AGI-AIGC-大模型测评排行榜2023年10月9号（DIKWP人工意识团队发布）

• October 2023 DOI: 10.13140/RG.2.2.12313.19042

• Report number: 20231009 Affiliation: Hainan University

• Yucong Duan Shiming Gong Shuaishuai Huang Show all 5 authors Yingtian Mei

• 完整报告备索--邮箱:duanyucong@hotmail.com
  

《AGI-AIGC-大模型测评排行榜》

段玉聪（Yucong Duan），弓世明，黄帅帅，杨泽宇，梅映天

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group，海南大学

duanyucong@hotmail.com

目录

前言

1、关于大模型测评报告的统计

1.1高校发表大模型测评报告

1.2研究院发表大模型测评报告

1.3其他机构发表大模型测评报告

2、大模型测评报告分析

2.1大模型测评报告数量分析

2.2大模型测评报告领域分析

2.3大模型测评TOP10排行榜

3、总结

参考文献

前言

随着深度学习技术的发展，人工智能已进入一个新的阶段。伴随语言模型规模的不断扩大，一批功能强大的人工智能大模型应运而生，其计算能力和表现能力远超人类，开启了人工智能新时代的大门。这些大模型在自然语言处理、计算机视觉、决策支持和游戏等广泛领域发挥重要作用，引起全球各企事业对人工智能的高度重视。

在这个背景下，如何系统和全面地评估这些强大大模型在不同任务和应用场景下的性能与品质，成为研究人员关注的热点问题。国内外各机构开始推出一系列大模型测评报告，通过定量和定性分析来评估模型在知识传播、决策支持、机器翻译等方面的表现效果，以及可能存在的风险和限制等问题。这对理解大模型的优势和不足，指导它们更好地服务于科技进步和社会发展具有重要意义。

在国内，多个高校和研究机构也陆续发布了相关测评报告。其中，海南大学段玉聪教授倡导和实施了DIKWP测评框架，并根据此框架进行了一系列跨学科的大模型研究。他提出模型应考虑可解释性和可控性，并将这一框架应用在多个细分领域，为模型在特定任务中的评估奠定了理论基础。

本报告旨在梳理并分析最近一年国内外在大模型测评方面的重要研究成果。通过对相关报告的统计与内容梳理，阐释不同机构从理论改进到应用落地的研究趋势与热点。特别是DIKWP框架为解释可靠的AI研发与应用提供了参考。此外，报告还对未来研究中需要关注的问题提出了建议，以期为读者提供一个全面而系统的大模型研究现状分析。

1、关于大模型测评报告的统计

1.1高校发表大模型测评报告

高校发表的大模型测评报告共24篇，其中清华大学一篇《大语言模型综合性能评估报告》^[1]，浙江大学一篇《大模型时代：智能设计的机遇与挑战》^[2]，华东政法大学一篇《人工智能通用大模型（ChatGPT）的进展、风险与应对》^[3]。

