大模型与各垂直行业综述
一 各垂直行业落地情况概述
1. Abridge
简介：
是一家专注于人工智能（AI）驱动的医疗对话分析的科技公司，致力于通过AI技术改善医患沟通并提升医疗效率。创立于2018年，总部：美国匹兹堡
行业： 医疗
功能：
1- AI语音转录与摘要
- 功能：
实时记录医患对话（如问诊、手术讨论等），并自动生成结构化临床笔记（如SOAP格式）。
- 技术：基于NLP和机器学习，识别关键医疗术语、诊断建议、用药计划等。
- 输出：支持导出到电子健康记录（EHR）系统（如Epic、Cerner）。
2- 临床文档自动化
- 将对话内容自动转化为符合医疗规范的文档，减少医生手动输入时间。
3- 多语言支持
- 支持英语、西班牙语等多种语言的实时转录与翻译（部分功能）
4- 数据安全与合规
- 符合HIPAA（美国医疗隐私法规）和GDPR（欧盟通用数据保护条例）标准，确保患者隐私。
类似： 汽车销售工牌, 智能对话, 会议摘要
2. Harvey
简介：
是一家专注于法律领域人工智能（AI）的科技公司，致力于为律师事务所、企业法务团队和法律专业人士提供AI驱动的法律研究和文档生成工具。
行业： 法律
功能：
1：提供法律问题相关问答； 2：相似案件检索（面向全球） 3：工作流处理（案件的法律红线， 多语言翻译， 条款对比）产品介绍：
1- AI法律助手
- 功能：基于大语言模型（如OpenAI的GPT系列）构建，支持法律研究、合同分析、案例摘要生成等。
- 技术：结合法律数据库和NLP技术，提供精准的法律信息检索和推理。
2- 合同审查与生成
- 自动分析合同条款，识别风险点，并生成修改建议或标准化合同模板。
3- 法律问答系统
- 法律问答系统。
4- 定制化解决方案
- 针对律所或企业法务的特定需求，提供定制化AI模型训练和部署。
3. Cresta
简介：
Cresta 是一家专注于为企业提供人工智能驱动的智能客服解决方案的公司。成立于 2017 年，总部位于美国加利福尼亚州旧金山。
其主要目标是通过人工智能技术帮助企业解决基于对话的客户服务及销售问题，提高客服和销售团队的专业性和智能性。
行业： 客服、销售、培训
功能：
Insights（洞察） ：该模块主要是将对话数据转化为可操作的洞察，使企业能够更深入地了解客户行为、新兴趋势以及竞争格局。
例如，通过对大量客户对话的分析，可以发现某个时间段内客户对某类产品的咨询量突然增加，或者客户在对话中普遍表现出对某一功能的不满，企业可以根据这些洞察及时调整产品策略或客服培训重点。Quality Management（质量管理） ：此模块旨在对客服对话进行精准的合规性和性能自动评分，以更低的成本实现更好的座席辅导。
例如 模块可以自动检测客服在对话中是否按照规定的流程和话术进行服务，是否遗漏了重要的信息告知环节，对于不符合标准的对话进行标记和分析，帮助企业提升整体的服务质量。Coaching（辅导） ：该模块通过分析座席人员的行为和业务成果，找出真正重要的因素，并为每个座席提供辅导建议。
例如，当座席人员在与客户沟通时，模块可以根据实时对话内容，弹出提示窗口，为座席提供最佳的回复建议或处理问题的流程指引；对于表现不佳的座席，管理者可以根据 Coaching 模块生成的个性化辅导计划，针对性地进行培训和指导，帮助其提升业务能力。类似： 汽车销售的智能胸牌
4. ADEPT（类似创建处理事件的专属agent）
简介：
是一家专注于通用人工智能（AGI）和多模态AI代理的科技公司，致力于开发能够理解人类意图并执行复杂任务的AI系统。其目标是构建“AI同事”，帮助用户自动化工作流程，提高生产力。
