加入收藏
| 文字：[ 大 中 小 ]
報告簡介
報告目錄
2023年中國AI+行業(yè)應用趨勢產(chǎn)業(yè)深度研究及發(fā)展前景預測報告
正文目錄
1、AI+行業(yè)狀況 10
1.1、互聯(lián)網(wǎng)+和 AI+不同點分析 10
1.2、大模型發(fā)展日新月異，人工智能迎來新時代 12
1.3、GPT-4 已在多領域落地 14
1.4、第三方插件有望成為ChatGPT 的“App Store” 15
1.5、AI+各行業(yè)應用生態(tài)加速形成 17
2、AI+協(xié)同辦公行業(yè)分析 21
2.1、行業(yè)分析 21
2.1.1、從三個維度提升人類能力，賦能辦公場景 21
2.1.2、OA 有望成為大模型在B 端生態(tài)入口 22
（1）、企業(yè)信息化核心系統(tǒng)，行業(yè)前景廣闊 22
（2）、多功能引擎：OA 的產(chǎn)品“護城河” 27
（3）、產(chǎn)品形態(tài)靈活化，工作流引擎是軟件核心 30
2.1.3、大模型結合各功能引擎，助力OA 成為B 端生態(tài)入口 33
2.2、行業(yè)公司 36
2.2.1、微軟發(fā)布+ GPT-4，開啟辦公智能化新紀元 36
2.2.2、金山辦公蓄力AI領域，有望引領國內辦公智能化 41
2.2.3、泛微網(wǎng)絡：專注協(xié)同管理軟件領域 44
2.2.4、致遠互聯(lián)：數(shù)智化協(xié)同運營平臺及云服務領導廠商 45
3、AI+工業(yè)行業(yè)分析 47
3.1、行業(yè)分析 49
3.1.1、ChatGPT 引領AI 突破，工業(yè)AI 應用前景可期 49
（1）、通用AI 技術工業(yè)領域落地周期逐步縮短，帶動工業(yè)AI 應用發(fā)展提速 49
（2）、工業(yè)AI 應用場景貫穿工業(yè)研發(fā)設計、生產(chǎn)制造、經(jīng)營管理等全環(huán)節(jié) 51
3.1.2、應用場景：“AI+”助力傳統(tǒng)工業(yè)軟件效率提升 52
（1）、研發(fā)設計環(huán)節(jié)：“AI+”可賦能創(chuàng)成式設計、仿真優(yōu)化、電子設計優(yōu)化等 52
1）、CAD：AI 賦能創(chuàng)成式設計，CAD 軟件價值量有望同步提升 52
2）、CAE：AI 賦能仿真優(yōu)化及工業(yè)數(shù)字孿生，工業(yè)數(shù)字孿生反哺AI 模型訓練 54
3）、EDA：AI 賦能EDA 工具，可大幅提升設計效率及設計產(chǎn)品性能 56
（2）、生產(chǎn)運維環(huán)節(jié)：“AI+”可賦能早期缺陷檢測、預測性維護、產(chǎn)品質量分析等 57
（3）、經(jīng)營管理環(huán)節(jié)：“AI+”可賦能CRM、SCM、ERP 等經(jīng)營管理類軟件 59
1）、CRM：AI 可助力銷售人員快速響應，并升級市場營銷體驗 60
2）、SCM：AI 可提升供應鏈敏捷性，并通過數(shù)據(jù)采集分析提升決策有效性 62
3）、ERP：AI 可在多場景提升EPR 產(chǎn)品能力 63
3.2、行業(yè)公司 64
3.2.1、百度文心 64
3.2.2、中控技術 66
3.2.3、中望軟件 67
3.2.4、賽意信息 68
3.3、趨勢展望 69
3.3.1、產(chǎn)業(yè)融合趨勢 69
3.3.2、產(chǎn)業(yè)技術趨勢 70
4、AI+建筑行業(yè)分析 71
4.1、行業(yè)分析 72
4.1.1、BIM：全生命周期+數(shù)字智能化助力行業(yè)轉型 72
4.1.2、Transformer模型點亮AI +建筑未來 77
