2024年AI開發(fā)者應用生態(tài)調(diào)研報告

AI開發(fā)者應用生態(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(gòu)長期關(guān)注的重點。在未來相當長的一段時間內(nèi)，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(shù)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。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、人人可用，即個人知識能力將得以復制和擴展●聚焦當下：商業(yè)價值深化探索在當今的商業(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?！桃詷I(yè)務驅(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)務發(fā)展需求驅(qū)動Al應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3●Al開發(fā)者是當下推動AI應用生態(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)相應地，本次Al應用生態(tài)研究，將聚焦Al應用開發(fā)者，圍繞他們對于Al發(fā)展方向、當前Al應用開發(fā)進展以及未來Al產(chǎn)品路徑與規(guī)劃，以及面臨的挑戰(zhàn)以及潛在需求等進行充分調(diào)研，從而從開發(fā)者這個切面展示Al應用生態(tài)發(fā)展全貌。中歐國際工商學院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用規(guī)模持續(xù)增長，留存與用戶消費者用戶用戶上手應用規(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，但距離預期仍有差距模型-應用一體化①大模型廠商下場做應用，打造應用標桿模型-應用一體化①大模型廠商下場做應用，打造應用標桿能力把百度系所·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、教育等垂直領域應用層應用層是將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(chǎn)品化封裝，形成Al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。這一層曾經(jīng)包含了各種Al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(guān)注大模型的技術(shù)升這是整個AI應用生態(tài)系統(tǒng)的基礎，為Al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(guān)的網(wǎng)絡連接，算力基礎設施層的性能直接影響Al應用的速度和準確性?；A設施層基礎設施層AI應用生態(tài)圖譜應用層工具層模型層智能體(即Al原生應用)現(xiàn)有應用(Al增強)基于軟件的智能體2B應用(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應用開發(fā)應用開發(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模型訓練模型評測模型部署模型訓練模型評測模型部署阿里云百煉騰訊云TI平臺大模型服務平臺火山方舟大模型服務平臺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p“蟻天鑒”螞整集團p“蟻天鑒”基礎模型百度智能云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)絡開發(fā)者網(wǎng)絡創(chuàng)造屬于開發(fā)者的時代開源開源培訓機構(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，仍然具備較強的領便聚焦細分市場，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，工具鏈工具層·開始出現(xiàn)一些工具鏈公司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·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)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設施層要的地位。的許多Al初創(chuàng)公司和大型科技企業(yè)都依賴于英偉達的技術(shù)和產(chǎn)品基礎設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，進行產(chǎn)品定位與打磨。Al應用企業(yè)，尤其是Al原生應用，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(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，進入成熟期，即實現(xiàn)商業(yè)化與規(guī)模化，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端，也就是Al應用開發(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進行數(shù)據(jù)分析和自動化任務，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用開發(fā)方向上，22隨著對Al技術(shù)的深入理解和應用，企業(yè)開始將Al能力集成到其現(xiàn)有的產(chǎn)品和服務中。這包括開發(fā)Al助理、構(gòu)建企業(yè)知識庫等應用，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)務的結(jié)合點，創(chuàng)造新的用戶價值。◆典型案例：用友、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，滿足市場的需求。這標志著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。◆典型案例：44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用AI,而且在組織結(jié)構(gòu)、業(yè)務模業(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喊俣取⒗镌?，以微軟與的整合作為標桿，以Al應用未來的快速發(fā)展作為未來增長的核心驅(qū)動力，帶動對于Al基礎設施與能力的需求與市場增長。12和增長，未來各個領域的競爭，也將由于Al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Al原生應用的顛覆式創(chuàng)新仍然有可能改當前Al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(chǎn)品形態(tài)，從Al能力增強對于應類型交互方式重構(gòu)多模態(tài)交互GPT-40,通過語音直接進行交互服務重構(gòu)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(wǎng)，提供的是做圖需求與提供之間的鏈接Now:可以通過Al做圖應用直接提供服務鏈接對象重構(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:用戶適應產(chǎn)品，接受產(chǎn)品功能與交互的變化Now:由于模型升級導致產(chǎn)品功能增強，產(chǎn)品適應用戶，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用前景,吸引了大量開發(fā)者的關(guān)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(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，達到37.2%的比重，其次為生成式人工智能與多模態(tài)。