中國AI開發(fā)者應用生態(tài)調研報告-易觀

2024年10月CSDnConfidentialandProtectedbyCopyrigh人工智能的發(fā)展已步入生成式AI時代，其標志是大語言模型的“涌現(xiàn)”能力。這些模型能夠自主地學習和應用新知識，表現(xiàn)出了類似人類的創(chuàng)造力和推理能力。這種進步為達到人工通用智能（AGI）奠定了基礎，使大語言模型成為科技和研究機構長期關注的重點。在未來相當長的一段時間內，大語言模型的研究和應用，將成為人工智能領域的主導力量。它不僅將推動人工智能技術的進步，還將深刻影響我們的社會生活，改變我們的工作方式，甚至可能改變我們對智能和生命的理解。AGI2.0 AGI0.1在當今的商業(yè)環(huán)境中，企業(yè)經營的持續(xù)發(fā)展與創(chuàng)新是核心命題之一。隨著人工智能技術的迅猛發(fā)展，特別是大語言模型（LLM）的興起，對于AI在商業(yè)領域的價值探索和實踐應用帶來了前所未有的變化，成為本次研究的重要焦點。以業(yè)務驅動的方式擁抱AI：人工智能從未如ChatGPT這般普及，超過1億用戶主動體驗的背后，是業(yè)務發(fā)展需求驅動AI應用場景探索與實踐的重大轉變降低AI開發(fā)門檻：傳統(tǒng)的AI開發(fā)模式需要針對不同的任務和場景進行定制化開發(fā)，大模型顯著降低開發(fā)復雜度，提升部署與應用的便捷度增強用戶體驗，碾平企業(yè)數(shù)智化洼地：大模型對于人機交互方式的變革顯著增強客戶/用戶體驗與員工體驗，有利于中后臺賦能升級，以及員工原生數(shù)智動能發(fā)展激發(fā)科技與創(chuàng)新活力3AI開發(fā)者研究對于推動AI產業(yè)的健康發(fā)展和促進技術創(chuàng)新具有重要意義。AI開發(fā)者是技術發(fā)展的核心驅動力，他們的工作直接影響AI技術的發(fā)展方向和速度。通過深入研究開發(fā)者，可以洞察最新的技術趨勢和創(chuàng)新點，從而把握產業(yè)的發(fā)展動態(tài)。同時，了解開發(fā)者的背景、成長路徑以及發(fā)展方向等，有助于培養(yǎng)更多的AI人才，并充分協(xié)同產業(yè)生態(tài)的各方力量積極賦能AI產業(yè)發(fā)展。最后，AI開發(fā)者對市場需求的感知和響應能力直接影響AI產品的創(chuàng)新和市場化。進行AI開發(fā)者研究可以幫助企業(yè)和投資者更好地理解市場需求，推動產品創(chuàng)新。相應地，本次中國AI應用生態(tài)研究，將聚焦AI應用開發(fā)者，圍繞他們對于AI發(fā)展方向、當前AI應用開發(fā)進展以及未來AI產品路徑與規(guī)劃，以及面臨的挑戰(zhàn)以及潛在需求等進行充分調研，從而從開發(fā)者這個切面展示中國AI應用生態(tài)發(fā)展全貌。本次AI開發(fā)者調研，由易觀分析聯(lián)合CSDN、中歐國際工商學院AI與管理創(chuàng)新研究中心聯(lián)合展開，通過大樣本問卷調研，以及部分AI產業(yè)鏈關鍵角色深度訪談，并結合易觀分析對于AI產業(yè)的跟蹤研究積累，形成本次中國AI應用生態(tài)分析。激發(fā)科技與創(chuàng)新活力4劉怡易觀聯(lián)合創(chuàng)始人方躍中歐國際工商學院教授、AI與管理創(chuàng)新研究中心主任李智易觀智慧院院長陳晨易觀分析研究合伙人錢文穎中歐國際工商學院AI與管理創(chuàng)新研究中心秘書長張路天津市中教開源創(chuàng)新研究院副院長郭晧天津市中教開源創(chuàng)新研究院理事胡建村中國移動信息技術中心科技管理孟迎霞CSDN副總裁尚晶中國移動信息技術中心集團首席專家劉志毅東方財富AI研究院首席科學家朱其罡上海開源信息技術協(xié)會秘書長董明德北京專精特新企業(yè)商會副會長兼秘書長華崇鑫贛州開源技術研究院理事長劉崢福州軟件園科技創(chuàng)新發(fā)展有限公司副總經理蘇江文福建省開源數(shù)字技術研究院理事馬恩骉易觀分析馬恩骉易觀分析蘇某帥上海開源信息技術協(xié)會周某翔稀土掘金開發(fā)者社區(qū)韓某強CSDN開發(fā)者社區(qū)激發(fā)科技與創(chuàng)新活力5用戶上手應用規(guī)模持續(xù)增長，留存與用戶粘性仍有待于培養(yǎng)用戶上手應用規(guī)模持續(xù)增長，留存與用戶粘性仍有待于培養(yǎng)①大模型廠商下場做應用，打造應用標桿?百度利用大模型能力把百度系所有應用重做一遍?Kimi、智譜清言等②垂直行業(yè)具備行業(yè)壁壘與Knowhow，垂直模型是應用的必要條件，相應地，開發(fā)者端到端形成模型-應用一體化典型案例：金融、醫(yī)療、教育等垂直領域關注熱情上漲，數(shù)字化程度高的行業(yè)與企業(yè)上手速度快，但距離預期仍有差距應用層是將AI模型與實際場景相結合的部分，涵蓋了醫(yī)療、金融、交通等多個行業(yè)，滲透了營銷、產品研發(fā)、辦公協(xié)同、數(shù)字娛樂等多個領域目前應用層主要包括如下兩大類型：①利用大模型能力進行產品化封裝，形成AI應用并推向市場②自建垂直模型甚至大模型的AI應用，即模型-應用一體化工具鏈層提供了從數(shù)據(jù)采集到模型訓練再到部署的一整套工具。這包括數(shù)據(jù)預處理工具、模型開發(fā)框架、自動化測試工具等。工具鏈的完善程度決定了AI項目的效率和質量。一方面，大模型廠商提供一系列工具和平臺，目的在于幫助AI開發(fā)者與行業(yè)客戶更快實現(xiàn)AI應用開發(fā)與上線，從而實現(xiàn)模型價值落地；另一方面，不少開發(fā)者聚焦大模型工具鏈，提供各種細分的產品和工具，這些工具鏈開發(fā)者正在成為AI應用生態(tài)的重要力量這一層曾經包含了各種AI模型，如深度學習模型、機器學習模型等，通過算法實現(xiàn)特定的智能任務，如圖像識別、自然語言處理等。目前對于模型層的聚焦，主要是關注大模型的技術升級與產業(yè)落地。從模型層對外輸出模型能力的方式上，主要包括如下幾種類型：?提供模型精調與私有化服務這是整個AI應用生態(tài)系統(tǒng)的基礎，為AI模型訓練和推理提供所需的計算資源。主要包括高性能計算（HPC）集群、云服務器、GPU/TPU等硬件設備以及相關的網絡連接，算力基礎設施層的性能直接影響AI應用的速度和準確性。激發(fā)科技與創(chuàng)新活力7生態(tài)和社區(qū)智能體（即AI原生應用）現(xiàn)有應用（生態(tài)和社區(qū)智能體（即AI原生應用）實驗室/研究院實驗室/研究院應用層應用層開源基金會開源基金會企業(yè)自建智能體開發(fā)者社區(qū)InfoQ培訓機構開發(fā)者社區(qū)InfoQ培訓機構智能體開發(fā)應用開發(fā)智能體/AppStoreModelscopeGPT千帆AppBuilderModelArts?ILangchain數(shù)據(jù)處理模型訓練與優(yōu)化（LLMOps）向量數(shù)據(jù)庫騰訊云VectorDBTensorDB模型社區(qū)基礎模型模型社區(qū)基礎模型文心大模型投資機構文心大模型投資機構模型層SEQUOIA爛日日新大模型混元大模型九天大模型智譜GLM模型層SEQUOIA爛日日新大模型混元大模型九天大模型數(shù)據(jù)集盤古大模型星辰大模型通義大模型星火大模型ABAB大模型盤古大模型星辰大模型通義大模型星火大模型悟道大模型紫東太初豆包大模型百川大模型Mindspore紫東太初豆包大模型百川大模型Mindspore基礎設施層公有云基礎設施層公有云代碼托管平臺GitHub私有云/IDCGitHubCGitcode注釋：圖譜中企業(yè)僅為示例，未窮舉，且排名不分先后，如有不當激發(fā)科技與創(chuàng)新活力8?