海南大学段玉聪教授先后发表了测评报告21篇：

1.《通用人工智能的智慧：DIKWP的GPT-4实验》^[4]；

2.《基于DIKWP的AGI/GPT（文心一言）测评》^[5]；

3.《基于DIKWP的AGI/GPT（通义千问）测评》^[6]；

4.《通用人工智能模型在DIKWP上的性能比较》^[7]；

5.《基于DIKWP的通用人工智能GPT-4实验评价》^[8]；

6.《GPT-4在DIKWP中的推理能力》^[9]；

7.《Anthropic's Claude测评》^[10]；

8.《基于 DIKWP 的人工通用智能模型的伦理表现》^[11]；

9.《CPT-4的医疗/医药领域DIKWP能力评测报告》^[12]；

10.《ChatGPT, GPT-4 ,通义千问的安全领域DIKWP能力评测报告》^[13]；

11.《GPT-4 与通义千问的金融领域DIKWP能力评测报告》^[14]；

12.《CPT-4的教育领域DIKWP能力评测报告》^[15]；

13.《GPT-4 与Claude的DIKWP+TIF综合能力评测报告》^[16]；

14.《基于DIKWP的AGI/GPT（Open Assistant）测评》^[17]；

15.《民事裁判文书解析指令集》^[18]；

16.《CPT-4的游戏领域DIKWP能力评测报告》^[19]；

17.《什么是人工智能(AI)？基于DIKWP的GPT-4回答》^[20]；

18.《从数据到智慧：意图驱动的AGI-AIGC-GPT大模型的认知测评——以农业GPT为例》^[21]；

19.《DIKWP 人工意识白盒测评标准：可解释、可控 AI 的构建》^[22]；

20.《DIKWP人工意识白盒测评标准的独特性和优势》^[23]；

21.《DIKWP人工意识测评技术核心要点》^[24]。

1.2研究院发表大模型测评报告

研究院发表的大模型测评报告共7篇：

1、中国电子技术标准化研究院《知识图谱与大模型融合实践研究报告》^[25]

2、新华社研究院《2023人工智能大模型体验报告》^[26]

3、中国工业互联网研究院《人工智能行业：通用人工智能大模型工业领域知识问答性能评估》^[27]

4、腾讯研究院《人机共生-大模型时代的AI十大趋势观察（2023）》^[28]

5、浙江大学国际设计研究院《大模型时代：智能设计的机遇与挑战》^[29]

6、中国移动研究院《面向AI大模型的智算中心网络演进白皮书》^[30]

7、中国移动研究院《2023我国人工智能大模型发展动态》^[31]

1.3其他机构发表大模型测评报告

其他机构发表的大模型测评报告共41篇：

1. 国海证券，《国产大模型的使命与担当软件开发刘熹》^[32]

2. 华泰证券，《教育大模型启航，细分领域性能较优》^[33]

3. 天风证券，《计算机行业专题研究：“安卓版”大模型助推，算力和应用的黄金时代》^[34]

4. 华金证券，《54页AI大模型落户矿山，智能化形成商业闭环》^[35]

5. 长江证券，《大模型如何引领具身智能新发展？》^[36]

6. 银河证券，《国内大模型竞争激烈，海外AI巨头财报密集发布》^[37]

7. 长江证券，《如何看待大模型范式变革、开源与闭源之争？》^[38]

8. 零壹智库，《八家互联网大厂大模型，从通用模型到应用落地》^[39]

9. 源达信息，《AI大模型开展算力竞赛，打开AI芯片、光模块和光芯片需求缺口^[40]

10. 源达信息，《大模型推动各行业AI应用渗透》^[41]

11. 计算机行业深度研究，《LLaMA等开源模型凸显先进算法及行业数据的重要性》^[42]

12. 华西证券，《“AI+应用”系列（二）：AI+金融，大模型引爆金融科技革命》^[43]

13. 开源证券，《理想智能驾驶进展，自动驾驶进入大模型时代》^[44]

14. 中信建投，《华为盘古大模型能源领域首次商用， Threads每日访问量超千万^[45]

15. 华西证券，《大模型的“安卓时刻”已经到来-华西证券》^[46]

16. TE智库，《2023中国通用大模型内容生成及安全性能力评测》^[47]

17. 国泰君安，《自动驾驶行业专题研究报告：AI大模型助力自动驾驶技术迭代升^[48]

18. 国信证券，《紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命- ^[49]

19. 申港证券，《中科创达-AI大模型链接智能终端，三大业务齐增长》^[50]

20. 易观智慧院，《大模型对企业数智化升级与业务经营的影响与应对》^[51]

21. 国金证券，《数据要素专题：大模型与数据共振，数据要素市场方兴未艾》^[52]

22. 民生证券，《48页千方科技深度：大模型+交通数据要素+自动驾驶新基建的低估龙头》^[53]

23. 国泰君安，《117页人工智能行业：AI大模型赋能千行百业》^[54]

24. 东方证券，《他山之石系列报告（二）：大模型应用开发框架LangChain梳理》^[55]

