行业挖掘｜生成式AI：在16个行业及技术领域的应用

如果您想了解更多AI投资的前沿信息以及投资渠道，可通过文末联系方式与我们取得联系。

★★★

ChatGPT一经推出就在科技圈掀起了不小的浪花，科技圈资深人士纷纷认为基于“Transformer训练的大型语言模型（LLMs）的成熟”可能在诸多行业及技术领域产生深远而广泛的影响。

虽然大型语言模型（LLMs）并非是最新技术（最早是由Google团队于2017年提出），但基础模型的引入使其首次得以广泛使用，比如BERT、GPT-3、LaMDA等预训练模型都是基于Transformer模型建立的，这促使人们更加认真地考虑大型语言模型（LLMs）可能带来的机遇与威胁。

作为AI技术浪潮的革命性代表ChatGPT，其出现意味着AI圈出现了首个“面向消费者的产品”，应用层的落地寓意着投资回报的可预见性，这代表AI投资向前跨进的一大步。

对于企业来说，生成式AI正处于革命的前夜。大型语言模型（LLMs）将对客户支持、分析、研发和软件工程等许多运营功能产生广泛影响，然而这些只是一部分。大型语言模型（LLMs）更将推动生产力和效率的跃升，从而改变组织结构。

（每一次技术革新都会推翻以前的商业模式，但也会带来爆发式的投资新机遇）

随着“人们对大型语言模型（LLMs）逐渐改变企业景观”的高度期望，投资者们正将目光瞄向新兴技术—生成式AI的潜在赢家，并从技术革新的浪潮中挖掘投资红利。下面是创投媒体PitchBook的投资视角，其推演预测了生成式AI可能在各个行业和技术领域产生的机会。

一、汽车科技

短期应用及案例：

• 汽车对话界面：汽车信息娱乐系统可能会得到大幅升级。类似于更强大的特斯拉语音命令，ChatGPT提供了一个“对车舱控制、导航、娱乐、通讯、购物和其他体验”进行对话的界面。

• 汽车生产：ChatGPT的代码辅助功能可以提高汽车制造商的生产效率。

• 线路和调度：公共交通的调度和线路规划可以为乘客和行程规划者提供更具对话性的界面。

• 打车软件：印度Uber正在探索使用ChatGPT来改善打车预订和用户体验。

长期预测：

• 设计与开发：客户服务、营销、产品设计和开发可以从独特和定制的见解中受益。

• 优化生产线条：在汽车制造商面临的“电动汽车”转型浪潮中，ChatGPT可以辅助生产优化。

• “对话式”预订服务：移动服务呈现出“对话式”，提供预订和确认各种选择，同时与车辆进行查询和控制，类似电影《钢铁侠》与贾维斯的对话。

二、供应链技术

短期应用和案例：

1.查询和追踪订单：在供应链管理中，可利用ChatGPT进行查询和订单追踪，提供更具对话性的体验。

•2.数据及API访问：供应链中的许多数据是“独家”且“封闭”的，而ChatGPT是基于开放数据进行训练的。为了在优化、预测和自动化中受益，企业必须开放数据访问，这成为当下备受关注的问题。

•3.提升第三方物流的效率：第三方物流和货运代理可以通过ChatGPT在优化调度、计划和定价方面提高效率。

长期预测：

1.激励开放数据和API：ChatGPT在全球供应链的应用潜力是巨大的。供应链中的每个层级通常不愿意共享数据，为了使ChatGPT发挥作用，它需要获得链条上下的数据访问权限。迄今为止，这仍是待解决问题。

2.第三方物流的生产力提升：在航运和物流领域，很大一部分工作仍然是人工、手动的。ChatGPT有潜力在预订、定价、处理和追踪等方面大幅提高生产力。 

三、电子商务

短期应用和案例：

1.个性化购物：OpenAI为ChatGPT安插了一批插件，包括旅行、杂货、餐饮等商家，它可以跳出当下最热门的提示词，如晚餐食谱，可以直接促成消费者在跑腿配送平台Instacart上的购买行为。随着插件的不断增加，可能形成更强大的购物平台。