海外AI應用，2B多于2C，這主要是源自于海外的企業(yè)軟件基礎設施與市場環(huán)境更完善，2BAI?原生AI應用跑得更快，無論是PMF還是商業(yè)化，跑得快的AI原生應用以自有模型，或者多模型調用為主?圍繞LLMOps工具鏈不斷完善，涌現(xiàn)出眾多中間層細分領域公司，致力于為企業(yè)客戶和用戶賦能，實現(xiàn)LLM和生成式人工智能應用落地?這表明海外市場在AI工具和平臺的建設上更為成熟，能夠支持更廣泛的AI應用開發(fā)?資源收縮到少數(shù)科技公司，模型層的集中度相對比較高Gemini等緊隨其后?英偉達在AI計算硬件方面處于領先地位，其產品和服務被廣泛應用于AI研究、開發(fā)和生產環(huán)境中，使其成為AI基礎設施層的首選供應商?中國AI應用，2CAI原生應用更為廣泛，這并不意味著中國消費者對于AI的需求和接受度更高，只是反映出中國2BSaaS生態(tài)發(fā)展面臨挑戰(zhàn)，導致AI創(chuàng)業(yè)企業(yè)尚未貿然涌現(xiàn)?現(xiàn)存公司/應用利用LLM實現(xiàn)能力增強，并依托其在用戶/客戶界面的占有和銷售能力，仍然具備較強的領先優(yōu)勢?開始出現(xiàn)一些工具鏈公司?仍然以大廠/平臺型公司提供端到端大模型訓練部署以及生成式人工智能應用開發(fā)解決方案為主，工具鏈生態(tài)有待于豐富和完善?資源分散，模型層企業(yè)人才密度不夠集中，缺少模型層領軍企業(yè)?從多而不強開始收縮?在中國市場，英偉達同樣占據(jù)了重要的地位。中國的許多AI初創(chuàng)公司和大型科技企業(yè)都依賴于英偉達的技術和產品?中國的AI硬件供應商需要不斷創(chuàng)新和提升自己的技術與產品能力激發(fā)科技與創(chuàng)新活力9激發(fā)科技與創(chuàng)新活力11AI大模型及上下游工具鏈企業(yè)，重點在于把握開發(fā)者需求，進行產品定位與打磨。AI應用企業(yè)，尤其是AI原生應用，則更加速產品面向市場與用戶。AI2C企業(yè)可能比AI2B企業(yè)更快進入市場，因為面向消費者的應用可能更容易快速迭代和測試，通過數(shù)據(jù)飛輪驗證產品價值與提升競爭壁壘。在后期階段，如產品銷量/使用量快速增長和開始商業(yè)化但尚未盈利，可以看到更多AI2B企業(yè)的參與。這可能是因為B2B應用通常需要更長的銷售周期和客戶獲取過程。整體而言，上述三類環(huán)節(jié)AI企業(yè)，普遍都處于產品發(fā)展的早期階段，距離產品穩(wěn)定發(fā)展，進入成熟期，即實現(xiàn)商業(yè)化與規(guī)?；匀恍枰袌龊陀脩舻尿炞C。這中間差距的縮小一方面來自于供應端，也就是AI應用開發(fā)者的場景探索與產品升級，也需要需求端，即企業(yè)客戶與用戶的使用與反饋，以及他們的付費意愿和投入等。現(xiàn)存應用具備用戶工作流以及市場分發(fā)和渠道優(yōu)勢，占據(jù)用戶界面，在這一波浪潮中，也并未放松和懈怠，普遍呈現(xiàn)出加速AI整合的態(tài)勢，主要包括如下類型：11在這個階段，企業(yè)開始探索AI技術的潛力，主要將其應用于內部流程優(yōu)化，提高工作效率。例如，使用AI進行數(shù)據(jù)分析和自動化任務，減少人工工作量，提升業(yè)務流程的效率。中手游、愛奇藝等；大部分科技企業(yè)，尤其是在軟件工程和應用開發(fā)方向上，同時，大量行業(yè)企業(yè)，即AI技術的買單方當前也看重這一價值，試水頗多。22隨著對AI技術的深入理解和應用，企業(yè)開始將AI能力集成到其現(xiàn)有的產品和服務中。這包括開發(fā)AI助理、構建企業(yè)知識庫等應用，以及探索如何通過AI能力的升級來提升產品的附加值，從而提高客單價。這個階段的關鍵是找到AI技術與現(xiàn)有業(yè)務的結合點，創(chuàng)造新的用戶價值。金山WPS、用友、金蝶、福昕軟件等等，即大量已經深度集成在用戶界面與工作流的應用企業(yè)，將AI能力作為提升自身產品體驗與功能的發(fā)展方向，部分企業(yè)開始嘗試針對其AI能力升級提升收費客單價。33在這個階段，AI技術已經成為企業(yè)產品和解決方案的核心。企業(yè)不僅將AI技術融入現(xiàn)有產品，而是開始推出全新的、以AI為主體的產品和服務，滿足市場的需求。這標志著AI技術從輔助角色轉變?yōu)轵寗悠髽I(yè)創(chuàng)新和增長的主要動力。字節(jié)跳動火山引擎、騰訊云等，將AI與MaaS服務作為業(yè)務增長的眾多重要方向之一。44在這個最終階段，AI技術，尤其是LLM，成為企業(yè)戰(zhàn)略發(fā)展的核心。企業(yè)將全面擁抱AI技術，不僅在產品和解決方案中廣泛應用AI，而且在組織結構、業(yè)務模式、市場策略等方面進行深度整合和轉型。LLM作為關鍵的技術抓手，推動企業(yè)在各個方面實現(xiàn)智能化升級，增強競爭力和市場影響力。百度、阿里云，以微軟與OpenAI的整合作為標桿，以AI應用未來的快速發(fā)展作為未來增長的核心驅動力，帶動對于AI基礎設施與能力的需求與市場增長。激發(fā)科技與創(chuàng)新活力12總的來說，這四個階段反映了現(xiàn)存應用從初步探索AI技術的潛力，到全面擁抱AI并實現(xiàn)戰(zhàn)略轉型的過程。隨著AI技術的不斷發(fā)展和成熟，企業(yè)將越來越多地依賴AI來驅動創(chuàng)新和增長，未來各個領域的競爭，也將由于AI能力的加入發(fā)生變化，盡管當前現(xiàn)存應用貌似具備領先優(yōu)勢，但是AI原生應用的顛覆式創(chuàng)新仍然有可能改變當前市場發(fā)展。當前AI原生應用大量涌入市場，但是，一方面存在用戶規(guī)?？焖僭鲩L，但是留存不理想的情況，另一方面，貌似仍然尚未跳開已有應用的產品形態(tài)，從AI能力增強對于應用形態(tài)可能的影響來看，至少可以從如下方面進行AI原生應用的探索與跟蹤：交互方式重構GUI多模態(tài)交互GPT-4o，通過語音直接進行交互服務重構通過信息鏈接促進交易達成以及商品/服務的供給直接提供服務Before：豬八戒網，提供的是做圖需求與提供之間的鏈接Now：可以通過AI做圖應用直接提供服務鏈接對象重構人-人人-軟件Before：社交解決的是人與人之間Now：社交除了解決人與人之間的鏈接，還可以是人與軟件（agent）之間的互動，同樣可以滿足部分用戶的情感需求產品迭代重構功能迭代模型迭代Before：用戶適應產品，接受產品功能與交互的變化Now：由于模型升級導致產品功能增強，產品適應用戶，用戶無感知激發(fā)科技與創(chuàng)新活力132024年上半年，LLM與多模態(tài)、生成式人工智能技術因其強大的功能和廣泛的應用前景,吸引了大量開發(fā)者的關注。