2024年AI開發(fā)者應(yīng)用生態(tài)調(diào)研報告

AI開發(fā)者應(yīng)用生態(tài)調(diào)研報告易觀分析2024年10月本報告聯(lián)合發(fā)布方本產(chǎn)品保密并受到版權(quán)法保護(hù)研究背景：持續(xù)關(guān)注Al產(chǎn)業(yè)價值落地●未來已來：技術(shù)變革來臨人工智能的發(fā)展已步入生成式AI時代，其標(biāo)志是大語言模型的“涌現(xiàn)”能力。這些模型能夠自主地學(xué)習(xí)和應(yīng)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(jìn)步為達(dá)到人工通用智能(AGI)奠定了基礎(chǔ)，使大語言模型成為科技和研究機構(gòu)長期關(guān)注的重點。在未來相當(dāng)長的一段時間內(nèi)，大語言模型的研究和應(yīng)用，將成為人工智能領(lǐng)域的主導(dǎo)力量。它不僅將推動人工智能技術(shù)的進(jìn)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。人工智能與AGI發(fā)展階段劃分·交互革命·思維革命·AI具備獨立思考與邏輯判斷的能力未來模型人人可訓(xùn)、人人可用，即個人知識能力將得以復(fù)制和擴(kuò)展●聚焦當(dāng)下：商業(yè)價值深化探索在當(dāng)今的商業(yè)環(huán)境中，企業(yè)經(jīng)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(shù)的迅猛發(fā)展，特別是大語言模型(LLM)的興起，對于Al在商業(yè)領(lǐng)域的價值探索和實踐應(yīng)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(wù)驅(qū)動的方式擁抱Al: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(wù)發(fā)展需求驅(qū)動Al應(yīng)用場景探索與實踐的重大轉(zhuǎn)變√降低AI開發(fā)門檻：傳統(tǒng)的Al開發(fā)模式需要針對不同的任務(wù)和場景進(jìn)行定制化開發(fā)，大模型顯著降低開發(fā)復(fù)雜度，提升部署與應(yīng)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3●Al開發(fā)者是當(dāng)下推動AI應(yīng)用生態(tài)發(fā)展的重要推動力量術(shù)發(fā)展的核心驅(qū)動力，他們的工作直接影響Al技術(shù)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(shù)趨勢和創(chuàng)新點，從而把握產(chǎn)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A人才，并充分協(xié)同產(chǎn)相應(yīng)地，本次Al應(yīng)用生態(tài)研究，將聚焦Al應(yīng)用開發(fā)者，圍繞他們對于Al發(fā)展方向、當(dāng)前Al應(yīng)用開發(fā)進(jìn)展以及未來Al產(chǎn)品路徑與規(guī)劃，以及面臨的挑戰(zhàn)以及潛在需求等進(jìn)行充分調(diào)研，從而從開發(fā)者這個切面展示Al應(yīng)用生態(tài)發(fā)展全貌。中歐國際工商學(xué)院Al與管理創(chuàng)新研究中心聯(lián)合展開，通過大樣本問卷調(diào)研，以及部分A產(chǎn)業(yè)鏈關(guān)鍵角色深度訪談，并結(jié)合易觀分析對于Al產(chǎn)業(yè)的跟蹤研究積累，形成本次Al應(yīng)用生態(tài)分析。編寫委員會劉怡易觀聯(lián)合創(chuàng)始人李智易觀智慧院院長編委：陳晨易觀分析研究合伙人張路天津市中教開源創(chuàng)新研究院副院長郭皓天津市中教開源創(chuàng)新研究院理事孟迎霞CSDN副總裁尚晶移動信息技術(shù)中心集團(tuán)首席專家劉崢福州軟件園科技創(chuàng)新發(fā)展有限公司副總經(jīng)理調(diào)研團(tuán)隊：馬恩弱易觀分析周翔稀土掘金開發(fā)者社區(qū)消費者用戶用戶上手應(yīng)用規(guī)模持續(xù)增長，留存與用戶消費者用戶用戶上手應(yīng)用規(guī)模持續(xù)增長，留存與用戶企業(yè)客戶關(guān)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(yù)期仍有差距模型-應(yīng)用一體化①大模型廠商下場做應(yīng)用，打造應(yīng)用標(biāo)桿模型-應(yīng)用一體化①大模型廠商下場做應(yīng)用，打造應(yīng)用標(biāo)桿能力把百度系所·Kimi、智譜清言等②垂直行業(yè)具備行業(yè)用一體化典型案例：金融、醫(yī)療、教育等垂直領(lǐng)域應(yīng)用層應(yīng)用層是將Al模型與實際場景相結(jié)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(chǎn)品研發(fā)、辦公協(xié)同、數(shù)字娛樂等多個領(lǐng)域目前應(yīng)用層主要包括如下兩大類型：①利用大模型能力進(jìn)行產(chǎn)品化封裝，形成Al應(yīng)用并推向市場②自建垂直模型甚至大模型的AI應(yīng)用，即模型-應(yīng)用一體化這包括數(shù)據(jù)預(yù)處理工具、模型開發(fā)框架、自動化測試工具等。這一層曾經(jīng)包含了各種Al模型，如深度學(xué)習(xí)模型、機器學(xué)習(xí)模型等，通過算法實現(xiàn)特定的智能任務(wù)，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(guān)注大模型的技術(shù)升這是整個AI應(yīng)用生態(tài)系統(tǒng)的基礎(chǔ)，為Al模型訓(xùn)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(wù)器、GPU/TPU等硬件設(shè)備以及相關(guān)的網(wǎng)絡(luò)連接，算力基礎(chǔ)設(shè)施層的性能直接影響Al應(yīng)用的速度和準(zhǔn)確性?；A(chǔ)設(shè)施層基礎(chǔ)設(shè)施層AI應(yīng)用生態(tài)圖譜應(yīng)用層工具層模型層智能體(即Al原生應(yīng)用)現(xiàn)有應(yīng)用(Al增強)基于軟件的智能體2B應(yīng)用(AI升級產(chǎn)品能力)創(chuàng)客貼C天工SkyMusic創(chuàng)客貼用友·xngdoe金蝶nspUr浪案中關(guān)村科金微盟puN恒生2C應(yīng)用(Al加持用戶體驗)QIY愛奇藝淘支支付寶Baid文庫知乎EQ\*jc3\*hps47\o\al(\s\up6(騰),不)訊EQ\*jc3\*hps47\o\al(\s\up6(視),肝)頻⑥山W7AL好未來莉騎絲避戴中信證券招商銀行muHoYo基于硬件的智能體速感科技Parametrix超絲數(shù)EQ\*jc3\*hps61\o\al(\s\up8(spira),元世界)Parametrix超絲數(shù) 智能體員工企業(yè)知識庫向量數(shù)據(jù)庫模型社區(qū)魔樂杜區(qū)MODELERS向量數(shù)據(jù)庫模型社區(qū)魔樂杜區(qū)MODELERSHUGGINGFACEsVQACBLUElmageNetCOCO智能體開發(fā)智能體開發(fā) wEQ\*jc3\*hps50\o\al(\s\up3(MI),心)EQ\*jc3\*hps50\o\al(\s\up3(DVE),識)EQ\*jc3\*hps50\o\al(\s\up3(R),宇)EQ\*jc3\*hps50\o\al(\s\up3(E),宙)w應(yīng)用開發(fā)應(yīng)用開發(fā)華為云ModelArts釘釘百度智能云扣子身OpenAI 數(shù)據(jù)處理模型訓(xùn)練與優(yōu)化(LLMOps)光輪智能整數(shù)智能speechxcean景聯(lián)文科技JingLianWen景聯(lián)文科技JingLianWenTechnology模型訓(xùn)練模型評測模型部署模型訓(xùn)練模型評測模型部署阿里云百煉騰訊云TI平臺大模型服務(wù)平臺火山方舟大模型服務(wù)平臺HIPPOEQ\*jc3\*hps86\o\al(\s\up11(QO),CA)EQ\*jc3\*hps86\o\al(\s\up11(c),L)EQ\*jc3\*hps86\o\al(\s\up11(t),Y)EQ\*jc3\*hps86\o\al(\s\up11(o),P)EQ\*jc3\*hps86\o\al(\s\up11(ML),SO)EQ\*jc3\*hps86\o\al(\s\up11(W),人)EQ\*jc3\*hps86\o\al(\s\up11(eights),ariz)HIPPO元腦GANTRYTensorDB螞整集團(tuán)p“蟻天鑒”螞整集團(tuán)p“蟻天鑒”基礎(chǔ)模型百度智能云O商湯智譜·AI移動騰文心大模型阿里云日日新大模型華為云智譜GLMMINIMAX九天大模型混元大模型通義大模型百川大模型盤古大模型ABAB大模型星辰大模型星火大模型川字節(jié)跳動悟道大模型中圈斜學(xué)院川字節(jié)跳動悟道大模型紫東太初豆包大模型紫東太初Al平臺與框架PP飛槳MindSporeOPyT公有云 