——综述篇——

第1章：保险业大模型行业综述及数据来源说明

1.1 大模型产业界定

1.1.1 大模型定义

1.1.2 大模型的特征

1.1.3 大模型核心优势

1.1.4 大模型所处行业

1.2 保险业大模型行业界定

1.2.1 保险业大模型的界定

1、定义

2、特征

1.2.2 保险业大模型相关专业术语

1.2.3 保险业大模型行业监管

1.3 保险业大模型产业画像

1.3.1 保险业大模型产业链结构梳理

1.3.2 保险业大模型产业链生态全景图谱

1.3.3 保险业大模型产业链区域热力图

1.4 本报告数据来源及统计标准说明

1.4.1 本报告研究范围界定

1.4.2 本报告权威数据来源

1.4.3 研究方法及统计标准

——现状篇——

第2章：全球保险业大模型产业发展现状及趋势

2.1 全球大模型产业发展现状

2.1.1 全球大模型产业发展历程

2.1.2 全球大模型产业发展概况

2.1.3 全球大模型产业主流产品

2.1.4 全球大模型产业市场规模体量

2.2 全球保险业大模型发展历程

2.3 全球保险业大模型技术路线

2.4.2 预训练保险业垂类大模型

2.4.3 基于通用大模型做保险业数据微调

2.4 全球保险业大模型应用现状

2.4.1 全球保险业大模型应用概况

2.4.2 全球保险机构大模型应用进展

1、苏黎世保险

2、Chubb

3、Liberty Mutual

2.5 国外保险业大模型产业发展经验借鉴

2.6 全球保险业大模型产业发展趋势洞悉

第3章：中国保险业大模型产业发展现状及痛点

3.1 中国大模型发展现状及趋势分析

3.1.1 中国大模型发展历程

3.1.2 中国已发布大模型数量变化

3.1.3 中国大模型参数规模变化

3.1.4 中国大模型商业模式分析

3.1.5 中国大模型发展趋势洞悉

3.2 中国大模型落地保险业可行性分析

3.3 中国保险业大模型技术选型

3.3.1 开源大模型应用

3.3.2 产学研联合创新大模型研制

3.3.3 商用大模型采购

3.3.4 保险机构技术选型考虑因素

3.4 中国保险业大模型布局路径

3.5 中国保险业大模型招投标情况

3.5.1 保险业大模型招投标统计

3.5.2 保险业大模型招投标分析

3.6 中国保险业大模型竞争要素及竞争格局

3.6.1 保险业大模型竞争要素

3.6.2 保险业大模型竞争格局

3.6.3 主要保险业大模型厂商竞争力评价

3.7 中国保险业大模型市场规模体量

3.8 中国保险业大模型发展痛点

第4章：中国保险业大模型技术架构及能力构建

4.1 完整大模型开发步骤

4.2 大模型基础架构及工程化

4.2.1 大模型基础架构

1、Transformer架构

2、大规模语言模型：BERT和GPT

3、卷积神经网络CNN

4、循环神经网络RNN

5、前馈神经网络MLP

4.2.2 大模型工程化

1、数据工程（数据处理和回流）

2、模型调优（模型训练与微调）

3、模型交付（模型压缩与测试）

4、服务运营（服务部署与托管）

5、平台支撑能力

4.3 基础大模型底座

4.3.1 NLP大模型

4.3.2 CV大模型

4.3.3 多模态大模型

4.3.4 科学大模型

4.4 大模型标准化

4.4.1 大模型标准体系发展

1、大模型标准体系1.0

2、可信AI大模型标准体系2.0

4.4.2 行业大模型标准体系

4.5 保险业大模型构建路线图

4.5.1 行业需求分析与资源评估

1、业务需求评估

2、算力层评估

3、算法层评估

4、数据层评估

5、工程层评估

4.5.2 行业数据与大模型共建

1、明确场景目标

2、模型选择

3、训练环境搭建

4、数据处理

5、模型训练共建

4.5.3 行业大模型精调与优化部署

1、模型精调

2、模型评估

3、模型重训优化

4、模型联调部署

5、模型应用运营

4.6 保险业大模型开放平台架构及训练方法

4.6.1 保险业大模型开放平台架构

1、底层-模型即服务

2、中间层-应用框架层

3、上层-应用场景层

4.6.2 保险业大模型训练方法

1、从预训练开始定制模型

2、参数微调

3、上下文学习

4.7 保险业大模型基础能力构建概述

4.8 保险业大模型基础能力构建之“算力”