25. 大数据协同安全技术国家工程研究中心，《大语言模型提示注入攻击安全风险分析报告》^[56]

26. 财信证券，《传媒行业月度点评：技术迭代、大模型持续升级，关注细分优质个股》^[57]

27. 信达证券，《传媒互联网行业及海外周观点：国内外大模型催化算力需求，重视AI+轻度游戏、AI+IP等应用落地机遇》^[58]

28. 信达证券，《传媒互联网行业及海外周观点：国内外大模型催化算力需求，重视AI+轻度游戏、AI+IP等应用落地机遇》^[59]

29. 国金证券，《传媒互联网行业：OpenAI API降价，腾讯大模型即将发布》^[60]

30. 华安证券，《互联网传媒行业周报：OpenAI增效降价，国产大模型接连发布，北上深密集发布人工智能支持政策》^[61]

31. 东吴证券，《汽车行业深度报告：AI+汽车智能化系列之一[大模型+政策+功能]三重共振开启L3智能化大行情！》^[62]

32. 中航证券，《先进制造行业：大模型催化AI普遍应用，边缘计算打通行业场景落地瓶颈》^[63]

33. 民生证券，《计算机行业周报：腾讯大模型产业链全梳理》^[64]

34. 华鑫证券，《计算机行业周报：大模型应用逐渐落地，产业生态持续完善》^[65]

35. 华泰证券，《AI大模型如何加速无人驾驶发展》^[66]

36. 之江实验室，《人工智能行业：生成式大模型安全与隐私白皮书》^[67]

37. 张雁飞，《大模型时代的Cloud+Warehouse设计探索》^[68]

38. 孙斌，《爱奇艺大数据大规模应用实践：大模型时代》^[69]

39. 广发证券，《计算机行业：多模态大模型方向确定，从通用到垂直场景智能化升级的统一和差异》^[70]

40. 中信证券，《科大讯飞深度跟踪报告：大模型国家队，AI应用场景未来可^[71]

41. 国信证券，《人工智能行业专题报告（2）：大模型突破技术奇点，海外应用百花齐放》^[72]

2、大模型测评报告分析

2.1大模型测评报告数量分析

从图1统计数据可以看出高校发表大模型测评报告较多，其中海南大学段玉聪教授单人发表报告21篇，占高校报告数量的大部分。该数据表明海南大学在DIKWP框架下对AI大模型进行深入研究。研究院发表报告有8篇，涵盖多个领域，如知识图谱、通用AI、工业应用等，体现出研究机构致力于跨领域研究。其他机构发表报告共41篇，来源广泛，包括证券公司、智库、企业等，说明AI大模型已进入行业细分应用研究阶段。

图1 整体发文数量统计

高校发表的大模型测评报告（按发表数量排序）如图2：

图2 高校发文量统计

1. 海南大学段玉聪教授：21篇

2. 清华大学：1篇

3. 浙江大学：1篇

4. 华东政法大学：1篇

2.2大模型测评报告领域分析

各机构从不同角度对国内外AI大模型发展状况进行了研究，为产业应用提供了论据支持，其中由段玉聪教授发表的测评报告覆盖领域最为广泛（如图3），包括：医疗/医药领域、安全领域、金融领域、教育领域、游戏领域、农业领域、法律领域、知识问答、伦理表现，全面评估了大模型在不同应用场景下的性能。

图3 段玉聪教授发表的测评报告覆盖领域

2.3大模型测评TOP10排行榜

大模型测评 TOP10 排行榜（如表1）：

表1 大模型测评 TOP10 排行榜

1. 海南大学段玉聪教授:段教授连续发表了21篇与大模型测评相关的论文^[4-24]。这些论文覆盖多个领域，包括医疗、教育、安全及金融等，测试了多个知名模型的DIKWP能力，给出了系统性和全面性很强的评测结果。更重要的是，段教授提出了DIKWP白盒测评标准，强调测评应着眼于模型的解释性和可控性。他认为，理想的人工智能模型应该可解释其内部机制和推理过程，同时也需要具备可控性，使其行为受监督和约束。DIKWP标准为解释可靠的AI奠定了理论基础。与此同时，段教授还将DIKWP标准应用于农业等细分领域。他明确指出，大模型测评应考虑任务目的和个性化需求，只有这样才能更好地服务于不同行业和个体。总体来说，段教授在测评理念、方法以及应用范围上均有很深的研究和独创性，使得他成为我国同行公认的DIKWP测评专家。他的工作对推进AI发展具有极其重要的参考价值。

