2024中国AI应用开发者生态调研报告-易观分析

小荷才尖尖角中国AI应用开发者生态调研报告易观智慧院2024年6月存人工智能发展进入生成式人工智能时代，大语言模型所呈现的“涌现”能力，正在推动人企业经营与发展是当下的核心命题，人工智能，尤其是LLM开启的人工智能，对于AI商业价值的探索与实践带来哪些变化，是本次研究的重点业务发展需求驱动Al显扩展2024/6/18激发科技与创新活力2应用层模型层基础设施层应用层模型层基础设施层开源模型现有应用(AI增强)模型+应用基础设施层“智能涌现”,未来AI应用生态将发生哪些变化?基础设施层模用户以及利用有规模应用赋能AI应用?⑧大模型进化改变云计算商业模式，MaaS重构公有云生态；人工智能升级算力运营需求，加速人工智能全栈基础设施建设计算硬件⑨大模型训练+推理算力需求倒逼硬件产业升级，中国芯片产业内循环亟待突破4AI应用开发方向与路径选择：技术+场景驱动AI应用开发者所在团队/公司所处阶段关键发现AI应用正在进入产品生命周期良性发展通道大模型及上下游工具链AI应用开发者所在团队/公司所处阶段关键发现AI应用正在进入产品生命周期良性发展通道大模型及上下游工具链企业，尤其是工具链企业，重点在于把握开发与打磨AI应用企业则更加速产品面向市场与用户，通过客户/用户增长与付费验证PMF,2C应用验证速度更快热情高涨纷纷推出Al产品与解决方案进入市场5验证应用探索自我造血■大模型及上下游工具链企业■AI2B企业■AI2C企业2024/6/18激发科技与创新活力6向，跨学科技术应用开始初步探索，尤其是与生物科技的结合当前开发者更关注的技术方向?有意愿参与跨学科AI应用开发者更感兴趣的领域生成式人工智能智能体AIAgents其他0.0%5.0%10.0%15.09%20.0%25.0%30.0环境科学社会科学经济学2024/6/18激发科技与创新活力中国AI开发者在开发方向上，基础设施建设与AI应用探索并重Al平台和工具开发，包括开发框架、数据工程、向量数据库、模型训.Al基础设施方面，包括算力、芯片等33.8%AI应用产品研发-智能客服20.9%行业解决方案17.9%基础研究，包括算法与模型等17.29%AI应用产品研发-搜素推荐15.7%AI应用产品研发-文本、图像和音视频等素材生成15.0%AI应用产品研发-数据分析7.8%AI应用产品研发-软件工程与代码机器入等AI应用产品研发-白动驾驶方向AI应用产品研发-营销方向AI应用产品研发-虚拟陪伴类与交友方向AI应用产品研发-个人助理方向2.8%机器人相关方向2.49%AI应用产品研发-数字人方向2.0%硬件方向1.5%关键发现Al基础建设仍然聚集大具是AI开发者最关注的领域，反映了AI开发者们对于开发平台和工具的需求和重视程度，这部署和运营的重要基础表明AI开发者在追求技术进步的同时，也在积极探索如何将Al技术应用到不同行业和领域中关键发现AI应用始终是技术驱动的应用类型，更大比例开发者基于自身的技术关键发现AI应用始终是技术驱动的应用类型，更大比例开发者基于自身的技术专长选择Al开发方向，也进一步明确了这一方向在产品方向上，相当比例的开发者具备专注性，但是AI能力的加强则成为应用体验和场景价值验证的重要催化剂行业背景和资源不容忽视，这是开发者捕捉应用场景，获取客户/用户的重要基础核心技术资源和能力在这个方向上最能够得到发挥一直以来就是从事这个方向，只是进一步引入或者加强Al能力在该方向上具备行业背景和资源看到明确的客户需求同业的企业/同行都在做，需要跟进看好这个方向未来会实现比较好的发展0%关键发现AI应用开发者们在初期可能更倾向于利用市场关键发现AI应用开发者们在初期可能更倾向于利用市场上已经成熟的模型来快同时保持灵活性，以便在未来根据需要考虑是否开发专属模型针对某些特定场景和应用，模型的定制化和私有化也是重要选项是大部分开发者的长期发展方向暂时使用市场成熟大模型进行应用开发，未来再考虑是否需要训练和部署企业专属大模型基于