中国AI应用开发者生态调研报告2024

小荷才露尖尖角——中国Al应用开发者生态调研报告易观智慧院2024年6月本产品保密并受到版权法保护未来已来：技术变革来临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，正在推动人类社会向AGI的方向持续探索，这将贯穿科技公司与研究机构相当长周期的关注焦点聚焦当下：商业价值深化探索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Al商业价值的探索与实践带来哪些变化，是本次研究的重点分析式人工智能一生成式人工智能人工智能从未如ChatGPT这般普及，超过1亿用户主动体验的背后，是业务发展需求驱动Al应用场景探索与实践的重大转变分析式人工智能一生成式人工智能存AGI2.0扩展显传统的显增强用户体验，碾平企业数智化洼地大模型对于人机交互方式的变革显著增强客户有利于中后台赋能升级，以及员工原生数智动能发展2024/6/18激发科技与创新活力2“智能涌现”,未来AI应用生态将发生哪些变化?用户应用层应用层模型层基础设施层应用一体化企业组织生态(客户)应用一体化企业组织生态(客户)AI开发者工具模型部署模型运营公有模型垂直模型/闭源模型开源模型私有模型公有云私有云/IDC公有云Al芯片计算硬件Al芯片计算硬件2024/6/18激发科技与创新活力3"智能涌现",未来Al应用生态将发生哪些变化?应用层应用层模型层应用应用协同生的另外方式，垂直拉通形现质还的开发界面与高效的执Al①大模型能力升级①大模型能力升级赋能AI应用?行平台，是模型开发的基础设施行平台，是模型开发的基础设施基础设施层基础设施层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Al应用开发者现状如何?>Al应用正在进入产品生命周期良性发展通道>Al应用开发方向与路径选择：技术+场景驱动>Al应用分发方式：传统GTM策略仍然奏效>Al应用商业化：多元化探索，量入为出Al应用开发者所在团队/公司所处阶段20.8%■大模型及上下游工具链企业■Al2B企业关键发现关键发现与打磨Al应用企业则更加速产过客户/用户增长与付费速度更快6LLM与多模态、生成式人工智能仍然是开发者最关注的技术方向，跨学科技术应用开始初步探索，尤其是与生物科技的结合生物科技环境科学社会科学艺术和设计经济学其他0生成式人工智能智能体AlAgents边缘计算与AloT其他0%5.0%10.0%15.0%20.0%25.0%30.0%352024/6/18激发科技与创新活力7Al基础建设仍然聚集大量开发者，Al平台和工具Al基础建设仍然聚集大量开发者，Al平台和工具是Al开发者最关注的领域，反映了Al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Al应用开始多元化探索，表明Al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行业解决方案基础研究，包括算法与模型等Al应用产品研发-搜索推荐Al应用产品研发-文本、图像和音视频等Al应用产品研发-自动驾驶方向Al应用产品研发-营销方向Al应用产品研发-虚拟陪伴类与交友方向Al应用产品研发-个人助理方向机器人相关方向Al应用产品研发-数字人方向硬件方向0%2024/6/18激发科技与创新活力8Al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Al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，相当比但是Al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048.1%%2024/6/18激发科技与创新活力9Al应用开发者们在初期可能更倾向于利用市场Al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训练和部署企业专属大模型通过外挂知识库(RAG)的方式来保障Al开发质量采购商业化大模型API,按照使用量进行付费，专注应用开发02024/6/18激发科技与创新活力10构建应用竞争壁垒的核心始终在于数据资产和构建应用竞争壁垒的核心始终在于数据资产和开发者进行Al开发路径规划时最重要的考量要一体化的方向更为清晰模型能否准确、有效地说明模型能力基本达到合格线数据安全与隐私保护领域数据量以及数据获取难度使用成本模型输出质量行业Knowhow和知识体系技术支持与维护定制化与灵活性法律与合规性社区与生态其他02024/6/18激发科技与创新活力11用分发，仍然需要采取用分发，仍然需要采取包括广告投放、市场-销售团队体系进行客户触达与转化等，这也是具备成熟工作流体系的应用暂时最重要的优势之21.1%公司内部自用21.1%等也是目前开发者的重要工作Al应用分发新入口开始等也是目前开发者的重要工作Al应用分发新入口开始踪其他，请注明0.0%2024/6/18激发科技与创新活力12AI应用变现最常见的方式仍然是广告，主要原因可能是广告是一种相AI应用变现最常见的方式仍然是广告，主要原因可能是广告是一种相业化方式模式争取空间一步验证产品价值或者市场渗透广告收入技术服务订阅服务数据分析服务产品销售目前还没有形成商业化路径其他，请注明032024/6/18激发科技与创新活力131000万以上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目前还未实现商业收入1000万以上2.3%501万-1000万1.5%201万-500万2.7%101万-200万5.8%51万-100万12.3%5-10万19.5万以内12.3%2024/6/18激发科技与创新活力14Al应用开发者如何看待/应用模型?