核心技术与功能
- 可观察用户的操作（如浏览网页、使用Excel、编写代码等），并自动执行任务。
- 支持自然语言指令，如“帮我整理这份数据”或“预订下周的会议”。
应用场景举例
1. 自动化数据处理（Excel + 浏览器）
用户指令：
“从这份销售数据中提取过去3个月的交易额，按地区分类，并生成柱状图。”
AI执行步骤：
- 打开Excel文件，识别数据表格。
- 筛选日期范围，计算各区域销售额。
- 自动生成柱状图并插入PPT。
- 将结果通过邮件发送给团队。
适用场景：财务分析、市场报告生成。
=========================================
2. 跨软件工作流（CRM + 邮件 + 日历）
用户指令：
“找出上周所有未回复的高优先级客户邮件，并安排明天上午10点的会议。”
AI执行步骤：
- 登录公司CRM系统（如Salesforce），筛选高优先级未回复客户。
- 提取客户邮箱和背景信息。
- 在Outlook中起草会议邀请，附上相关历史记录。
- 将会议添加到Google Calendar，并提醒销售团队。
适用场景：销售、客户支持自动化。
PS：CRM：客户关系管理系统
5. GLean（AI驱动的搜索引擎）
AI驱动的企业搜索工具，能够整合多个数据源（如文档、邮件、聊天记录、代码库等），并通过自然语言理解提供精准的答案和智能推荐。
Glean 实际应用案例
- 案例：销售团队快速查找客户信息
场景：
某科技公司的销售代表正在准备与客户苏大强的续约谈判，需要快速找到：
历史合同条款
过往沟通记录
客户技术团队的关键联系人
使用 Glean 的流程：
- 在 Glean 输入：“苏大强去年的合同，以及最近和他们的技术团队沟通记录”
- Glean 自动搜索： Salesforce（合同）、 Slack（技术团队讨论）、邮件往来（Outlook）、会议纪要（Google Drive）
- 智能整合结果：显示最新合同PDF（含重点条款高亮）、提取Slack中与Acme技术负责人的对话摘要、推荐相关联系人（如客户CTO的LinkedIn信息）
- 一键生成报告： 点击「生成摘要」，自动整理成谈判准备文档。
- 效果：
原本需2小时的手动搜索 → 5分钟内完成
避免遗漏关键条款（如隐藏的自动续费条款）
ps：其他搜索引擎 Perplexity AI
| 特性维度 | 传统搜索引擎 | AI搜索引擎 | 问答机器人 (ChatGPT/豆包) |
|---|---|---|---|
| 核心功能 | 信息检索与索引 | 信息检索 + 综合与答案生成 | 对话与内容生成 |
| 工作模式 | “拉” (Pull) | “拉” + “生成” | “生成” (Generate) |
| 用户输入关键词，引擎返回一个包含海量链接的列表，用户需要自己点击链接、阅读、筛选和整合信息。 | 用户输入问题或指令，引擎在后台自动执行搜索，并即时阅读、理解、整合多个来源的信息，直接生成一个结构化的答案或报告（并附上参考来源）。 | 用户进行自然语言对话。它基于其内部知识库（训练数据）生成回答，不主动也不默认联网获取最新信息（除非功能开启）。 | |
| 输出形式 | 链接列表 (10个蓝色链接) | 结构化答案 + 引用来源 | 连贯的、对话式的文本 |
| 提供网页标题、摘要和URL。 | 提供直接的文字/图表答案，并附上参考的网页链接，方便用户溯源。 | 生成文章、代码、诗歌、创意文本等，格式自由。 | |
| 信息时效性 | 实时（最强） | 近实时（很强） | 滞后（有截止日期） |