2. 清华大学《大语言模型综合性能评估报告》^[1]：报告深入探讨和评估了大语言模型的综合性能，并对市面上的同类产品进行比较。评估从生成质量、使用与性能、安全与合规三个维度进行，涵盖了上下文理解、相关性、响应速度以及特定任务上的应用表现等方面。报告还讨论了大语言模型在创意写作、代码编程、舆情分析、历史知识等知识领域的回答情况，以及其在解决实际问题中的有效性和局限性。通过深入评估和比较，报告旨在为读者提供关于大语言模型的全面和客观的视角，帮助人们在选择和应用这些模型时做出明智的决策。

3. 华东政法大学《人工智能通用大模型（ChatGPT）的进展、风险与应对》^[3]：ChatGPT代表了人工智能通用大模型的最新进展，显示了大模型的巨大影响力。一般而言，大模型是指容量较大、用于深度学习任务的模型，通常具有海量的参数和复杂的架构，具有涌现性、扩展性和复合性的特征。从发展历程来看，大模型经历了单语言预训练模型、多语言预训练模型与多模态预训练模型的发展阶段。在发展过程中，大模型呈现出“大模型”和“小模型”协进、通用化与专用化并行、平台化与简易化并进的发展趋势。

4. 新华社研究院，《2023人工智能大模型体验报告》^[26]：中国的大模型产品在2023年显著进步，但与接受高等教育的人类相比，在智商和情商等方面仍存在差距。报告提出了大模型应用发展建议，包括降低成本、提高易用性、安全可解释性和数据安全等方面的措施。该报告还列举了各大模型厂商的综合指数和优秀答案展示。该研究团队表示将继续深耕大模型的安全可解释性、工作提效能力、实际落地情况和产业优秀案例等方面的研究。

5. 中国工业互联网研究院，《人工智能行业：通用人工智能大模型工业领域知识问答性能评估》^[27]：评估了中文工业领域知识问答能力，并选取了八大行业构建了知识测试集。通过对多个大模型进行评测，公布了性能前六名的模型，并提供了评测结果数据供业界参考。评测方法包括单选题、判断题和简答题，综合评价指数得分归一化处理。

6. 中国电子技术标准化研究院，《知识图谱与大模型融合实践研究报告》^[25]：报告探讨了知识图谱与大模型的融合应用，并提出了相关技术路径和关键技术。报告首先分析了知识图谱与大模型的特点、优势和应用场景，然后从技术演化、技术互补和知识库建设等角度探讨了它们的融合可行性和收益。接着，报告比较了实际融合系统与大模型的性能测试结果，并总结了11个领域的实践案例。最后，报告提出了技术挑战和未来发展展望。总体而言，该报告深入研究了知识图谱与大模型的结合，为企业级应用提供了有益的指导和实践经验。

7. 中国移动研究院，《面向AI大模型的智算中心网络演进白皮书》^[30]：分析了AI业务发展趋势以及AI大模型对网络的需求，并探讨了当前网络与业务需求的差距以及应对措施。报告指出，AI大模型是人工智能的新引擎，已经在多个领域取得了令人瞩目的成果。然而，满足大规模训练任务对网络的规模、性能、可靠性和稳定性提出了挑战。报告提出了针对差异网络的关键技术，包括大规模组网、超高带宽、超高稳定性、超低时延和网络自动化等方面的技术需求和解决方案。最后，文档总结了AI业务发展的历程，并展望了未来面向AI大模型的智能计算中心网络的发展趋势。