進入到下半年，開發(fā)者對于基于大語言模型提升之后的應用落地給予了更多的關注，最明顯的變化就是對于智能體的關注比重上升顯著，目前位居首位，達到37.2%的比重，其次為生成式人工智能與多模態(tài)?？鐚W科技術的應用，特別是在與生物科技的結合方面，為研究和實踐帶來了新的視角和工具。這種融合利用了人工智能在數(shù)據(jù)分析、模式識別等方面的優(yōu)勢，為生物科學的研究提供了更深入的見解，并可能帶來創(chuàng)新的解決方案和突破性的發(fā)現(xiàn)。激發(fā)科技與創(chuàng)新活力14中國AI開發(fā)者在開發(fā)方向上，基礎設施建設與AI應用探索并重，或者說，中國AI開發(fā)者面臨著基礎設施建設與AI應用探索并重的雙重任務。這種并重的趨勢有助于促進AI技術的全面發(fā)展，同時為中國的AI產業(yè)帶來新的機遇和挑戰(zhàn)。開發(fā)者對于AI平臺和工具的重視程度高，盡管與2024年上半年相比有所下滑，但是仍然達到39.7%的比重，主要因為這些工具能夠極大地提高他們的工作效率，降低開發(fā)成本,使得他們能夠專注于創(chuàng)新和核心業(yè)務邏輯。AI平臺和工具的易用性、靈活性和可擴展性將成為未來AI應用開發(fā)、部署和運營的重要基礎。AI基礎設施以及基礎研究是AI技術發(fā)展的基石，它直接影響到AI應用的性能、成本和可擴展性。這表明AI技術已經從概念驗證階段進入到實際應用和規(guī)模化部署階段，而推動AI基礎研究與基礎設施的快速發(fā)展成為其中破局的關鍵點之一。AI應用開始多元化探索，表明AI開發(fā)者在追求技術進步的同時，也在積極探索如何將AI技術應用到不同行業(yè)和領域中。智能客服、搜索推薦、文本、圖像和音視頻等素材生成等，是當前開發(fā)者在應用探索層面比較重視的開發(fā)方向，這些方向不僅能夠提高用戶體驗，還能通過大數(shù)據(jù)和AI技術實現(xiàn)個性化服務。智能客服可以24/7無休地提供服務，提高效率；搜索推薦可以滿足用戶個性化的信息需求；而文本、圖像和音視頻素材生成，則能夠創(chuàng)造更多樣化的 內容，豐富用戶體驗。這些應用方向對于開發(fā)者來說，是實現(xiàn)創(chuàng)新和商業(yè)價值的關鍵。激發(fā)科技與創(chuàng)新活力15企業(yè)開發(fā)者在多個行業(yè)方向上都有涉獵，且娛樂、金融、商業(yè)交易等領域尤為集中。生成式人工智能在娛樂、音樂、視頻等方向的重要性體現(xiàn)在能夠生成多樣化內容，提升用戶體驗。例如，生成音樂、視頻和游戲內容，以及個性化推薦，滿足用戶日益增長的需求。這不僅提高了內容的豐富性，也推動了數(shù)字娛樂產業(yè)的創(chuàng)新和發(fā)展。在金融領域，生成式人工智能可以幫助企業(yè)進行風險預測、智能客服和投資策略優(yōu)化，提高金融服務效率和準確性。另外，包括電商以及跨境在內的商業(yè)交易方向，也將借助生成式人工智能在營銷素材生成、智能服務、數(shù)字人直播等方面的應用創(chuàng)新與顯著體現(xiàn)等，得到比較多開發(fā)者的青睞。整體而言，當前市場對AI技術的需求廣泛，且各行業(yè)都在積極擁抱人工智能技術創(chuàng)新來推動發(fā)展。相應地，企業(yè)開發(fā)者正在基于自身技術方向與資源，進入到相應地更加廣泛的行業(yè)方向與業(yè)務領域。在機器人和硬件方向的AI應用產品方面，開發(fā)者們正致力于將AI技術集成到實體設備中,以實現(xiàn)更加智能化的功能和交互體驗。如智能家居設備、可穿戴設備、服務機器人等，集成AI能力，與用戶可以更加友好地交互，提供便捷和舒適的生活體驗，以及在清潔、送餐等場景，提高服務效率和質量。在工業(yè)機器人方面，通過AI驅動實現(xiàn)復雜精密操作，提高生產效率和產品質量。與醫(yī)療設備相結合，提高醫(yī)療服務的準確性和激發(fā)科技與創(chuàng)新活力16AI應用始終是技術驅動的應用類型，更大比例開發(fā)者基于自身的技術專長選擇AI開發(fā)方向，這能夠充分發(fā)揮他們的專業(yè)優(yōu)勢，推動技術的深入研究和應用。例如，擅長數(shù)據(jù)挖掘和機器學習的開發(fā)者可能會選擇在智能客服、搜索推薦等領域進行深入研究，而擅長計算機視覺和自然語言處理的開發(fā)者可能會選擇在圖像和音視頻素材生成、虛擬陪伴類與交友等領域進行創(chuàng)新。這種基于技術專長的選擇有助于形成AI應用領域的多樣化和差異化，推動技術的全面發(fā)展。在產品方向上，相當比例的開發(fā)者具備專注性，仍然從事之前所專注的產品研發(fā)方向,而AI能力的加強，無論是智能交互、個性化推薦，還是數(shù)據(jù)分析和預測、智能輔助等，都成為應用體驗和場景價值驗證的重要催化劑，產品提供了更加豐富和多樣化的應用場景，使得產品能夠更好地滿足用戶的需求和期望。未來，所有開發(fā)者都應該充分認識到AI技術的重要性，并將其融入到產品設計和開發(fā)過程中，以提升產品的競爭力和市場價值。行業(yè)背景和資源對于開發(fā)者捕捉應用場景、獲取客戶/用戶至關重要。了解行業(yè)需求、趨勢和競爭態(tài)勢，以及獲取相關的技術、數(shù)據(jù)和人才資源，有助于開發(fā)者更好地定位產品、創(chuàng)新應用，并滿足用戶需求。這為開發(fā)者提供了堅實的基礎，使其能夠更有效地推廣和運營產品。激發(fā)科技與創(chuàng)新活力17在AI應用開發(fā)的初期階段，開發(fā)者可能會更傾向于利用市場上已經成熟的模型來快速開發(fā)和部署AI應用。這種做法可以大大縮短開發(fā)周期，降低開發(fā)成本，并迅速驗證產品概念和市場需求。同時，利用成熟的模型也可以讓開發(fā)者更好地專注于產品的設計、用戶體驗和業(yè)務邏輯，而不是花費大量時間和資源在模型訓練和優(yōu)化上。然而，隨著產品的迭代和市場的深入，開發(fā)者可能需要根據(jù)實際需求和業(yè)務目標，考慮是否開發(fā)專屬模型。專屬模型可以根據(jù)特定業(yè)務場景和數(shù)據(jù)特點進行定制，提高模型的準確性和性能，從而更好地滿足用戶需求和提升產品競爭力。此外，專屬模型還可以幫助開發(fā)者更好地控制模型訓練和部署的過程，確保數(shù)據(jù)安全和隱私保護，滿足行業(yè)監(jiān)管要求。總之，在AI應用開發(fā)的初期階段，利用成熟模型快速開發(fā)和部署是合理的選擇。但隨著產品的發(fā)展和市場的深入，開發(fā)者需要根據(jù)實際需求和業(yè)務目標，靈活考慮是否開發(fā)專屬模型，以實現(xiàn)更好的業(yè)務價值和用戶體驗。針對某些特定場景和應用，模型的定制化和私有化是重要選項。定制化模型可以根據(jù)特定業(yè)務場景和數(shù)據(jù)特點進行優(yōu)化，提高模型的準確性和性能。私有化模型可以更好地控制模型訓練和部署的過程，確保數(shù)據(jù)安全和隱私保護，滿足行業(yè)監(jiān)管要求。這兩種方式都能幫助開發(fā)者更好地滿足用戶需求和提升產品競爭力。始終，模型-應用一體化是大部分開發(fā)者的長期發(fā)展方向。