中国AGI市场发展研究报告 2024

目录 CONTENT 01中国AGI市场发展背景 02中国AGI市场发展特征 03中国AGI市场应用现状 04中国AGI市场发展趋势预测 中国AGI市场发展背景 全球AI市场发展，正在进入了AGI主导的时代 •在经历了初期的探索与技术积累，以及随后的技术突破与商业化探索阶段后，人工智能市场迎来了爆发期，并逐渐进入以人工通用智能（AGI）为主导的新时代。 探索阶段 2011年以前 人工智能主要处于概念提出和初步探索阶段。 1950年，图灵测试为评估机器是否具备人类水平智能提供了一个哲学和方法论的框架。 1956年，达特茅斯会议上， “人工智能”这一术语被正式提出，标志着AI作为一门独立学科的诞生。 初步应用阶段 2011年-2016年 人工智能技术开始取得显著突破，并逐渐商业化。 2011年，IBM的超级计算机沃森在电视智力问答节目《危险边缘》中战胜了人类冠军，这一成就证明了AI在理解和处理复杂语言问题方面的能力。 深度融合阶段 2020年-至今 人工智能技术进入了一个更为成熟和广泛应用的阶段，AI开始与各行各业深度融合，并进入AGI主导的时代。 2020年，GPT-3的推出在自然语 言处理领域取得了显著成就，进一步提升了AI技术的智能化水平，加深了公众对AI潜力的认识和期待。 政策逐步深化：国家级政策频繁出台，为AGI的实现提供政策土壤 •人工智能领域政策正在逐步深化。从最初的观望态度到现在的积极融入，中国的政策环境经历了显著的演变。地方政府和多部门联合发布的政策数量急剧增加，反映出跨部门协作和地方特色创新的趋势。 初始阶段： 基础设施与法规建设 •专注于建立基础设施，如 《电子信息制造业2023一2024年稳增长行动方案》中提到的数据和人工智能基础设施建设。 •强调法律和安全框架的构建，例如《生成式人工智能服务管理暂行办法》确立了安全评估规定。 整合与实施阶段：全面布局与综合应用 •政策覆盖广泛，涉及多个领域和多个部门的联合政策发布，如《“数据要素×”三年行动计划》。 •强调AI的战略地位和行业应用，2024年《人工智能 +》首次提出，象征着AI作为产业创新的关键抓手。 创新推动阶段： 技术创新与应用推广 •支持技术创新和产业集群发展，如《上海市推动人工智能大模型创新发展的若干措施》。 •重点发展具体技术应用，比如人形机器人的创新开发（《人形机器人创新发展指导意见》）。 着眼未来： 战略部署与伦理治理 •着眼于AI的长远发展和国家战略，政府工作报告和中国发展高层论坛强调人工智能的重要性。 •关注人工智能伦理治理和科技创新，旨在平衡创新与监管。 国内AI市场融资活跃，顶级AI领域人才数量中美差距较大 •资本市场活跃：较去年相比，今年第一季度融资金额远超去年同季度。2023年整年AI领域投资事件39起，融资金额50.7亿元，2024年第一季度，AI领域投资事件13起，融资金额74.9亿元。同时，融资轮次依然在早期融资。 •顶级人才数量差距大：根据AI2000学者国家分布显示，中国与美国拥有世界上近八成的顶级AI领域人才。其中，美国有1188人，中国 369人，美国人才储备为中国的3.2倍。 2024年1月-4月AI领域投融资次数与金额 67.8 2024年1月-4月AI领域融资轮次 1.3 4 2 1.44.4 4 3 15.4% 15.4% 15.4% 1月2月3月4月 23.1% 30.8% 融资次数融资金额 天使轮A轮B轮C轮战略投资 中国AGI市场将长期保持快速增长态势 •InfoQ研究中心预计，2030年中国AGI应用市场规模将达到4543.6亿元人民币。 •2024-2027中国AGI应用市场将经历过速启动期；每年市场增速都将超过100%，2028年起，市场将进入快速成长期，年市场增速保持在50%以上。并于2027年突破千亿人民币市场规模。 •InfoQ研究中心认为，中国AGI应用市场规模发展将由企业市场引领主导，到2030年企业市场规模预计达到3024.6亿元人民币。 2023-2030年中国AGI市场规模（单位：亿元人民币） 6000 4543.6 4000 2756.77 2000 141.358204.93326.63 632.86 1148.37 1829.4 0 20232024e2025e2026e2027e2028e2029e2030e 企业市场个人市场 AGI市场发展特征 解构AGI市场，四层结构释放技术潜力 •InfoQ研究中心将中国AGI市场自下向上分为基础设施层、模型层、中间层和应用层四层，这四层结构共同构成了中国AGI市场的技术框架。 