8. 中国移动研究院，《2023我国人工智能大模型发展动态》^[31]：该报告总结了我国人工智能大模型的发展动态。根据统计数据，目前国内有19家企业和科研院所参与人工智能大模型的研发和应用，主要分为大型科技公司、科研院校和初创科技团队。大型科技公司在算力、平台、模型和应用等方面进行了全面布局，而科研院所和初创科技公司主要专注于算法研发和细分领域应用。大型科技公司的参数量远大于科研院所，但与GPT-3的水平相当，与GPT-4还存在差距。报告还对百度、阿里、华为、腾讯等企业的大模型发展情况进行了分析，指出它们在大模型领域的探索路径各具特色。总体而言，业界认为百度、阿里巴巴、腾讯和华为是国内最具实力的四家企业，在研发投入、技术能力和人才团队方面具备强大实力，更容易形成大模型应用规模效应。

9. 腾讯研究院，《人机共生-大模型时代的AI十大趋势观察（2023）》^[28]：报告重点预测了未来十年人工智能在自然语言处理、计算机视觉、语音识别、智能机器人等多个领域的发展前景。报告提出人工智能正从过去的窄领域应用向通用人工智能转变，强调了通用人工智能在助力人类认知、决策等方面的重要性。报告还讨论了人工智能在医疗、制造、交通等行业的广泛应用场景，以及人工智能伦理规范建设的必要性。总体来看，报告对人工智能发展前景表示乐观，认为人工智能将深刻影响人类社会，同时也强调我们需要关注人工智能的风险和挑战。

10. 浙江大学国际设计研究院，《大模型时代：智能设计的机遇与挑战》^[21]：报告指出设计师需要学习大量抽象的设计知识，并不断在实践中转化为设计能力，进而运用在设计任务中。大模型将抽象的知识以文本、图像、视频等形象化方式呈现，支持设计师在设计任务中快速使用。

3、总结

总体来看，段玉聪教授在大模型测评领域有系统和全面的研究。他提出了DIKWP白盒测评标准，强调模型应具备解释性和可控性。并将该标准应用于多个行业，要求测评考虑不同任务的个性化需求。段教授的工作奠定了解释可靠AI的理论基础，对推进AI发展具有重要价值。

参考文献

[1]清华大学一篇（《大语言模型综合性能评估报告》），https://cdn.eetrend.com/files/2023-08/%E5%8D%9A%E5%AE%A2/100573372-312850-da_yu_yan_mo_xing_zong_he_xing_neng_ping_gu_bao_gao_8.7pdf.pdf

[2]浙江大学一篇（《大模型时代：智能设计的机遇与挑战》），

http://www.idi.zju.edu.cn/wp-content/uploads/2023/05/The-Era-of-Large-Models-Opportunities-and-Challenges-of-Design.pdf

[3]华东政法大学一篇（《人工智能通用大模型（ChatGPT）的进展、风险与应对》）。

http://fxcxw.org.cn/dyna/content.php?id=25211

[4]海南大学段玉聪，《通用人工智能的智慧：DIKWP的GPT-4实验》，https://blog.sciencenet.cn/blog-3429562-1383816.html

[5]海南大学段玉聪，《基于DIKWP的AGI/GPT（文心一言）测评》，https://blog.sciencenet.cn/blog-3429562-1383817.html

[6]海南大学段玉聪，《基于DIKWP的AGI/GPT（通义千问）测评》，https://blog.sciencenet.cn/blog-3429562-1383819.html

[7]海南大学段玉聪，《通用人工智能模型在DIKWP上的性能比较》，https://blog.sciencenet.cn/blog-3429562-1383820.html

[8]海南大学段玉聪，《基于DIKWP的通用人工智能GPT-4实验评价》，https://blog.sciencenet.cn/blog-3429562-1383943.html

[9]海南大学段玉聪，《GPT-4在DIKWP中的推理能力》，https://blog.sciencenet.cn/blog-3429562-1383945.html

[10]海南大学段玉聪，《Anthropic's Claude测评》，https://blog.sciencenet.cn/blog-3429562-1384466.html