這種一體化不僅能夠提高開發(fā)效率，還能夠提高應用的性能和用戶體驗，同時規(guī)避由于模型能力的升級導致產品壁壘消弭的風險。通過將模型與應用緊密結合起來，開發(fā)者可以更好地實現(xiàn)業(yè)務邏輯和AI技術的深度融合，從而更好地滿足用戶需求和提升產品競爭力。激發(fā)科技與創(chuàng)新活力18構建應用競爭壁壘的核心在于數(shù)據(jù)資產和數(shù)據(jù)飛輪閉環(huán)。數(shù)據(jù)資產是AI應用的基石,通過對大量數(shù)據(jù)的積累和分析，開發(fā)者可以訓練出更加精準和高效的模型，從而提升應用的性能和用戶體驗。數(shù)據(jù)飛輪閉環(huán)則是指通過用戶使用應用產生的數(shù)據(jù)，進一步優(yōu)化和迭代模型，形成一個持續(xù)循環(huán)的過程。開發(fā)者進行AI開發(fā)路徑規(guī)劃時，最重要的考量要素就是數(shù)據(jù)資產和數(shù)據(jù)飛輪閉環(huán)。他們需要確保數(shù)據(jù)來源的多樣性和高質量，以及數(shù)據(jù)處理和分析的效率和準確性。此外，開發(fā)者還需要考慮如何保護用戶數(shù)據(jù)的安全和隱私，以符合行業(yè)監(jiān)管要求?？傊?，數(shù)據(jù)資產和數(shù)據(jù)飛輪閉環(huán)是構建應用競爭壁壘的核心，也是開發(fā)者進行AI開發(fā)路徑規(guī)劃時最重要的考量要素。開發(fā)者需要重視數(shù)據(jù)的價值和保護，以實現(xiàn)可持續(xù)的競爭優(yōu)勢。，相應地，模型-應用一體化的方向更為清晰。模型能否準確、有效地完成約定任務是AI應用成功的關鍵。這需要開發(fā)者進行細致的考量和設計。首先，開發(fā)者需要選擇合適的算法和模型架構，以適應不同的應用場景和任務需求。其次，他們需要對模型進行充分的訓練和優(yōu)化，以確保模型在實際應用中的準確性和效率。同時，模型的可解釋性和魯棒性也非常重要，可增強用戶信任并確保模型穩(wěn)定運行。持續(xù)收集和分析應用數(shù)據(jù)，以優(yōu)化模型性能，是開發(fā)者確保AI應用成功的關鍵步激發(fā)科技與創(chuàng)新活力19盡管AI技術在不斷進步，大部分開發(fā)者進行AI應用分發(fā)時，仍然需要采取“舊時代”的GTM（Go-To-Market）方式，如廣告投放、市場-銷售團隊體系進行客戶觸達與轉化等。這些傳統(tǒng)方式在AI應用推廣中仍發(fā)揮著重要作用。這些“舊時代”的GTM方式之所以仍然重要，是因為它們已經形成了一套成熟的工作流體系，能夠在一定程度上保證推廣效果和轉化率。對于市場上已經相對成熟的應用來說，它們在競爭中暫時具備一定的優(yōu)勢。公司自用提升工作效率也是目前開發(fā)者的重要工作。通過AI技術，開發(fā)者可以為公司提供更加智能化、自動化的解決方案，從而提高工作效率和生產力，進而可以幫助公司更好地應對業(yè)務挑戰(zhàn)，提高競爭力。AI應用分發(fā)新入口開始嘗試，是否奏效有待跟蹤GPTStore、AgentStore等AI應用分發(fā)新入口開始嘗試，它們旨在為開發(fā)者提供一個更加集中、便捷的AI應用分發(fā)平臺。這些平臺能夠幫助開發(fā)者更好地推廣和銷售他們的AI應用，同時也為用戶提供了更加豐富的選擇和便捷的下載體驗。然而，這些新入口的奏效性仍有待跟蹤。它們能否成功吸引足夠多的用戶和開發(fā)者，以及能否提供高質量的應用和服務，將是影響它們成功的關鍵因素。此外，開發(fā)者還需要關注這些平臺的用戶體驗和功能支持，以確保它們能夠滿足用戶和開發(fā)者的激發(fā)科技與創(chuàng)新活力20AI應用變現(xiàn)最常見的方式是廣告，主要原因可能是廣告是一種相對直接且易于變現(xiàn)的商業(yè)化方式。廣告可以有效地吸引用戶的注意力，并通過展示廣告內容來實現(xiàn)盈利。此外，廣告還能夠幫助開發(fā)者獲得更多的用戶數(shù)據(jù)和反饋，以便更好地優(yōu)化和改進應然而，過度依賴廣告可能會影響用戶體驗，導致用戶流失。因此，開發(fā)者需要在廣告和用戶體驗之間找到平衡。他們可以通過優(yōu)化廣告展示方式和內容，以及提供更多有價值的功能和服務，來提升用戶體驗和滿意度。部分AI開發(fā)者通過提供AI技術服務獲取收入和現(xiàn)金流，為自身應用上線與創(chuàng)新商業(yè)模式爭取空間。技術服務不僅可以作為應用上線前的現(xiàn)金流來源，還可以積累經驗和技術能力，為應用開發(fā)和創(chuàng)新商業(yè)模式提供堅實的基礎。AI應用訂閱服務與產品銷售等占比不高，這可能是由于市場對AI應用的認知和接受程度尚未完全成熟，或者AI應用的價值和商業(yè)模式還未得到充分驗證。訂閱服務與產品銷售需要用戶對AI應用有持續(xù)的需求和支付意愿，而目前很多AI應用還未能滿足這一開發(fā)者需要進一步驗證產品價值，可以通過提供免費試用、優(yōu)惠促銷等方式吸引用戶試用，并通過用戶反饋和數(shù)據(jù)分析了解產品的實際價值。同時，開發(fā)者也需要探索更多符合市場需求的商業(yè)模式，如增值服務、合作伙伴關系等，以提高產品的市場激發(fā)科技與創(chuàng)新活力21從針對開發(fā)者目前收入與成本的調研結果來看，開發(fā)者整體的原則保持量入為出，PMF階段獲取的收入體量作為持續(xù)進行產品研發(fā)和AI技術投入的基礎。收入驗證AI產品價值是確保其可持續(xù)發(fā)展的關鍵。通過將AI技術應用于實際業(yè)務場景，開發(fā)者可以收集實際數(shù)據(jù)，驗證產品的性能和效果。只有當AI產品能夠為企業(yè)帶來實際的業(yè)務價值時，才能獲得市場的認可和持續(xù)的收入來源。量入為出是保障現(xiàn)金流的基礎。開發(fā)者需要合理規(guī)劃預算和資源，確保在投入和產出之間保持平衡。這包括控制研發(fā)成本、優(yōu)化營銷策略、提高運營效率等方面。通過精細化的成本控制和收入管理，開發(fā)者可以確保AI產品的可持續(xù)運營和發(fā)展?？傊?，收入驗證AI產品價值是確保其可持續(xù)發(fā)展的關鍵，而量入為出是保障現(xiàn)金流的基礎。開發(fā)者需要通過實際業(yè)務場景驗證產品的價值，并通過精細化的成本控制和收入管理，確保AI產品的可持續(xù)運營和發(fā)展。激發(fā)科技與創(chuàng)新活力22OpenAIGPT系列大模型以42.9%的使用率位居首位，這顯示了OpenAI在AI領域的影響力和號召力，同為海外的MetaLLaMa系列大模型也在一眾大大模型中脫穎而出，以27.1%的比例位中國的大模型企業(yè)，阿里通義大模型以37.8%的使用率位居第二，其次為字節(jié)豆包大模型和之路ChatGLM3大模型等?？傮w上而言，AI開發(fā)者在模型層的選型仍然處于變動的狀態(tài)，且尚未形成相對比較明確的競爭格局。激發(fā)科技與創(chuàng)新活力23在多模態(tài)大模型方面，開發(fā)者同樣處于多方嘗試和評估的階段，但是，與大語言模型不同，多模態(tài)大模型仍然海外產品贏得更多當下AI開發(fā)者的試用和試用，國內相對領先的則是字節(jié)豆包大模型等。