商业化大模型进行私有化训练和部署，并进行应用开发基于开源模型训练和微调自己专属的大模型，并进行应用开发采购商业化大模型API,按照使用量进行付费，专注应用开发0数据管理与规划在AI开发路径规划方面重于模型能力的考量关键发现关键发现重要的考量要素，而开合格线2024/6/18激发科技与创新活力11用分发，仍然需要采取“旧时代”的GTM方式，其他，请注明0.09%其他，请注明0.09%AI应用分发新入口开始尝试，是否奏效有待跟踪2024/6/18激发科技与创新活力12广告收入业化方式市场渗透订阅服务产品销售其他，请注明0.0%1000万以上501万-1000万201万-500万101万-200万51万-100万21万-50万11万-20万5万以内1000万以上1000万以上501万-1000万 201万-500万 101万-200万 51万-100万 21万-50万 11万-20万5-10万5万以内无AI应用开发者如何看待/应用模型?中国AI应用开发者都在使用哪些模型?开发者进行模型选择的主要考虑因素中国AI应用开发者都在使用哪些模型?开发者都使用哪些大语言模型?阿里通义大模型MetaLLaMa系列大模型智潜ChatGLM3大模型百川智能大模型月之暗面Kimi百度文心大模型讯飞星火大模型商汤商量大模型中科院紫东太初大模型360智脑大模型智源信道大模型字节豆包大模型MOSS大模型 百度文心大模型华为盘古大模型商汤商量大模型腾讯混元大模型讯飞星火大模型字节豆包大模型昆仑万维天工大模型清华大学mPLUG-Owl2面聖智能OmniLMM其他2024/6/18激发科技与创新活力16大模型工具链生态是否完善，是否便于进行大模型训练等…安全和伦理控制等风险管理手段和措施完善度大模型基础能力(生成、逻辑推理等)训练和推理成本自身数据类型和数据量等是否支持私有化部署能否有比较好的服务和技术支持大模型企业的综合实力，能够持续进行研发投入和模型升级■企业开发者现有应用中间层数据准备模型训练模型部署模型运营行业大模型基础大模型插件服务计算机视觉多模态自然语言处理计算机视觉多模态口科大讯飞·星火口百度口科大讯飞·星火口百度口联汇科技口商汤口字节跳动口海康威视口聆心智能□昆仑万维·天工口浪潮信息·源口第四范式·式说公有云平台计算硬件公有云AI芯片人工智能计算中心激发科技与创新活力需要关注基础大模型的关键能力，包括语言能力(简单理解、需要关注基础大模型的产品化封装与解决方案能力，包括大模型能力抽象与API化易用性、大模型训练与微调环节支撑与服务保障能力、任务场景实践能力，以及运营维护保障能力等侧重大模型生态发展策略以及布局情况，包括中间层生态是否完整丰富以便于模型的精调与持续运营，关键环节国产供应链布局与适配度，行业伙伴以及最佳实践案例，开源策略与协议等基础大模型非一蹴而就需要持续投入与迭代，需要关注大模型企业战略路线与资源投入程度和专注度、人才梯队建设与核心人才情况等AI应用开发者未来发展规划工具与数据生态是开发者当前面临的核心挑战大模型工具链生态如何赋能开发者AI应用开发者未来发展规划：验证PMF+自我造血关键发现开发者仍然缺乏足够的工具和资源来支持他们关键发现开发者仍然缺乏足够的工具和资源来支持他们的开发工作，这可能包括缺乏有效的开发环境测试工具或集成工具等数据准备和数据处理，以及数据资源不足等花费了开发者的时间和精力，也可能限制模型和应用能力的提升与体验模型驾驭也是具备挑战性的环节，开发者需要不断调整来保障应用性能与体验开发过程中工具链支持不足带来的挑战数据准备和数据工程等方面的挑战数据资源不足算法与模型训练方面的技术挑战成本和资源投入方面挑战商业模式不清晰，尚未形成商业化变现算力基础设施能力不足了解市场和用户/客户需求，寻求AI应用场景方面的挑战市场竞争激烈，快速进入市场内卷高技能人才团队短缺法律和政策方面的挑战，如适应不同国家和地区对于Al技术...伦理和社会层面的挑战，比如隐私、安全控制、责任归属等0%模型开发工具，包括框架和平台、模型设计工具等数据管理工具，包括数据收集、数据清洗和预处理、数据标.