當前開發(fā)者更關(guān)注的技術(shù)方向?當前開發(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)跨學科技術(shù)與應用Al基礎設施，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)研進行對比分析C易觀分析15%20%25%30%35%31.5%36.1%跨學科技術(shù)的應用，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)境科學社會科學藝術(shù)和設計23.0%經(jīng)濟學7.9%0%5%10%15%20%25%35%40%32.1%35.2%38.1%14臨著基礎設施建設與A應用探索并重的雙重任務。這種并重的趨勢有助于促進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基礎設施方面，包括算力、芯片等行業(yè)解決方案Al應用產(chǎn)品研發(fā)-智能客服基礎研究，包括算法與模型等AI應用產(chǎn)品研發(fā)-文本、圖像和音視頻等素材生成AI應用產(chǎn)品研發(fā)-搜索推薦Al應用產(chǎn)品研發(fā)-數(shù)據(jù)分析Al應用產(chǎn)品研發(fā)-軟件工程與代碼機器人等硬件方向AI應用產(chǎn)品研發(fā)-營銷方向AI應用產(chǎn)品研發(fā)-個人助理方向Al應用產(chǎn)品研發(fā)-虛擬陪伴類與交友方向機器人相關(guān)方向AI應用產(chǎn)品研發(fā)-自動駕駛方向Al應用產(chǎn)品研發(fā)-數(shù)字人方向易觀分析28.1%●Al基礎建設聚集大量開發(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)務邏輯。Al平臺和工具的易用性、靈活性和可擴展性將成為未來Al應用開發(fā)、部署和運營的重要基礎。Al基礎設施以及基礎研究是Al技術(shù)發(fā)展的基石，它直接影響到A應用的性能、成本和可擴展性。這表明AI技術(shù)已經(jīng)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Al基礎研究與基礎設施的快速發(fā)展成為其中破局的關(guān)鍵點之一?！馎I應用更加多元化探索，智能客服等成為AI應用落地最重要的方向之一AI應用開始多元化探索，表明Al開發(fā)者在追求技術(shù)進步的同時，也在積極探索如何將Al技術(shù)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(shù)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(nèi)容，豐富用戶體驗。這些應用方向?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(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、數(shù)字人直播等方面的應用創(chuàng)新與顯著體整體而言，當前市場對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。相應地，企業(yè)開發(fā)者正在基于自身技術(shù)方向與資源，進入到相應地更加行業(yè)應用-商業(yè)交易方向，包括線上、線下的零售、…行業(yè)應用-娛樂方向，包括游戲、音樂、視頻等行業(yè)應用-教育方行業(yè)應用-工業(yè)與制造業(yè)方向行業(yè)應用-醫(yī)療方行業(yè)應用-汽車方行業(yè)應用-其它方數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應用開發(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。如智能家居設備、可穿戴設備、服務機器人等，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)復雜精密操作，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。與醫(yī)療設備相結(jié)合，提高醫(yī)療服務的準確性和效率等。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(shù)專長的選擇有助于形成Al應用領域的在產(chǎn)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(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)分析和預測、智能等，都成為應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)者都應該充分認識到Al技術(shù)的重要性，并將其融入到產(chǎn)品設計和開行業(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(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，使其能夠更有效發(fā)揮0數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應用開發(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(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(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練和部署的過程，確保數(shù)據(jù)安全和隱私保護，滿足總之，在Al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(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(chǎn)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(chǎn)品壁壘消弭的風險。通過將模型與應用緊密結(jié)合起來，開發(fā)者可以更好地實現(xiàn)業(yè)務邏輯暫時使用市場成熟大模型進行應用開發(fā)，未來再考慮是否需要訓練和部署企業(yè)專屬大模型基于商業(yè)化大模型進行私有化訓練和部署，并進行應用開發(fā)基于開源模型訓練和微調(diào)自己專屬的大模型，并進行應用開發(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,按照使用量進行付費，專注應用開發(fā)029.1%C易觀分析18構(gòu)建應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(chǎn)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。