百度智能云華為云天翼云阿里云D騰訊云aws移動云LambricDN紀(jì)地平線中科曙光生態(tài)和社區(qū)生態(tài)和社區(qū)實驗室/研究院智源研究院請萊大學(xué)智能產(chǎn)業(yè)研究院AyTtinity開源基金會開源基金會FOUNDATION開放原子開源基金會OPENATOMFOUNDATION開發(fā)者社區(qū)開發(fā)者社區(qū)開發(fā)者網(wǎng)絡(luò)開發(fā)者網(wǎng)絡(luò)創(chuàng)造屬于開發(fā)者的時代開源開源培訓(xùn)機構(gòu)傳智教育投資機構(gòu)SEQUOIA些EQ\*jc3\*hps122\o\al(\s\up2(Zhen),真格投資機構(gòu)SEQUOIA些EQ\*jc3\*hps122\o\al(\s\up2(Zhen),真格基金)Fund創(chuàng)新工場SINOVATIONVENTUWESGSRVenturesSCGC深創(chuàng)投代碼托管平臺 注采8市場海外/美國市場市場海外/美國市場應(yīng)用層泛，這并不意味著消費者對于Al的需求和接受度更高，只是反映應(yīng)用層泛，這并不意味著消費者對于Al的需求和接受度更高，只是反映有和銷售能力，仍然具備較強的領(lǐng)便聚焦細(xì)分市場，仍然具備穩(wěn)定的工具層·開始出現(xiàn)一些工具鏈公司大模型訓(xùn)練部署以及生成式人工智能應(yīng)用開發(fā)解決方案為主，工具鏈工具層·開始出現(xiàn)一些工具鏈公司大模型訓(xùn)練部署以及生成式人工智能應(yīng)用開發(fā)解決方案為主，工具鏈·這表明海外市場在AI工具和平臺的建設(shè)上更為成熟，能夠支持更廣泛的AI應(yīng)用開發(fā)模型層的集中度相對比較高模型層的集中度相對比較高·從多而不強開始收縮基礎(chǔ)設(shè)施層要的地位。的許多Al初創(chuàng)公司和大型科技企業(yè)都依賴于英偉達(dá)的技術(shù)和產(chǎn)品基礎(chǔ)設(shè)施層和提升自己的技術(shù)與產(chǎn)品能力9Al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(jìn)行產(chǎn)品定位與打磨。Al應(yīng)用企業(yè)，尤其是Al原生應(yīng)用，則更加速產(chǎn)品面向市場與用戶。個29.4%26.2%23.1%22.1%22.1%3.0%20%■大模型及上下游工具鏈企業(yè)■Al2B企業(yè)■AI2C企業(yè)◎易觀分析30%25%企業(yè)更快進(jìn)入市場，因為面向消費者的應(yīng)用可能更容易快速迭代和測試，通過數(shù)據(jù)飛輪驗證產(chǎn)品價值與提升競爭壁壘。在后期階段，如產(chǎn)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Al2B企業(yè)的參與。這可能是因為B2B應(yīng)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)Al企業(yè)，普遍都處于產(chǎn)品發(fā)展的早期階段，距離產(chǎn)品穩(wěn)定發(fā)展，進(jìn)入成熟期，即實現(xiàn)商業(yè)化與規(guī)?；?，仍然需要市場和用戶的驗證。這中間差距的縮小一方面來自于供應(yīng)端，也就是Al應(yīng)用開發(fā)者的場景探索與產(chǎn)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?，F(xiàn)存應(yīng)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Al整合的態(tài)勢，主要包括如下類型：1111高工作效率。例如，使用Al進(jìn)行數(shù)據(jù)分析和自動化任務(wù)，減少人工工作量，提◆典型案例：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(yīng)用開發(fā)方向上，22隨著對Al技術(shù)的深入理解和應(yīng)用，企業(yè)開始將Al能力集成到其現(xiàn)有的產(chǎn)品和服務(wù)中。這包括開發(fā)Al助理、構(gòu)建企業(yè)知識庫等應(yīng)用，以及探索如何通過Al能力的升級來提升產(chǎn)品的附加值，從而提高客單價。這個階段的關(guān)鍵是找到Al技術(shù)與現(xiàn)有業(yè)務(wù)的結(jié)合點，創(chuàng)造新的用戶價值?！舻湫桶咐河糜?、金蝶、福昕軟件等等，即大量已經(jīng)深度集成在用戶界面與工作流的應(yīng)用企業(yè)，將Al能力作為提升自身產(chǎn)品體驗與功能的發(fā)展方向，部分企33在這個階段，Al技術(shù)已經(jīng)成為企業(yè)產(chǎn)品和解決方案的核心。企業(yè)不僅將Al技術(shù)融入現(xiàn)有產(chǎn)品，而是開始推出全新的、以AI為主體的產(chǎn)品和服務(wù)，滿足市場的需求。這標(biāo)志著Al技術(shù)從輔助角色轉(zhuǎn)變?yōu)轵?qū)動企業(yè)創(chuàng)新和增長的主要動力?！舻湫桶咐?4在這個最終階段，Al技術(shù)，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Al技術(shù)，不僅在產(chǎn)品和解決方案中廣泛應(yīng)用AI,而且在組織結(jié)構(gòu)、業(yè)務(wù)模業(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?！舻湫桶咐喊俣?、阿里云，以微軟與的整合作為標(biāo)桿，以Al應(yīng)用未來的快速發(fā)展作為未來增長的核心驅(qū)動力，帶動對于Al基礎(chǔ)設(shè)施與能力的需求與市場增長。12和增長，未來各個領(lǐng)域的競爭，也將由于Al能力的加入發(fā)生變化，盡管當(dāng)前現(xiàn)存應(yīng)用貌似具備領(lǐng)先優(yōu)勢，但是Al原生應(yīng)用的顛覆式創(chuàng)新仍然有可能改當(dāng)前Al原生應(yīng)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(yīng)用的產(chǎn)品形態(tài)，從Al能力增強對于應(yīng)類型交互方式重構(gòu)多模態(tài)交互GPT-40,通過語音直接進(jìn)行交互服務(wù)重構(gòu)通過信息鏈接促進(jìn)交易達(dá)成以及商品/服務(wù)的供給直接提供服務(wù)Before:豬八戒網(wǎng)，提供的是做圖需求與提供之間的鏈接Now:可以通過Al做圖應(yīng)用直接提供服務(wù)鏈接對象重構(gòu)人-人人-軟件Before:社交解決的是人與人之間的鏈接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(chǎn)品迭代重構(gòu)功能迭代模型迭代Before:用戶適應(yīng)產(chǎn)品，接受產(chǎn)品功能與交互的變化Now:由于模型升級導(dǎo)致產(chǎn)品功能增強，產(chǎn)品適應(yīng)用戶，用戶無感知13與多模態(tài)、生成式人工智能技術(shù)因其強大的功能和廣泛的應(yīng)用前景,吸引了大量開發(fā)者的關(guān)注。進(jìn)入到下半年，開發(fā)者對于基于大語言模型提升之后的應(yīng)用落地給予了更多的關(guān)注，最明顯的變化就是對于智能體的關(guān)注比重上升顯著,目前位居首位，達(dá)到37.2%的比重，其次為生成式人工智能與多模態(tài)。當(dāng)前開發(fā)者更關(guān)注的技術(shù)方向?當(dāng)前開發(fā)者更關(guān)注的技術(shù)方向?生成式人工智能多模態(tài)模型與技術(shù)大模型技術(shù)與開源邊緣計算與AloTAl倫理與安全合規(guī)跨學(xué)科技術(shù)與應(yīng)用Al基礎(chǔ)設(shè)施，CPU/GPU與計算芯片0%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月，并結(jié)合2024年上半年開發(fā)者調(diào)研進(jìn)行對比分析C易觀分析15%20%25%30%35%31.5%36.1%跨學(xué)科技術(shù)的應(yīng)用，特別是在與生物科技的結(jié)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(xué)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)。生物科技環(huán)境科學(xué)社會科學(xué)藝術(shù)和設(shè)計23.0%經(jīng)濟(jì)學(xué)7.9%0%5%10%15%20%25%35%40%32.1%35.2%38.1%14臨著基礎(chǔ)設(shè)施建設(shè)與A應(yīng)用探索并重的雙重任務(wù)。這種并重的趨勢有助于促進(jìn)Al技術(shù)的全面發(fā)展，同時為的Al產(chǎn)業(yè)帶來新的機遇和挑戰(zhàn)。