2.内容创作：生成式AI将影响商家的工作流程。Shopify和亚马逊卖家平台JungleScout使用AI进行自动化产品描述；Levi Strauss＆Co.宣布计划创建由AI生成的服装模特；一些初创公司正在利用AI技术生成网站文案、邮件文案、视频等内容。

3.客户支持：在不断上升的获客成本中，客户留存率至关重要。通过聊天机器人和生成式AI的帮助，客服的生产力有望实现跃升。

长期预测：

1.B2B采用率：未来，AI 技术可以帮助B2B卖家改善电子邮件推广和电话支持。聊天机器人将在各个行业提供数据分析查询、供应链风险模拟等服务。

2.更深层次的个性化服务：巨额回报将流向那些能够利用个性化服务的商家。生成式AI的出现，将支持商家进行个性化服务，商家可以通过AI创建用户队列，根据客户的个人喜好定制产品描述或店面布局。

3.法律问题：市场涌现出一系列的生成式AI诉讼案件，比如Getty Images最近对Stability AI提起诉讼。这意味着诽谤、版权和消费者数据保护等问题仍需解决。 

四、金融科技（Fintech）

短期应用和案例：

1.简化工作流程：大型语言模型（LLMs）可用于自动化和协助查询数据、处理文件、起草备忘录和分析复杂情况。例如，投资组合经理询问AI：“如果我们重新分配2%的高收益工业债券，会对我们的投资组合产生哪些影响？”

2.营销辅助：经过训练的模型可快速生成针对特定受众的广告和信息，以提高销售数据。例如，一家银行用个性化的信息宣传其信用卡，会考虑客户的消费习惯和偏好。

3.获客辅助：对于金融科技公司而言，优化“客户获取成本”至关重要，许多公司可能会利用AI来改进销售流程。例如，一家SaaS金融科技公司通过AI助手帮助销售人员进行更有针对性的推广，并自动更新他们的客户关系管理系统（CRMs）。

4.客户关系管理：训练过的模型可以优化聊天机器人，使其作为辅助客服的工具，以便于更快回复客户问题。可以利用这一模型更好地为客户提供服务。例如，理财师与客户沟通新的理财方案时，可以通过AI随时更改投资计划、及时性解答客户疑惑。

长期预测：

1.生成式AI将成为金融科技公司的重要组成部分：将AI嵌入产品中的金融科技公司可能更具竞争优势，尤其是那些能够根据特定用例，使用独特而有价值的数据集来优化模型的公司。例如，一家为电子商务企业提供预算和预测平台利用AI进行实时估计。

2.优化个性化服务：一个能够在全行业范围内获取数据的模型，将能够推荐最合适的产品和步骤来实现财务目标。然而，达到这一阶段将是一个挑战。

3.价格战：在开放的金融环境中，AI模型可以推荐消费者最合适的金融产品，而无需花费时间进行研究，这可能导致费用机制变得更透明。 

五、医疗信息技术（Healthcare IT）

短期应用和案例：

1.临床记录：微软旗下公司Nuance开发的DAX Express ambient clinical documentation（DAX）平台是领先的医疗文档记录服务商。对小医院来说，DAX成本较高，但像ChatGPT这样的开源模型可以在价格和规模上实现竞争。该技术能够实现与患者之间的自然对话，并使用医学术语，将笔记输入电子健康记录（EHR）中。后续的更新迭代，可能使病史、临床图像、诊断图像的输入，以及创建定制的就诊摘要/患者教育文本和视频成为可能。

2.患者病史记录：将患者病史记录整合到电子健康记录（EHR）的工作流程中可以促进医疗资源协调、人员轮转和班次交接。生成式AI还将用于挖掘学术文献和临床数据，为特定临床问题提供即时答案。

3.财务流程自动化：生成式AI在财务方面也有几个即时应用，同时加速现有的财务自动化流程的效率，例如接受支付方合同、创建编码、提交模板。

长期预测：

1.AI辅助下的医疗决策：医疗行业可能利用生成式AI进行医疗决策，但对决策的采用将非常谨慎。具体担忧包括AI诊断的可解释性以及AI处方能否适应当地临床资源和患者接受护理的经济能力。我们认为，生成式AI进行医疗决策的用例可能包括以下方面：整合和呈现信息；为医生诊断提供护理建议和支持证明的信息；指导护理。

