文心大模型与各行业企业联手，在通用大模型的基础上学习行业特色数据与知识，建设行业AI基础设施
行业大模型原理
国网-百度·文心
合作目的： 国家电网与百度联合发布知识增强的电力行业大模型，建设更适配电力行业场景的AI基础设施，降低数据标注成本，提升细分场景模型效果
模型效果： 使用更少算力在更短的训练时间内即可取得良好的效果，模型综合指标达到91.18%，相比较传统方式提升11.38%。在小样本场景下的模型效果优势明显
应用场景： 设备技术标准知识库、电力知识问答系统、电力文档智能分析等多个能源行业应用场景
浦发-百度·文心
合作目的： 浦发银行与百度在行业数据、大算力和AI算法上实现优势互补，联合研发面向金融行业的大模型，将在金融行业各类智能场景落地，降低金融AI应用落地的门槛
模型效果： 金融文本命名实体识别模型的F1值提升约3%，有效提升授信报告的处理效率；在金融语义相似度，金融事件主体抽取等一系列公开数据集上相对通用大模型取得显著提升
应用场景： 智能对话、智能文档分析、智能双录等多个金融行业应用场景
航天-百度·文心
合作目的： 中国探月与航天工程和百度合作，让大模型从航天科研场景的数据和知识中融合学习，进而对航天数据进行智能采集、分析和理解，助力航天科研工作效率提升
模型效果： 在航天文献领域分类与航天技术文档匹配检索等下游任务上，效果综合提升约3%
应用场景： 航天故障部位信息抽取、航天工程文献情报分类、航天技术文献检索与摘要生成等多个航天领域应用场景
人民网-百度·文心
合作目的： 对于新闻行业内容繁杂、信息提取难度极大等痛点，人民网与百度在传媒行业、大数据和AI算法上结合，引入人民网舆情数据中心积淀的行业知识， 顺应内容与技术发展，联合研发知识增强的传媒行业大模型，打造全媒体时代内容科技创新引擎，加速传媒行业的智能化升级
模型效果： 大幅度提升传媒行业自然语言处理任务效果，在诸多媒体行业下游任务中得到了验证。其中，新闻摘要生成任务人工测评可用率提升约7%； 在新闻内容审核分类、舆情分析等一系列媒体行业任务上相对通用大模型取得4-6%的提升
应用场景： 新闻内容分类、新闻情感分析、新闻摘要生成等多个媒体场景
冰城-百度·文心
合作目的： 城市建设、管理、服务内容繁杂、涉及事项极度广泛、人力消耗巨大等挑战，冰城哈尔滨与百度结合城市发展、人工智能算力、算法、数据，联合研发了加速数字政府建设， 支撑高质量数字化发展的智慧城市大模型；赋能城市精准治理，打造辐射全国的城市智能化标杆
模型效果： 投诉工单信息抽取F1值提升约13%，有效地提升了市民投诉工单处理的效率，助力政府管理及城市治理；在市长热线工单分类等等一系列的城市服务应用场景中得到显著的效果提升
应用场景： 市长热线工单分类、投诉工单信息抽取
电影频道-百度·文心
合作目的： 电影频道与百度深度合作，通过发挥双方在视频修复数据、AI 技术与大算力上的优势，全方位提升视频修复效率和观感体验的效果，以AI技术加速超高清视频产业的智能化发展进程
模型效果： 测试数据显示，使用电影频道-百度·文心大模型每天可修复视频28.5万帧，解决了绝大部分画面的修复问题。即便是需要进一步精修，修复速度也能提升3-4倍
应用场景： 划痕、噪点、抖动等常见画质损坏因素的修复及清晰度提升
深燃-百度·文心
合作目的： 针对燃气行业中槽车作业、园区生产等场景存在安全隐患的痛点，深圳燃气与百度进行深度合作，在行业数据、AI算法和算力上优势互补，联合建设燃气行业大模型，确保工作人员进行安全作业， 消除安全隐患，助力燃气行业智能化升级
模型效果： 使用深圳燃气-百度·文心大模型，在燃气行业场景的工业巡检、环境巡检两个子场景下，准确率平均提升2.5% 、召回率平均提升4.5%，所需标注数据相比传统模型下降90%，泛化能力大幅提升， 同时能够减少算力消耗和训练时间。
应用场景： 燃气行业中的场站槽车安全作业、园区安全生产、营业厅着装规范、安全隐患预警等
吉利-百度·文心
合作目的： 立足于汽车行业知识庞杂、客服人力需求大等业务痛点，吉利与百度融合了双方在通用人工智能科研与汽车领域AI应用的优势，联合研发了聚焦于汽车行业的大模型， 共同推进汽车产业通用智能化，在降低AI应用落地成本的同时，进一步提升汽车行业AI应用的效果与价值
模型效果： 共建模型的智能客服知识库扩充任务人工评估可利用率相对基线提升24.37%，能大幅提高问答的泛化水平，提高客服系统的智能化体验； 除此以外，在车载语音系统短答案生成、汽车领域知识库构建等生成任务上的效果均有20%-35%的提升，可辐射至多个汽车行业场景
应用场景： 智能客服系统、车载语音系统、领域知识库构建等汽车行业应用场景
泰康-百度·文心
合作目的： 结合泰康与百度在保险行业的特有知识、AI算法和大算力上的经验优势，联合建设面向保险行业的大模型，在医疗保险理赔中提供信息的自动化识别和提取，助力保险产业智能化升级
模型效果： 应用泰康-百度·文心大模型，在4类医疗票据上的平均字段识别率可达到90%+，在多行字段、印章遮挡等复杂场景下，OCR结构化信息抽取表现依旧强劲。 基于泰康-百度·文心大模型加强健康险理赔各环节自动化能力建设，实现理赔支付全流程时效提升
应用场景： 保险行业理赔工作中的信息识别、自动化录入等场景
TCL-百度·文心
合作目的： 面对电子制造行业产线繁多、质检工艺复杂且精度要求高的痛点，TCL和百度在行业数据、AI算法及大算力上实现优势互补，共同构建TCL-百度·文心电子制造行业大模型， 不仅变革了传统质检算法流程，同时大幅提升了模型研发与运营效率，实现了成本的降低和业务效率的提升
模型效果： 使用TCL-百度·文心大模型，在TCL两个产线检测mAP指标平均提升10%+; 训练样本减少到原有训练样本30%～40%，产线指标即可达到原有产线效果，新产线冷启动效率可提升3倍，产线上线开发周期降低30%
应用场景： 电子制造行业各种不同产线工艺场景的缺陷检测
辞海-百度·文心
合作目的： 针对人文社科知识庞杂、数据海量、知识提炼精度高效率低等行业痛点，上海辞书出版社与百度携手，将预训练大模型与《辞海》建设相融，吸纳无数人文社科专家学者们的智慧结晶，推出面向人文社科领域的大模型， 有望在人文社科领域发挥通用人工智能的价值，加速传统行业数字化、信息化、智能化建设
模型效果： 知识挖掘-词条发现任务的F1值提升3.4%，有效地提升了信息抽取的效率，助力领域知识图谱构建；除此以外，模型在词条管理-同名条目去重、版权保护-侵权检测等理解任务上的效果均取得显著提升， 可广泛应用于多个人文社科行业的场景
应用场景： 知识挖掘、词条管理、版权保护等人文社科行业应用场景