4.2、AI 生態(tài)下的建筑全生命周期產(chǎn)業(yè)鏈 81
4.2.1、設計：AI 識別/分析/優(yōu)化促進自動化 85
（1）、AI分析 87
（2）、AI 優(yōu)化 90
4.2.2、施工：計算機視覺+模型+智能機械引領變革 93
（1）、計算機視覺：讓機器用“眼睛”理解施工 93
1）、鋼結構焊縫連接質量檢測 94
2）、混凝土結構表面裂縫識別 97
（2）、三維掃描：深度融合BIM，創(chuàng)造建筑的數(shù)字世界 98
（4）、建筑機器人與智能設備：工廠與現(xiàn)場的雙重革命 100
1）、預制構件制造 101
2）、施工機械改造 103
4.2.3、運維：聚焦數(shù)字孿生，為傳統(tǒng)建筑運維破局 105
4.3、行業(yè)公司 109
4.3.1、華設集團 110
4.3.2、華陽國際 112
4.3.3、廣聯(lián)達：深耕“數(shù)字建筑”，AI落地場景豐富 114
5、AI+視頻行業(yè)分析 117
5.1、從行業(yè)頭部應用迭代看AI+視頻演進方向 118
5.1.1、海外Runway和deepfake視頻生成模型落地，AI跨模態(tài)從零創(chuàng)作未來可期 118
5.1.2、海外AI視頻生成商業(yè)模式落地，目前以SaaS訂閱制為主 120
5.1.3、騰訊智影：快速生成AI繪畫、數(shù)字人、智能配音，提升創(chuàng)作效率 121
5.1.4、AI改變傳統(tǒng)內容行業(yè)生產(chǎn)方式，AI+視頻或迎來產(chǎn)能井噴 123
5.2、AI+視頻相關公司 126
5.2.1、捷成股份：積極探索虛擬人視頻技術服務 126
5.2.2、華策影視：探索將AIGC技術應用于影視生產(chǎn)全鏈路 127
5.2.3、萬興科技：打造智能前沿的AIGC應用 129
5.2.4、平治信息：加速布局AIGC文字視頻 131
5.2.5、光線傳媒: AI工具協(xié)助電影生產(chǎn) 132
6、AI+生物合成學 133
6.1、合成生物學掀起生物制造業(yè)革命 135
6.1.1、世界工業(yè)演變：電化學-石油化工-合成生物學 135
6.1.2、合成生物學掀起制造業(yè)革命 137
6.2、AI 賦能合成生物學加速產(chǎn)業(yè)革新 139
6.2.1、AI 給合成生物學帶來發(fā)展新機遇 139
（1）、提高基因編輯的精度與效率 140
（2）、指導蛋白質設計 140
（3）、優(yōu)化代謝途徑與生物生產(chǎn)過程 141
6.2.2、高質量數(shù)據(jù)為bio-AI 的發(fā)展關鍵 142
6.2.3、Bio-AI 不等同于傳統(tǒng)CADD 技術 144
6.3、行業(yè)公司 145
6.3.1、華恒生物 146
6.3.2、嘉必優(yōu) 146
6.3.3、凱賽生物 147
6.3.4、科拓生物 147
6.4、行業(yè)風險 148
6.4.1、AI 技術發(fā)展遇到瓶頸 148
6.4.2、Bio-AI 技術融合不及預期 148
6.4.3、基因工程產(chǎn)品商業(yè)化的法規(guī)風險 148
6.4.4、知識產(chǎn)權風險 148
7、AI+其他行業(yè)分析 149
7.1、AI+法律 149
7.1.1、行業(yè)介紹 149
7.1.2、行業(yè)公司：通達海，智慧法院賦能者，進一步加強智能化產(chǎn)品 151
7.2、AI+醫(yī)療 152
7.3、AI+金融稅務 155
7.3.1、行業(yè)介紹 155
7.3.2、行業(yè)機遇 157
（1）、2C金融信息服務領域 157
（2）、2B行業(yè)解決方案領域 157