2.理赔审查：在财务自动化中，生成式AI的用例包括对事先授权请求和复杂理赔进行医疗审查。然而，这一应用在政治上非常敏感，直接影响患者接受护理的能力，因此理赔审查对AI的采用将会缓慢而谨慎。

3.传统基础设施：除了医疗行业对AI决策信心不足外，影响AI技术采用的最大障碍是数据库和老化的基础设施。比如只有37%的医疗保险公司搭建了API。

六、数字健康

短期应用和案例：

1.护理管理和症状检查：AI正在被用于“护理解决方案”和“症状检查器”，生成式AI可以增强这些解决方案，提供更详细的医疗指导、具体的提供者联系信息，并在危重护理事件的情况下，立即采取下一步措施。虽然护理搜索功能对于生成式AI来说是一个易于实现的目标，但对于医疗指导应用而言，仍存在责任覆盖的问题。目前，在这个领域的解决方案要么需要有严格的免责声明，要么在有执照的医疗服务提供者的监督下使用。

2.心理和行为健康：相比传统的行为健康服务，生成式AI以较低的成本提供陪伴和数字疗法。基于AI的解决方案，可以提高大部分人群获取心理健康服务的机会，而无需药物或更深入的干预。比如数字语音化身（如虚拟宠物）可以代替聊天机器人使用。

长期预测：

个性化医学和数字孪生技术：长期来看，生成式AI可以与新兴的数字孪生概念相结合，数字孪生指的是人体特征的数字化表示。对于数字健康应用，数字孪生可以记录就医历史，诊治医师可以通过电子健康记录访问这些信息，有利于“AI症状检查器”的升级，使其能够通过症状描述，生成高度准确的诊断、治疗计划。

七、游戏

短期应用和案例：

1.用户生成内容（UGC）和资源创建：生成式AI可以根据文本输入，生成高质量作品，极大地加速游戏的原型制作和迭代过程，仅需历史所需时间的一小部分。AI还降低了创建UGC的门槛，可实现个性化体验以及加速内容创作，但也存在将游戏内资源商品化的风险。

2.对话和代码辅助：游戏工作室还使用AI来生成代码和输入对话。Roblox的Code Assist和Ubisoft的Ghostwriter就是最新的例子，随着性能的提升，NPC也可以根据游戏内的行为生成对话，类似于ChatGPT，不过这需要性能的提高才能推动广泛应用。

3.为小型游戏工作室提供广阔的生存空间：人力是独立工作室与大型公司竞争的一个重要瓶颈。借助AI加速角色、环境、对话和资源的创建，小公司也可以更高效地运作，用更少的资源做更多的事情。

长期预测：

1.期望管理：虽然AI可以加速原型制作，但游戏工作室离能够生成完整的游戏或关卡还有很长的路要走。虽然AI可以节省时间，但玩家看不见那部分。所以，分辨炒作与现实也至关重要。游戏行业正在走出Web3的炒作周期，需要谨慎地前进。

2.替代性：与其他创意产业一样，设计师和开发人员对将“创意型工作”分配给AI表示担忧。

3.抵御恶意玩家“刷屏”：游戏与AI的结合引发了人们对监管、保护措施和玩家恶劣体验的担忧。像微软和Meta这样的大型技术提供商之前也难以遏制聊天机器人的仇恨言论，游戏内的恶意玩家“刷屏”仍然困扰着游戏行业。

八、农业科技

短期应用和案例：

1.农作物病害诊断：生成式AI可以分析农作物图像，识别早期病害迹象，及时采取干预措施，保护产量，减少损失。然而，病害诊断的准确性可能受输入数据的质量以及AI模型在不同作物类型和病害之间的泛化能力存在限制。

2.产量预测：基于AI驱动的模型，农业公司可以分析历史数据和实时条件，准确预测农作物的产量，帮助农业公司做出关于农作物管理和销售的明智决策。然而，产量预测可能会受到意外事件的影响，比如极端天气或虫害爆发，这些事件可能不在AI模型的训练范围内。

