小荷才露尖尖角——中國Al應用開發者生態調研報告易觀智慧院2024年6月本產品保密并受到版權法保護未來已來：技術變革來臨人工智能發展進入生成式人工智能時代，大語言模型所呈現的“涌現”能力，正在推動人類社會向AGI的方向持續探索，這將貫穿科技公司與研究機構相當長周期的關注焦點聚焦當下：商業價值深化探索企業經營與發展是當下的核心命題，人工智能，尤其是LLM開啟的人工智能，對于Al商業價值的探索與實踐帶來哪些變化，是本次研究的重點分析式人工智能一生成式人工智能人工智能從未如ChatGPT這般普及，超過1億用戶主動體驗的背后，是業務發展需求驅動Al應用場景探索與實踐的重大轉變分析式人工智能一生成式人工智能存AGI2.0擴展顯傳統的顯增強用戶體驗，碾平企業數智化洼地大模型對于人機交互方式的變革顯著增強客戶有利于中后臺賦能升級，以及員工原生數智動能發展2024/6/18激發科技與創新活力2“智能涌現”,未來AI應用生態將發生哪些變化?用戶應用層應用層模型層基礎設施層應用一體化企業組織生態(客戶)應用一體化企業組織生態(客戶)AI開發者工具模型部署模型運營公有模型垂直模型/閉源模型開源模型私有模型公有云私有云/IDC公有云Al芯片計算硬件Al芯片計算硬件2024/6/18激發科技與創新活力3"智能涌現",未來Al應用生態將發生哪些變化?應用層應用層模型層應用應用協同生的另外方式，垂直拉通形現質還的開發界面與高效的執Al①大模型能力升級①大模型能力升級賦能AI應用?行平臺，是模型開發的基礎設施行平臺，是模型開發的基礎設施基礎設施層基礎設施層⑧大模型進化改變云計算商業模式，MaaS重構公有云生態；人工智能升級算力運營需求，加速人工智能全棧基礎設施建設計算硬件⑨大模型訓練+推理算力需求倒逼硬件產業升級，中國芯片產業內循環亟待突破Al應用開發者現狀如何?>Al應用正在進入產品生命周期良性發展通道>Al應用開發方向與路徑選擇：技術+場景驅動>Al應用分發方式：傳統GTM策略仍然奏效>Al應用商業化：多元化探索，量入為出Al應用開發者所在團隊/公司所處階段20.8%■大模型及上下游工具鏈企業■Al2B企業關鍵發現關鍵發現與打磨Al應用企業則更加速產過客戶/用戶增長與付費速度更快6LLM與多模態、生成式人工智能仍然是開發者最關注的技術方向，跨學科技術應用開始初步探索，尤其是與生物科技的結合生物科技環境科學社會科學藝術和設計經濟學其他0生成式人工智能智能體AlAgents邊緣計算與AloT其他0%5.0%10.0%15.0%20.0%25.0%30.0%352024/6/18激發科技與創新活力7Al基礎建設仍然聚集大量開發者，Al平臺和工具Al基礎建設仍然聚集大量開發者，Al平臺和工具是Al開發者最關注的領域，反映了Al開發者們對于開發平臺和工具的需求和重視程度，這部署和運營的重要基礎Al應用開始多元化探索，表明Al開發者在追求技術進步的同時，也在積極探索如何將Al技術應用到不同行業和領域中行業解決方案基礎研究，包括算法與模型等Al應用產品研發-搜索推薦Al應用產品研發-文本、圖像和音視頻等Al應用產品研發-自動駕駛方向Al應用產品研發-營銷方向Al應用產品研發-虛擬陪伴類與交友方向Al應用產品研發-個人助理方向機器人相關方向Al應用產品研發-數字人方向硬件方向0%2024/6/18激發科技與創新活力8Al應用始終是技術驅動的應用類型，更大比例開發者基于自身的技術Al應用始終是技術驅動的應用類型，更大比例開發者基于自身的技術專長選擇Al開發方向，也進一步明確了這一方向在產品方向上，相當比但是Al能力的加強則成為應用體驗和場景價值驗證的重要催化劑行業背景和資源不容忽視，這是開發者捕捉應用場景，獲取客戶/用戶的重要基礎核心技術資源和能力在這個方向上最能夠得到發揮力在該方向上具備行業背景和資源看到明確的客戶需求同業的企業/同行都在做，需要跟進看好這個方向未來會實現比較好的發展048.1%%2024/6/18激發科技與創新活力9Al應用開發者們在初期可能更傾向于利用市場Al應用開發者們在初期可能更傾向于利用市場上已經成熟的模型來快同時保持靈活性，以便在未來根據需要考慮是否開發專屬模型針對某些特定場景和應用，模型的定制化和私有化也是重要選項是大部分開發者的長期發展方向訓練和部署企業專屬大模型通過外掛知識庫(RAG)的方式來保障Al開發質量采購商業化大模型API,按照使用量進行付費，專注應用開發02024/6/18激發科技與創新活力10構建應用競爭壁壘的核心始終在于數據資產和構建應用競爭壁壘的核心始終在于數據資產和開發者進行Al開發路徑規劃時最重要的考量要一體化的方向更為清晰模型能否準確、