激發(fā)科技與創(chuàng)新活力24大模型生態(tài)的健壯度對于開發(fā)者來說至關重要。一個健壯的大模型生態(tài)能夠為開發(fā)者提供豐富的資源和工具，使得他們能夠更加快速和高效地上手大模型開發(fā)。開發(fā)者可以通過這些資源和工具快速了解大模型的基本原理、使用方法和最佳實踐，從而更快地掌握大模型的開發(fā)和應用，更好地滿足項目需求和提高開發(fā)效率。大模型生態(tài)中的社區(qū)和交流平臺也可以為開發(fā)者提供支持和幫助。開發(fā)者可以通過這些平臺獲取最新的技術動態(tài)、交流問題和經驗分享，從而更好地解決開發(fā)過程中遇到的問題和挑戰(zhàn)。對于企業(yè)開發(fā)者而言，需要確保其應用符合法律法規(guī)和行業(yè)標準，相應地，這類型開發(fā)者非常重視安全合規(guī)與風險控制。在選型的過程中，大模型是否能夠提供自動合規(guī)檢查、數(shù)據(jù)隱私保護、風險評估與預測，以及自動化審計與監(jiān)控等，也成為開發(fā)者比較關注和考量的重要因素。訓練與推理成本伴隨技術發(fā)展將持續(xù)下降，開發(fā)者普遍都將從中受益，這也是開發(fā)者普遍關注的要素之一。服務體系與可持續(xù)發(fā)展能力是開發(fā)者進行模型選型方面的加分項。激發(fā)科技與創(chuàng)新活力25AI開發(fā)者在發(fā)展的過程中，面臨眾多挑戰(zhàn)，當前比較突出的仍然是工具鏈與數(shù)據(jù)生態(tài)方面的挑戰(zhàn)，具體分析如下：開發(fā)者缺乏足夠的工具和資源來支持AI應用開發(fā)，這可能是由于AI技術的發(fā)展速度較快,而相應的工具和資源的發(fā)展速度未能跟上。缺乏有效的開發(fā)環(huán)境、測試工具或集成工具等，可能導致開發(fā)效率低下、測試不充分或集成困難，從而影響AI應用的質量和數(shù)據(jù)準備和處理是AI模型訓練和優(yōu)化的基礎，需要開發(fā)者投入大量的時間和精力進行數(shù)據(jù)清洗、標注和處理。如果數(shù)據(jù)資源不足，開發(fā)者的選擇和應用范圍將受到限制，難以訓練出高質量的模型。同時，高質量的數(shù)據(jù)是提升AI模型和應用能力的關鍵。如果數(shù)據(jù)資源不足，模型的準確性和泛化能力將受到影響，應用的體驗和效果也將受到模型駕馭是AI應用開發(fā)中的一個挑戰(zhàn)性環(huán)節(jié)。開發(fā)者需要不斷調整模型參數(shù)和架構，以保障應用的性能與體驗。這需要開發(fā)者具備較強的技術實力和豐富的經驗，以應對不同應用場景和需求。激發(fā)科技與創(chuàng)新活力26開發(fā)者缺乏足夠的工具和資源來支持AI應用開發(fā)，這可能是由于AI技術的發(fā)展速度較快,而相應的工具和資源的發(fā)展速度未能跟上。從其需求層面，具體分析如下：模型訓練、模型評估與測試工具的需求，相對較高，這是因為模型的訓練與評估是AI應用開發(fā)的關鍵環(huán)節(jié)，需要相應的工具來提高效率和準確性。這方面，中國市場仍然以科技大廠提供端到端的解決方案為主。一方面有待于細分應用工具鏈的完善，另一方面也顯示出當前開發(fā)者普遍在模型駕馭方面存在短板，寄希望于工具鏈生態(tài)的賦能，從而提升對于模型的理解以及調教的數(shù)據(jù)工程相關工具鏈，是開發(fā)者在進行模型訓練與應用開發(fā)的重要基礎，能夠為開發(fā)者提供了一套完整的工具和流程，以支持數(shù)據(jù)的收集、處理、存儲、分析和可視化。這方面工具鏈生態(tài)相較前者稍顯豐富，同時，也體現(xiàn)出開發(fā)者在擁抱AI過程當中，數(shù)據(jù)資產管理和完善的基礎工作的重要性，不容忽視。這方面基礎相對比較好的開發(fā)者可能更快進入到AI應用開發(fā)和落地階段。安全性和合規(guī)性固然重要，但是并非所有開發(fā)者直接關注的方面，這方面風險和安全防范意識有待加強。激發(fā)科技與創(chuàng)新活力27從當前開發(fā)者所需要的資源支持方面來看，具體分析如下：在AI應用開發(fā)領域，開發(fā)者需要對不同行業(yè)和應用場景有深入的了解，以便提供標準化產品，甚至定制化的解決方案。用戶需求分析有助于指導產品開發(fā)和市場策略，這是開發(fā)者最聚焦的需求，表明“拿著錘子找釘子”現(xiàn)象仍然存在，有待解決。盡管從之前的分析當中可以看到，開發(fā)者已經充分做好了量入為出的準備，但是資金需求仍然代表了在產品和解決方案方面的資源投入，長期需要。類似情況還包括人才需求，人才需求不僅包括技術人才，還涉及項目管理、市場營銷等多方面。人才的質量和數(shù)量直接影響項目的成功率和公司的競爭力。相應地，這部分也是開發(fā)者最核心的訴求之一。與大模型平臺的合作可以帶來包括技術培訓、資源共享、商業(yè)模式等方面的資源共享和支持，同時深度合作有助于提高開發(fā)效率和降低成本。但是，從目前的狀況來看，盡管建立良好的開發(fā)者關系也是大模型平臺的重要發(fā)展方向，但是這方面仍然處于共同教育和培育市場的階段，大模型平臺的PaaS能力與入口地位尚未明確。從未來的發(fā)展規(guī)劃來看，企業(yè)開發(fā)者重點在于根據(jù)市場和用戶反饋來改進產品，同時也在尋求加速商業(yè)化增長和探索不同的商業(yè)化路徑。此外，企業(yè)開發(fā)者也在考慮擴大國際市場、加強技術團隊和尋求外部融資，以支持長期發(fā)展。這些規(guī)劃反映了企業(yè)開發(fā)者對于市場動態(tài)、技術發(fā)展和財務支持的全面考慮 。激發(fā)科技與創(chuàng)新活力28在AI時代，超級個體成為可能，這意味著個人開發(fā)者或團隊能夠利用先進的AI技術和工具，實現(xiàn)以往需要大規(guī)模團隊和復雜系統(tǒng)才能完成的工作。超級全棧開發(fā)者，作為這一趨勢的代表，具備跨領域的技能和知識，能夠獨立完成從數(shù)據(jù)處理、模型訓練到應用開發(fā)的整個過程。相應地，本次調研也一直將個人開發(fā)者作為重要的部分來進行研究和分析，而個人開發(fā)者目前發(fā)展規(guī)劃如下，通過利用先進的AI工具、技術資源和跨學科知識，實現(xiàn)從概念到市場的快速迭代，推動創(chuàng)新并創(chuàng)造價值。激發(fā)科技與創(chuàng)新活力29實際上，大量行業(yè)企業(yè)，尤其是領先企業(yè)，對于AI的應用與價值落地由來已久，并非新鮮事物。展開來看，在大語言模型時代之前，行業(yè)企業(yè)的AI應用主要體現(xiàn)在以下幾如自動化客服、圖像識別、語音識別等。這些應用通?；趥鹘y(tǒng)的機器學習模型，功能相對單一。?高門檻和技術限制：早期的AI技術需要大量的專業(yè)知識和數(shù)據(jù)來訓練模型，這對于許多企業(yè)來說是一個巨大的挑戰(zhàn)。因此，只有擁有足夠技術實力和數(shù)?成本問題：AI技術的研發(fā)和應用需要較高的成本投入，包括數(shù)據(jù)收集、處理、模型訓練和部署等。這限制了中小企業(yè)在AI領域的探索和應用。?缺乏靈活性和擴展性：早期的AI系統(tǒng)往往是為特定任務定制的，缺乏靈活性和擴展性。