| 索引并呈现互联网上最新的网页。 | 通过联网搜索获取最新信息来生成答案。 | 知识库基于其训练数据（如GPT-4 Turbo截止到2023年），不包含之后的信息（除非集成搜索功能）。 | |
| 优势 | • 信息全面，覆盖极广 • 用户控制力强，可自行判断信息来源可靠性 • 适合探索性、研究性搜索 | • 效率极高，省去用户筛选整合的时间 • 答案直接、清晰、结构化 • 兼具搜索的时效性和LLM的理解力 | • 创造力强，擅长写作、编程、头脑风暴 • 交互性最好，能进行多轮深度对话 • 不依赖网络，能调用内部知识 |
| 劣势 | • 费时费力，需要用户自行劳动 • 对复杂问题支持不好（需多次搜索） • 答案质量取决于用户的筛选能力 | • “黑箱”感，整合过程不透明，可能遗漏重要视角 • 严重依赖来源质量，可能合成错误信息 • 探索性不如传统搜索 | • 事实准确性无法保证，容易“一本正经地胡说八道” • 知识陈旧，无法获取实时信息（原生状态） • 无法提供信息来源（原生状态） |
| 典型场景 | • “最新疫情数据” • “XX公司官网” • 学术研究、需要广泛查阅资料时 | • “用表格对比一下iPhone 15和华为Mate 60的核心参数” • “总结一下2024年AI领域的主要趋势” • “Explain quantum computing like I'm 10” | • “帮我写一封辞职信，语气要委婉” • “用Python写一个快速排序算法” • “为我的咖啡店起几个有趣的名字” • 复杂的、多步骤的推理和规划 |
| 核心比喻 | 一个巨大的、索引极其完善的图书馆。它告诉你哪些书可能有用，但你需要自己去找书、读书。 | 一个专业的图书研究员。你问他一个问题，他去图书馆查资料，然后回来给你一份带着引用的综合报告。 | 一位博学但记忆停留在某个时间点的专家。他非常聪明，能创造和聊天，但不知道昨天发生的新闻，而且有时会自信地说出错误的话。 |
- Fancytech
简介：
Fancytech 是一家专注于 AI+AR（人工智能+增强现实）视觉交互技术 的创新科技公司，致力于通过智能图像识别与虚实融合技术，重塑零售、营销、教育等领域的数字化体验。
核心功能
1️⃣ 商品AR识别——像"扫一扫说明书"
例子：买奶粉的宝妈
👶 场景：超市里拿着一罐奶粉，想知道怎么冲泡
📱 操作：打开微信"扫一扫"对准奶粉罐
✨ 效果：
手机屏幕上奶粉罐"活"了！自动演示：
1️⃣ 先加水到50℃
2️⃣ 加3勺奶粉
3️⃣ 摇晃手法动画点一下还能看"DHA成分"的科普小动画
好处：不用翻纸质说明书，也不怕老人看不懂文字
2️⃣ 虚拟试妆——手机变"魔镜"
例子：想买口红又怕踩雷
💄 场景：刷抖音看口红直播
📱 操作：点直播间"试试色"按钮
✨ 效果：
摄像头里的自己嘴巴自动涂上主播同款色号
摇头/微笑都不掉色（像真的涂了一样）
左滑换"奶茶色"，右滑换"正红色"
好处：不用去专柜也能试几十种颜色，不怕买错
3️⃣ AR导航——像"游戏找宝藏"
例子：商场里找奶茶店
🏬 场景：在万达三楼绕晕了
📱 操作：打开商场APP点"AR带路"
✨ 效果：
举起手机，地上出现发光箭头
跟着箭头走，拐弯处飘着"茶颜悦色"的卡通招牌
走到店门口弹出"新人5元券"
好处：不用问路，跟着手机里的"光路"就能到
此外还有视频生成，例如 上传商品文案及图片 -> 生成卖货视频
二 AI相关企业的分类和总结
1、在某个 AI 领域持续耕耘超过3年的创业型公司，包括模型、技术、场景、需求、产品
2、2022年及2023年成立或转型，由于 LLM 和 Diffusion Model 的快速发展而产生的新企业