3.精准农业：基于AI系统，农业公司可以制定浇水时间表，以及根据土壤特性、作物需求和环境因素确定化肥类型、用量和施用时间。然而，这些系统的成功可能取决于高质量的本地化数据的可用性，以及适应不断变化的条件和农业实践的能力。

4.牲畜监测：基于AI传感器可以持续监测动物的健康和行为，及早发现疾病，实现更高效的畜牧管理。这些传感器的效果可能会受到硬件、传感器位置以及AI模型区分正常行为和异常行为的能力等因素的影响。

长期预测：

1.提高农业公司的经济效益：生成式AI可以降低农业公司的成本，提高效率，从而实现更高的利润和改善生计。发展中国家的小农户也可以从中受益，弥合技术差距，促进更加公平的经济增长。

2.乡村转型和就业创造：广泛采用生成式AI工具可能会在农村地区带来新的就业机会，特别是在数据分析、技术维护和人工智能农场管理等领域。虽然一些传统的农业工作可能会被自动化取代，但总体影响可能是积极的。

3.环境可持续性：通过实现对水、肥料、农药等资源的更精确和高效利用，生成式AI可以促进可持续农业，减少其对环境的影响。这有助于应对气候变化，通过减少污染、节约水资源和保护栖息地来促进生物多样性。

九、食品科技

短期应用和案例：

1.交互式烹饪APP：以AI驱动的烹饪APP可根据现有的食材、用户偏好和烹饪技能水平提供食谱建议，使烹饪更加愉快、便捷。

2.智能购物清单：生成式AI可以根据消费者的饮食偏好、营养目标和现有食品储备，帮助消费者创建智能购物清单，简化购物流程。

3.优化菜单：生成式AI可以通过分析顾客偏好和季节性食材帮助餐厅创建独特而吸引人的菜单，最大程度迎合顾客需求。

4.个性化食谱：AI可以根据用户的偏好、饮食需求和健康目标提供个性化食谱，使消费者更容易养成健康的饮食习惯。

长期预测：

1.超个性化：生成式AI可以在餐厅、杂货店和电商平台上实现前所未有的个性化食品提供，以迎合消费者的口味、饮食限制和营养需求。

2.提高效率和自动化：在餐饮服务和零售运营中采用生成式AI可以提高效率、降低劳动成本，以及提升食品制备、订单处理和库存管理等任务的自动化程序。

3.提升客户体验：AI系统可以为客户提供无缝、便捷和愉悦的体验，从个性化的餐食推荐到简化的订购和结账流程。

4.减少食物浪费：生成式AI可以帮助优化库存管理、定价和需求预测，从而在餐饮服务和零售行业中大幅减少食物浪费。

十、气候技术

短期应用和案例：

1.碳排放核算的个性化指导：企业还是个人对监测和管理碳排放的兴趣都在增长。碳排放核算初创公司提供工具来衡量碳排放，并提出减少碳排的建议。生成式AI被应用于提供更深入的减少碳排计划。

2.碳补偿评估：是一种通过资助其他地方等效的二氧化碳减排来补偿您个人或企业排放的方式。由于碳补偿涉及的日常行为具有多样性，因此评估碳抵消具有挑战性。应用生成式AI，可以加快碳补偿评估过程。

3.“绿色”建筑：生成式AI可以协助建筑设计，最大程度地指导使用绿色材料和建筑方法，或者将节能硬件纳入设计中。

长期预测：

1.AI训练产生的“碳足迹”：从气候技术的角度来看，生成式AI的一个关键长期影响是计算能力所需的潜在能源需求。这种能源需求伴随着相当高的碳足迹；训练模型的能源成本很高，每次查询运行都需要持续的能源需求。目前最受欢迎的生成式AI模型的开发者尚未公布其能源消耗数据，但据估计，GPT-3的训练释放了552吨的二氧化碳，并消耗了近1300兆瓦时的能量，这还仅仅是训练过程的能源消耗。新模型可以在更节能的硬件上进行训练，但同时也可能增加了复杂性，以及要求更高的计算能力。除了训练过程，生成式AI的用途是替代和增强搜索引擎，值得注意的是，一次谷歌搜索可能排放0.2克二氧化碳；生成式AI通常在谷歌搜索的2-10倍之间。目前正努力通过更节能的硬件或模型优化，减少生成式AI的碳足迹。