[11]海南大学段玉聪，《基于 DIKWP 的人工通用智能模型的伦理表现》，https://blog.sciencenet.cn/blog-3429562-1384543.html

[12]海南大学段玉聪，《CPT-4的医疗/医药领域DIKWP能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1384868.html

[13]海南大学段玉聪，《ChatGPT, GPT-4 , 通义千问的安全领域DIKWP能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1384874.html

[14]海南大学段玉聪，《GPT-4 与通义千问的金融领域DIKWP能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1384903.html

[15]海南大学段玉聪，《CPT-4的教育领域DIKWP能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1384939.html

[16]海南大学段玉聪，《GPT-4 与Claude的DIKWP+TIF综合能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1385023.html

[17]海南大学段玉聪，《基于DIKWP的AGI/GPT（Open Assistant）测评》，https://blog.sciencenet.cn/blog-3429562-1385511.html

[18]海南大学段玉聪，《民事裁判文书解析指令集》，https://blog.sciencenet.cn/blog-3429562-1385863.html

[19]海南大学段玉聪，《CPT-4的游戏领域DIKWP能力评测报告》，https://blog.sciencenet.cn/blog-3429562-1385969.html

[20]海南大学段玉聪，《什么是人工智能(AI)？基于DIKWP的GPT-4回答》，https://blog.sciencenet.cn/blog-3429562-1388080.html

[21]海南大学段玉聪，《从数据到智慧：意图驱动的AGI-AIGC-GPT大模型的认知测评——以农业GPT为例》，https://blog.sciencenet.cn/blog-3429562-1391600.html

[22]海南大学段玉聪，《DIKWP 人工意识白盒测评标准：可解释、可控 AI 的构建》，https://blog.sciencenet.cn/blog-3429562-1402031.html

[23]海南大学段玉聪，《DIKWP人工意识白盒测评标准的独特性和优势》，https://blog.sciencenet.cn/blog-3429562-1402241.html

[24]海南大学段玉聪，《DIKWP人工意识测评技术核心要点》，https://blog.sciencenet.cn/blog-3429562-1403205.html

[25]中国电子技术标准化研究院,《知识图谱与大模型融合实践研究报告》,https://www.digitalelite.cn/h-nd-7392.html

[26]新华社研究院,《2023人工智能大模型体验报告》，https://cdn.eetrend.com/files/2023-08/%E5%8D%9A%E5%AE%A2/100573640-314034-ren_gong_zhi_neng_da_mo_xing_ti_yan_bao_gao_2.0.pdf

[27]中国工业互联网研究院,《人工智能行业：通用人工智能大模型工业领域知识问答性能评估》，https://china-aii.com/newsinfo/6080469.html?templateId=1562271

[28]腾讯研究院,《人机共生-大模型时代的AI十大趋势观察（2023）》,https://research.tencent.com/report?id=62A0

[29]浙江大学国际设计研究院,《大模型时代：智能设计的机遇与挑战》，http://www.idi.zju.edu.cn/wp-content/uploads/2023/05/The-Era-of-Large-Models-Opportunities-and-Challenges-of-Design.pdf

[30]中国移动研究院,《面向AI大模型的智算中心网络演进白皮书》，http://www.ecconsortium.org/Uploads/file/20230517/1684313521798632.pdf

[31]中国移动研究院,《2023我国人工智能大模型发展动态》，https://download.s21i.faiusr.com/13115299/0/1/ABUIABA9GAAgkZyrowYoor3QygQ.pdf?f=%E4%B8%AD%E5%9B%BD%E7%A7%BB%E5%8A%A8%E7%A0%94%E7%A9%B6%E9%99%A2%EF%BC%9A%E6%88%91%E5%9B%BD%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%8F%91%E5%B1%95%E5%8A%A8%E6%80%81.pdf&v=1684721169

[32]国海证券，《国产大模型的使命与担当软件开发刘熹》,https://pdf.dfcfw.com/pdf/H3_AP202308181595076318_1.pdf?1692388796000.pdf

