曼联

第1章工业大模型行业综述及数据来源说明

1.1 大模型产业界定

1.1.1 大模型定义

1.1.2 大模型的特征

1.1.3 大模型核心优势

1.1.4 大模型所处行业

1.2 工业大模型行业界定

1.2.1 工业大模型的界定

1、定义

2、特征

1.2.2 工业大模型相关专业术语

1.2.3 工业大模型行业监管

1.3 工业大模型产业画像

1.4 本报告数据来源及统计标准说明

1.4.1 本报告研究范围界定

1.4.2 本报告权威数据来源

1.4.3 研究方法及统计标准

第2章中国曼联工业大模型产业发展现状及痛点

2.1 中国曼联大模型发展现状及趋势分析

2.1.1 中国曼联大模型发展历程

2.1.2 中国曼联已发布大模型数量变化

2.1.3 中国曼联大模型参数规模变化

2.1.4 中国曼联大模型商业模式分析

2.1.5 中国曼联大模型发展趋势洞悉

2.2 中国曼联大模型落地工业领域可行性分析

2.3 中国曼联AI大模型工业应用指数

2.3.1 中国曼联AI大模型工业应用指数体系

2.3.2 中国曼联AI大模型工业应用指数-准确性

2.3.3 中国曼联AI大模型工业应用指数-稳定性

2.4 中国曼联工业大模型发展阶段

2.5 中国曼联工业大模型框架结构

2.5.1 工业大模型应用框架

1、基础设施层

2、边缘侧层

3、工业技术底座层

4、MaaS层

5、工业场景应用层

6、行业层

2.5.2 工业大模型产业框架

1、通用工业大模型

2、专用工业大模型

2.6 中国曼联工业大模型部署方式

2.6.1 私有化部署

2.6.2 行业云部署

2.6.3 公有云部署

2.7 中国曼联工业大模型产品汇总

2.8 中国曼联工业大模型竞争要素及竞争格局

2.8.1 工业大模型竞争要素

2.8.2 工业大模型竞争格局

2.8.3 主要工业大模型厂商竞争力评价

2.9 中国曼联工业大模型市场规模体量

2.10 中国曼联工业大模型发展面临的挑战

第3章中国曼联工业大模型技术架构及基础能力构建

3.1 完整大模型开发步骤

3.2 大模型基础架构及工程化

3.2.1 大模型基础架构

1、Transformer架构

2、大规模语言模型：BERT和GPT

3、卷积神经网络CNN

4、循环神经网络RNN

5、前馈神经网络MLP

3.2.2 大模型工程化

1、数据工程（数据处理和回流）

2、模型调优（模型训练与微调）

3、模型交付（模型压缩与测试）

4、服务运营（服务部署与托管）

5、平台支撑能力

3.3 基础大模型底座

3.3.1 NLP大模型

3.3.2 CV大模型

3.3.3 多模态大模型

3.3.4 科学大模型

3.4 大模型标准化

3.4.1 大模型标准体系发展

1、大模型标准体系1.0

2、可信AI大模型标准体系2.0

3.4.2 行业大模型标准体系

3.5 工业大模型构建路线图

3.5.1 行业需求分析与资源评估

1、业务需求评估

2、算力层评估

3、算法层评估

4、数据层评估

5、工程层评估

3.5.2 行业数据与大模型共建

1、明确场景目标

2、模型选择

3、训练环境搭建

4、数据处理

5、模型训练共建

3.5.3 行业大模型精调与优化部署

1、模型精调

2、模型评估

3、模型重训优化

4、模型联调部署

5、模型应用运营

3.6 工业大模型典型技术架构

3.7 工业大模型核心技术能力

3.7.1 工业知识问答

3.7.2 工业代码生成

3.7.3 工业插件整合

3.8 工业大模型基础能力构建概述

3.9 工业大模型基础能力构建之“算力”

3.9.1 大模型的算力需求分析

3.9.2 AI芯片

1、AI芯片概述

2、AI芯片发展现状

3、AI芯片供应商格局

4、主要AI芯片类型

（1）CPU

（2）GPU

（3）DPU

（4）TPU

（5）FPGA

（6）ASIC

3.9.3 AI服务器

1、AI服务器概述

2、AI服务器发展现状

3、AI服务器供应商格局

3.9.4 工业大模型算力部署路径

3.10 工业大模型基础能力构建之“数据”

3.10.1 数据处理与服务概述

3.10.2 国内外主要大预言模型数据集

3.10.3 数据API

3.10.4 训练数据开发

3.10.5 推理数据开发

3.10.6 数据维护

3.10.7 工业大模型对数据的要求分析

3.11 工业大模型基础能力构建之“AI基础软件”