3、在某个垂直领域经营多年，较少涉及 AI，快速拥抱这一轮 Gen AI 技术
4、互联网大厂快速扩大 AI 涉及的领域和范围，团队快速扩张
三 AI对各行业的影响程度
3.1、直接面向消费者，向消费者提供产品或服务，主要头疼的是如何找到更多客户
金融、科技、零售、餐饮、教育、旅游、房地产、宠物、家居、家电、珠宝、服装、儿童用品等
常见需求：更多流量、更多成交、更好口碑、更多复购、更低成本
低价值低投入场景 ：营销文案生成、营销图片生成、数字人视频生成、网络信息搜索、对话数据解析、模版文件处理、系统软件操作、票据处理、简历与面试等
高价值高投入场景 ：营销图片生成（定制）、营销视频生成、视频行为分析、在线客服/销售、个性化服务、微信私域营销、声音合成通话、产品效果展示、产品创意设计、数据可视化、合规审查、企业内训、企业知识库 等
低价值高投入场景 ：自研数字人、3D模型生成、软件自动操作、广告投放、项目管理、经营分析等
3.2、生产型企业，不直接面对消费者，产品供货给企业或渠道，也需要建设自己的品牌
食品、饮料、机械、设备、零部件、化工、能源、仓储、物流、农产品、原材料 等
常见需求：稳定生产、提高效率、降低成本
低价值低投入场景 ：生产计划、采购计划、市场数据抓取、自动报价、办公文件处理、系统软件操作、票据处理 等
高价值高投入场景 ：生产质量检测、生产设备监测、视频行为分析、原材料消耗管理、搬运调度、物流配置、仓储管理、价格预测 等
低价值高投入场景 ：工艺优化、成分优化、设计优化、生产传感器监测、设备预测维护、仓储搬运机器人 等
3.3、围绕企业客户提供产品或服务，竞争力不突出，抢新客户能力弱，老客户占收入比重大
信息技术服务、咨询服务、法律服务、金融服务、营销服务、广告服务、人力资源服务、企业培训等
常见需求：升级产品和服务、提升竞争力、推出AI新产品or新服务、降低服务成本
低价值低投入场景 ：文案生成、报告整合、网络信息搜索、对话数据解析、音频合成、图片生成、数字人视频生成等
高价值高投入场景 ：专业数据源、私有知识库、知识图谱、整理资料、表格操作、数据可视化、Agent开发业务 等
低价值高投入场景 ：行业垂直大模型、模型微调、数据分析、方案规划、项目管理等
3.4、不愁生存，但缺少创新，需要更强的竞争力
电信、电力、石油、银行、交通、执法、政务、医疗、公立学校 等
常见需求：优化资源配置、提高办事效率、加快响应速度、增强安全防护
低价值低投入场景 ：公文撰写、材料整理、会议纪要、沟通记录、审核审批 等
高价值高投入场景 ：办事助手、反馈分析、资源调度、异常拦截、风险识别、欺诈监测、预测预警、专家数字分身等
低价值高投入场景 ：建设数据中心、搭建平台、制订标准
四 价值投入汇总
4.1 低价值低投入
4.2 高价值高投入
4.3 垂直大模型（训练） vs 垂直大模型（不训练 RAG）
| 特性 | 做训练（垂直模型训练） | 不做训练（RAG） |
|---|---|---|
| 核心动作 | 调整模型参数 | 不调整模型参数，外接知识库 |
| 技术门槛 | 高，需要大量算力和AI工程师 | 低，主要是工程开发和数据处理 |
| 成本 | 非常高（训练成本、GPU成本） | 相对较低（主要是API调用和开发成本） |
| 知识更新 | 困难、成本高，需要重新训练或增量训练 | 非常容易，直接更新知识库即可 |
| 答案准确性 | 依赖训练数据，可能产生“幻觉” | 更高，答案源于提供的资料，可溯源 |
| 可解释性 | 差，是“黑盒” | 好，可以知道答案来源于哪份资料 |
| 适用场景 | 要求极致性能、深度推理、风格模仿 | 知识问答、客服、内容生成、快速落地 |
