有云上运行，无需依赖外部环境，尤其在风控和隐私保护方面具有优势。在使用大模型时，提示词的设置非常重要。通过合理的提示词，可以避免大模型产生不准确的回答。DeepSeek的模型也可以通过提示词进行优化，实现一键生成成果。国产大模型DeepSeek的轻量化部署路径为人工智能技术的产业化提供了重要的实践参考。通过轻量化部署，大模型可以在不同的应用场景中发挥其强大的能力，同时又能够满足企业对于成本和隐私保护的要求。

大模型的应用场景与行业实践

大模型的应用场景非常广泛，从学术研究到金融分析、消费、商业AI制作、流程自动化等都有其应用。在医疗产业，大模型可以精准地进行病例审查和分析，为医生或个人提供客观可靠的决策。全国各地的三甲医院和二甲医院已经开始部署DeepSeek，用于电子诊疗和病例分析等场景。通过大模型对大量的医疗数据进行分析和学习，能够帮助医生更快速、准确地诊断疾病，制定个性化的治疗方案。

在金融领域，DeepSeek的出现推动了金融大模型的发展。许多厂家已经开始使用DeepSeek替代其他产品，以降低成本并提高效率。金融行业面临着海量的数据处理和复杂的决策需求，大模型可以对金融市场数据进行分析和预测，为投资决策、风险评估等提供支持。

除了医疗和金融领域，大模型还在消费、商业AI制作、流程自动化等多个领域得到了广泛应用。在消费领域，大模型可以用于个性化推荐、智能客服等，为消费者提供更好的购物体验。在商业AI制作方面，大模型可以生成创意文案、设计图案等，提高内容创作的效率和质量。在流程自动化领域，大模型可以优化业务流程，提高企业的运营效率。在硬件方面，DeepSeek一体机的出现为中小企业和小型高校科研机构提供了便利。一体机结合了DeepSeek训练的模型，可以在本地进行预训练和迁移，适用于特定行业的应用需求。然而，企业在部署大模型时需要谨慎考虑是否需要购买一体机。虽然一体机可以降低成本，但企业需要根据自身需求和行业特点来决定是否适合部署一体机。AI技术虽然在不断变化，但企业在部署大模型时应结合自身特性，进行实际的思考和应用。

人工智能产业的未来发展趋势与挑战

除了大模型的应用，AI智能体（AI Agent）的发展也成为人工智能领域的一个重要方向。AI智能体不仅可以进行文本生成，还可以完成一系列的任务，如文生图、文生文、文生视频等。通过大小模型的融合，可以实现更高效的任务处理。小模型可以用于感知，大模型用于理解，生成的数据可以用于分析和理解。执行部分可以由小模型和大模型共同完成。AI智能体的功能类似于多个助理协同工作，可以完成一系列连贯的任务。例如，出差时可以同时预订酒店和网约车，并将用户送到机场。这种多智能体的协同工作将成为未来人工智能产品的一个重要发展方向。多智能体之间的协同和融合将成为未来研究的重点。目前，已经有一些企业开始实现AI智能体的应用。例如，智用开物等企业也在开发AI智能体平台，推动AI智能体的发展。然而，大模型仍然面临一些挑战，如计算资源和成本的压力、数据质量和风险问题，以及模型的可靠性和解释性不足。未来，我们需要在这些方面进行努力，以解决这些问题。在大小模型的融合中，我们可以利用大模型的知识层，通过知识蒸馏和垂域蒸馏技术，将大模型应用于云端和端点，实现跨学科的多智能体协同工作。

展望未来，人工智能产业将朝着云边智能、具身智能、大健康、低空经济、数字平行人等方向发展。云边智能将实现个性化智能，智能车可以在端点融入云端知识，实现实时更新。3C产品也将逐渐普及，如智能眼镜等，可以实现同声传译等功能。这些技术的发展将推动人工智能产业的进一步发展。云边智能的核心在于将云端的强大计算能力和边缘端的实时处理能力相结合。例如，在智能交通领域，智能车可以通过边缘计算技术实时处理路况信息，同时利用云端的知识库进行路径规划和决策。这种结合不仅提高了系统的响应速度，也增强了系统的智能化水平。未来，随着5G和6G技术的发展，云边智能将在更多领域得到应用，如智能家居、智能工厂等。具身智能是另一个重要的发展方向。具身智能强调智能体与环境的交互，通过感知和行动来实现智能行为。大健康领域同样也是人工智能的重要应用方向。通过大模型和AI智能体，可以实现精准医疗、健康管理等功能。低空经济是近年来兴起的一个新兴领域。通过无人机、智能飞行器等技术，低空经济将在物流、农业、测绘等领域得到广泛应用。未来，随着技术的不断成熟，低空经济将成为推动经济发展的重要力量。数字平行人将创造真实世界跟数字化的世界的互动，在元宇宙、生成场景及智能数字人的技术支持下，未来人工智能的应用将展开一番新的前景。

总之，人工智能产业正处于快速发展阶段。从大模型到AI智能体，从单模态到多模态，从决策型到生成式，人工智能的应用范围和深度都在不断拓展。未来，人工智能将与人类共同参与创造发明，推动社会的进步和发展。我相信，通过我们的共同努力，人工智能产业将迎来更加美好的未来。在发展的过程中，我们不仅要关注技术的进步，更要关注技术可能带来的社会影响。例如，隐私保护、数据安全、模型的可靠性和解释性等问题都需要我们认真对待。只有在确保技术安全可靠的前提下，人工智能才能真正为人类带来福祉。