7.3、行業(yè)案例：同花順，深耕金融場景布局AI應用產(chǎn)品 158
7.4、AI+網(wǎng)絡安全 159
7.4.1、行業(yè)介紹 159
7.4.2、行業(yè)需求 161
7.4.3、行業(yè)案例 163
7.5、AI+教育 165
7.5.1、行業(yè)介紹 165
7.5.2、公司進展 167
7.5.3、行業(yè)案例：科大訊飛國內領先，助力GBC端實現(xiàn)“因材施教” 168
7.5.4、行業(yè)趨勢 170
7.6、AI+廣告營銷 170
7.6.1、行業(yè)介紹 171
7.6.2、行業(yè)公司 173
7.7、AI+遙感 174
7.7.1、行業(yè)介紹 174
7.7.2、行業(yè)案例 175
8、報告結論 175
圖表目錄
圖表 1：互聯(lián)網(wǎng)+和 AI+不同點對比 9
圖表 2：GPT-4 對圖片的識別與分析 10
圖表 3：GPT-4 和GPT-3.5 性能對比 10
圖表 4：GPT-4 的邏輯推理能力超過ChatGPT 10
圖表 5：Duolingo 接入GPT-4 能力 11
圖表 6：微軟官宣New Bing 是基于GPT-4 開發(fā)的 11
圖表 7：OpenAI 官宣開放ChatGPT 插件 12
圖表 8：第一批ChatGPT 插件名單 12
圖表 9：ChatGPT 第三方插件商店 13
圖表 10：App Store 生態(tài)具有巨大商業(yè)價值 14
圖表 11：“文心一言”對《三體》進行續(xù)寫 15
圖表 12：“文心一言”從文本生成圖片 15
圖表 13：文心千帆能力：輸入文案即可進行數(shù)字人直播 16
圖表 14：文心千帆能力：從文本一鍵生成PPT 16
圖表 15：GPT-4 API 和GPT-3.5-Turbo API 定價對比 17
圖表 16：AI+各行業(yè)應用生態(tài)加速形成 17
圖表 17：AI+行業(yè)應用場景豐富，空間廣闊 18
圖表 18：人工智能驅動內容生成，為企業(yè)辦公應用場景提供支撐 18
圖表 19：OA 系統(tǒng)的特點與作用 20
圖表 20：我國OA 發(fā)展階段 21
圖表 21：OA 系統(tǒng)應用場景 21
圖表 22：2017-2025年中國協(xié)同辦公市場規(guī)模 22
圖表 23：2022中國企業(yè)協(xié)同軟件市占率（傳統(tǒng)部署模式） 22
圖表 24：2022年中國企業(yè)協(xié)同軟件市占率（SaaS 模式） 23
圖表 25：我國協(xié)同辦公軟件市場參與者分類 23
圖表 26：泛微e-cology OA 系統(tǒng)的工作流引擎功能特點 25
圖表 27：泛微e-cology OA 系統(tǒng)中的內容引擎功能特點 25
圖表 28：支持自定義的門戶引擎 26
圖表 29：泛微e-cology OA系統(tǒng)的建模引擎功能特點 26
圖表 30：OA 產(chǎn)品形態(tài)更加靈活 28
圖表 31：OA常見業(yè)務流程 28
圖表 32：工作流引擎支撐連接所有組織人員 29
圖表 33：工作流引擎支撐連接所有事務 29
圖表 34：大模型與工作流引擎結合實現(xiàn)自動創(chuàng)建工作流的步驟 30
圖表 35：Copilot 在Power Apps 中生成應用 32
圖表 36：Copilot 在Power Automate 中生成業(yè)務流程 32
圖表 37：摩根士丹利的GPT-4 應用示例：知識庫管理機器人 33
圖表 38：Copilot System 運行流程 34
圖表 39：Microsoft 365 Copilot 34
圖表 40：Copilot in PowerPoint 35
