出版日期 2024年10月 報告頁碼 153頁 圖表數量 50個 中文版 13000元 英文版 27000元 中英文版 37000元

(+86)0755-25425716 25425726 25425736 25425706 25425756 25425776 25420896 25420806 25426596 25427856 25428586 25429596

第一章 保險業大模型行業綜述及數據來源說明

1.1 大模型產業界定

1.1.1 大模型定義

1.1.2 大模型的特征

1.1.3 大模型核心優勢

1.1.4 大模型所處行業

1.2 保險業大模型行業界定

1.2.1 保險業大模型的界定

1、定義

2、特征

1.2.2 保險業大模型相關專業術語

1.2.3 保險業大模型行業監管

1.3 保險業大模型產業畫像

1.4 本報告數據來源及統計標準說明

1.4.1 本報告研究范圍界定

1.4.2 本報告權威數據來源

1.4.3 研究方法及統計標準

第二章 中國保險業大模型產業發展現狀及痛點

2.1 中國大模型發展現狀及趨勢分析

2.1.1 中國大模型發展歷程

2.1.2 中國已發布大模型數量變化

2.1.3 中國大模型參數規模變化

2.1.4 中國大模型商業模式分析

2.1.5 中國大模型發展趨勢洞悉

2.2 中國大模型落地保險業可行性分析

2.3 中國保險業大模型技術選型

2.3.1 開源大模型應用

2.3.2 產學研聯合創新大模型研制

2.3.3 商用大模型采購

2.3.4 保險機構技術選型考慮因素

2.4 中國保險業大模型布局路徑

2.5 中國保險業大模型招投標情況

2.5.1 保險業大模型招投標統計

2.5.2 保險業大模型招投標分析

2.6 中國保險業大模型競爭要素及競爭格局

2.6.1 保險業大模型競爭要素

2.6.2 保險業大模型競爭格局

2.6.3 主要保險業大模型廠商競爭力評價

2.7 中國保險業大模型市場規模體量

2.8 中國保險業大模型發展痛點

第三章 中國保險業大模型技術架構及能力構建

3.1 完整大模型開發步驟

3.2 大模型基礎架構及工程化

3.2.1 大模型基礎架構

1、transformer架構

2、大規模語言模型：bert和gpt

3、卷積神經網絡cnn

4、循環神經網絡rnn

5、前饋神經網絡mlp

3.2.2 大模型工程化

1、數據工程（數據處理和回流）

2、模型調優（模型訓練與微調）

3、模型交付（模型壓縮與測試）

4、服務運營（服務部署與托管）

5、平臺支撐能力

3.3 基礎大模型底座

3.3.1 nlp大模型

3.3.2 cv大模型

3.3.3 多模態大模型

3.3.4 科學大模型

3.4 大模型標準化

3.4.1 大模型標準體系發展

1、大模型標準體系1.0

2、可信ai大模型標準體系2.0

3.4.2 行業大模型標準體系

3.5 保險業大模型構建路線圖

3.5.1 行業需求分析與資源評估

1、業務需求評估

2、算力層評估

3、算法層評估

4、數據層評估

5、工程層評估

3.5.2 行業數據與大模型共建

1、明確場景目標

2、模型選擇

3、訓練環境搭建

4、數據處理

5、模型訓練共建

3.5.3 行業大模型精調與優化部署

1、模型精調

2、模型評估

3、模型重訓優化

4、模型聯調部署

5、模型應用運營

3.6 保險業大模型開放平臺架構及訓練方法

3.6.1 保險業大模型開放平臺架構

1、底層-模型即服務

2、中間層-應用框架層

3、上層-應用場景層

3.6.2 保險業大模型訓練方法

1、從預訓練開始定制模型

2、參數微調

3、上下文學習

3.7 保險業大模型基礎能力構建概述

3.8 保險業大模型基礎能力構建之“算力”

3.8.1 大模型的算力需求分析

3.8.2 ai芯片

1、ai芯片概述

2、ai芯片發展現狀

3、ai芯片供應商格局

4、主要ai芯片類型

（1）cpu

（2）gpu

（3）dpu

（4）tpu

（5）fpga

（6）asic

3.8.3 ai服務器

1、ai服務器概述

2、ai服務器發展現狀

3、ai服務器供應商格局

3.8.4 保險業大模型算力部署路徑

1、自建算力

2、算力混合部署

3.9 保險業大模型基礎能力構建之“數據”

3.9.1 數據處理與服務概述

3.9.2 國內外主要大語言模型數據集

3.9.3 數據api

3.9.4 訓練數據開發

3.9.5 推理數據開發

3.9.6 數據維護

3.9.7 保險業大模型對數據的需求分析

3.10 保險業大模型基礎能力構建之“ai基礎軟件”