十一、企业SaaS

短期应用和案例：

1.辅助内容创作：撰写一篇内容往往最费时费力的就是“初稿”，占用很多时间。ChatGPT等语言模型可按照指令生成内容，这将为许多行业提供支持，包括文案撰写、电子邮件撰写和报告起草。此外，ChatGPT等语言模型还擅长回答各种研究主题，节省工作者的时间和精力。

2.完善企业搜索：有助于巩固和阐明以前在传统企业搜索解决方案中难以找到和沟通的关键业务见解。创建面向客户的界面，还将通过回答查询、意图识别、对话总结和指导解决方案。

3.降低准入门槛：针对建筑、制造和生产解决方案的生成式设计，将有望彻底改变许多行业。在过去，这些行业依赖定制解决方案，但生成式设计将在各个领域更加广泛地可用。

长期预测：

1.互动虚拟人物：从长远来看，企业可能采用数字化化身。数字化化身可以提供个性化的参与，具有完美的记忆，并熟练运用前沿的说服技巧，与潜在和现有客户建立、确保和管理交易。虚拟人物还可以成为企业助手和虚拟同事，在整个企业中辅助和组织工作人员。

2.“回答错误”的代价高昂：尽管在企业应用领域很少涉及生死攸关的问题，但错误和错误信息对大品牌可能造成巨大损失。谷歌最近推出的Bard就出现了一个关于天文问题的低级错误，导致公司股价出现了异常波动。这些系统不能“理解”它们反刍的信息，只能根据概率进行猜测。这种风险为“促进AI模型准确性”的公司提供了更多的机会，OpenAI等公司试图通过增加数十亿个参数来提高语言模型的准确性。

3.权力的集中：虽然许多生成式AI解决方案目前是开源项目，但这些解决方案的开发是庞大的，需要大量资源。目前的主要参与者可能会参与未来技术迭代的决策，以及享有专有数据。

十二、AI和机器学习

短期应用和案例：

1.基础模型运营：需要一套新的工具堆栈来支持针对特定用例开发定制的基础模型，如GPT-4和Claude。初创公司正在围绕数据集成到基础模型嵌入中开发庞大的开发者社区，并可以为价值80亿美元的数据集成市场提供互补的功能。

2.智能代理AI：ChatGPT可以与软件代理结合来执行任务，也可以自己学习编写脚本来执行其建议的结果。AutoGPT和Adept的Act-1模型表明，ChatGPT可以代表用户执行离散的操作。

3.向量相似性搜索：企业希望根据自己的数据训练自己的搜索模型。向量数据库可以计算用户数据库中文本数据的相似性分数，实现语义搜索空间的AI查询。

4.智能流程自动化：AI可以通过模仿学习识别用户工作流程，分析新文档，并执行脚本以自动化一致的流程。在历史上，RPA是通过光学字符识别（OCR）和基于规则的脚本机器人实现的，这限制了这些系统的知识范围。生成式AI模型可以通过从用户终端监控软件中学习来适应用户的工作流程。

长期预测：

1.生成式媒体：自然语言指令可以用来创造电影和电子游戏等媒体，增加创意工作者的生产力。多模态模型正开始从视频中学习，以实现视频到文本查询和文本到视频生成的双向通信。

2.基础模型诞生超级独角兽：OpenAI的高估值表明，估值超过100亿美元的公司将由那些通过生成模型获得大量用户基础的公司创建。由于独立AI软件的市场规模有限，AI公司之前面临着100亿美元估值上限，但这一标志应该更容易被打破。

3.软件2.0：ChatGPT可以用于创建无需人工编码即可执行特定任务的软件应用。通过使用神经网络的矩阵乘法而不是脚本和二进制代码，基于机器学习的软件可以比现有软件应用更可靠和可塑性更强。

十三、信息安全

短期应用和案例：

1.安全数据分析自动化：ChatGPT可以查询安全事件的日志数据。微软的Security Copilot可以让用户通过自然语言提示来调查安全攻击。该工具提供安全事件的描述和图表。该模型整合了GPT-4和微软的信息安全专用数据模型。信息安全专用模型结合了威胁情报，可以预测安全漏洞。