圖表 41：Copilot in Excel 35
圖表 42：AI賦能微軟Teams：提高會議效率，增強協(xié)作體驗 36
圖表 43：微軟Viva Sales—基于生成式AI驅動 37
圖表 44：Copilot可以橫跨所有數(shù)據(jù)并進行應用 37
圖表 45：團隊每個人都可以通過Copilot 進行業(yè)務推進 38
圖表 46：金山辦公WPS 365能力矩陣 39
圖表 47：智能寫作產(chǎn)品 40
圖表 48：金山辦公發(fā)展 40
圖表 49：金山辦公AI核心技術 40
圖表 50：泛微工作流引擎平臺框架 41
圖表 51：致遠互聯(lián)旗下產(chǎn)品及核心應用 42
圖表 52：致遠互聯(lián)COP 協(xié)同運營平臺產(chǎn)品 43
圖表 53：通用領域AI 及工業(yè)AI技術發(fā)展歷程 47
圖表 54：ChatGPT有望對工業(yè)發(fā)展起到實質性推動作用 47
圖表 55：工業(yè)AI 應用場景分布 48
圖表 56：創(chuàng)成式設計工作流程 50
圖表 57：PTC Creo 產(chǎn)品采用AI 驅動的創(chuàng)成式設計擴展功能 50
圖表 58：生產(chǎn)制造場景下的仿真類型 51
圖表 59：微軟Project Bonsai使用數(shù)字孿生方式生成數(shù)據(jù)助力其AI模型訓練 53
圖表 60：Cadence 基于AI 的EDA 產(chǎn)品Cerebrus 可大幅提升設計效率及設計產(chǎn)品性能 53
圖表 61：AI在工業(yè)企業(yè)生產(chǎn)運維環(huán)節(jié)部分應用場景分析 55
圖表 62：Uptake 工業(yè)AI 和物聯(lián)網(wǎng)服務架構 56
圖表 63：AI 能幫忙編寫給客戶的電子郵件回復 57
圖表 64：AI可提升虛擬客服交流能力 57
圖表 65：AI可助力營銷人員準確定位特定客戶群體 58
圖表 66：AI可提升供應鏈敏捷性并降低供應鏈風險 59
圖表 67：泛微“千里聆”信息采集智能機器人產(chǎn)品架構 59
圖表 68：漢得集團管控業(yè)務版圖 60
圖表 69：文心大模型在工業(yè)領域應用 61
圖表 70：文心大模型工業(yè)生態(tài) 62
圖表 71：中控技術產(chǎn)品體系 64
圖表 72：中望軟件競爭優(yōu)勢 65
圖表 73：工業(yè)AI技術趨勢 67
圖表 74：BIM在建筑全生命周期的應用 70
圖表 75：建筑結構與管線碰撞 70
圖表 76：管線與管線碰撞 71
圖表 77：BIM 施工進度規(guī)劃管理 71
圖表 78：設計階段日照分析 72
圖表 79：設計階段風環(huán)境分析 73
圖表 80：國家出臺的BIM 相關支持政策 73
圖表 81：BIM商業(yè)模式 74
圖表 82：AI智能產(chǎn)業(yè)結構 74
圖表 83：Transformer,GPT,BERT 的主要任務場景 75
圖表 84：Transformation 模型結構 76
圖表 85：基于Transformer 模型開發(fā)的GPT 模型 76
圖表 86：Transformer 模型發(fā)展時間線 77
圖表 87：基于Transformer 模型開發(fā)的GPT 模型 78
圖表 88：創(chuàng)樂科技InVix 施工場景下AI 實時監(jiān)測 79
圖表 89：Midjourney中快速生成以三一重工集團企業(yè)logo和手稿為底圖的科技感雕塑方案 79
圖表 90：某項目中Stable Diffusion通過設計師的手稿快速形成效果圖 80
圖表 91：文本與圖像匹配訓練 81