3.11.1 AI基础软件概述

3.11.2 AI基础软件市场概况

3.11.3 AI基础软件竞争格局

3.11.4 AI基础软件主要类型

1、机器学习框架和库

2、模型训练和部署平台

（1）模型训练平台

（2）模型部署平台

（3）模型推理平台

3、数据处理和分析工具

4、优化和自动化工具

第4章中国曼联工业大模型应用场景分析

4.1 工业大模型行业应用场景分布

4.2 工业大模型应用场景：工业设计

4.2.1 工业设计概述

4.2.2 工业设计领域大模型应用优势分析

4.2.3 工业设计领域大模型应用案例分析

4.3 工业大模型应用场景：生产管理

4.3.1 生产管理概述

4.3.2 生产管理领域大模型应用优势分析

4.3.3 生产管理领域大模型应用案例分析

4.4 工业大模型应用场景：质量管理

4.4.1 质量管理概述

4.4.2 质量管理领域大模型应用优势分析

4.4.3 质量管理领域大模型应用案例分析

4.5 工业大模型应用场景：能源管理

4.5.1 能源管理概述

4.5.2 能源管理领域大模型应用优势分析

4.5.3 能源管理领域大模型应用案例分析

4.6 工业大模型应用场景：安全管理

4.6.1 安全管理概述

4.6.2 安全管理领域大模型应用优势分析

4.6.3 安全管理领域大模型应用案例分析

4.7 工业大模型应用场景：其他

4.8 工业大模型应用场景战略地位分析

第5章中国曼联工业大模型应用业态市场分析

5.1 工业大模型应用业态分布

5.1.1 工业大模型对工业的赋能作用

5.1.2 工业大模型应用业态汇总

5.2 工业大模型应用业态：石化

5.2.1 石化行业工业大模型应用概述

5.2.2 石化行业工业大模型应用实践

5.2.3 石化行业工业大模型应用潜力

5.3 工业大模型应用业态：能源

5.3.1 能源行业工业大模型应用概述

5.3.2 能源行业工业大模型应用实践

5.3.3 能源行业工业大模型应用潜力

5.4 工业大模型应用业态：电力

5.4.1 电力行业工业大模型应用概述

5.4.2 电力行业工业大模型应用实践

5.4.3 电力行业工业大模型应用潜力

5.5 工业大模型应用业态：其他

5.5.1 电子

5.5.2 建筑

5.5.3 钢铁

5.5.4 纺织

5.6 工业大模型应用业态市场战略地位分析

第6章中国曼联工业大模型企业案例解析

6.1 中国曼联工业大模型企业梳理与对比

6.2 中国曼联工业大模型产业企业案例分析

6.2.1 中工互联-智工•工业大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.2 思谋科技-IndustryGPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.3 卡奥斯-工业大模型COSMO-GPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.4 科大讯飞-羚羊工业大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.5 华为-盘古矿山大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.6 创新奇智-“奇智孔明”工业大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.7 智昌集团-AI蜂脑大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.8 阿里-通义大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.9 百度智能云-千帆大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

6.2.10 京东-言犀大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

第7章中国曼联工业大模型产业政策环境洞察&发展潜力

7.1 工业大模型产业政策环境洞悉

7.1.1 国家层面工业大模型产业政策汇总

7.1.2 国家层面工业大模型产业发展规划

7.1.3 国家重点政策/规划对工业大模型产业的影响

7.2 工业大模型产业PEST分析图

7.3 工业大模型产业SWOT分析

7.4 工业大模型产业发展潜力评估

7.5 工业大模型产业未来关键增长点

7.6 工业大模型产业发展前景预测

7.7 工业大模型产业发展趋势洞悉

7.7.1 整体发展趋势

7.7.2 监管规范趋势

7.7.3 技术创新趋势

7.7.4 细分市场趋势

7.7.5 市场竞争趋势

第8章中国曼联工业大模型产业投资战略规划策略及建议

8.1 工业大模型产业投资风险预警

8.1.1 风险预警

8.1.2 风险应对

8.2 工业大模型产业投资机会分析

8.2.1 工业大模型产业链薄弱环节投资机会

8.2.2 工业大模型产业细分领域投资机会

8.2.3 工业大模型产业区域市场投资机会

8.2.4 工业大模型产业空白点投资机会

8.3 工业大模型产业投资价值评估

8.4 工业大模型产业投资策略建议

8.5 工业大模型产业可持续发展建议

图表目录

图表1：大模型的特征

图表2：本报告研究领域所处行业

图表3：工业大模型的定义

图表4：工业大模型的特征

图表5：工业大模型专业术语

图表6：工业大模型行业监管

图表7：工业大模型产业链结构梳理

图表8：工业大模型产业链生态全景图谱

图表9：工业大模型产业链区域热力图

图表10：本报告研究范围界定

图表11：本报告权威数据来源

图表12：本报告研究方法及统计标准

图表13：中国曼联大模型发展历程

图表14：中国曼联已发布大模型数量变化

图表15：中国曼联大模型参数规模变化

图表16：中国曼联大模型商业模式分析

图表17：中国曼联大模型发展趋势洞悉

图表18：中国曼联大模型落地工业领域可行性分析

图表19：中国曼联AI大模型工业应用指数

图表20：中国曼联工业大模型市场竞争格局

图表21：中国曼联主要工业大模型厂商竞争力评价

图表22：中国曼联工业大模型市场规模体量

图表23：中国曼联工业大模型发展面临的挑战

图表24：大模型技术路线及算法架构

图表25：大模型工程化

图表26：数据工程（数据处理和回流）

图表27：模型调优（模型训练与微调）

图表28：模型交付（模型压缩与测试）

图表29：服务运营（服务部署与托管）

图表30：平台支撑能力

更多图表见正文……