這意味著每當需要新的應用時，企業(yè)可能需要從頭開始構建新的?緩慢的發(fā)展速度：由于技術和資源的限制，AI技術的研發(fā)和應用慢。這限制了AI技術在商業(yè)領域的快速普及和深入應用。總的來說，在大語言模型時代之前，AI技術的應用受到了多方面的限制，導致其在商業(yè)領域的應用范圍和深度都相對有限。隨著大語言模型的出現(xiàn)，這些問題從理論上來研，結合典型行業(yè)AI應用深度分析，試圖回答在大語言模型開啟的AGI時代初期，行業(yè)企業(yè)的新一輪AI應用發(fā)生了什么程度的變化？核心問題在于“企業(yè)用戶是否真正入局？?為了推動企業(yè)客戶真正意義上擁抱基于大語言模型的AI應用，還需要直面行業(yè)用戶最關注的N個問題，消弭其困惑和顧慮，幫助他們建立對于新AI應用的價值評估體系，構建適用于AI應用加速滲透進而對于企業(yè)變革發(fā)揮深刻作用的組織與能力體系，才能真正意義上鋪平企業(yè)客戶為大模型買單的康莊大道。行業(yè)客戶，即甲方基于大語言模型進行應用AI的階段，可以根據(jù)其技術應用的深度和廣度進行如下劃分：激發(fā)科技與創(chuàng)新活力31?易觀分析1.初步探索階段：在這個階段，企業(yè)開始對AI技術進行初步的探索和了解，主要目的是評估AI技術在特定業(yè)務領域的適用性和潛力。這可能包括試點項目、概念驗證或對現(xiàn)有流程的小規(guī)模自?目標：評估AI技術的適用性和潛力。?挑戰(zhàn)：選擇合適的試點項目，確保技術可行性和業(yè)務需求匹配。?案例：大量企業(yè)集中在這個部分，處于觀望以及局部探索階段。隨著對AI技術的深入了解，企業(yè)開始將AI技術應用于內部流程優(yōu)化，以提高效率和降低成本。這可能包括數(shù)據(jù)分析和自動化工具的部署，以及內部管理系統(tǒng)的智能化升級。?目標：提高內部效率和降低成本。?挑戰(zhàn)：選擇和實施能夠帶來最大效益的自動化AI工具。?案例：大量科技企業(yè)，以及數(shù)字化基礎比較好的行業(yè)企業(yè)，如銀行、證券、零售、教育等。激發(fā)科技與創(chuàng)新活力323.產品集成階段：在這個階段，企業(yè)開始將AI技術集成到其現(xiàn)有產品和服務中，以提升產品的附加值和市場競爭力。這可能包括開發(fā)AI助理、智能推薦系統(tǒng)、增強的用戶體驗等。?目標：提升產品附加值和市場競爭力。?挑戰(zhàn)：確保AI集成不影響現(xiàn)有產品的用戶體驗，并增加新的價值。?案例：如銀行開發(fā)AI助理，為客戶提供個性化的投資建議和理財規(guī)劃；以及大量應用企業(yè)，通過集成AI能力提升當前產品和服務的體驗與價值。4.AI驅動創(chuàng)新階段：隨著AI技術的深入應用，企業(yè)開始利用AI技術開發(fā)全新的產品和服務，以滿足市場的新需求。這可能包括基于AI的預測分析、個性化定制、智能決策支持系統(tǒng)等。?目標：開發(fā)全新的產品和服務以滿足市場需求。?挑戰(zhàn)：創(chuàng)新的同時保持技術的先進性和市場適應性。5.全面AI戰(zhàn)略階段：在這個最終階段，AI技術成為企業(yè)戰(zhàn)略的核心，企業(yè)在整個組織結構、業(yè)務模式和市場策略中全面融入AI技術。這可能包括對整個企業(yè)運營的智能化轉型，以及通過AI技術推動業(yè)務模式的顛覆性創(chuàng)新。?目標：在整個企業(yè)中實現(xiàn)智能化轉型。?挑戰(zhàn)：整合AI技術到企業(yè)的各個層面，包括文化和戰(zhàn)略決策。激發(fā)科技與創(chuàng)新活力33從當前行業(yè)企業(yè)對于AI應用和大模型方面可能的花費和投入情況來看，如下圖所示：可以看出，中小企業(yè)是這一波AI應用浪潮需要重點覆蓋的企業(yè)類型，而百萬以下的AI投資對于大量中小企業(yè)而言，產品ROI與體驗是重要的關鍵點。少數(shù)企業(yè)樂于投入更大規(guī)模，聯(lián)動頭部企業(yè)進行場景共創(chuàng)，是AI價值落地的重要抓手。跳開本次調研結果來看，在行業(yè)企業(yè)這一關鍵角色類型方面，需要關注到中國AI應用生態(tài)的特殊性，即央國企在其中所發(fā)揮的行業(yè)帶頭作用。作為國家經濟的重要支撐和穩(wěn)定器，中央企業(yè)和國有企業(yè)肩負著推動傳統(tǒng)產業(yè)升級、新興產業(yè)發(fā)展以及未來產業(yè)培育的重要使命。因此，它們對人工智能的發(fā)展和大模型的關注將持續(xù)增強。具體到實際行動層面，中央企業(yè)和國有企業(yè)將在人工智能領域發(fā)揮更加積極的作用，通過多種手段加強自身在這一新興領域的競爭力，同時推動國有企業(yè)的改革與發(fā)展?？傮w上來說，央國企主要分成兩大類型：其一，以運營商等科技企業(yè)為主，進行基礎大模型研發(fā)與建設，如下表所示：央國企主導基礎大模型研發(fā)與建設模型名稱大模型進展激發(fā)科技與創(chuàng)新活力34央企模型名稱大模型進展現(xiàn)一系列的產業(yè)賦能成果。一是打造了面向和三甲醫(yī)院與中國移動開展大模型共建合作速構建了網絡、客服、家庭、政務、出行、已經完成了1B、3B、7B、12B、52B、115B、1080B等參數(shù)的語義大模型全面開源以及超多方言ASR借卓越的性能和開源生態(tài)貢獻，獲得Gitee社區(qū)“G最有價值開源項目”的獎勵。目前星辰大模型包括了星辰語義、語音、視覺和多模態(tài)完整蓋，這些能力共同構成了中國電信在人工智元景大模型形成了“1+1+M”大模型體系體系，即模型、1個大模型底座、M種行業(yè)大模型。旨在通過數(shù)智融合產品創(chuàng)新，提供網絡、算力、存儲、正式發(fā)布“1+N+M”可信智算戰(zhàn)略。“1”是基于屬云平臺CECSTACK打造了一體化算力平臺，為客通用計算、智能計算和高性能計算等類型的力服務；“N”是面向行業(yè)需求，投資建設N心；“M”是攜手政產學研各類生態(tài)力量，聯(lián)合業(yè)模型，以此為平臺基礎設施，并通過中國工智能創(chuàng)新應用產業(yè)聯(lián)盟，加速推動“人工智激發(fā)科技與創(chuàng)新活力35其二，以行業(yè)央企牽頭，基于所處行業(yè)進行垂直大模型布局和投入，并聯(lián)動科技企業(yè)推動垂直模型研發(fā)與落地，典型企業(yè)舉措如下：模型名稱大模型進展“天樞”智研化工司垂直領域大模型判性和專業(yè)性的答案與建議。此外，“ShippingGPT”模型“東方?御風”激發(fā)科技與創(chuàng)新活力36模型名稱大模型進展AI大模型業(yè)務場景。該模型已經在廣東、廣西、云南、貴州、“智航?提質增效”“智航?提質增效”大模型是一個專注于制造業(yè)提質增“大禹”打造可再生能源和水利行業(yè)知識大模型“大禹”“太陽石礦山大模型”“太陽石礦山大模型”針對煤礦多維度應用場景的具激發(fā)科技與創(chuàng)新活力37在上述具備行業(yè)知識與數(shù)據(jù)體系的大模型之外，行業(yè)企業(yè)普遍選擇的AI應用場景如下，代碼開發(fā)與測試以59.2%的選擇比例位居首位，這表明AI在軟件開發(fā)領域的應用非常廣泛，可能包括自動化代碼審查、測試和錯誤修復等。