上海人工智能产业集群发展 - 上海正以自主可控算力为支点推动多行业变革，涵盖传统产业智能化与现代服务业数字化升级 [1] - 宝钢智能车间AI质检系统精准率达96%，太保数据中心智能算法每秒处理数万次保险业务 [1] - 上海计划到2025年智能算力规模突破100EFLOPS，建成50个行业语料库示范应用和3-5个大模型孵化器 [8] - 2024年上海人工智能产业规模达4500亿元，同比增长7.8%，提前完成"十四五"目标 [8] 宝钢股份智能化转型 - 宝钢股份热轧车间采用AI模型预判炉况，冷轧车间"AI主操"实现秒级轧制规程调整，减少人为误差 [2] - 昇腾算力训练的高炉大模型使炉温预测准确率超90%，热轧AI缺陷识别准确率96%，年经济效益超千万元 [2] - 公司与华为昇腾合作构建云边端智能体系，计划2025年上线300个AI场景并打造5个标杆智能生产线 [3] 金融行业AI应用 - 太保科技构建保险业首个千亿级参数大模型，训练效率提升30%，理赔审核准确率提升59.4%，客户满意度80.5% [4] - 金融垂直大模型可处理健康险疾病风险评估等复杂场景，优化核保、理赔流程并形成行业知识壁垒 [5] - 太保科技基于华为鲲鹏实施"一云多芯"战略，30天完成60余个应用适配，推动保险系统国产化替代 [4] 上海超算中心与算力生态 - 上海超算中心昇腾Atlas900Pod集群运算速度达每秒10亿次，将AI训练周期从数周压缩至几天 [6] - 平台汇聚80余家企业机构，形成算法研发至商业转化的全产业链，如珑京信息推出智能体解决方案，新致软件聚焦金融AI转型 [6] - "超智融合"模式贯通基础研究到产业落地，上海电力大学风灵大模型降低风电运维成本30% [6] 政策与产业协同 - 上海"模塑申城"方案提出建设世界级AI生态，包括赋能中心、垂直模型训练场等 [8] - "基础平台+核心企业+场景应用"集群模式在AI与实体经济融合中形成示范效应 [7] - 上海超算中心通过"超算+智算"融合架构推动长三角智能化转型，助力芯片、工业软件等走向国际市场 [7]

AI行业竞争格局 - 大厂聚焦参数升级的"军备竞赛"，中小创业者深耕大厂无暇顾及的细分赛道[1] - 医疗行业被视为"数字化攻坚的最难阵地"，通用大模型难以满足其高准确性和严谨性需求[1] - 越来越多的AI企业意识到细分赛道重要性，加大垂直领域行业大模型投入[1] 医疗垂直大模型必要性 - AI在医疗场景应用需专业算法和高质量数据才能达到80分以上水平[1] - 通用大模型如医学生具备广泛医学认知但缺乏临床实战经验[1] - 垂直大模型需上万例临床实践和持续学习才能成为专家级诊疗能力[2] 公司实践案例 - 壹生检康专注女性健康3年，积累丰富行业经验和庞大用户群体[4] - 通用大模型存在"幻觉"问题，特定场景无法控制其自由发挥[4] - 公司选择32B参数模型在计算资源和回复效果间取得最佳平衡[5] 模型训练过程 - 第一轮使用1400例蒸馏数据训练准确率仅50%[5] - 第二轮经医生标注后准确率提升至60%[6] - 补充600例数据解决数据失衡问题，最终准确率达77.1%[6] 模型性能对比 - 豆蔻妇科大模型整体准确率77.1%，高出DeepSeek 7%[13] - 在下腹包块诊断中准确率优势达17.1%[14] - 在月经推迟诊断中更全面考虑激素类药物影响[15] 成本优化措施 - 仅使用一张英伟达4090 GPU进行训练[16] - 最终模型参数量仅为DeepSeek R1的1/20[17] - 选择INT8量化版本对准确率影响可忽略不计[17] 应用场景规划 - toC端解决女性健康问题描述困难和病耻感问题[17] - toB端赋能基层诊所和大健康机构弥补专业资源不足[18] - 模型设计带推理过程便于专业人员评估其正确性[18] 未来发展方向 - 强化学习可使模型从垂直领域拓展到全医学领域[19] - 强化学习让模型具备解决通用问题和泛化能力[19] - 目标使模型成为既优秀又全面的医生[19]