4.8.1 大模型的算力需求分析

4.8.2 AI芯片

1、AI芯片概述

2、AI芯片发展现状

3、AI芯片供应商格局

4、主要AI芯片类型

（1）CPU

（2）GPU

（3）DPU

（4）TPU

（5）FPGA

（6）ASIC

4.8.3 AI服务器

1、AI服务器概述

2、AI服务器发展现状

3、AI服务器供应商格局

4.8.4 保险业大模型算力部署路径

1、自建算力

2、算力混合部署

4.9 保险业大模型基础能力构建之“数据”

4.9.1 数据处理与服务概述

4.9.2 国内外主要大预言模型数据集

4.9.3 数据API

4.9.4 训练数据开发

4.9.5 推理数据开发

4.9.6 数据维护

4.9.7 保险业大模型对数据的需求分析

4.10 保险业大模型基础能力构建之“AI基础软件”

4.10.1 AI基础软件概述

4.10.2 AI基础软件市场概况

4.10.3 AI基础软件竞争格局

4.10.4 AI基础软件主要类型

1、机器学习框架和库

2、模型训练和部署平台

（1）模型训练平台

（2）模型部署平台

（3）模型推理平台

3、数据处理和分析工具

4、优化和自动化工具

4.11 保险业大模型评测体系

第5章：中国保险业大模型应用场景分析

5.1 保险业大模型行业应用场景分布

5.2 保险业大模型应用场景：投研

5.2.1 投研概述

5.2.2 投研领域大模型应用优势分析

5.2.3 投研领域大模型应用案例分析

5.3 保险业大模型应用场景：产品设计及定价

5.3.1 产品设计及定价概述

5.3.2 产品设计及定价领域大模型应用优势分析

5.3.3 产品设计及定价领域大模型应用案例分析

5.4 保险业大模型应用场景：保险营销

5.4.1 保险营销概述

5.4.2 保险营销领域大模型应用优势分析

5.4.3 保险营销领域大模型应用案例分析

5.5 保险业大模型应用场景：承保

5.5.1 承保概述

5.5.2 承保领域大模型应用优势分析

5.5.3 承保领域大模型应用案例分析

5.6 保险业大模型应用场景：理赔

5.6.1 理赔概述

5.6.2 理赔领域大模型应用优势分析

5.6.3 理赔领域大模型应用案例分析

5.7 保险业大模型应用场景：其他

5.7.1 办公

5.7.2 法务

5.7.3 风控

5.8 保险业大模型应用场景战略地位分析

第6章：中国保险业大模型应用实践分析

6.1 中国保险业大模型应用实践汇总

6.2 保险业大模型应用案例分析

6.2.1 中国太保大模型应用布局

1、大模型研发投入

2、大模型落地实践

3、大模型最新布局动态

6.2.2 阳光保险大模型应用布局

1、大模型研发投入

2、大模型落地实践

3、大模型最新布局动态

6.2.3 泰康保险大模型应用布局

1、大模型研发投入

2、大模型落地实践

3、大模型最新布局动态

6.2.4 众安保险大模型应用布局

1、大模型研发投入

2、大模型落地实践

3、大模型最新布局动态

6.2.5 平安保险大模型应用布局

1、大模型研发投入

2、大模型落地实践

3、大模型最新布局动态

6.3 保险业大模型应用难点及应对

6.3.1 数据收集与处理

6.3.2 大模型幻觉问题

6.3.3 灾难性遗忘问题

第7章：全球及中国保险业大模型企业案例解析

7.1 全球及中国保险业大模型企业梳理与对比

7.2 全球保险业大模型产业企业案例分析（不分先后，可指定）

7.2.1 Paladin Group-UnderwriteGPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.2.2 Simplifai-Insurance GPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3 中国保险业大模型产业企业案例分析（不分先后，可指定）