Al平臺和工具開發(fā)，包括開發(fā)框架、數(shù)據(jù)工程、向量數(shù)據(jù)庫、模型…Al基礎(chǔ)設(shè)施方面，包括算力、芯片等行業(yè)解決方案Al應(yīng)用產(chǎn)品研發(fā)-智能客服基礎(chǔ)研究，包括算法與模型等AI應(yīng)用產(chǎn)品研發(fā)-文本、圖像和音視頻等素材生成AI應(yīng)用產(chǎn)品研發(fā)-搜索推薦Al應(yīng)用產(chǎn)品研發(fā)-數(shù)據(jù)分析Al應(yīng)用產(chǎn)品研發(fā)-軟件工程與代碼機器人等硬件方向AI應(yīng)用產(chǎn)品研發(fā)-營銷方向AI應(yīng)用產(chǎn)品研發(fā)-個人助理方向Al應(yīng)用產(chǎn)品研發(fā)-虛擬陪伴類與交友方向機器人相關(guān)方向AI應(yīng)用產(chǎn)品研發(fā)-自動駕駛方向Al應(yīng)用產(chǎn)品研發(fā)-數(shù)字人方向易觀分析28.1%●Al基礎(chǔ)建設(shè)聚集大量開發(fā)者，Al平臺和工具是Al開發(fā)開發(fā)者對于A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(dá)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?qū)Ｗ⒂趧?chuàng)新和核心業(yè)務(wù)邏輯。Al平臺和工具的易用性、靈活性和可擴(kuò)展性將成為未來Al應(yīng)用開發(fā)、部署和運營的重要基礎(chǔ)。Al基礎(chǔ)設(shè)施以及基礎(chǔ)研究是Al技術(shù)發(fā)展的基石，它直接影響到A應(yīng)用的性能、成本和可擴(kuò)展性。這表明AI技術(shù)已經(jīng)從概念驗證階段進(jìn)入到實際應(yīng)用和規(guī)模化部署階段，而推動Al基礎(chǔ)研究與基礎(chǔ)設(shè)施的快速發(fā)展成為其中破局的關(guān)鍵點之一?！馎I應(yīng)用更加多元化探索，智能客服等成為AI應(yīng)用落地最重要的方向之一AI應(yīng)用開始多元化探索，表明Al開發(fā)者在追求技術(shù)進(jìn)步的同時，也在積極探索如何將Al技術(shù)應(yīng)用到不同行業(yè)和領(lǐng)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(dāng)前開發(fā)者在應(yīng)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(shù)實現(xiàn)個性化服務(wù)。智能客服可以24/7無休地提供服務(wù)，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(nèi)容，豐富用戶體驗。這些應(yīng)用方向?qū)τ陂_發(fā)者來說，是實現(xiàn)創(chuàng)新和商業(yè)價值的關(guān)鍵。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(lǐng)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(nèi)容，提升用戶體驗。例如，生成音樂、視頻和游戲內(nèi)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(nèi)容的豐富性，也推動了數(shù)字娛樂產(chǎn)業(yè)的創(chuàng)新和發(fā)展。在金融領(lǐng)域，生成式人工智能可以幫助企業(yè)進(jìn)行風(fēng)險預(yù)測、智能客服和投資策略優(yōu)化，提高金融服務(wù)效率和準(zhǔn)確性。另外，包括電商以及跨境在內(nèi)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(wù)、數(shù)字人直播等方面的應(yīng)用創(chuàng)新與顯著體整體而言，當(dāng)前市場對Al技術(shù)的需求廣泛，且各行業(yè)都在積極擁抱人工智能技術(shù)創(chuàng)新來推動發(fā)展。相應(yīng)地，企業(yè)開發(fā)者正在基于自身技術(shù)方向與資源，進(jìn)入到相應(yīng)地更加行業(yè)應(yīng)用-商業(yè)交易方向，包括線上、線下的零售、…行業(yè)應(yīng)用-娛樂方向，包括游戲、音樂、視頻等行業(yè)應(yīng)用-教育方行業(yè)應(yīng)用-工業(yè)與制造業(yè)方向行業(yè)應(yīng)用-醫(yī)療方行業(yè)應(yīng)用-汽車方行業(yè)應(yīng)用-其它方數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，向向調(diào)研時間2024年9-10月9.2%6.3%6.1%4.5%4.3%6.2%◎易觀分析,以實現(xiàn)更加智能化的功能和交互體驗。如智能家居設(shè)備、可穿戴設(shè)備、服務(wù)機器人等，集成Al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(wù)效率和質(zhì)量。在工業(yè)機器人方面，通過A驅(qū)動實現(xiàn)復(fù)雜精密操作，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。與醫(yī)療設(shè)備相結(jié)合，提高醫(yī)療服務(wù)的準(zhǔn)確性和效率等。16這能夠充分發(fā)揮他們的專業(yè)優(yōu)勢，推動技術(shù)的深入研究和應(yīng)用。例如，擅長數(shù)據(jù)挖掘和機器學(xué)習(xí)的開發(fā)者可能會選擇在智能客服、搜索推薦等領(lǐng)域進(jìn)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(lǐng)域進(jìn)行創(chuàng)新。這種基于技術(shù)專長的選擇有助于形成Al應(yīng)用領(lǐng)域的在產(chǎn)品方向上，相當(dāng)比例的開發(fā)者具備專注性，仍然從事之前所專注的產(chǎn)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(yù)測、智能等，都成為應(yīng)用體驗和場景價值驗證的重要催化劑，產(chǎn)品提供了更加豐富和多樣化的應(yīng)用場景，使得產(chǎn)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(yīng)該充分認(rèn)識到Al技術(shù)的重要性，并將其融入到產(chǎn)品設(shè)計和開行業(yè)背景和資源對于開發(fā)者捕捉應(yīng)用場景、獲取客戶/用戶至關(guān)重要。了解行業(yè)需求、趨勢和競爭態(tài)勢，以及獲取相關(guān)的技術(shù)、數(shù)據(jù)和人才資源，有助于開發(fā)者更好地定位產(chǎn)品、創(chuàng)新應(yīng)用，并滿足用戶需求。這為開發(fā)者提供了堅實的基礎(chǔ)，使其能夠更有效發(fā)揮0數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研選擇AI開發(fā)方向的主要原因45.2%42.5%27.1%25.1%6.1%時間2024年9-10月◎易觀分析17在Al應(yīng)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(jīng)成熟的模型來快速開發(fā)和部署Al應(yīng)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(chǎn)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(chǎn)品的設(shè)計、用戶體驗和業(yè)務(wù)邏輯，而不是花費大量時間和資源在模型訓(xùn)練和優(yōu)化上。然而，隨著產(chǎn)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(wù)目標(biāo)，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(wù)場景和數(shù)據(jù)特點進(jìn)行定制，提高模型的準(zhǔn)確性和性能，從而更好地滿足用戶需求和提升產(chǎn)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(xùn)練和部署的過程，確保數(shù)據(jù)安全和隱私保護(hù)，滿足總之，在Al應(yīng)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(chǎn)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(wù)目標(biāo)，靈活考慮是否開發(fā)專屬模型，以實現(xiàn)更好的業(yè)務(wù)價值和用戶體驗。針對某些特定場景和應(yīng)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(wù)場景和數(shù)據(jù)特點進(jìn)行優(yōu)化，提高模型的準(zhǔn)確性和性能。私有化模型可以更好地控制模型訓(xùn)練和部署的過程，確保數(shù)據(jù)安全和隱私保護(hù)，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(chǎn)品競爭力。始終，模型-應(yīng)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(yīng)用的性能和用戶體驗，同時規(guī)避由于模型能力的升級導(dǎo)致產(chǎn)品壁壘消弭的風(fēng)險。