有效地說明模型能力基本達到合格線數據安全與隱私保護領域數據量以及數據獲取難度使用成本模型輸出質量行業Knowhow和知識體系技術支持與維護定制化與靈活性法律與合規性社區與生態其他02024/6/18激發科技與創新活力11用分發，仍然需要采取用分發，仍然需要采取包括廣告投放、市場-銷售團隊體系進行客戶觸達與轉化等，這也是具備成熟工作流體系的應用暫時最重要的優勢之21.1%公司內部自用21.1%等也是目前開發者的重要工作Al應用分發新入口開始等也是目前開發者的重要工作Al應用分發新入口開始蹤其他，請注明0.0%2024/6/18激發科技與創新活力12AI應用變現最常見的方式仍然是廣告，主要原因可能是廣告是一種相AI應用變現最常見的方式仍然是廣告，主要原因可能是廣告是一種相業化方式模式爭取空間一步驗證產品價值或者市場滲透廣告收入技術服務訂閱服務數據分析服務產品銷售目前還沒有形成商業化路徑其他，請注明032024/6/18激發科技與創新活力131000萬以上501萬-1000萬201萬-500萬101萬-200萬51萬-100萬21萬-50萬11萬-20萬5-10萬5萬以內目前還未實現商業收入1000萬以上2.3%501萬-1000萬1.5%201萬-500萬2.7%101萬-200萬5.8%51萬-100萬12.3%5-10萬19.5萬以內12.3%2024/6/18激發科技與創新活力14Al應用開發者如何看待/應用模型?>中國Al應用開發者都在使用哪些模型?>開發者進行模型選擇的主要考慮因素開發者都使用哪些大語言模型?開發者都使用哪些大語言模型?月之暗面Kimi開發者都使用哪些多模態大模型? GoogleGemini其他2024/6/18激發科技與創新活力16大模型生態健壯度至關重要，這是開發者能否大模型生態健壯度至關重要，這是開發者能否快速上手的重要基礎需要確保其應用符合法律法規和行業標準，相應地，非常重視安全合規與風險控制訓練與推理成本伴隨技術發展將持續下降，開發者從中受益服務體系與可持續發展能力是加分項大模型工具鏈生態是否完善，是否便于進行大模型訓練等…41.8%46.7%大模型基礎能力(生成、邏輯推理等)24.9%53.4%自身數據類型和數據量等8.7.1%大模型企業的綜合實力，能夠持續進行研發投入和模型■個人開發者■企業開發者2024/6/18激發科技與創新活力17數據準備模型訓練模型部署模型運營插件服務口科大訊飛口商湯口昆侖萬維口騰訊口聯匯科技口商湯口字節跳動口360智腦口360智腦口浪潮信息源口昆侖萬維口浪潮信息源口光年之外口聆心智能公有云平臺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，可以參考FlagEval(天秤)語言大模型評測體系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節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能力側重大模型生態發展策略以及布局情況，包括中間層生態是否完整豐富以便于模型的精調與持續運營，關鍵環節國產供應鏈布局與適配度，行業伙伴以及最佳實踐案例，開源策略與協議等基礎大模型非一蹴而就需要持續投入與迭代，需要關注大模型企業戰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2024/6/18激發科技與創新活力18Al應用開發者未來發展規劃>工具與數據生態是開發者當前面臨的核心挑戰>大模型工具鏈生態如何賦能開發者>Al應用開發者未來發展規劃：驗證PMF+自我造血工具和資源來支持他們工具和資源來支持他們的開發工作，這可能包測試工具或集成工具等以及數據資源不足等花費了開發者的時間和精力，也可能限制模型和應用能力的提升與體驗模型駕馭也是具備挑戰性的環節，開發者需要不斷調整來保障應用性能與體驗數據資源不足算力基礎設施能力不足02024/6/18激發科技與創新活力20是開發者在進行模型訓練與應用開發的重要基是開發者在進行模型訓練與應用開發的重要基礎模型訓練、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應用開發的關鍵環節，需要相應的工具來提高效率和準確性安全性和合規性固然重要，但是并非所有開發者直接關注的方面模型開發工具，包括框架和平臺、模型設計工具等數據管理工具，包括數據收集、數據清洗和預處理、數據標….