用戶營銷與運營以52%緊隨其后，顯示了AI在個性化營銷、用戶行為分析等方面的應用。其次，協(xié)同辦公、客戶服務和產品體驗提升等場景的選擇比例在中等水平，這表明AI在提高工作效率、改善客戶體驗和產品創(chuàng)新方面也受到企業(yè)的重視。其他還包括HR招聘、培訓、供應鏈管理等場景。在算力部署方面，與AI大模型以及應用開發(fā)者不同的是，自建算力設施是行業(yè)企業(yè)更側重的部署方式，如下圖所示：激發(fā)科技與創(chuàng)新活力38行業(yè)企業(yè)進行AI應用開發(fā)方面，主導的開發(fā)路徑：“基于商業(yè)化大模型進行私有化訓練和部署，并進行應用開發(fā)”以30.6%的比例位居首位，這表明很多企業(yè)傾向于利用現(xiàn)有的商業(yè)化大模型作為基礎，然后進行私有化定制和部署，以滿足自己的特定需求。這種方法可以節(jié)省研發(fā)成本和時間，同時也能夠充分利用大模型的優(yōu)勢。其他開發(fā)路徑，如暫時使用市場成熟大模型進行應用開發(fā)、基于開源模型訓練和微調自己專屬的大模型等，也占有一定的比例。這反映了企業(yè)在AI應用開發(fā)中的多樣化和靈活性，根據(jù)自身的資源和技術能力選擇最合適的開發(fā)路徑。同時，也需要關注到10.2%的企業(yè)“對于大模型仍然處于觀望狀態(tài)，直接采購市場上合適的應用和產品，拿來就用”。這些企業(yè)可能由于技術、成本或資源限制，選擇直接購買市場上現(xiàn)有的AI應用和產品，而不是自己開發(fā)或定制大模型。由于目前企業(yè)對于大語言模型的關注度和熱度相對比較高，導致大量企業(yè)用戶在AI應用的開發(fā)路徑規(guī)劃方面，都會考慮與大語言模型相結合的方式，但是，對于大部分企業(yè)而言，僅考慮AI應用，在選型企業(yè)應用的過程中，將AI能力作為企業(yè)選型的重要考慮因素，未嘗不是快速擁抱AI應用，節(jié)省研發(fā)成本和時間的重要方式。相應地，在未來更多企業(yè)應用具備更強的AI能力之后，這一選項的比重將出現(xiàn)上升，即便企業(yè)具備大量數(shù)據(jù)資產沉淀，也可以通過RAG的方式保障AI應用的場景鍥合度與應用質量。激發(fā)科技與創(chuàng)新活力39另外，“尚處于調研和研究狀態(tài)，還沒有明確結論”占比4.5%。這個選項說明還有一部分企業(yè)在AI開發(fā)方面仍處于探索階段，尚未確定具體的開發(fā)策略或方向。這可能是因為AI技術發(fā)展迅速，企業(yè)需要時間來評估各種技術的適用性和可行性，或者是因為企業(yè)缺乏足夠的資源和技術能力來進行AI開發(fā)。行業(yè)企業(yè)在進行AI應用開發(fā)路徑規(guī)劃時主要考慮的考慮因素如下：“數(shù)據(jù)安全與隱私保護”以53.2%的比例位居首位，這表明數(shù)據(jù)安全與隱私保護是企業(yè)進行AI開發(fā)時最重要的考慮因素之一。隨著數(shù)據(jù)泄露和隱私侵犯事件的增加，企業(yè)越來越重視保護用戶和企業(yè)的數(shù)據(jù)安全，遵守相關的法律法規(guī)?！八陬I域的數(shù)據(jù)量以及數(shù)據(jù)獲取難度”，這個因素也在考慮因素中占據(jù)了較高的比例。數(shù)據(jù)是AI開發(fā)的基礎，不同領域的數(shù)據(jù)量以及獲取難度會直接影響AI模型的訓練和應用效果。因此，企業(yè)在規(guī)劃AI開發(fā)路徑時，需要考慮自己所在領域的數(shù)據(jù)情況，以及如何獲取和處理這些數(shù)據(jù)。企業(yè)需要確保AI模型能夠提供高質量的輸出，以滿足他們的業(yè)務需求。這可能涉及模型的訓練數(shù)據(jù)、算法的復雜性以及模型的調優(yōu)。這也將成為后續(xù)分析當中，企業(yè)進行大語言模型選型時最重要的考量要素之一?！凹夹g支持與維護”占比34.2%，“定制化與靈活性”占比30.5%，這表明企業(yè)在選擇AI解決方案時，也重視技術支持和維護服務。良好的技術支持可以幫助企業(yè)解決使用過程中遇到的問題，而有效的維護可以確保AI系統(tǒng)的穩(wěn)定運行，同時，企業(yè)希望AI解決方案能夠根據(jù)他們的特定需求進行定制，并且具有一定的靈活性，以便適應不斷變化的市場和激發(fā)科技與創(chuàng)新活力40行業(yè)企業(yè)選擇特定大語言模型的原因如下：“大模型基礎能力”占比40.7%，這是選擇特定大語言模型的主要原因。企業(yè)選擇大語言模型時，首先考慮的是模型的基礎能力，如生成文本、進行邏輯推理等，這些能力對于企業(yè)應用AI技術解決實際問題至關重要?！鞍踩蛡惱砜刂频蕊L險管理手段和措施完善度”但這也是企業(yè)選擇大語言模型時的重要考慮因素。隨著AI技術的發(fā)展，數(shù)據(jù)安全和倫理問題越來越受到重視，企業(yè)需要確保所選模型的風險管理措施能夠滿足行業(yè)標準和法規(guī)要求?！八接谢渴稹睂τ谀承┢髽I(yè)來說非常重要，尤其是那些需要保護數(shù)據(jù)安全和隱私的企業(yè)。支持私有化部署的大語言模型可以更好地滿足這些企業(yè)的需求?！坝柧毢屯评沓杀尽笔瞧髽I(yè)選擇AI技術時必須考慮的因素之一。企業(yè)需要評估訓練和推理模型的成本，以確保AI項目的經濟可行性和成本效益。大模型工具鏈生態(tài)是否完善，是否便于進行二次開發(fā)，一個完善的大模型工具鏈生態(tài)可以提供更多的便利性和靈活性，使得企業(yè)能夠更輕松地進行二次開發(fā)和定制，但是與AI應用開發(fā)者相比，行業(yè)企業(yè)對于生態(tài)鏈的看重程度相對下降，這也許由于這些企業(yè)更看重大語言模型提供的服務和技術支持有關。激發(fā)科技與創(chuàng)新活力41綜合不同類型開發(fā)者，包括AI應用開發(fā)者與行業(yè)企業(yè)對于大語言模型選型的考量要素進行綜合分析，易觀分析建議對于大語言模型的合作伙伴評估可以從如下要素進行綜合考量和評估：模型能力模型能力★★★★需要關注基礎大模型的關鍵能力，包括語言能力（簡單理解、知識運用、推理能力、特殊生成等）、安全和價值觀以及通用任務能力產品能力產品能力★★★★需要關注基礎大模型的產品化封裝與解決方案能力，包括大模型能力抽象與API化易用性、大模型訓練與微調環(huán)節(jié)支撐與服務保障能力、任務場景實踐能力，以及運營維護保障能力等生態(tài)能力生態(tài)能力★★★側重大模型生態(tài)發(fā)展策略以及布局情況，包括中間層生態(tài)是否完整豐富以便于模型的精調與持續(xù)運營，關鍵環(huán)節(jié)國產供應鏈布局與適配度，行業(yè)伙伴以及最佳實踐案例，開源策略與協(xié)議等可持續(xù)發(fā)展能力可持續(xù)發(fā)展能力★★基礎大模型非一蹴而就需要持續(xù)投入與迭代，需要關注大模型企業(yè)戰(zhàn)略路線與資源投入程度和專注度、人才梯隊建設與核心人才情況等激發(fā)科技與創(chuàng)新活力42總體上而言，行業(yè)用戶在進行AI規(guī)劃以及AI應用開發(fā)的過程中，面臨不少挑戰(zhàn)，有針對性地予以解決與賦能，是推動行業(yè)AI應用發(fā)展的重要環(huán)節(jié)。