通過將模型與應(yīng)用緊密結(jié)合起來，開發(fā)者可以更好地實現(xiàn)業(yè)務(wù)邏輯暫時使用市場成熟大模型進(jìn)行應(yīng)用開發(fā)，未來再考慮是否需要訓(xùn)練和部署企業(yè)專屬大模型基于商業(yè)化大模型進(jìn)行私有化訓(xùn)練和部署，并進(jìn)行應(yīng)用開發(fā)基于開源模型訓(xùn)練和微調(diào)自己專屬的大模型，并進(jìn)行應(yīng)用開發(fā)通過外掛知識庫(RAG)的方式來保障Al開發(fā)質(zhì)量采購商業(yè)化大模型API,按照使用量進(jìn)行付費，專注應(yīng)用開發(fā)029.1%C易觀分析18構(gòu)建應(yīng)用競爭壁壘的核心在于數(shù)據(jù)資產(chǎn)和數(shù)據(jù)飛輪閉環(huán)。數(shù)據(jù)資產(chǎn)是Al應(yīng)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(xùn)練出更加精準(zhǔn)和高效的模型，從而提升應(yīng)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(yīng)用產(chǎn)生的數(shù)據(jù)，進(jìn)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(jìn)行Al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(chǎn)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(zhì)量，以及數(shù)據(jù)處理和分析的效率和準(zhǔn)確性。此外，開發(fā)者還需要考慮如何保護(hù)用戶數(shù)據(jù)的安全和隱私，以符合行業(yè)監(jiān)管要求?？傊瑪?shù)據(jù)資產(chǎn)和數(shù)據(jù)飛輪閉環(huán)是構(gòu)建應(yīng)用競爭壁壘的核心，也是開發(fā)者進(jìn)行Al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(hù)，以實現(xiàn)可持續(xù)的競爭優(yōu)勢。,相應(yīng)地，模型-應(yīng)用一體化的方向更為清晰。模型能否準(zhǔn)確、有效地完成約定任務(wù)是Al應(yīng)用成功的關(guān)鍵。這需要開發(fā)者進(jìn)行細(xì)致的考量和設(shè)計。首先，開發(fā)者需要選擇合適的算法和模型架構(gòu)，以適應(yīng)不同的應(yīng)用場景和任務(wù)需求。其次，他們需要對模型進(jìn)行充分的訓(xùn)練和優(yōu)化，以確保模型在實際應(yīng)用中的準(zhǔn)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(yīng)用數(shù)據(jù)，以優(yōu)化模型性能，是開發(fā)者確保Al應(yīng)用成功的關(guān)鍵步45.2%40.7%34.2%21.8%9.3%7.0%其他1.2%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析領(lǐng)域數(shù)據(jù)量以及數(shù)據(jù)獲取難度使用成本數(shù)據(jù)安全與隱私保護(hù)模型輸出質(zhì)量行業(yè)Knowhow和知識體系定制化與靈活性技術(shù)支持與維護(hù)法律與合規(guī)性社區(qū)與生態(tài)19盡管Al技術(shù)在不斷進(jìn)步，大部分開發(fā)者進(jìn)行Al應(yīng)用分發(fā)時，仍然需要采取“舊時代”方式，如廣告投放、市場-銷售團(tuán)隊體系進(jìn)行客戶觸達(dá)與轉(zhuǎn)化等。這些傳統(tǒng)方式在Al應(yīng)用推廣中仍發(fā)揮著重要作用。方式之所以仍然重要，是因為它們已經(jīng)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(zhuǎn)化率。對于市場上已經(jīng)相對成熟的應(yīng)用來說，它們在競爭中暫時具備一定的優(yōu)勢?！窆咀杂锰嵘ぷ餍实纫彩悄壳伴_發(fā)者的重要工作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Al技術(shù)，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(chǎn)力，進(jìn)而可以幫助應(yīng)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(zhì)量的應(yīng)用和服務(wù)，將是影響它們成功的關(guān)鍵因素。此外，開發(fā)者還需要關(guān)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)者的官方APP38.2%企業(yè)定制化項目36.2%公司內(nèi)部自用32.0%GPTstore等應(yīng)用商店19.2%開源社區(qū)9.0%其他，請注明0.0%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9110月20%25%30%35%40%45%◎易觀分析2020Al應(yīng)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(nèi)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(jìn)應(yīng)然而，過度依賴廣告可能會影響用戶體驗，導(dǎo)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(nèi)容，以及提供更多有價值的功能和服務(wù)，來提升用戶體驗和滿意度。技術(shù)服務(wù)獲取收入和現(xiàn)金流，為自身應(yīng)用上線與創(chuàng)新商業(yè)模式爭取空間。技術(shù)服務(wù)不僅可以作為應(yīng)用上線前的現(xiàn)金流來源，還可以積累經(jīng)驗和技術(shù)能力，為應(yīng)用開發(fā)和創(chuàng)新商業(yè)模式提供堅實的基礎(chǔ)。Al應(yīng)用訂閱服務(wù)與產(chǎn)品銷售等占比不高，這可能是由于市場對Al應(yīng)用的認(rèn)知和接受程度尚未完全成熟，或者Al應(yīng)用的價值和商業(yè)模式還未得到充分驗證。訂閱服務(wù)與產(chǎn)品銷售需要用戶對Al應(yīng)用有持續(xù)的需求和支付意愿，而目前很多Al應(yīng)用還未能滿足這一條件。開發(fā)者需要進(jìn)一步驗證產(chǎn)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(chǎn)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(wù)、合作伙伴關(guān)系等，以提高產(chǎn)品的市場滲透率。開發(fā)者目前主要探索的商業(yè)化方式開發(fā)者目前主要探索的商業(yè)化方式其他，請注明0.0%◎易觀分析廣告收入技術(shù)服務(wù)產(chǎn)品銷售數(shù)據(jù)分析服務(wù)目前還沒有形成商業(yè)化路徑從針對開發(fā)者目前收入與成本的調(diào)研結(jié)果來看，開發(fā)者整體的原則保持量入為出，PMF開發(fā)者可以收集實際數(shù)據(jù)，驗證產(chǎn)品的性能和效果。只有當(dāng)Al產(chǎn)品能夠為企業(yè)帶來實際的業(yè)務(wù)價值時，才能獲得市場的認(rèn)可和持續(xù)的收入來源。量入為出是保障現(xiàn)金流的基礎(chǔ)。開發(fā)者需要合理規(guī)劃預(yù)算和資源，確保在投入和產(chǎn)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。通過精總之，收入驗證Al產(chǎn)品價值是確保其可持續(xù)發(fā)展的關(guān)鍵，而量入為出是保障現(xiàn)金流的基礎(chǔ)。開發(fā)者需要通過實際業(yè)務(wù)場景驗證產(chǎn)品的價值，并通過精細(xì)化的成本控制和收開發(fā)者目前已經(jīng)達(dá)成的收入規(guī)模分布Al應(yīng)用企業(yè)開發(fā)者在Al和大模型方面的花費和投2.4%L000萬以上4.4%501萬-1000萬3.6%4.0%3.1%9.2%101萬-200萬4.9%9.3%S1萬-100萬24.1%21萬50萬20.1%11萬-20萬5-10萬11.1%5萬以內(nèi)6.2%3.0%易觀分析聯(lián)合CSDN發(fā)起N應(yīng)用開發(fā)者調(diào)研，調(diào)時間2024年9-10月22系列大模型以42.9%的使用率位居首位，這顯示了lpenAl在Al領(lǐng)域的影響力和號召力，同為海外的系列大模型也在一眾大大模型中脫穎而出，以27.1%的比例位居第三位。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。總體上而言，Al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。