圖表 92：創(chuàng)造分類文本標簽與零樣本預測 81
圖表 93：Midjourney 繪圖：Foresting Architecture 83
圖表 94：Midjourney 繪圖：ZAHA 風格 83
圖表 95：生成20×20 個結構形式與標記過程 84
圖表 96：自然通風 85
圖表 97：風環(huán)境舒適度 85
圖表 98：日光系數(shù) 85
圖表 99：主要區(qū)域照度 86
圖表 100：空間利用率 86
圖表 101：視野開闊度 87
圖表 102：樓板結構優(yōu)化方案 88
圖表 103：細分力圖 88
圖表 104：龍門山生物多樣性博物館效果圖 89
圖表 105：龍門山生物多樣性博物館風環(huán)境分析 89
圖表 106：計算機視覺在土木建筑施工現(xiàn)場應用 90
圖表 107：傳統(tǒng)人工焊縫檢測與AI 智能焊縫檢測對比 91
圖表 108：焊縫識別技術分類 92
圖表 109：主動視覺（結構光法）原理 92
圖表 110：被動視覺原理 93
圖表 111：基于深度學習的裂縫檢測流程圖 94
圖表 112：深度學習裂縫檢測算法類型可視化結果 94
圖表 113：激光掃描儀 95
圖表 114：三維掃描用于土方工程量統(tǒng)計 96
圖表 115：三維掃描用于古建逆向建模 97
圖表 116：大界鋼結構打磨機器人 98
圖表 117：大界鋼結構焊接機器人 98
圖表 118：廈門新會展中心項目鋼結構穹頂 99
圖表 119：廈門新會展中心項目鋼構件智能化生產(chǎn) 99
圖表 120：Concept-X 方案概念 100
圖表 121：Concept-X 智能施工 101
圖表 122：Concept-X 智能控制 101
圖表 123：傳統(tǒng)建筑運維管理問題 102
圖表 124：數(shù)字孿生城市運行機理和主要特征 103
圖表 125：智慧平臺打通各個專業(yè)，數(shù)據(jù)融合，集成聯(lián)動，統(tǒng)一管理 103
圖表 126：智慧平臺應用于建筑能耗管理 104
圖表 127：智慧平臺應用于建筑消防預警 104
圖表 128：智慧平臺應用于建筑智能照明 105
圖表 129：智慧平臺應用于建筑物業(yè)管理 106
圖表 130：智慧運維平臺應用案例（部分） 106
圖表 131：某互通立交正向設計和數(shù)字模型 107
圖表 132：華設紫云基建“四云、七線”數(shù)字平臺產(chǎn)品 108
圖表 133：AI Road 輸出高清效果圖 108
圖表 134：華陽國際收入情況（億元） 109
圖表 135：華陽國際業(yè)績情況（億元） 110
圖表 136：公司BIM 設計與技術咨詢業(yè)務收入情況（萬元）及占比 110
圖表 137：廣聯(lián)達AI落地業(yè)務 111
圖表 138：智能組價 111
圖表 139：案例 112
圖表 140：廣聯(lián)達部分BIM 產(chǎn)品 113
圖表 141：呼嘯而來的AI+視頻 115
圖表 142：2023年Runway先后推出兩代AI視頻生成模型 116
圖表 143：Deepfake早期引入AI技術并逐步成熟 116
圖表 144：Runway采用訂閱制商業(yè)模式 117
圖表 145：主流視頻編輯應用用戶量及付費用戶數(shù)預估 117
圖表 146：騰訊智影視頻生成+AI繪畫 118
圖表 147：AI繪畫功能已能實現(xiàn)風格展示 119
圖表 148：電影《瞬息全宇宙》 121
圖表 149：動畫短片《犬與少年》 121
圖表 150：AI合成的短視頻“威爾史密斯吃意大利面”廣為傳播 122
圖表 151：Google發(fā)布的AI生成長鏡頭樣片 123