7.3.1 蚂蚁集团-AntFinGLM

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.2 云知声-山海大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.3 必有科技-保险大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.4 度小满-轩辕大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.5 华为-盘古金融大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.6 腾讯云-金融行业大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.7 科大讯飞-星火金融大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.8 拓尔思-拓天大模型

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.9 星环科技-星环无涯

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

7.3.10 青松保-InsureGPT

1、基本信息

2、模型特点

3、技术架构

4、模型功能

5、应用场景

6、下游客户

7、最新进展

——展望篇——

第8章：中国保险业大模型产业政策环境洞察&发展潜力

8.1 保险业大模型产业政策环境洞悉

8.1.1 国家层面保险业大模型产业政策汇总

8.1.2 国家层面保险业大模型产业发展规划

8.1.3 国家重点政策/规划对保险业大模型产业的影响

8.2 保险业大模型产业PEST分析图

8.3 保险业大模型产业SWOT分析

8.4 保险业大模型产业发展潜力评估

8.5 保险业大模型产业未来关键增长点

8.6 保险业大模型产业发展前景预测（未来5年预测）

8.7 保险业大模型产业发展趋势洞悉

8.7.1 整体发展趋势

8.7.2 监管规范趋势

8.7.3 技术创新趋势

8.7.4 细分市场趋势

8.7.5 市场竞争趋势

第9章：中国保险业大模型产业投资战略规划策略及建议

9.1 保险业大模型产业投资风险预警

9.1.1 风险预警

9.1.2 风险应对

9.2 保险业大模型产业投资机会分析

9.2.1 保险业大模型产业链薄弱环节投资机会

9.2.2 保险业大模型产业细分领域投资机会

9.2.3 保险业大模型产业区域市场投资机会

9.2.4 保险业大模型产业空白点投资机会

9.3 保险业大模型产业投资价值评估

9.4 保险业大模型产业投资策略建议

9.5 保险业大模型产业可持续发展建议

图表目录

图表1：大模型的特征

图表2：本报告研究领域所处行业

图表3：保险业大模型的定义

图表4：保险业大模型的特征

图表5：保险业大模型专业术语

图表6：保险业大模型行业监管

图表7：保险业大模型产业链结构梳理

图表8：保险业大模型产业链生态全景图谱

图表9：保险业大模型产业链区域热力图

图表10：本报告研究范围界定

图表11：本报告权威数据来源

图表12：本报告研究方法及统计标准

图表13：全球大模型产业发展历程

图表14：全球大模型产业发展概况

图表15：全球大模型产业主流产品

图表16：全球大模型产业市场规模体量

图表17：全球保险业大模型发展历程

图表18：预训练保险业垂类大模型

图表19：基于通用大模型做保险业数据微调

图表20：全球保险业大模型应用概况

图表21：全球保险业机构大模型应用进展

图表22：国外保险业大模型产业发展经验借鉴

图表23：全球保险业大模型产业发展趋势洞悉

图表24：中国大模型发展历程

图表25：中国已发布大模型数量变化

图表26：中国大模型参数规模变化

图表27：中国大模型商业模式分析

图表28：中国大模型发展趋势洞悉

图表29：中国大模型落地保险业可行性分析

图表30：中国保险业大模型行业招投标分析

图表31：中国保险业大模型市场竞争格局

图表32：中国主要保险业大模型厂商竞争力评价

图表33：中国保险业大模型市场规模体量

图表34：中国保险业大模型发展痛点

图表35：大模型技术路线及算法架构

图表36：大模型工程化

图表37：数据工程（数据处理和回流）

图表38：模型调优（模型训练与微调）

图表39：模型交付（模型压缩与测试）

图表40：服务运营（服务部署与托管）

图表41：平台支撑能力

图表42：NLP大模型

图表43：CV大模型

图表44：多模态大模型

图表45：科学大模型

图表46：保险业大模型构建路线图

图表47：保险业大模型开放平台架构及训练方法

图表48：保险业大模型基础能力构建

图表49：保险业大模型基础能力构建之“算力”