模型训练工具，包括分布式训练工具、超参数调优工具等模型评估和测试工具，包括测试集和验证集、模型比较工具.模型部署和运维工具安全和合规性工具其他■企业开发者最迫切为PaaS平台人才需求客户/用户需求分析(行业和场景等)硬件和算力资源资金需求与大模型平台建立深度合作(资源分享、分成、培训、资…对政府的扶持政策需求其他，请注明0%加速产品商业化增长探索产品商业化路径考虑或者加大出海力度继续组建和加强技术团队融资0开源是Al生态发展的重要驱动力开发者参与开源的主要原因开发者参与开源的主要原因其他0%5%10%15%20%25%30%35开源代表创新，拥抱创新和推动创新..开源更加自主可控，安全性更高追求更高质量的软件企业支付工资，全职参与开源企业未支付工资，自愿投入学校科研项目或者社团投入2024/6/18激发科技与创新活力企业客户是否“真正”合适的流程和场景”合适的流程和场景”目前企业没有合适的流程和场景做大模型的部署企业和团队对于大模型和AI的价值认知不足数据资源不足开发过程中工具链支持不足带来的挑战数据准备和数据工程等方面的挑战成本和资源投入方面挑战算法与模型训练方面的技术挑战算力基础设施能力不足了解市场和用户/客户需求，寻求AI应用场景方面的挑战高技能人才团队短缺商业模式不清晰，尚未形成商业化变现法律和政策方面的挑战，如适应不同国家和地区对于Al技术.伦理和社会层面的挑战，比如隐私、安全控制、责任归属等0企业类型，而百万以下落地的重要抓手101万-200万2024/6/18激发科技与创新活力27业务为纲规划人工智能上线与推广计划“所有行业都值得用大模型重新做一遍”,前提是围绕用户与客户价值的体验升级与业务发展，相应地，人工智能与企业数智化转型一致，业务驱动是核心原则，围绕业务发展扫描数智化洼地，规划人工智能应用用例，获取业务价值，并形成迭代优化扩大AI应用范围的闭环专有数据资产沉淀与管理，应对模型训练与应用无论是自主训练大语言模型，还是围绕自身行业与业务场景进行模型精调，都需要依赖于企业过往积累的专业领域知识沉淀，进行专有数据语料的准备，从而能够让基础模型的“通才”能力发展成为具备行业属性的“专才”,专有数据是未来模型能力平民化后的重要差异化设定人工智能应用合规与风险管理防范机制生成式人工智能仍然可能出现“幻觉”、数据泄露等各种风险；同时，关于人工智能与大模型应用方面的立法与规范仍然处于意见征集与调研的过程中，企业有必要主动制定人工智能应用合规与风险管控机制，包括AI开发、应用与审核规范，数据安全规范，员工应用权限规范等等，从而“安全合规”地应用人工智能提升企业竞争力未来组织能力围绕人工智能发展，既包括创造人工智能，也包括应用人工智能，前者是少数，主要在于提升人工智能专业与高级人才密度，并通过组织协同设计，系统化地提升人工智能科研与工程化水平。后者是多数，也就是大部分人工智能企业更需要考虑的是，人工智能应用，尤其是生成式人工智能全面铺开的过程中，对于组织架构、组织中关键角色与职能、以及对于员工的潜在影响等。对于个体而言，普遍关注“人工智能会/不会替代什么职业”,甚至引发了对于某些职业发展方向的焦虑，一方面，积极的员工与个体正在迅速拥抱人工智能，在工作的过程中应用生成式人工智能提升工作效率，可能正在出现人工智能赋能于员工优先于组织的情况；另一方面，大众员工可能出现观望、等待甚至无所适从，“无用”内卷的状况，。这就需求企业对于组织角色与员工发展进行整体规划，不同职能与角色人与人工智能的协同边界如何确定，组织中关键角色与员工的技能与“Al商”升级如何系统化通过培训等手段推动，都是企业系统化提升组织能力与竞争力的关键举措组织系统协同员工能力协同进化与升级042024/6/18激发科技与创新活力阶段应用层工真层模型层基础设施层应用层工真层模型层基础设施层态和社区态和社区月亚自建企业客户2C应用(A加持用户体验用友「浪滴用友「浪滴开发者寻求场景验证因联