MetaLLaMa系列大模型智譜ChatGLM3大模型華為盤古大模型月之暗面Kimi27.1%發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月37.8%wW23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(chǎn)品贏得更多當(dāng)下Al開發(fā)者的試用和試用，國內(nèi)相對領(lǐng)StabilityAIStableVideoDiffus大模型GoogleGemini 其他7.1%6.7%6.1%◎易觀分析38.1%29.1%30%35%40%24√大模型生態(tài)的健壯度對于開發(fā)者來說至關(guān)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(yīng)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(shù)動態(tài)、交流問題和經(jīng)驗√對于企業(yè)開發(fā)者而言，需要確保其應(yīng)用符合法律法規(guī)和行業(yè)標(biāo)準(zhǔn)，相應(yīng)地，這類型開發(fā)者非常重視安全合規(guī)與風(fēng)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(hù)、風(fēng)險評估與預(yù)測，以及自動化審計√訓(xùn)練與推理成本伴隨技術(shù)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(guān)注的要素之一?！谭?wù)體系與可持續(xù)發(fā)展能力是開發(fā)者進(jìn)行模型選型方面的加分項。大模型工具鏈生態(tài)是否完善，是否便于進(jìn)行大模型安全和倫理控制等風(fēng)險管理手段和措施完善度大模型基礎(chǔ)能力(生成、邏輯推理等)開源、閉源訓(xùn)練和推理成本自身數(shù)據(jù)類型和數(shù)據(jù)量等是否支持私有化部署能否有比較好的服務(wù)和技術(shù)支持大模型企業(yè)的綜合實力，能夠持續(xù)進(jìn)行研發(fā)投入和■個人開發(fā)者9.2%6.0%9.0%6.2%9.2%4.0%43.2%40.2%20.3%45.1%25.3%■企業(yè)開發(fā)者數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析25Al開發(fā)者在發(fā)展的過程中，面臨眾多挑戰(zhàn)，當(dāng)前比較突出的仍然是工具鏈與數(shù)據(jù)生,而相應(yīng)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(dǎo)致開發(fā)效率低下、測試不充分或集成困難，從而影響Al應(yīng)用的質(zhì)量和數(shù)據(jù)準(zhǔn)備和處理是Al模型訓(xùn)練和優(yōu)化的基礎(chǔ)，需要開發(fā)者投入大量的時間和精力進(jìn)行數(shù)據(jù)清洗、標(biāo)注和處理。如果數(shù)據(jù)資源不足，開發(fā)者的選擇和應(yīng)用范圍將受到限制，難以訓(xùn)練出高質(zhì)量的模型。同時，高質(zhì)量的數(shù)據(jù)是提升Al模型和應(yīng)用能力的關(guān)鍵。如果數(shù)據(jù)資源不足，模型的準(zhǔn)確性和泛化能力將受到影響，應(yīng)用的體驗和效果也將受到模型駕馭是Al應(yīng)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(diào)整模型參數(shù)以保障應(yīng)用的性能與體驗。這需要開發(fā)者具備較強的技術(shù)實力和豐富的經(jīng)驗，以應(yīng)對開發(fā)者在開發(fā)過程中面臨的核心挑戰(zhàn)了解市場和用戶/客戶需求，尋求Al應(yīng)用場景方面的挑戰(zhàn)法律和政策方面的挑戰(zhàn)，如適應(yīng)不同國家和地區(qū)對于Al技術(shù)的監(jiān)管…數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起A應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-126,而相應(yīng)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(xùn)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(xùn)練與評估是Al應(yīng)用開發(fā)的關(guān)鍵環(huán)節(jié)，需要相應(yīng)的工具來提高效率面，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(xì)分應(yīng)用工具鏈的完善，另一方面也顯示出當(dāng)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(diào)教的√數(shù)據(jù)工程相關(guān)工具鏈，是開發(fā)者在進(jìn)行模型訓(xùn)練與應(yīng)用開發(fā)的重要基礎(chǔ)，能夠為開發(fā)者提供了一套完整的工具和流程，以支持?jǐn)?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A過程當(dāng)中，數(shù)據(jù)資產(chǎn)管理和完善的基礎(chǔ)工作的重要性，不容忽√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(guān)注的方面，這方面風(fēng)數(shù)據(jù)管理工具，包括數(shù)據(jù)收集、數(shù)據(jù)清洗和預(yù)處理、數(shù)據(jù)標(biāo)準(zhǔn)和檢索等模型訓(xùn)練工具，包括分布式訓(xùn)練工具、超參數(shù)調(diào)優(yōu)工具等模型開發(fā)工具，包括框架和平臺、模型設(shè)計工具等模型評估和測試工具，包括測試集和驗證集、模型比較工具等模型部署和運維工具安全和合規(guī)性工具■個人開發(fā)者數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月42.8%38.1%27.1%36.2%36.2%35.2%21.4%29.2%9.2%7.1%8.0%◎易觀分析27從當(dāng)前開發(fā)者所需要的資源支持方面來看，具體分析如下：在Al應(yīng)用開發(fā)領(lǐng)域，開發(fā)者需要對不同行業(yè)和應(yīng)用場景有深入的了解，以便提供標(biāo)準(zhǔn)化產(chǎn)品，甚至定制化的解決方案。用戶需求分析有助于指導(dǎo)產(chǎn)品開發(fā)和市場策略，這盡管從之前的分析當(dāng)中可以看到，開發(fā)者已經(jīng)充分做好了量入為出的準(zhǔn)備，但是資金需求仍然代表了在產(chǎn)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(shù)人才，還涉及項目管理、市場營銷等多方面。人才的質(zhì)量和數(shù)量直接影響項目的成功率和公司的競爭力。相應(yīng)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(shù)培訓(xùn)、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(guān)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客戶/用戶需求分析(行業(yè)和場景等)硬件和算力資源與大模型平臺建立深度合作(資源分享、分成、培訓(xùn)、資質(zhì)等)對政府的扶持政策需求034.2%29.3%28.2%27.3%24.1%4.3%0.5%◎易觀分析從未來的發(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(jìn)產(chǎn)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(kuò)大國際市場、加強技術(shù)團(tuán)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(shù)發(fā)展和財務(wù)支持的全面考慮28根據(jù)市場和用戶/客戶反饋不斷改進(jìn)產(chǎn)品加速產(chǎn)品商業(yè)化增長探索產(chǎn)品商業(yè)化路徑考慮或者加大出海力度繼續(xù)組建和加強技術(shù)團(tuán)隊融資數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析35%40%45%27.3%36.1%在Al時代，超級個體成為可能，這意味著個人開發(fā)者或團(tuán)隊能夠利用先進(jìn)的Al技術(shù)和工具，實現(xiàn)以往需要大規(guī)模團(tuán)隊和復(fù)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(lǐng)域的技能和知識，能夠獨立完成從數(shù)據(jù)處理、模型訓(xùn)練到應(yīng)用開發(fā)的整個過程。相應(yīng)地，本次調(diào)研也一直將個人開發(fā)者作為重要的部分來進(jìn)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(jìn)的AI工具、技術(shù)資源和跨學(xué)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。