随着2022年底OpenAI ChatGPT的问世，为全球揭开了大模型的神秘面纱。如果说2023年是世界认识大模型的一年，那么2024年则是企业真正开始使用大模型技术并从中获得商业价值的一年。
根据麦肯锡在2024年年初发布的《AI发展现状调查报告》，通过对全球1363名参与者的调研显示，65%的受访者表示其所属企业已经将生成式AI纳入常规使用，相比于十个月前的调研结果（33%）增加了一倍。企业已经从大模型应用中获得了显著的经济效益，无论是成本的降低还是收入的增长。
沙丘智库长期跟踪调研大模型技术的发展，旨在帮助企业快速了解大模型最新、最全面的落地情况。近期，沙丘智库对外发布了《2024生成式AI案例研究简报（7月）》，报告中收录了32个应用场景、29个细分行业、276个国内外大模型实践案例，这些案例均为当前已产生阶段性应用成果的案例，通过这些案例，企业可以快速了解大模型技术最新、最全面的落地情况。
从国内外企业在大模型应用场景的探索对比来看，国内企业当前更多是将大模型用于员工办公助手、知识助手、智能客服等辅助员工提高工作效率的场景，而国外企业除了在这些场景的探索之外，还更多的将大模型用于核心业务场景，例如金融行业的欺诈检测、智能投顾，医疗保健行业的药物发现，制造行业的流程优化等。
以下从报告中摘取了金融、制造、消费品与零售、医疗等行业10个国外企业大模型实践案例，供国内企业进行参考。
01
金融行业
▎案例1：摩根大通推出SpectrumGPT辅助投资组合经理
摩根大通在工作流程中集成了一个名为 SpectrumGPT 的工具，SpectrumGPT可以充当投资组合经理的助手，提高他们处理和分析海量数据的能力，从而使他们能够在不取代人为决策因素的情况下，做出更明智的数据驱动型决策；
SpectrumGPT 在摩根大通的云环境中运行，通过快速分析有关金融实体的复杂查询来协助投资组合经理，它能识别和处理相关文件，锁定相关部分并提取关键问题，最终提供包含见解和原始资料来源的综合评论，以供投资组合经理核实。
▎案例2：高盛为内部数千名开发人员提供编码助手，带来20%效率提升
高盛从2023年3月开始进行编码助手（Github Copilot）的“POC”，帮助工程师自动生成代码行，截止2024年6月，编码助手已经面向高盛内部数千名开发者使用，开发者利用编码助手构建应用程序，编码助手提高了开发者20%的效率。
▎案例3：摩根大通IndexGPT，以ChatGPT方式进行投资
“主题投资篮子”是华尔街目前最火热的投资赛道，投资者选择投资篮子需要对海量金融、新闻数据进行深度分析，才能挖掘出那些潜力公司，这正是大模型最擅长的领域之一，摩根士丹利借助GPT4为投资者提供自动化服务。
IndexGPT 是借助 OpenAI GPT4 模型创建的一系列主题投资篮子。该工具会根据新兴趋势生成一个与主题相关的关键词列表，然后将其输入到一个单独的自然语言处理模型，该模型会扫描新闻文章，筛选出相关公司，从而形成主题指数。
▎案例4：万事达卡构建用于欺诈检测的生成式AI模型
万事达卡在内部建立了一个名为 Decision Intelligence Pro 的 GPT 模型。该模型由内部开发的递归神经网络提供支持，使用transformer模型来利用生成式AI。该模型主要是根据每年流经万事达卡网络的约 1,250 亿条支付交易数据进行训练；
该模型使用持卡人访问商户的历史记录作为prompt，确定交易中涉及的商户是否是客户可能会去的地方。该模型侧重于了解商户之间的关系，而不是文字输入。然后，算法通过万事达卡网络生成路径，以分数的形式找到答案，生成的分数可确定事件是否符合持卡人的预期行为模式；分数越低，表示行为越不符合模式。
02
制造行业
▎案例5：宝马利用生成式AI优化汽车制造流程
宝马一直在寻找新的、创新的方法来提高制造工厂的运营效率，合理安排工人在实现目标的同时尽量减少闲置时间，同时还要防止生产流程各个步骤之间在缓冲区存在的溢出和短缺。宝马采用Zapata AI的GEO方法（ Generator-Enhanced Optimization），生成式人工智能最大限度地减少了闲置时间，实现生产目标。
▎案例6：特斯拉利用生成式AI加速微芯片设计
特斯拉利用生成式AI技术缩短全自动驾驶系统（FSD）和 Cybertruck 部分处理器的微芯片设计时间。LLM 可以在初始阶段根据合规规范、IP 连接、项目文件等对芯片设计代码进行检查，这样可以减少在后期阶段才会发现的错误，将微芯片设计时间缩短数周。
03
消费品与零售行业
▎案例7：联合利华利用生成式AI提升客服效率
联合利华使用神经网络系统开发了“Alex”，并用GPT API生成内容。Alex可以理解消费者的咨询内容，甚至可以捕捉语气，然后可以在 Salesforce 中存储答案和情感；
联合利华的另一款名为“Homer”的工具利用ChatGPT API生成内容。它是一个神经网络，能获取产品的一些细节，并生成亚马逊产品列表，其中包括符合品牌调性的简短描述和长描述。
▎案例8：李维斯将生成式AI用于更加丰富的服装模型
李维斯（ Levi's）利用生成式AI创建更多的人体包容性服装模型，让顾客可以查看不同体型、年龄、尺寸和肤色的产品，这可以帮助那些认为服务模特与自己身材不相似的消费者，从而改善整体的购物体验。
04
医疗保健行业
▎案例9：阿斯利康利用 GenAI 设计出针对肿瘤靶点的治疗性抗体
阿斯利康与 Absci 合作，利用其 Integrated Drug Creation 平台（该平台通过测量数百万个蛋白质-蛋白质相互作用生成专有数据，然后用于训练 Absci 的专有人工智能模型），并结合阿斯利康在肿瘤学方面的专业知识，针对特定肿瘤靶点设计治疗性候选抗体。
▎案例10：辉瑞AI平台 “Charlie”为营销内容供应链提供支持
辉瑞公司与阳狮集团合作，在其现有的Marcel人工智能平台基础上开发了一个人工智能平台“Charlie”。Charlie 基于生成式AI的功能支持：①内容创建和编辑；②医疗、法律和监管审查。在生成营销内容方面，辉瑞公司使用的训练数据来自以前批准的内容，这些内容按治疗类别（如肿瘤、内分泌等）和具体产品进行归档。他们还使用了细分模型，让Charlie了解与每个细分市场相关的信息类型以及什么是最重要的。
以上案例节选自：《2024生成式AI案例研究简报（7月）》点击可查阅（276个案例、324页PPT，专业版会员可下载）
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