3.10.1 ai基礎軟件概述

3.10.2 ai基礎軟件市場概況

3.10.3 ai基礎軟件競爭格局

3.10.4 ai基礎軟件主要類型

1、機器學習框架和庫

2、模型訓練和部署平臺

（1）模型訓練平臺

（2）模型部署平臺

（3）模型推理平臺

3、數據處理和分析工具

4、優化和自動化工具

3.11 保險業大模型評測體系

第四章 中國保險業大模型應用場景分析

4.1 保險業大模型行業應用場景分布

4.2 保險業大模型應用場景：投研

4.2.1 投研概述

4.2.2 投研領域大模型應用優勢分析

4.2.3 投研領域大模型應用案例分析

4.3 保險業大模型應用場景：產品設計及定價

4.3.1 產品設計及定價概述

4.3.2 產品設計及定價領域大模型應用優勢分析

4.3.3 產品設計及定價領域大模型應用案例分析

4.4 保險業大模型應用場景：保險營銷

4.4.1 保險營銷概述

4.4.2 保險營銷領域大模型應用優勢分析

4.4.3 保險營銷領域大模型應用案例分析

4.5 保險業大模型應用場景：承保

4.5.1 承保概述

4.5.2 承保領域大模型應用優勢分析

4.5.3 承保領域大模型應用案例分析

4.6 保險業大模型應用場景：理賠

4.6.1 理賠概述

4.6.2 理賠領域大模型應用優勢分析

4.6.3 理賠領域大模型應用案例分析

4.7 保險業大模型應用場景：其他

4.7.1 辦公

4.7.2 法務

4.7.3 風控

4.8 保險業大模型應用場景戰略地位分析

第五章 中國保險業大模型應用實踐分析

5.1 中國保險業大模型應用實踐匯總

5.2 保險業大模型應用案例分析

5.2.1 中國太保大模型應用布局

1、大模型研發投入

2、大模型落地實踐

3、大模型最新布局動態

5.2.2 陽光保險大模型應用布局

1、大模型研發投入

2、大模型落地實踐

3、大模型最新布局動態

5.2.3 泰康保險大模型應用布局

1、大模型研發投入

2、大模型落地實踐

3、大模型最新布局動態

5.2.4 眾安保險大模型應用布局

1、大模型研發投入

2、大模型落地實踐

3、大模型最新布局動態

5.2.5 平安保險大模型應用布局

1、大模型研發投入

2、大模型落地實踐

3、大模型最新布局動態

5.3 保險業大模型應用難點及應對

5.3.1 數據收集與處理

5.3.2 大模型幻覺問題

5.3.3 災難性遺忘問題

第六章 中國保險業大模型企業案例解析

6.1中國保險業大模型企業梳理與對比

6.2 中國保險業大模型產業企業案例分析

6.2.1 螞蟻集團-antfinglm

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.2 云知聲-山海大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.3 必有科技-保險大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.4 度小滿-軒轅大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.5 華為-盤古金融大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.6 騰訊云-金融行業大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.7 科大訊飛-星火金融大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.8 拓爾思-拓天大模型

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.9 星環科技-星環無涯

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

6.2.10 青松保-insuregpt

1、基本信息

2、模型特點

3、技術架構

4、模型功能

5、應用場景

6、下游客戶

7、最新進展

第七章 中國保險業大模型產業政策環境洞察&發展潛力

7.1 保險業大模型產業政策環境洞悉

7.1.1 國家層面保險業大模型產業政策匯總

7.1.2 國家層面保險業大模型產業發展規劃

7.1.3 國家重點政策/規劃對保險業大模型產業的影響

7.2 保險業大模型產業pest分析圖

7.3 保險業大模型產業swot分析

7.4 保險業大模型產業發展潛力評估

7.5 保險業大模型產業未來關鍵增長點

7.6 保險業大模型產業發展前景預測

7.7 保險業大模型產業發展趨勢洞悉

7.7.1 整體發展趨勢

7.7.2 監管規范趨勢

7.7.3 技術創新趨勢

7.7.4 細分市場趨勢

7.7.5 市場競爭趨勢

第八章 中國保險業大模型產業投資戰略規劃策略及建議

8.1 保險業大模型產業投資風險預警

8.1.1 風險預警

8.1.2 風險應對

8.2 保險業大模型產業投資機會分析

8.2.1 保險業大模型產業鏈薄弱環節投資機會

8.2.2 保險業大模型產業細分領域投資機會

8.2.3 保險業大模型產業區域市場投資機會

8.2.4 保險業大模型產業空白點投資機會

8.3 保險業大模型產業投資價值評估

8.4 保險業大模型產業投資策略建議

8.5 保險業大模型產業可持續發展建議

圖表目錄

圖表：大模型的特征

圖表：本報告研究領域所處行業

圖表：保險業大模型的定義

圖表：保險業大模型的特征

圖表：保險業大模型專業術語

圖表：保險業大模型行業監管

圖表：保險業大模型產業鏈結構梳理

圖表：保險業大模型產業鏈生態全景圖譜

圖表：保險業大模型產業鏈區域熱力圖

圖表：本報告研究范圍界定

圖表：本報告權威數據來源

圖表：本報告研究方法及統計標準

圖表：中國大模型發展歷程

圖表：中國已發布大模型數量變化

圖表：中國大模型參數規模變化

圖表：中國大模型商業模式分析

圖表：中國大模型發展趨勢洞悉

圖表：中國大模型落地保險業可行性分析

圖表：中國保險業大模型行業招投標分析

圖表：中國保險業大模型市場競爭格局

圖表：中國主要保險業大模型廠商競爭力評價

圖表：中國保險業大模型市場規模體量

圖表：中國保險業大模型發展痛點

圖表：大模型技術路線及算法架構

圖表：大模型工程化

圖表：數據工程（數據處理和回流）

圖表：模型調優（模型訓練與微調）

圖表：模型交付（模型壓縮與測試）

圖表：服務運營（服務部署與托管）

圖表：平臺支撐能力