個人開發(fā)者未來的發(fā)展計劃個人開發(fā)者未來的發(fā)展計劃26.3%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析29加入一個合適公司或者團(tuán)隊打工提升自身Al理解和技術(shù)能力創(chuàng)業(yè)，根據(jù)產(chǎn)品階段尋求團(tuán)隊合作根據(jù)市場和用戶/客戶反饋不斷改進(jìn)產(chǎn)品探索個人開發(fā)產(chǎn)品的商業(yè)化路徑考慮出海發(fā)展35%40%45%應(yīng)用最關(guān)注的N個問題實際上，大量行業(yè)企業(yè)，尤其是領(lǐng)先企業(yè)，對于Al的應(yīng)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Al應(yīng)用主要體現(xiàn)在以下幾個方面：如自動化客服、圖像識別、語音識別等。這些應(yīng)用通?；趥鹘y(tǒng)的機器學(xué)習(xí)模型，功能相對單一。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(shù)實力和數(shù)·成本問題：Al技術(shù)的研發(fā)和應(yīng)用需要較高的成本投入，包括數(shù)據(jù)收集、處理、模型訓(xùn)練和部署等。這限制了中小企業(yè)在Al領(lǐng)域的探索和應(yīng)用。和擴(kuò)展性。這意味著每當(dāng)需要新的應(yīng)用時，企業(yè)可能需要從頭開始構(gòu)建新的慢。這限制了Al技術(shù)在商業(yè)領(lǐng)域的快速普及和深入應(yīng)用?？偟膩碚f，在大語言模型時代之前，Al技術(shù)的應(yīng)用受到了多方面的限制，導(dǎo)致其在商業(yè)領(lǐng)域的應(yīng)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說可以得到顯著的改善，Al技術(shù)的應(yīng)用變得更加廣泛和深入。本章基于此次開發(fā)者調(diào)研，結(jié)合典型行業(yè)Al應(yīng)用深度分析，試圖回答在大語言模型開啟的時代初期，行業(yè)企業(yè)的新一輪Al應(yīng)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Al應(yīng)用，還需要直面行業(yè)用戶最建適用于Al應(yīng)用加速滲透進(jìn)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行業(yè)客戶，即甲方基于大語言模型進(jìn)行應(yīng)用Al的階段，可以根據(jù)其技術(shù)應(yīng)用的深度和31行業(yè)企業(yè)基于大語言模型的AI應(yīng)用發(fā)展階段4.Al驅(qū)動3.產(chǎn)品集成階段2.內(nèi)部應(yīng)用階段階段◎易觀分析業(yè)務(wù)領(lǐng)域的適用性和潛力。這可能包括試點項目、概念驗證或?qū)ΜF(xiàn)有流程的小規(guī)模自·目標(biāo)：評估Al技術(shù)的適用性和潛力?！ぬ魬?zhàn)：選擇合適的試點項目，確保技術(shù)可行性和業(yè)務(wù)需求匹配?！ぐ咐捍罅科髽I(yè)集中在這個部分，處于觀望以及局部探索階段。2.內(nèi)部應(yīng)用階段：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(nèi)部管理系統(tǒng)的智能化升級?！つ繕?biāo)：提高內(nèi)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?！ぐ咐捍罅靠萍计髽I(yè)，以及數(shù)字化基礎(chǔ)比較好的行業(yè)企業(yè)，如銀行、證券、零售、教育等。3.產(chǎn)品集成階段：在這個階段，企業(yè)開始將Al技術(shù)集成到其現(xiàn)有產(chǎn)品和服務(wù)中，以提升產(chǎn)品的附加值和市場競爭力。這可能包括開發(fā)Al助理、智能推薦系統(tǒng)、增強的用戶體驗等。·目標(biāo)：提升產(chǎn)品附加值和市場競爭力?！ぬ魬?zhàn)：確保Al集成不影響現(xiàn)有產(chǎn)品的用戶體驗，并增加新的價值?！ぐ咐喝玢y行開發(fā)Al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(yīng)用企業(yè)，通過集成AI能力提升當(dāng)前產(chǎn)品和服務(wù)的體驗與價值。4.Al驅(qū)動創(chuàng)新階段：隨著Al技術(shù)的深入應(yīng)用，企業(yè)開始利用Al技術(shù)開發(fā)全新的產(chǎn)品和服務(wù)，以滿足市場的新需求。這可能包括基于Al的預(yù)測分析、個性化定制、智能決策支持系統(tǒng)等。·目標(biāo)：開發(fā)全新的產(chǎn)品和服務(wù)以滿足市場需求。·挑戰(zhàn)：創(chuàng)新的同時保持技術(shù)的先進(jìn)性和市場適應(yīng)性。在這個最終階段，Al技術(shù)成為企業(yè)戰(zhàn)略的核心，企業(yè)在整個組織結(jié)構(gòu)、業(yè)務(wù)模式和市·目標(biāo)：在整個企業(yè)中實現(xiàn)智能化轉(zhuǎn)型。·挑戰(zhàn)：整合Al技術(shù)到企業(yè)的各個層面，包括文化和戰(zhàn)略決策。33從當(dāng)前行業(yè)企業(yè)對于Al應(yīng)用和大模型方面可能的花費和投入情況來看，如下圖所示：10萬以內(nèi)10.1%11萬-20萬4.2%21萬-50萬33.2%51萬-100萬20.3%101萬-200萬14.5%201-500萬7.7%501-1000萬5.9%1000萬以上4.1%可以看出，中小企業(yè)是這一波Al應(yīng)用浪潮需要重點覆蓋的企業(yè)類型，而百萬以下的Al投資對于大量中小企業(yè)而言，產(chǎn)品ROI與體驗是重要的關(guān)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(jìn)行場景共創(chuàng)，是Al價值落地的重要抓手。跳開本次調(diào)研結(jié)果來看，在行業(yè)企業(yè)這一關(guān)鍵角色類型方面，需要關(guān)注到Al應(yīng)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(jīng)濟(jì)的重要支撐和穩(wěn)定器，中央企業(yè)和國有企業(yè)肩負(fù)著推動傳統(tǒng)產(chǎn)業(yè)升級、新興產(chǎn)業(yè)發(fā)展以及未來產(chǎn)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(guān)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(lǐng)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(lǐng)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(jìn)行基礎(chǔ)大模型研發(fā)與建設(shè)，如下表所示：央企模型名稱移動通信集團(tuán)有限公司九天大模型九天大模型代表了移動在人工智能領(lǐng)域的深入探索和創(chuàng)新實踐，它集成了大算力、大模型、大數(shù)據(jù)和大平臺等特征，構(gòu)建了新型智能基座。該模型已經(jīng)建 34央企模型名稱移動通信集團(tuán)有限公司九天大模型成智能算力超過1DEFLOPS,擁有2001億參數(shù)的多模態(tài)大模型，并且正在積極推進(jìn)政務(wù)和客服等領(lǐng)域的應(yīng)用。以九天自然語言交互大模型為基礎(chǔ)，移動已經(jīng)實現(xiàn)一系列的產(chǎn)業(yè)賦能成果。一是打造了面向骨干行業(yè)和三甲醫(yī)院與移動開展大模型共建合作。二是加速構(gòu)建了網(wǎng)絡(luò)、客服、家庭、政務(wù)、出行、醫(yī)療、工業(yè)、綜治、企業(yè)通話等20余款行業(yè)大模型電信集團(tuán)有限公司星辰大模型電信星辰大模型為央企首個開源大模型，到目前的語義大模型全面開源以及超多方言ASR語音大模型的開源。目前星辰系列大模型已經(jīng)成為魔樂社區(qū)()下載量最高的模型，同時星辰開源項目憑借卓越的性能和開源生態(tài)貢獻(xiàn)，獲得Gitee社區(qū)"GVP-Gitee最有價值開源項目"的獎勵。目前星辰大模型矩陣已經(jīng)包括了星辰語義、語音、視覺和多模態(tài)完整的能力覆蓋，這些能力共同構(gòu)成了電信在人工智能領(lǐng)域的重要支撐聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司元景大模型元景大模型形成了"1+1+M"大模型體系體系，即套基礎(chǔ)大模型、1個大模型底座、M種行業(yè)大模型。旨在通過算網(wǎng)數(shù)智融合產(chǎn)品創(chuàng)新，提供網(wǎng)絡(luò)、算力、存儲、模型服務(wù)等資源與能力的彈性一體化供給。涵蓋通用大模型、工業(yè)領(lǐng)域行業(yè)大模型等，支持大小模型融合。