總之，數(shù)據(jù)資產(chǎn)和數(shù)據(jù)飛輪閉環(huán)是構(gòu)建應用競爭壁壘的核心，也是開發(fā)者進行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，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Al應用成功的關(guān)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(gòu)，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Al應用成功的關(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應用開發(fā)者調(diào)研，調(diào)研時間2024年9-10月◎易觀分析領域數(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)在不斷進步，大部分開發(fā)者進行Al應用分發(fā)時，仍然需要采取“舊時代”方式，如廣告投放、市場-銷售團隊體系進行客戶觸達與轉(zhuǎn)化等。這些傳統(tǒng)方式在Al應用推廣中仍發(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，進而可以幫助應用分發(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)量的應用和服務，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(nèi)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。技術(shù)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(shù)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(jīng)驗和技術(shù)能力，為應用開發(fā)和創(chuàng)新商業(yè)模式提供堅實的基礎。Al應用訂閱服務與產(chǎn)品銷售等占比不高，這可能是由于市場對Al應用的認知和接受程度尚未完全成熟，或者Al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(chǎn)品銷售需要用戶對Al應用有持續(xù)的需求和支付意愿，而目前很多Al應用還未能滿足這一條件。開發(fā)者需要進一步驗證產(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、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)服務產(chǎn)品銷售數(shù)據(jù)分析服務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Al產(chǎn)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(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。開發(fā)者需要通過實際業(yè)務場景驗證產(chǎn)品的價值，并通過精細化的成本控制和收開發(fā)者目前已經(jīng)達成的收入規(guī)模分布Al應用企業(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?？傮w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)品贏得更多當下Al開發(fā)者的試用和試用，國內(nèi)相對領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√訓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阵w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。大模型工具鏈生態(tài)是否完善，是否便于進行大模型安全和倫理控制等風險管理手段和措施完善度大模型基礎能力(生成、邏輯推理等)開源、閉源訓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和技術(shù)支持大模型企業(yè)的綜合實力，能夠持續(xù)進行研發(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)，當前比較突出的仍然是工具鏈與數(shù)據(jù)生,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Al應用的質(zhì)量和數(shù)據(jù)準備和處理是Al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(zhì)量的模型。同時，高質(zhì)量的數(shù)據(jù)是提升Al模型和應用能力的關(guān)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Al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(diào)整模型參數(shù)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(shù)實力和豐富的經(jīng)驗，以應對開發(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應用場景方面的挑戰(zhàn)法律和政策方面的挑戰(zhàn)，如適應不同國家和地區(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應用開發(fā)者調(diào)研，調(diào)研時間2024年9-126,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Al應用開發(fā)的關(guān)鍵環(huán)節(jié)，需要相應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(diào)教的√數(shù)據(jù)工程相關(guān)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A過程當中，數(shù)據(jù)資產(chǎn)管理和完善的基礎工作的重要性，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，這方面風數(shù)據(jù)管理工具，包括數(shù)據(jù)收集、數(shù)據(jù)清洗和預處理、數(shù)據(jù)標準和檢索等模型訓練工具，包括分布式訓練工具、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(chǎn)品，甚至定制化的解決方案。用戶需求分析有助于指導產(chǎn)品開發(fā)和市場策略，這盡管從之前的分析當中可以看到，開發(fā)者已經(jīng)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(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、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、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)者也在考慮擴大國際市場、加強技術(shù)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(shù)發(fā)展和財務支持的全面考慮28根據(jù)市場和用戶/客戶反饋不斷改進產(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)團隊融資數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應用開發(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)者或團隊能夠利用先進的Al技術(shù)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(diào)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(shù)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。