[33]华泰证券，《教育大模型启航，细分领域性能较优》,https://wk.askci.com/details/f8533d5ce3a44cc2aef551fec5289145/

[34]天风证券 ，《计算机行业专题研究：“安卓版”大模型助推，算力和应用的黄金时代》，https://www.hangyan.co/reports/3168962697727313305

[35]华金证券，《54页AI大模型落户矿山，智能化形成商业闭环》，https://zhuanlan.zhihu.com/p/649352935

[36]长江证券，《大模型如何引领具身智能新发展？》，https://pdf.dfcfw.com/pdf/H3_AP202308111594004605_1.pdf?1691742583000.pdf

[37]银河证券，《国内大模型竞争激烈，海外AI巨头财报密集发布》，https://pdf.dfcfw.com/pdf/H3_AP202308111594138816_1.pdf?1691753944000.pdf

[38]长江证券，《如何看待大模型范式变革、开源与闭源之争？》，https://baijiahao.baidu.com/s?id=1773756236823082684

[39]零壹智库，《八家互联网大厂大模型，从通用模型到应用落地》，https://www.docin.com/p-4490073915.html

[40]源达信息，《AI大模型开展算力竞赛，打开AI芯片、光模块和光芯片需求缺口》，https://pdf.dfcfw.com/pdf/H3_AP202308031593184983_1.pdf?1691083151000.pdf

[41]源达信息，《大模型推动各行业AI应用渗透》，https://pdf.dfcfw.com/pdf/H3_AP202308021593154647_1.pdf?1690999518000.pdf

[42]计算机行业深度研究，《LLaMA等开源模型凸显先进算法及行业数据的重要性》，https://pdf.dfcfw.com/pdf/H3_AP202304171585498509_1.pdf?1681752176000.pdf

[43]华西证券，《“AI+应用”系列（二）：AI+金融，大模型引爆金融科技革命》，https://pdf.dfcfw.com/pdf/H3_AP202307291592904632_1.pdf?1690652988000.pdf

[44]开源证券，《理想智能驾驶进展，自动驾驶进入大模型时代》，https://pdf.dfcfw.com/pdf/H3_AP202307241592561748_1.pdf?1690191471000.pdf

[45]中信建投，《华为盘古大模型能源领域首次商用， Threads每日访问量超千万》，https://new.qq.com/rain/a/20230707A0ACV600

[46]华西证券，《大模型的“安卓时刻”已经到来-华西证券》，https://pdf.dfcfw.com/pdf/H3_AP202307231592560034_1.pdf?1690193480000.pdf

[47]TE智库，《2023中国通用大模型内容生成及安全性能力评测》，https://www.doc88.com/p-43047625328041.html

[48]国泰君安，《自动驾驶行业专题研究报告：AI大模型助力自动驾驶技术迭代升级》，https://pdf.dfcfw.com/pdf/H3_AP202307201592492237_1.pdf?1689871633000.pdf

[49]国信证券，《紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命- 》https://pdf.dfcfw.com/pdf/H3_AP202307171592331628_1.pdf?1689614068000.pdf

[50]申港证券，《中科创达-AI大模型链接智能终端，三大业务齐增长》，https://zhuanlan.zhihu.com/p/644365915

[51]易观智慧院，《大模型对企业数智化升级与业务经营的影响与应对》，https://www.modb.pro/doc/114377

[52]国金证券，《数据要素专题：大模型与数据共振，数据要素市场方兴未艾》，https://pdf.dfcfw.com/pdf/H3_AP202307171592328706_1.pdf?1689618512000.pdf

[53]民生证券，《48页千方科技深度：大模型+交通数据要素+自动驾驶新基建的低估龙头》，https://www.vzkoo.com/read/202307174a38646b5bf14e4b33015079.html

[54]国泰君安，《117页人工智能行业：AI大模型赋能千行百业》，https://hub.baai.ac.cn/view/28834

[55]东方证券，《他山之石系列报告（二）：大模型应用开发框架LangChain梳理》，https://www.hangyan.co/reports/3148789831962724283