此外，平臺提供易用的工具鏈、多模式部署加上貼身定制服務(wù)，以及18個行業(yè)軍團(tuán)專家提供的定制化服務(wù)電子信息產(chǎn)業(yè)集團(tuán)有限公司電子云星智2.0以及星智政務(wù)垂直領(lǐng)域大模型正式發(fā)布"I+N+M"可信智算戰(zhàn)略。"I"是基于電子云專屬云平臺CECSTACK打造了一體化算力平臺，為客戶提供通用計算、智能計算和高性能計算等類型的一體化算力服務(wù)；"N"是面向行業(yè)需求，投資建設(shè)N個可信智算中心；"M"是攜手政產(chǎn)學(xué)研各類生態(tài)力量，聯(lián)合打造M個行業(yè)模型，以此為平臺基礎(chǔ)設(shè)施，并通過電子云人工智能創(chuàng)新應(yīng)用產(chǎn)業(yè)聯(lián)盟，加速推動“人工智能+”行動35其二，以行業(yè)央企牽頭，基于所處行業(yè)進(jìn)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：部分央國企主導(dǎo)行業(yè)大模型研發(fā)與建設(shè)央企模型名稱第一汽車集團(tuán)有限公司一汽與阿里云的合作，推出大模型產(chǎn)品GPT-BI,同時基于通用大模型能力，依托一汽的云原生技術(shù)架構(gòu)及數(shù)據(jù)底座，沉淀高質(zhì)量的訓(xùn)練數(shù)據(jù)集，研發(fā)一汽自主可控的汽車行業(yè)大模型，重點突破大模型在產(chǎn)品研發(fā)、生產(chǎn)制造、營銷服務(wù)、經(jīng)營管控及代碼開發(fā)的深度應(yīng)用，提升企業(yè)的運營效能和產(chǎn)品競爭力中化控股有限責(zé)任公司“天樞”智研化工大模型智研化工大模型是中化信息持續(xù)探索人工智能領(lǐng)域并將先進(jìn)人工智能技術(shù)應(yīng)用于化工材料研發(fā)中的分子合成設(shè)計場景的最新成果，該模型基于先進(jìn)的Agent智能體架構(gòu)，將大語言模型與專業(yè)化學(xué)合成模型相結(jié)合，可通過對話交互高效完成分子智能化學(xué)檢索、分子逆合成設(shè)計和反應(yīng)條件推薦與優(yōu)化等化工場景研發(fā)任務(wù)，大幅提升研發(fā)中的信息獲取和決策效率寶武鋼鐵集團(tuán)有限公司寶鋼股份與華為公司攜手合作，探索AI大模型在鋼鐵行業(yè)的應(yīng)用，計劃涵蓋煉鋼、工藝控制和性能預(yù)測、新鋼種研發(fā)、風(fēng)險防控等多個專業(yè)領(lǐng)域，推動鋼鐵生產(chǎn)流程的智能化升級招商局集團(tuán)有限公司電子云星智2.0以及星智政務(wù)垂直領(lǐng)域大模型領(lǐng)域的大模型，基于“商道”行業(yè)大模型打造，并融包括船舶和船員管理、航運市場指數(shù)查詢、市場分析與趨勢預(yù)測、航運法律知識問答、綠色減排等多個領(lǐng)域的專業(yè)問題，為用戶提供具備邏輯框架性、戰(zhàn)略研判性和專業(yè)性的答案與建議。此外，“ShippingGPT”還能進(jìn)行航運物流知識檢索與問答、航運市場信息結(jié)構(gòu)化查詢問答等功能，旨在為全球航商提供隨需而至的專業(yè)智能化服務(wù)，助力航運業(yè)的發(fā)展商用飛機有限責(zé)任公司工業(yè)級流體仿真大工業(yè)級流體仿真大模型“東方·御風(fēng)”是由商飛與華為聯(lián)合打造的，基于昇騰AI技術(shù)。該模型專注于大型客機翼型流場的高效高精度AI仿真預(yù)測，能顯著提升對復(fù)雜流動的仿真能力?！皷|方·御風(fēng)”將仿真時間縮短至原來的1/24,同時減少了風(fēng)洞實驗的次數(shù)。此外，該模型能夠?qū)α鲌鲋凶兓瘎×业膮^(qū)域進(jìn)行精準(zhǔn)預(yù)測，流場平均誤差降低至萬分之一量級，達(dá)到工業(yè)級標(biāo)準(zhǔn)。這一創(chuàng)新不僅加速了民用飛機氣動設(shè)計的研發(fā)進(jìn)程，也為飛機的安全性、舒適性、經(jīng)濟(jì)性和環(huán)保性提供了有力支持36央企模型名稱南方電網(wǎng)有限責(zé)任公司電力行業(yè)人工智能創(chuàng)新平臺及自主可控電力大模型配網(wǎng)AI大模型南方電網(wǎng)公司推出的電力行業(yè)人工智能創(chuàng)新平臺及自主可控電力大模型，是電力行業(yè)首個自主可控的大模型，由南方電網(wǎng)公司自主研發(fā)，并已完成了百億規(guī)模參數(shù)大模型的訓(xùn)練驗證。覆蓋包括智能創(chuàng)作、設(shè)備巡檢、電力調(diào)度在內(nèi)的七大應(yīng)用場景，也可應(yīng)用于特定業(yè)務(wù)場景。該模型已經(jīng)在廣東、廣西、云南、貴州、海南五省(自治區(qū))的發(fā)、輸、變、配、用電各領(lǐng)域的80余個場景中實現(xiàn)了應(yīng)用。該平臺的發(fā)布標(biāo)志著電力行業(yè)上下游生態(tài)的體系化服務(wù)能力基本形成，有助于產(chǎn)業(yè)鏈上下游用戶基于平臺便捷開展模型訓(xùn)練、數(shù)據(jù)融合創(chuàng)新等，從而促進(jìn)行業(yè)的智能化轉(zhuǎn)型石油天然氣集團(tuán)有限公司昆侖大模型昆侖大模型的建設(shè)，將特別聚焦于能源化工行業(yè)，昆侖大模型將結(jié)合能源化工行業(yè)的特點，開發(fā)出具有行業(yè)特色和大模型技術(shù)特點的解決方案，加快生產(chǎn)經(jīng)營全過程的創(chuàng)新鏈升級。昆侖大模型的建設(shè)涉及多家中國頂尖企業(yè)，包括移動、華為和科大訊飛等參與航空工業(yè)集團(tuán)有限公司“智航·提質(zhì)增效”“智航·提質(zhì)增效”大模型是一個專注于制造業(yè)提質(zhì)增效的人工智能模型，其核心是利用先進(jìn)的人工智能技術(shù)，特別是大型語言模型和深度學(xué)習(xí)技術(shù)，來提升制造業(yè)的生產(chǎn)效率和產(chǎn)品質(zhì)量。它涉及到人工智能與先進(jìn)制造業(yè)的深度融合，旨在賦能傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級，從而推動產(chǎn)業(yè)更高質(zhì)量的發(fā)展，如生產(chǎn)線的自動化、質(zhì)量數(shù)據(jù)的實時監(jiān)控等長江三峽集團(tuán)有限公司可再生能源和水利行業(yè)知識大模型“大禹”目前三峽集團(tuán)開發(fā)了行業(yè)智能問答系統(tǒng)，采用先進(jìn)的大語言模型生成技術(shù)，并結(jié)合微調(diào)技術(shù)和檢索增強技術(shù)，通過智能邏輯處理，對復(fù)雜查詢進(jìn)行智能解析，直接提供準(zhǔn)確回答，提升用戶獲取知識的效率，同時，打造可再生能源和水利行業(yè)知識大模型“大禹”煤炭科工集團(tuán)有限公司“太陽石礦山大模型”“太陽石礦山大模型”針對煤礦多維度應(yīng)用場景的具體需求，從基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層、算法模型層、應(yīng)用服務(wù)層、安全可信與測試層、行業(yè)生態(tài)層六個層面進(jìn)行建設(shè)。其中，數(shù)據(jù)資源層匯聚了煤炭行業(yè)海量的多模態(tài)數(shù)據(jù)，包括安全監(jiān)測數(shù)據(jù)集500億條、視覺圖像數(shù)據(jù)集300萬張，以及20本期刊與200億字技術(shù)文獻(xiàn)的專業(yè)學(xué)術(shù)期刊數(shù)據(jù)集等。算法模型層可支撐自主可控的超100種各類Al算法。應(yīng)用服務(wù)層包括礦山多模態(tài)數(shù)據(jù)交互、礦山空間重建與計算、礦山工況運維決策分析、礦山災(zāi)害預(yù)警決策分析、礦山智能設(shè)計等，可適用于行業(yè)各類業(yè)務(wù)需求以及超2000種共性Al場景，為下游企業(yè)提供便捷的應(yīng)用方式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Al應(yīng)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Al在軟件開發(fā)領(lǐng)域的應(yīng)用非常廣泛，可能包括自動化代碼審查、測試和錯誤修復(fù)等。用戶營銷與運營以52%緊隨其后，顯示了Al在個性化營銷、用戶行為分析等方面的應(yīng)用。其次，協(xié)同辦公、客戶服務(wù)和產(chǎn)品體驗提升等場景的選擇比例在中等水平，這表明Al在提高工作效率、改善客戶體驗和產(chǎn)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(xùn)、供應(yīng)鏈管理等場景。