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)品階段尋求團隊合作根據(jù)市場和用戶/客戶反饋不斷改進產(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)，尤其是領先企業(yè)，對于Al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Al應用主要體現(xiàn)在以下幾個方面：如自動化客服、圖像識別、語音識別等。這些應用通?；趥鹘y(tǒng)的機器學習模型，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Al領域的探索和應用。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(gòu)建新的慢。這限制了Al技術(shù)在商業(yè)領域的快速普及和深入應用?？偟膩碚f，在大語言模型時代之前，Al技術(shù)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說可以得到顯著的改善，Al技術(shù)的應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應用，還需要直面行業(yè)用戶最建適用于Al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行業(yè)客戶，即甲方基于大語言模型進行應用Al的階段，可以根據(jù)其技術(shù)應用的深度和31行業(yè)企業(yè)基于大語言模型的AI應用發(fā)展階段4.Al驅(qū)動3.產(chǎn)品集成階段2.內(nèi)部應用階段階段◎易觀分析業(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?qū)ΜF(xiàn)有流程的小規(guī)模自·目標：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。2.內(nèi)部應用階段：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。·目標：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。·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。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：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；以及大量應用企業(yè)，通過集成AI能力提升當前產(chǎn)品和服務的體驗與價值。4.Al驅(qū)動創(chuàng)新階段：隨著Al技術(shù)的深入應用，企業(yè)開始利用Al技術(shù)開發(fā)全新的產(chǎn)品和服務，以滿足市場的新需求。這可能包括基于Al的預測分析、個性化定制、智能決策支持系統(tǒng)等?！つ繕耍洪_發(fā)全新的產(chǎn)品和服務以滿足市場需求?！ぬ魬?zhàn)：創(chuàng)新的同時保持技術(shù)的先進性和市場適應性。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)務模式和市·目標：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從當前行業(yè)企業(yè)對于Al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：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(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：央企模型名稱移動通信集團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，并且正在積極推進政務和客服等領域的應用。以九天自然語言交互大模型為基礎，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、客服、家庭、政務、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，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域的重要支撐聯(lián)合網(wǎng)絡通信集團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、算力、存儲、模型服務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，以及18個行業(yè)軍團專家提供的定制化服務電子信息產(chǎn)業(yè)集團有限公司電子云星智2.0以及星智政務垂直領域大模型正式發(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；"N"是面向行業(yè)需求，投資建設N個可信智算中心；"M"是攜手政產(chǎn)學研各類生態(tài)力量，聯(lián)合打造M個行業(yè)模型，以此為平臺基礎設施，并通過電子云人工智能創(chuàng)新應用產(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：部分央國企主導行業(yè)大模型研發(fā)與建設央企模型名稱第一汽車集團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、經(jīng)營管控及代碼開發(fā)的深度應用，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)探索人工智能領域并將先進人工智能技術(shù)應用于化工材料研發(fā)中的分子合成設計場景的最新成果，該模型基于先進的Agent智能體架構(gòu)，將大語言模型與專業(yè)化學合成模型相結(jié)合，可通過對話交互高效完成分子智能化學檢索、分子逆合成設計和反應條件推薦與優(yōu)化等化工場景研發(fā)任務，大幅提升研發(fā)中的信息獲取和決策效率寶武鋼鐵集團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)的應用，計劃涵蓋煉鋼、工藝控制和性能預測、新鋼種研發(fā)、風險防控等多個專業(yè)領域，推動鋼鐵生產(chǎn)流程的智能化升級招商局集團有限公司電子云星智2.0以及星智政務垂直領域大模型領域的大模型，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、市場分析與趨勢預測、航運法律知識問答、綠色減排等多個領域的專業(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，助力航運業(yè)的發(fā)展商用飛機有限責任公司工業(yè)級流體仿真大工業(yè)級流體仿真大模型“東方·御風”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仿真預測，能顯著提升對復雜流動的仿真能力。“東方·御風”將仿真時間縮短至原來的1/24,同時減少了風洞實驗的次數(shù)。此外，該模型能夠?qū)α鲌鲋凶兓瘎×业膮^(qū)域進行精準預測，流場平均誤差降低至萬分之一量級，達到工業(yè)級標準。這一創(chuàng)新不僅加速了民用飛機氣動設計的研發(fā)進程，也為飛機的安全性、舒適性、經(jīng)濟性和環(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)大模型的訓練驗證。