調研結果如下：最突出的問題是“沒有合適的流程和場景”，這表明很多企業(yè)缺乏將大型AI模型成功部署到實際業(yè)務流程和場景中的能力，這也可能是對于AI的理解有待于提升。其他還包括“AI價值認知不足”，以及“了解市場和用戶需求，尋求AI應用場景方面的挑戰(zhàn)”這反映了企業(yè)在理解和評估AI技術價值方面存在挑戰(zhàn)，仍然是認知與意識問題。其次，數(shù)據(jù)資源與技術能力不足等是在“認知”之上的第二大類型挑戰(zhàn)，數(shù)據(jù)資源的缺乏可能限制了AI模型的性能和應用范圍。企業(yè)需要尋找數(shù)據(jù)獲取的途徑，或者通過合作和數(shù)據(jù)共享來解決這個問題。數(shù)據(jù)預處理和工程是AI項目成功的關鍵步驟。企業(yè)需要具備數(shù)據(jù)清洗、處理和轉換的能力，以確保數(shù)據(jù)質量和模型訓練的準確性。AI項目的成功很大程度上取決于算法的選擇和模型的訓練。企業(yè)需要具備或獲取相應的技術能力，以應對這些挑戰(zhàn)。這些需要建立在AI認知提升的基礎上予以解決。再次，是成本和資源投入方面的挑戰(zhàn)等，AI項目通常需要較大的初期投資和持續(xù)的資源投入。企業(yè)需要對成本進行準確估算，并確保有足夠的資源來支持項目的實施，這部分，表面是“成本”，本質上仍然是關于AI實際創(chuàng)造的價值應該如何量化，從而更好地形成ROI測算邏輯，合理評估相關的成本投入。激發(fā)科技與創(chuàng)新活力43最后，法律和政策、倫理和社會層面的挑戰(zhàn)，比如隱私、安全控制、責任歸屬等，也是企業(yè)在AI應用過程中面臨的一大挑戰(zhàn)類型。企業(yè)需要了解并遵守相關的法律法規(guī)，以確保其AI項目的合法性和合規(guī)性，充分考量AI技術對社會和倫理的影響，并采取措施來減輕潛在的負面影響。綜上所述，行業(yè)企業(yè)對于AI應用開發(fā)最關注的N個問題如下：AI價值認知，以及投資回報率如何進行詳細的成本效益分析，不僅要考慮直接的財務回報，還要考慮AI技術對業(yè)務流程改進、客戶滿意度提升等潛在的長期價值，在這個過程中，行業(yè)客戶需要設定可量化的指標來評估AI技術的成功，例如，提高的生產率、降低的錯誤率、增加的銷售額等。技術適用性，以及匹配相對應的技術能力如何確保AI技術能夠解決其業(yè)務中的特定問題，并且確保企業(yè)能夠具備與之相匹配的技術能力與資源投入，在技術適用性方面，客戶需要考慮的不僅僅是當前的技術解決方案，還需要確保其具有適應未來業(yè)務需求變化的能力，同時，在這個過程中，重新建構適用于AI時代發(fā)展的組織能力與可持續(xù)發(fā)展能力。數(shù)據(jù)隱私和安全合規(guī)，從而保障AI在商業(yè)應用中的可持續(xù)和可靠性企業(yè)需要確保AI系統(tǒng)遵守相關的數(shù)據(jù)保護法規(guī)和標準，同時實施適當?shù)臄?shù)據(jù)安全和模型安全等風險防控機制和措施，從而在確保數(shù)據(jù)安全的基礎上，能夠提供對齊的、可解釋的決策，增強用戶信任，并持續(xù)維護其安全性和合規(guī)性，實現(xiàn)可持續(xù)發(fā)展選擇合適的合作伙伴與供應商選擇合適的AI供應商對于企業(yè)來說至關重要，它直接影響到AI應用的成功和業(yè)務的持續(xù)發(fā)展。AI技術發(fā)展迅速，供應商的持續(xù)創(chuàng)新和更新能力對于企業(yè)保持競爭優(yōu)勢至關重要。一個能夠提供最新技術和服務的供應商能夠幫助企業(yè)在市場上保持領先地位。激發(fā)科技與創(chuàng)新活力44本次AI開發(fā)者調研圍繞開源主題進行的調研結果如下：AI開發(fā)者參與開源的主要原激發(fā)科技與創(chuàng)新活力46結合上述開發(fā)者調研，以及綜合分析來看，開源在中國AI應用生態(tài)中扮演著至關重要的角色，不僅促進了技術的快速發(fā)展，還構建了一個開放、協(xié)作、創(chuàng)新的環(huán)境，為AI技術的廣泛應用和產業(yè)升級提供了強大動力，核心價值如下：11開源鼓勵開發(fā)者們共同合作，分享和改進代碼，為人工智能技術的創(chuàng)新提供了廣闊的平臺。這種合作模式，連同AI開源軟件的免費使用和開放源代碼特性，降低了技術創(chuàng)新的門檻，讓更多的開發(fā)者和科研人員能夠參與到AI技術的研究中來，進行二次開發(fā)和應用22AI開源軟件的推廣和普及，不僅促進了AI技術的進步，為企業(yè)提供了經濟實惠的解決方案，降低了研發(fā)成本，同時也為企業(yè)帶來了更多的商業(yè)機會，為產業(yè)界帶來了良性的競爭，從而推動整個人工智能產業(yè)的發(fā)展33開源生態(tài)是技術生態(tài)的重要組成部分，開源的開放、協(xié)同、共享創(chuàng)新本質，有助于構建自主、健康、可持續(xù)的AI發(fā)展環(huán)境。中國在AI領域已逐步建立起有全球影響力的開源生態(tài)，如飛槳平臺等44隨著我國AI開源生態(tài)的不斷發(fā)展壯大，其在全球范圍內的影響力也在逐步提升。這有助于我國在全球AI領域占據(jù)更加重要的地位，并為我國的科技進步和經濟發(fā)展注入新的動力相應的，開源在中國AI應用生態(tài)中應當進一步發(fā)揮重要的作用與價值，核心舉措如下：?政府出臺更多支持開源AI的政策和措施鼓勵企業(yè)、高校和研究機構積極參與開源AI項目，形成產學研協(xié)同創(chuàng)新的良好局面，激發(fā)更多創(chuàng)新活力。?加強對包括開源基金會、開源社區(qū)、開源代碼托管平臺、開源許可協(xié)議等在內的開源基礎設施建設和管理，提升本土社區(qū)活躍度和影響力。激發(fā)科技與創(chuàng)新活力47?建立完善的開源軟件質量評估體系，加強開源軟件的測試和驗證，確保開源軟件的質量和穩(wěn)定性。?加強對開源AI項目的監(jiān)管和評估，確保用戶數(shù)據(jù)的安全和合規(guī)性，降低潛在?推動完善開源軟件配套文檔和支持服務，降低開發(fā)者使用、維護開源軟件的?加強與產業(yè)鏈上下游企業(yè)的合作，鼓勵企業(yè)采用開源技術，推動AI技術在各行業(yè)的應用和普及，促進AI技術的創(chuàng)新和發(fā)展。?探索開探索開源AI應用的商業(yè)模式，如提供定制化解決方案、收取服務費等,促進開源AI可持續(xù)發(fā)展。?加強與全球開源社區(qū)的合作和交流，引進國際先進的開源技術和項目。?加強開源AI的教育和培訓，鼓勵高校和研究機構開設相關課程，培養(yǎng)更多具備開源AI技能的人才。?舉辦開源AI技術交流和分享活動，促進知識共享和合作，提高公眾對開源AI的認知度和接受度。?建立開源人才激勵機制，吸引更多優(yōu)秀人才參與開源項目。聚焦到本次研究的主題，中國AI應用生態(tài)，開源在中國AI應用生態(tài)中的發(fā)展方向如下：?生成式AI和多模態(tài)AI的發(fā)展將是未來的