[56]大数据协同安全技术国家工程研究中心，《大语言模型提示注入攻击安全风险分析报告》，http://www.nelab-bdst.org.cn/data/upload/ueditor/20230706/64a62b21f0a26.pdf

[57]财信证券，《传媒行业月度点评：技术迭代、大模型持续升级，关注细分优质个股》,https://pdf.dfcfw.com/pdf/H3_AP202306201591087407_1.pdf?1687277928000.pdf

[58]信达证券，《传媒互联网行业及海外周观点：国内外大模型催化算力需求，重视AI+轻度游戏、AI+IP等应用落地机遇》,https://pdf.dfcfw.com/pdf/H3_AP202306201591082206_1.pdf?1687253920000.pdf

[59]信达证券，《传媒互联网行业及海外周观点：国内外大模型催化算力需求，重视AI+轻度游戏、AI+IP等应用落地机遇》,https://pdf.dfcfw.com/pdf/H3_AP202306201591082206_1.pdf?1687253920000.pdf

[60]国金证券，《传媒互联网行业：OpenAI API降价，腾讯大模型即将发布》,https://pdf.dfcfw.com/pdf/H3_AP202306191591061172_1.pdf?1687189909000.pdf

[61]华安证券，《互联网传媒行业周报：OpenAI增效降价，国产大模型接连发布，北上深密集发布人工智能支持政策》,https://pdf.dfcfw.com/pdf/H3_AP202306181591056270_1.pdf?1687171906000.pdf

[62]东吴证券，《汽车行业深度报告：AI+汽车智能化系列之一【大模型+政策+功能】三重共振开启L3智能化大行情！》,https://pdf.dfcfw.com/pdf/H3_AP202306181591055153_1.pdf?1687097808000.pdf

[63]中航证券，《先进制造行业：大模型催化AI普遍应用，边缘计算打通行业场景落地瓶颈》,https://pdf.dfcfw.com/pdf/H301_AP202306181591055245_1.pdf

[64]民生证券，《计算机行业周报：腾讯大模型产业链全梳理》,https://pdf.dfcfw.com/pdf/H3_AP202306181591055761_1.pdf?1687109179000.pdf

[65]华鑫证券，《计算机行业周报：大模型应用逐渐落地，产业生态持续完善》,https://pdf.dfcfw.com/pdf/H3_AP202306131590903198_1.pdf?1686669993000.pdf

[66]华泰证券，《AI大模型如何加速无人驾驶发展》,https://www.fxbaogao.com/detail/3752819

[67]之江实验室，《人工智能行业：生成式大模型安全与隐私白皮书》,https://download.s21i.faiusr.com/13115299/0/1/ABUIABA9GAAg3M6mpAYonqjXGg.pdf?f=2023%E7%94%9F%E6%88%90%E5%BC%8F%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%AE%89%E5%85%A8%E4%B8%8E%E9%9A%90%E7%A7%81%E7%99%BD%E7%9A%AE%E4%B9%A6.pdf&v=1686742876

[68]张雁飞，《大模型时代的Cloud+Warehouse设计探索》,https://max.book118.com/html/2023/0817/6155241035005214.shtm

[69]孙斌，《爱奇艺大数据大规模应用实践：大模型时代》,https://blog.51cto.com/u_15730109/6407454

[70]广发证券,《计算机行业：多模态大模型方向确定，从通用到垂直场景智能化升级的统一和差异》,https://wkpdf.askci.com/23-06-12/20236128431957.pdf

[71]中信证券，《科大讯飞深度跟踪报告：大模型国家队，AI应用场景未来可期》,https://bigdata-s3.wmcloud.com/researchreport/2023-06/6b6ce142ef826b6ebb84e293599177fc.pdf

[72]国信证券，《人工智能行业专题报告（2）：大模型突破技术奇点，海外应用百花齐放》,https://pdf.dfcfw.com/pdf/H3_AP202306121590850016_1.pdf?1686566826000.pdf