覆蓋包括智能創(chuàng)作、設備巡檢、電力調(diào)度在內(nèi)的七大應用場景，也可應用于特定業(yè)務場景。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、用電各領域的80余個場景中實現(xiàn)了應用。該平臺的發(fā)布標志著電力行業(yè)上下游生態(tài)的體系化服務能力基本形成，有助于產(chǎn)業(yè)鏈上下游用戶基于平臺便捷開展模型訓練、數(shù)據(jù)融合創(chuàng)新等，從而促進行業(yè)的智能化轉(zhuǎn)型石油天然氣集團有限公司昆侖大模型昆侖大模型的建設，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，其核心是利用先進的人工智能技術(shù)，特別是大型語言模型和深度學習技術(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”目前三峽集團開發(fā)了行業(yè)智能問答系統(tǒng)，采用先進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，對復雜查詢進行智能解析，直接提供準確回答，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”針對煤礦多維度應用場景的具體需求，從基礎設施層、數(shù)據(jù)資源層、算法模型層、應用服務層、安全可信與測試層、行業(yè)生態(tài)層六個層面進行建設。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)文獻的專業(yè)學術(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。應用服務層包括礦山多模態(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、礦山災害預警決策分析、礦山智能設計等，可適用于行業(yè)各類業(yè)務需求以及超2000種共性Al場景，為下游企業(yè)提供便捷的應用方式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Al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(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、供應鏈管理等場景。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32.1%銷售輔助支持24.3%產(chǎn)品體驗提升18.2%財務3.2%供應鏈管理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大模型以及應用開發(fā)者不同的是，自建算力設施是行業(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施自建算力設施和云服務按照一定比例分配主要使用算力云服務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應用開發(fā)路徑規(guī)劃行業(yè)企業(yè)進行Al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(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)進行Al應用開發(fā)所選擇的開發(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)暫時使用市場成熟大模型進行應用開發(fā)，未來在考慮是否需要訓練和部署企業(yè)專屬大模型基于開源模型訓練和微調(diào)自己專屬的大模型，并進行應用開發(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,按照使用量進行付費，專注應用開發(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，導致大量企業(yè)用戶在Al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(jié)合的方式，但是，對于大部分企業(yè)而言，僅考慮Al應用，在選型企業(yè)應用的過程中，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(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)在進行Al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?？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，不同領域的數(shù)據(jù)量以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Al模型能夠提供高質(zhì)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(diào)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。案時，也重視技術(shù)支持和維護服務。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數(shù)據(jù)安全與隱私保護所在領域的數(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Al技術(shù)解決實際問題至關(guān)重要。“安全和倫理控制等風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險管理措施能夠滿足行業(yè)標準和法規(guī)要求。“私有化部署”對于某些企業(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Al技術(shù)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Al項目的經(jīng)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Al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，這也許由于這些企模型升級0數(shù)據(jù)來源：易觀分析聯(lián)合CSDN發(fā)起AI應用開發(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(guān)注基礎大模型的關(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能力產(chǎn)品能力產(chǎn)品能力★★★★需要關(guān)注基礎大模型的產(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、大模型訓練與微調(diào)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(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、人才梯隊建設與核心人才情況等42總體上而言，行業(yè)用戶在進行Al規(guī)劃以及Al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)Al應用發(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)和團隊對于大模型和Al的價值認知不足30.2%數(shù)據(jù)資源不足29.5%數(shù)據(jù)準備和數(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)