2.自动化渗透测试：ChatGPT可以生成类似已知攻击的攻击样本，但使用ChatGPT修改了部分内容，这可以为渗透测试团队提供额外的安全工具压力测试和对ChatGPT可能在攻击者手中开发的攻击进行情报分析。

3.隐私文件文档化：ChatGPT可以审查文件以获取合规细节，并填写标准认证的表格。

4.安全编码：GitHub Copilot可以被调整为仅从已知安全的开源代码库中进行代码生成。这个过程可以自动化安全测试，减少开发人员时间表的延迟。

5.身份治理自动化：ChatGPT可以帮助业务用户自动查询身份，例如新密码和登录问题，这些问题通常需要IT团队，耗费人力并拖慢业务流程。用户可以提出自然语言的问题，例如访问请求，直接与流程自动化平台进行交互。

长期预测：

1.SIEM行业的消亡：由于安全信息与事件管理（SIEM）定价高、查询复杂，行业已濒临消亡。SIEM依赖于自定义的数据查询语言，必须针对每个环境进行手动配置。语言模型可以将这个价值50亿美元的市场“自动化”。

2.每个用户都能成为安全分析师：目前，只有专业人员能够轻松访问威胁情报。通过AI界面，业务用户可以实时了解安全风险，并在密码共享和IT决策方面做出更好的决策。

3.自补丁系统：随着AI系统将威胁指标自动转化为安全响应，而无需手动审查，自治安全运营中心可能成为现实。这可以解决大部分例行补丁操作，并鼓励安全分析师建立更好的组织卫生习惯并调查异常情况。

4.视觉事件响应：AI模型可以从视觉数据中学习，并基于语言和视觉接口解析来自不同环境的信息。通过整合来自Web应用程序的视觉信息并将这些图像与日志数据进行关联，可以更快地进行数据集成，以识别用户操作和安全风险之间的关系。 

十四、物联网（IoT）

短期应用和案例：

1.提升联网汽车体验：AI可以查询车辆信息或操作指南，使用可编程功能（如车库门代码），并将个人数据（包括用户的日历和联系信息）整合到信息娱乐系统中。目前，通用汽车和奔驰的试点项目就在使用ChatGPT。

2.工业文档：工业公司拥有大量设备文档，这些文档必须供维护和合规性审核使用。“智能知识发现”可以使这些文档可搜索。搜索初创公司Pryon正受益于一些工业公司，它们希望在自己的设备数据上构建类似于chatgpt的聊天机器人，以增加物联网数据的收集。

3.视频监控分析：AI使操作人员能够使用自然语言查询视觉源，包括安全摄像头和机器人，以识别可能需要手动审核的视觉数据。GPT-4使得基于图像的对话成为可能，从而使图像成为生成式AI聊天机器人的有效输入。

4.智能家居的语音合成：生成式音频模型可以接受LLM输入，并以多种语言产生准确的语调。Meta和苹果在过去18个月通过并购投资了这项技术。

长期预测：

1.生成式工业设计：多模态模型将能够根据先例和安全规范，通过自然语言合成工业级设计。汽车制造商已经开始尝试计算机驱动的硬件设计，包括稳定扩散技术。多模态模型将能够实现更大程度的定制化，并为解决困难的电动车设计问题提供创造性的解决方案。

2.数字孪生的创建：生成模型将基于数据源产生工业系统的数字复制品，以便于监测和异常检测。这将降低开发数字孪生所需的成本和定制工程，并有助于跨行业监测团队。

3.通过工业基础模型克服IT/OT分歧：有经验的运营人员仍不愿使用先进分析技术，而年轻人则认为工业领域缺乏创新，限制了工业分析技术的采用。各类运营用户可以使用自然语言以自己的语言提问分析系统，并获得相关结果，使得AI对新老员工都具有吸引力。为适应工业环境，还需要进一步开发基础模型。