圖表 152：世優(yōu)科技數(shù)字人產(chǎn)品體系 124
圖表 153：世優(yōu)科技AI虛擬主播“慕蘭” 124
圖表 154：華策影視接入百度“文心一言” 125
圖表 155：萬興愛畫—AI創(chuàng)作高質量藝術品 127
圖表 156：萬興播爆—數(shù)字人短視頻營銷神器 127
圖表 157：達闥數(shù)字人 129
圖表 158：光線傳媒AI生成動畫電影海報部分步驟 129
圖表 159：《去你的島》AI生成海報成品 130
圖表 160：合成生物制造技術示意圖 133
圖表 161：合成生物學賦能解決資源問題 133
圖表 162：合成生物學工程化的過程示意圖 134
圖表 163：基因測序成本下降曲線比摩爾定律更陡峭 135
圖表 164：細胞編程的修飾成本每年快速下降 135
圖表 165：合成生物學對不同行業(yè)的預計影響時間 135
圖表 166：基于人工智能的“類合成生物學家”概念圖 137
圖表 167：AI 技術解決生物工程領域一些挑戰(zhàn)的潛力 138
圖表 168:人工智能應用于合成生物學代表性進展 138
圖表 169：ML、DL為AI 細分技術 139
圖表 170：ML、DL 屬于AI 技術范疇 140
圖表 171：計算機輔助藥物設計（CADD）示意圖 141
圖表 172：ChatGPT在法律行業(yè)應用優(yōu)勢及場景 146
圖表 173：法律行業(yè)需求推動 146
圖表 174：相關研究支撐 147
圖表 175：全球首個ChatGPT輔助法律判決 147
圖表 176：通達海業(yè)務 148
圖表 177：智慧執(zhí)行產(chǎn)品（市占率78.45%） 148
圖表 178：智慧審判產(chǎn)品（市占率28.22%） 149
圖表 179：ChatGPT等大模型在醫(yī)療端應用 149
圖表 180：AI+醫(yī)療：文心大模型在醫(yī)療領域未來應用趨勢 150
圖表 181：文心一言接入醫(yī)療企業(yè) 151
圖表 182：人工智能深度融合金融行業(yè)全業(yè)務場景 152
圖表 183：同花順AI應用產(chǎn)品 155
圖表 184：領先行業(yè)的AI產(chǎn)品及服務 155
圖表 185：網(wǎng)絡安全防護四類任務 157
圖表 186：GPT模型交互框架 157
圖表 187：AI+網(wǎng)絡安全應用 157
圖表 188：2014-2022年全球網(wǎng)絡安全市場規(guī)模及增長 158
圖表 189：全球網(wǎng)絡安全行業(yè)技術來源國分布情況 159
圖表 190：微軟Security Copilot大顯身手，GPT-4進軍網(wǎng)安領域 160
圖表 191：Security Copilot功能及CopilotAI場景 161
圖表 192：Security Copilot對網(wǎng)絡安全行業(yè)的影響 162
圖表 193：使用GPT/生成式AI的教育科技公司 162
圖表 194：部分應用AI技術的教育行業(yè)工具 163
圖表 195：科大訊飛AI+教育 165
圖表 196：部分落地客戶 166
圖表 197：案例：長寧教育數(shù)字基座 166
圖表 198：AI加持下的傳統(tǒng)營銷示意 168
圖表 199：營銷數(shù)字化核心流程示意 168
圖表 200：廣告主未來對AI 營銷最為期待 169
圖表 201：廣告主在選擇數(shù)字營銷代理公司時最看重的能力（多選） 169
圖表 202：PlanetLabs業(yè)務架構 171
圖表 203：農林業(yè)蟲害預警、供應鏈管理服務 171
圖表 204：航天宏圖從AI輔助影像處理向數(shù)字孿生應用升級 172
|