>中国Al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开发者都使用哪些大语言模型?开发者都使用哪些大语言模型?月之暗面Kimi开发者都使用哪些多模态大模型? GoogleGemini其他2024/6/18激发科技与创新活力16大模型生态健壮度至关重要，这是开发者能否大模型生态健壮度至关重要，这是开发者能否快速上手的重要基础需要确保其应用符合法律法规和行业标准，相应地，非常重视安全合规与风险控制训练与推理成本伴随技术发展将持续下降，开发者从中受益服务体系与可持续发展能力是加分项大模型工具链生态是否完善，是否便于进行大模型训练等…41.8%46.7%大模型基础能力(生成、逻辑推理等)24.9%53.4%自身数据类型和数据量等8.7.1%大模型企业的综合实力，能够持续进行研发投入和模型■个人开发者■企业开发者2024/6/18激发科技与创新活力17数据准备模型训练模型部署模型运营插件服务口科大讯飞口商汤口昆仑万维口腾讯口联汇科技口商汤口字节跳动口360智脑口360智脑口浪潮信息源口昆仑万维口浪潮信息源口光年之外口聆心智能公有云平台模型能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、知识运用、推理能力、特殊生成等)、安全和价值观以及通用任务能力，可以参考FlagEval(天秤)语言大模型评测体系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生态能力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2024/6/18激发科技与创新活力18Al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>Al应用开发者未来发展规划：验证PMF+自我造血工具和资源来支持他们工具和资源来支持他们的开发工作，这可能包测试工具或集成工具等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数据资源不足算力基础设施能力不足02024/6/18激发科技与创新活力20是开发者在进行模型训练与应用开发的重要基是开发者在进行模型训练与应用开发的重要基础模型训练、模型评估与测试工具的需求，相对较高，这是因为模型的训练与评估是AI应用开发的关键环节，需要相应的工具来提高效率和准确性安全性和合规性固然重要，但是并非所有开发者直接关注的方面模型开发工具，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■个人开发者■企业开发者2024/6/18激发科技与创新活力21高端人才始终缺乏“拿着锤子找钉子”现象仍然存在，深度洞察高端人才始终缺乏“拿着锤子找钉子”现象仍然存在，深度洞察业和场景，进而验证需求当然重要，但不是最迫切期待大模型企业真正成人才需求客户/用户需求分析(行业和场景等)硬件和算力资源资金需求对政府的扶持政策需求其他，请注明2024/6/18激发科技与创新活力22企业开发者重点在于根据市场和用户反馈来改进产品，同时也在寻求企业开发者重点在于根据市场和用户反馈来改进产品，同时也在寻求加速商业化增长和探索考虑扩大国际市场、加强技术团队和寻求外部融资，以支持他们的长期发展。这些规划反映了企业开发者对于市场根据市场和用户/客户反馈不断改进产品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其他，请注明025.1%2024/6/18激发科技与创新活力23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其他0%5%10%15%20%25%30%352024/6/18激发科技与创新活力24关键角色：企业客户是否"真正"入局?关键发现最突出的问题是“没有合适的流程和场景”,关键发现最突出的问题是“没有合适的流程和场景”,这表明很多企业缺乏将大型Al模型成功部署到实际业务流程和场景中的能力，这也可能是对其次是Al价值认知，这反映了企业在理解和评估Al技术价值方面存在挑战，仍然是意识问题数据资源与技术能力不足都需要建立在Al认知提升的基础上予以解决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Al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Al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02024/6/18激发科技与创新活力26企业客户是否"真正"入局?至少尚未投入重金关键发现10万以内7.7%11万-20万3.8%中小企业是这一波Al应用浪潮需要重点覆盖的企业类型，而百万以下的用浪潮需要重点覆盖的企业类型，而百万以下的Al投资对于大量中小验是重要的关键点少数企业乐于投入更大规模，联动头部企业进行场景共创，是Al价值落地的重要抓手51万-100万21.2%101万-200万13.5%1000万以上3.8%“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Al应用范围的闭环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Al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总结：中国AI应用生态尚处于早期阶段应用层工具层模型层中国AI应用层