模型訓練工具，包括分布式訓練工具、超參數調優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…模型部署和運維工具安全和合規性工具■個人開發者■企業開發者2024/6/18激發科技與創新活力21高端人才始終缺乏“拿著錘子找釘子”現象仍然存在，深度洞察高端人才始終缺乏“拿著錘子找釘子”現象仍然存在，深度洞察業和場景，進而驗證需求當然重要，但不是最迫切期待大模型企業真正成人才需求客戶/用戶需求分析(行業和場景等)硬件和算力資源資金需求對政府的扶持政策需求其他，請注明2024/6/18激發科技與創新活力22企業開發者重點在于根據市場和用戶反饋來改進產品，同時也在尋求企業開發者重點在于根據市場和用戶反饋來改進產品，同時也在尋求加速商業化增長和探索考慮擴大國際市場、加強技術團隊和尋求外部融資，以支持他們的長期發展。這些規劃反映了企業開發者對于市場根據市場和用戶/客戶反饋不斷改進產品加速產品商業化增長探索產品商業化路徑考慮或者加大出海力度繼續組建和加強技術團隊融資其他，請注明025.1%2024/6/18激發科技與創新活力23追求更高質量的軟件企業支付工資，全職參與開源企業未支付工資，自愿投入學?？蒲许椖炕蛘呱鐖F投入其他0%5%10%15%20%25%30%352024/6/18激發科技與創新活力24關鍵角色：企業客戶是否"真正"入局?關鍵發現最突出的問題是“沒有合適的流程和場景”,關鍵發現最突出的問題是“沒有合適的流程和場景”,這表明很多企業缺乏將大型Al模型成功部署到實際業務流程和場景中的能力，這也可能是對其次是Al價值認知，這反映了企業在理解和評估Al技術價值方面存在挑戰，仍然是意識問題數據資源與技術能力不足都需要建立在Al認知提升的基礎上予以解決目前企業沒有合適的流程和場景做大模型的部署企業和團隊對于大模型和Al的價值認知不足數據資源不足開發過程中工具鏈支持不足帶來的挑戰數據準備和數據工程等方面的挑戰成本和資源投入方面挑戰算法與模型訓練方面的技術挑戰算力基礎設施能力不足了解市場和用戶/客戶需求，尋求Al應用場景方面的挑戰高技能人才團隊短缺商業模式不清晰，尚未形成商業化變現法律和政策方面的挑戰，如適應不同國家和地區對于Al技術…倫理和社會層面的挑戰，比如隱私、安全控制、責任歸屬等02024/6/18激發科技與創新活力26企業客戶是否"真正"入局?至少尚未投入重金關鍵發現10萬以內7.7%11萬-20萬3.8%中小企業是這一波Al應用浪潮需要重點覆蓋的企業類型，而百萬以下的用浪潮需要重點覆蓋的企業類型，而百萬以下的Al投資對于大量中小驗是重要的關鍵點少數企業樂于投入更大規模，聯動頭部企業進行場景共創，是Al價值落地的重要抓手51萬-100萬21.2%101萬-200萬13.5%1000萬以上3.8%“所有行業都值得用大模型重新做一遍”,前提是圍繞用戶與客戶價值的體驗升級與業務發展，相應地，人工智能與企業數智化轉型一致，業務驅動是核心原則，圍繞業務發展掃描數智化洼地，規劃人工智能應用用例，獲取業務價值，并形成迭代優化擴大Al應用范圍的閉環無論是自主訓練大語言模型，還是圍繞自身行業與業務場景進行模型精調，都需要依賴于企業過往積累的專業領域知識沉淀，進行專有數據語料的準備，從而能夠讓基礎模型的“通才”能力發展成為具備行業屬性的“專才”,專有數據是未來模型能力平民化后的重要差異化生成式人工智能仍然可能出現“幻覺”、數據泄露等各種風險；同時，關于人工智能與大模型應用方面的立法與規范仍然處于意見征集與調研的過程中，企業有必要主動制定人工智能應用合規與風險管控機制，包括Al開發、應用與審核規范，數據安全規范，員工應用權限規范等等，從而“安全合規”地應用人工智能提升企業競爭力未來組織能力圍繞人工智能發展，既包括創造人工智能，也包括應用人工智能，前者是少數，主要在于提升人工智能專業與高級人才密度，并通過組織協同設計，系統化地提升人工智能科研與工程化水平。后者是多數，也就是大部分人工智能企業更需要考慮的是，人工智能應用，尤其是生成式人工智能全面鋪開的過程中，對于組織架構、組織中關鍵角色與職能、以及對于員工的潛在影響等。對于個體而言，普遍關注“人工智能會/不會替代什么職積極的員工與個體正在迅速擁抱人工智能，在工作的過程中應用生成式人工智能提升工作效率，可能正在出現人工智能賦能于員工優先于組織的情況；另一方面，大眾員工可能出現觀望、等待甚至無所適從，“無用”內卷的狀況，。這就需求企業對于組織角色與員工發展進行整體規劃，不同職能與角色人與人工智能的協同邊界如何確定，組織中關鍵角色與員工的技能與“Al商”升級如何系統化通過培訓等手段推動，都是企業系統化提升組織能力與競爭力的關鍵舉措總結：中國AI應用生態尚處于早期階段應用層工具層模型層中國AI應用層