图表50：大模型的算力需求分析

图表51：AI芯片市场分析

图表52：AI服务器市场分析

图表53：大模型基础能力构建之“数据”

图表54：数据处理与服务概述

图表55：国内外主要大预言模型数据集

图表56：大模型基础能力构建之“AI基础软件”

图表57：AI基础软件产业链

图表58：AI基础软件市场概况

图表59：AI基础软件竞争格局

图表60：大模型开发平台

图表61：保险业大模型行业应用场景分布

图表62：保险行业投研业务概述

图表63：投研领域大模型应用优势分析

图表64：投研领域大模型应用案例分析

图表65：保险行业产品设计及定价业务概述

图表66：产品设计及定价领域大模型应用优势分析

图表67：产品设计及定价领域大模型应用案例分析

图表68：保险行业保险营销业务概述

图表69：保险营销领域大模型应用优势分析

图表70：保险营销领域大模型应用案例分析

图表71：保险行业承保业务概述

图表72：承保领域大模型应用优势分析

图表73：承保领域大模型应用案例分析

图表74：保险行业理赔业务概述

图表75：理赔领域大模型应用优势分析

图表76：理赔领域大模型应用案例分析

图表77：保险业大模型应用场景战略地位分析

图表78：中国保险业大模型应用实践汇总

图表79：中国太保大模型应用布局

图表80：阳光保险大模型应用布局

图表81：泰康保险大模型应用布局

图表82：众安保险大模型应用布局

图表83：平安保险大模型应用布局

图表84：全球及中国保险业大模型企业案例解析

图表85：全球及中国保险业大模型企业梳理与对比

图表86：全球保险业大模型产业企业案例分析说明

图表87：Paladin Group-UnderwriteGPT大模型基本信息

图表88：Paladin Group-UnderwriteGPT大模型特点

图表89：Paladin Group-UnderwriteGPT大模型技术架构

图表90：Paladin Group-UnderwriteGPT大模型应用场景

图表91：Paladin Group-UnderwriteGPT下游客户

图表92：Paladin Group-UnderwriteGPT大模型最新进展

图表93：Simplifai-Insurance GPT基本信息

图表94：Simplifai-Insurance GPT模型特点

图表95：Simplifai-Insurance GPT技术架构

图表96：Simplifai-Insurance GPT应用场景

图表97：Simplifai-Insurance GPT特点

图表98：Simplifai-Insurance GPT最新进展

图表99：中国保险业大模型产业企业案例分析说明

图表100：蚂蚁集团-AntFinGLM基本信息

图表101：蚂蚁集团-AntFinGLM模型特点

图表102：蚂蚁集团-AntFinGLM技术架构

图表103：蚂蚁集团-AntFinGLM应用场景

图表104：蚂蚁集团-AntFinGLM特点

图表105：蚂蚁集团-AntFinGLM最新进展

图表106：云知声-山海大模型基本信息

图表107：云知声-山海大模型特点

图表108：云知声-山海大模型技术架构

图表109：云知声-山海大模型应用场景

图表110：云知声-山海下游客户

图表111：云知声-山海大模型最新进展

图表112：必有科技-保险大模型基本信息

图表113：必有科技-保险大模型特点

图表114：必有科技-保险大模型技术架构

图表115：必有科技-保险大模型应用场景

图表116：必有科技-保险下游客户

图表117：必有科技-保险大模型最新进展

图表118：度小满-轩辕大模型基本信息

图表119：度小满-轩辕大模型特点

图表120：度小满-轩辕大模型技术架构