十五、加密货币/Web3

短期应用和案例：

1.智能合约开发和审计：智能合约编程语言非常复杂，但通过OpenAI的Codex，ChatGPT可以编写任何语言的代码，包括Solidity、Vyper或Move。这可以帮助更多开发人员进入Web3。此外，ChatGPT可以通过分析代码并提供改进建议，帮助检测智能合约中的错误、漏洞和低效性。

2.查询区块链：区块链数据是公开透明的，但通过Etherscan或The Graph等提供商探索数据仍然非常复杂。ChatGPT可以让用户提出简单的问题，比如特定协议内的交易活动或特定资金转移到哪个交易所。

3.协议和代币经济学文档：许多加密货币协议要求开发团队公开发布白皮书、项目描述、技术指南以及其通证的参数和特征。ChatGPT可以帮助生成新加密项目的文档。

4.市场分析和交易：ChatGPT可以从链上活动、社交媒体、新闻和其他来源分析市场趋势和情绪。这种分析可以帮助做出投资决策。ChatGPT还可以与交易机器人，共同开发算法交易策略以及自动执行交易。

长期预测：

1.去中心化基础设施：Web3和区块链可以帮助训练和生成新的生成式AI模型。目前的模型，如OpenAI的模型，是集中化的；然而，通过Web3，训练数据、处理能力和数据存储可以去中心化，从而产生无需信任的、透明的ChatGPT版本，可以进行审核，以检查有害内容或模型偏见等问题。

2.通证化：生成式AI内容，如音乐、视频和博客文章，可以通过区块链进行通证化和许可。知识产权的使用可以被追踪和交易，授权人可以通过获得通证来获得版权访问。

3.不可预期的后果：加密货币和Web3领域充斥着诈骗、黑客和错误信息，ChatGPT可以被用作放大这些威胁的工具。这可能包括自动创建令人信服的虚假内容以影响加密资产的价格，使用生成式AI可能发现智能合约和协议中的代码漏洞。

十六、Insurtech（保险科技）

短期应用和案例：

1.增强个性化客户服务：聊天机器人在保险行业中已广泛应用，Lemonade于2016年首次推出聊天机器人。ChatGPT可以增强聊天机器人的功能，目前聊天机器人仅限于提供低级别的客户支持，帮助购买简单的保单或处理非复杂的理赔。通过使用ChatGPT的聊天机器人可以根据个人客户的需求、偏好和风险特征设计并提供高度定制的保险产品。

2.风险评估和核保：许多保险公司拥有庞大的数据集，但却无法从中提取有价值的深度信息。生成式AI可以在这些数据集上进行训练，帮助保险公司更好地评估风险、设计保单和进行报价。苏黎世保险集团正在测试ChatGPT提取过去六年的理赔数据，以确定损失的主要原因，从而改进核保流程；保险经纪公司Paladin Group与无代码保险科技平台Dais合作开发了一款名为UnderwriteGPT的核保工具。

3.更快速的理赔：ChatGPT可以通过扫描理赔文件、提取相关信息和确定保险责任范围，更高效地分析和处理保险理赔，从而减少手工工作量，加速理赔处理。生成式AI还可用于检测欺诈性理赔。

长期预测：

1.采用速度较慢：自动化工具已在金融服务行业得到采用，但保险公司在充分采用这些工具方面进展较慢。由于生成式AI存在监管和伦理方面的顾虑，受到高度监管的保险行业预计将采用进度缓慢。预计保险科技公司将先行进行实验和采用这项技术，以证明其有效性，在行业中广泛应用该项技术前降低风险。

2.直达式处理：大多数保险流程仍然需要大量人工干预，包括分销、核保和理赔，特别是在专业和商业领域。生成式AI可以完全自动化这些流程，为保险公司节省大量成本。

3.新风险：虽然生成式AI很有前景，但这项技术可能会引发新的风险，包括知识产权侵权、数据隐私和安全、岗位替代等各种不可预期的损害。这将为开发新的保险产品提供机会，以应对生成式AI所带来的风险。

本文翻译自风投资讯机构PitchBook，由美信全球整理，投资有风险，请谨慎做出投资决策，上述内容均不作为投资建议。

响应生成式AI场景下的新需求

挖掘行业颠覆机遇

对AI感兴趣的朋友可联系美信小助手