代碼開發(fā)與測試等用戶營銷與運營協(xié)同辦公客戶服務(wù)32.1%銷售輔助支持24.3%產(chǎn)品體驗提升18.2%財務(wù)3.2%供應(yīng)鏈管理2.3%機器人/具身智能■1.2%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析40%在算力部署方面，與Al大模型以及應(yīng)用開發(fā)者不同的是，自建算力設(shè)施是行業(yè)企業(yè)更側(cè)重的部署方式，如下圖所示：主要使用自建算力設(shè)施自建算力設(shè)施和云服務(wù)按照一定比例分配主要使用算力云服務(wù)20.0%采購模型算力一體機10.2%暫時還沒有考慮算力要素6.3%數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析29.30%38●行業(yè)企業(yè)AI應(yīng)用開發(fā)路徑規(guī)劃行業(yè)企業(yè)進(jìn)行Al應(yīng)用開發(fā)方面，主導(dǎo)的開發(fā)路徑：“基于商業(yè)化大模型進(jìn)行私有化訓(xùn)練和部署，并進(jìn)行應(yīng)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(chǔ)，然后進(jìn)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(jìn)行應(yīng)用開發(fā)、基于開源模型訓(xùn)練和微調(diào)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Al應(yīng)用開發(fā)中的多樣化和靈活性，根據(jù)自身的資源和技術(shù)能力選擇最合適的開發(fā)路徑。行業(yè)企業(yè)進(jìn)行Al應(yīng)用開發(fā)所選擇的開發(fā)路徑基于商業(yè)化大模型進(jìn)行私有化訓(xùn)練和部署，并進(jìn)行應(yīng)用開發(fā)暫時使用市場成熟大模型進(jìn)行應(yīng)用開發(fā)，未來在考慮是否需要訓(xùn)練和部署企業(yè)專屬大模型基于開源模型訓(xùn)練和微調(diào)自己專屬的大模型，并進(jìn)行應(yīng)用開發(fā)通過外掛知識庫(RAG)的方式來保障AI開發(fā)質(zhì)量采購商業(yè)化大模型API,按照使用量進(jìn)行付費，專注應(yīng)用開發(fā)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(yīng)用和產(chǎn)品，拿來就用尚處于調(diào)研和研究狀態(tài)，還沒有明確結(jié)論030.6%4.5%◎易觀分析同時，也需要關(guān)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(yīng)用和產(chǎn)品，拿來就用"。這些企業(yè)可能由于技術(shù)、成本或資源限制，選擇直接購買市場上現(xiàn)有的Al應(yīng)用和產(chǎn)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(guān)注度和熱度相對比較高，導(dǎo)致大量企業(yè)用戶在Al應(yīng)用的開發(fā)路徑規(guī)劃方面，都會考慮與大語言模型相結(jié)合的方式，但是，對于大部分企業(yè)而言，僅考慮Al應(yīng)用，在選型企業(yè)應(yīng)用的過程中，將Al能力作為企業(yè)選型的重要考慮因素，未嘗不是快速擁抱Al應(yīng)用，節(jié)省研發(fā)成本和時間的重要方式。相應(yīng)地，在未來更多企業(yè)應(yīng)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(chǎn)沉淀，也可39企業(yè)在Al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A技術(shù)發(fā)展迅速，企業(yè)需要時間來評估各種技術(shù)的適用性和可行性，或者是因為企業(yè)缺行業(yè)企業(yè)在進(jìn)行Al應(yīng)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?？紤]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(hù)用戶和企因素也在考慮因素中占據(jù)了較高的比例。數(shù)據(jù)是Al開發(fā)的基礎(chǔ)，不同領(lǐng)域的數(shù)據(jù)量以要考慮自己所在領(lǐng)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Al模型能夠提供高質(zhì)量的輸出，以滿足他們的業(yè)務(wù)需求。這可能涉及模型的訓(xùn)練數(shù)據(jù)、算法的復(fù)雜性以及模型的調(diào)優(yōu)。這也將成為后續(xù)分析當(dāng)中，企業(yè)進(jìn)行大語言模型選型時最重要的考量要素之一。案時，也重視技術(shù)支持和維護(hù)服務(wù)。良好的技術(shù)支持可以幫助企業(yè)解決使用過程中遇根據(jù)他們的特定需求進(jìn)行定制，并且具有一定的靈活性，以便適應(yīng)不斷變化的市場和數(shù)據(jù)安全與隱私保護(hù)所在領(lǐng)域的數(shù)據(jù)量以及數(shù)據(jù)獲取難度使…模型輸出質(zhì)量技術(shù)支持與維護(hù)定制化與靈活性行業(yè)Knowhow和知識體系法律與合規(guī)性社區(qū)與生態(tài)其他數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月50%60%◎易觀分析38.6%53.2%24.7%34.2%30.5%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(chǔ)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(chǔ)能力，如生成文本、進(jìn)行邏輯推理等，這些能力對于企業(yè)應(yīng)用Al技術(shù)解決實際問題至關(guān)重要?！鞍踩蛡惱砜刂频蕊L(fēng)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Al技術(shù)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(fēng)險管理措施能夠滿足行業(yè)標(biāo)準(zhǔn)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(hù)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?xùn)練和推理成本”是企業(yè)選擇Al技術(shù)時必須考慮的因素之一。企業(yè)需要評估訓(xùn)練和推理模型的成本，以確保Al項目的經(jīng)濟(jì)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(jìn)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(jìn)行二次開發(fā)和定制，但是與Al應(yīng)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，這也許由于這些企模型升級0數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應(yīng)用開發(fā)者調(diào)研，調(diào)研時間20擇特定大語言模型的原因40.7%29.3%28.3%27.0%26.1%9.2%24年9-10月◎易觀分析41綜合不同類型開發(fā)者，包括Al應(yīng)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(jìn)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(jìn)行綜合考量和評估：模型能力模型能力需要關(guān)注基礎(chǔ)大模型的關(guān)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(wù)能力產(chǎn)品能力產(chǎn)品能力★★★★需要關(guān)注基礎(chǔ)大模型的產(chǎn)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(xùn)練與微調(diào)環(huán)節(jié)支撐與服務(wù)保障能力、任務(wù)場景實踐能力，以及運營維護(hù)保障能力等生態(tài)能力生態(tài)能力★★★側(cè)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(diào)與持續(xù)運營，關(guān)鍵環(huán)節(jié)國產(chǎn)供應(yīng)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)展能力基礎(chǔ)大模型非一蹴而就需要持續(xù)投入與迭代，需要關(guān)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(shè)與核心人才情況等42總體上而言，行業(yè)用戶在進(jìn)行Al規(guī)劃以及Al應(yīng)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)Al應(yīng)用發(fā)展的重要環(huán)節(jié)。調(diào)研結(jié)果如下：目前企業(yè)沒有合適的流程和場景做大模型的部署43.6%企業(yè)和團(tuán)隊對于大模型和Al的價值認(rèn)知不足30.2%數(shù)據(jù)資源不足29.5%數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)工程等方面的挑戰(zhàn)24.5%開發(fā)過程中工具鏈支持不足帶來的挑戰(zhàn)