成本远高于普通 LLMs。  人工智能发展迅猛，智能体商业化落地：未来多方面推动人工智能发展，应用级 别智能体有望快速落地。国内各地相继出台关于人工智能的发展政策，推动其为 重要的研究方向。预计 2026 年国内人工智能市场规模超过 260 亿美元，全球人 工智能市场规模 2025 年超 6 万亿美元。海外以美国为例，相关政策出台时间较早， 人工智能领域发展更加成熟，许多智能体应用已在服务各类企业。并且美国有意 竞争调整最佳策略。当前，智能体主要应用在自动化和情感需求等领域，但商业 化进程仍面临成本挑战，特别是在智能体交互过程中出现的错误循环和高 token 消耗问题。另外，中国政府积极推动人工智能的发展，各地相继出台相关政策。 预计到 2026 年，中国人工智能市场规模将超过 260 亿美元，将在政府、金融、 制造、能源、医疗、零售等多个领域实现智能化应用。结合国家政策支持以及各 大企业的积极投入，智能体技术将不断进步，特别是在算力快速增长的背景下， 活节奏之下，国民孤独感增加，而陪伴类智能体或受益于这样的大环境。根据 GIA（Global Industry Analysts）的研究，Denny Yin 提出该行业规模预计到 2024 年增长到 1000 亿 美元，到 2026 年增长到 2000 亿美元。 情感沟通类智能体上线，收获大量用户好评。在大模型出现之前，一些利用心理学 CBT 沟通技术的产品已经在市面上广泛存在，例如 Weobot、wysa 等。随着大模型的发

门和 IT 部门的意见，调整优化模型和实施 方案，确保试点能够顺利过渡到全行推广阶段。 1 2 3 全行级推广路线图（ 2024-2026 ） 分阶段推广 2024 年重点推广试点验证成功的业务场景， 2025 年扩展至更多业务领域， 2026 年实现全行级覆盖， 确保大模型技术在银行各个业务环节中广泛应用。 03 02 01 资源投入规划 根据推广阶段的需求，合理规划资 同时建立技术支持团队，及 时解决推广过程中遇到的问题。 关键里程碑与成效评估指标 关键里程碑 设定关键里程碑，如 2024 年完成试点 验证、 2025 年实现核心业务场景全覆 盖、 2026 年完成全行级推广，确保每 个阶段都有明确的目标和完成标准。 成效评估指标 制定科学的成效评估指标，包括业务 效率提升、成本降低、客户满意度提 高等，通过数据分析和业务反馈，全 面评估大模型技术在银行数字化转型

车则需智 能驾驶辅助系统软件提供有力支撑。这些新兴应用场景的涌现，为智能软件研发行业开辟了更为丰富的市场机遇。未来，伴随人工智能的演进与 智能家居体系的优化，中国智能家居行业将持续发展。预计至2026年，中国智能家居市场的规模将攀升至453亿美元，同时，智能家居设备的年 出货量有望突破5.4亿台。同时，智能汽车及其相关技术在中国展现出强劲的增长态势，预计2025年中国智能汽车渗透率将达到82%，并计划在

大模型训练数据通常来自网络获取数据、外部付费/开源数据集、企业自有数据以及AI 合成数据。大模型训练和微调所需数据量快速增长，真实世界数据将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 LLaMA3.1模型为例，监督微调环节的数据里有相当比例是合成数据，使用合成数据确实 、国家发展 改革委、国家标准委等四部门联合启动了国家人工智能产业综合标准化体系的建设工作。 经过多轮征求意见与修订，该体系于7月2日正式发布，旨在显著提升标准与产业科技创新 的联动性，计划至2026年新制定超过50项国家标准和行业标准，加速构建引领人工智能产 业高质量发展的标准体系。这一系列标准的制定与实施，不仅为行业提供了清晰的技术指 引，也为企业的创新发展奠定了坚实基础。 2024 面的指导和支持。 2.2.1.1 国家部委工作要求 �� 此外，为充分激活数据要素潜能，推动人工智能技术的深度融合与应用，国家发改委 于2023年底发布了《“数据要素×”三年行动计划（2024—2026年）》。该计划围绕数据要素 与各行各业的深度融合，部署了包括“数据要素×智能制造”在内的12项重点行动，特别支 持通用及垂直领域人工智能大模型的训练与发展，为人工智能产业的创新发展注入了新 的动力。