应用层中间层 形态 应用程序、插件、硬件等 微调、Prompt、RAG、Agent等 中国AGI市场四层结构示意图价值 应用层是用户/客户直接使用AGI技术的界面， 以提供特定服务和解决具体业务问题作为出发点 中间层提供了AGI实际应用所需的核心功能和服务，是连接应用层和模型层的桥梁 典型厂商 出门问问、商汤科技、作业帮、秘塔科技、美图、聆心智能、钉钉、WPS等 阿里巴巴、腾讯、京东、网易有道、海贝等 模型层基础设施层 语言及多模态模型 算力、数据 模型层是AGI的核心，其能力直接影响最终AGI应用效率 基础设施层是实现AGI的基石，是保证模型训练、推理部署能力的基础 百度、阿里巴巴、科大讯飞、智谱AI、百川智能、零一万物、MiniMax等 中国电信、中国移动、华为、浪潮等 基础层：为解决算力短缺，短期唤醒沉睡算力，长期持续建设智算中心 •伴随着AGI的不断发展，模型训练和部署对算力的需求不断提升，但中国在算力领域面临诸多挑战。截至2023年底，我国智能算力规模达到了70EFLOPS，增速超过70%。但距离《算力基础设施高质量发展行动计划》设置的智能算力规模，仍存在50%的智算缺口。因此，为了更好地应对算力短缺问题，短期的关键是如何唤醒「沉睡」算力，提高现有算力利用率。长期持续建设智算中心满足算力供给，除了产业链相关企业，政府和运营商正在接力智算中心建设。 我国智能算力建设缺口50%的现状 105 +50.0% 70 短期内唤醒「沉睡」算力 在短期内有限的供给下，探索异构 算力池，优化算力使用效率。 云算力租赁、算力调度中心等建设， 128个智算中心建设状态和主导方背景分布情况 政府主导,12% 运营商主导,3% 其他企业主导,15% 规划/建 41 2022 2023 2025E 长期算力国产化和智算中心持续建设 在美国对GPU管控趋严的背景下， 设阶段70% 上线运营30% 中国国产算力抓住发展机遇，加强 自主可控能力，长期补充算力空缺。 智能算力规模（单位：EFLOPS） 基础层：场景多但流动少，中国正在加速挖掘数据价值 •数据是大模型训练过程中不可或缺的「燃料」，其规模和质量也是影响大模型性能的核心要素。在数据总量多，但垂直领域数据流动少的现状下，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》。推动科研机构、龙头企业等开展 行业共性数据资源库建设、在重点领域、相关区域组织开展公共数据授权运营、引导企业开放数据，鼓励市场力量挖掘商业数据价值。 中国公开训练数据供给现状与行动计划 现状数据总量多 根据全国数据工作会议，经初 步测算，2023年我国数据生产总量预计超32ZB。 垂直领域数据流动少 开源中文数据集有效供给少，全球通用的50亿大模型数据训练集里，中文语料占比仅为1.3%。 垂直领域公共数据来源较少，私有数据开放程度偏低。 行动计划 完善数据要素市场相关制度通过数据交易体系建设，建立更加开放、透明的数据资源共享机制，引导 企业合理开放数据，鼓励优质供给和 增加数据流通。 行业共性数据资源库建设在科研、文化、交通运输等领域，推动科研机构、龙头企业等开展行业共 性数据资源库建设，打造高质量人工 智能大模型训练数据集。 模型层：通用大模型蓬勃发展，短时间内落地仍需行业大模型补齐 游戏电商 社交文娱 传媒影视 教育 行业大模型 汽车金融能源制造医疗其他 盘古跨境电商大模型 玉言·游戏行业大模型 文曲大模型 文心·传媒/影视行业大模型 盘古媒体大模型 星辰教育大模型 仓颉汽车大模型 吉利星睿大模型 盘古汽车大模型 文心·金融行业大模型 AntFinGLM 文因金融大模型FD-LLM 文心·能源/制造行业大模型 盘古矿山大模型 叮当HealthGPT 星火医疗大模型 文心·航天 /城市/社科/行业大模型 科大讯飞营销大模型盘古气象大模型 云厂商 通义文心 混元盘古言犀 服务商 九天星河鸿湖 通用大模型 百灵天工星火MiracleVision孟子天书moonshot日日新西湖abab从容玉言 智脑 山海 序列猴子 PolyLM二郎神 moss悟道 紫东太初 天河天元 科技公司研究机构 开源大模型 Baichuan2 ChatGLM3CogVLM星辰语义大模型-TeleChatSkywork 中间层：作为应用落地的能力补充，智能体表现亮眼 •中间层是连接应用层和模型层的桥梁，在现阶段是作为大模型应用落地能力补充的重要层级，随着底层模型技术的持续进步与演化，未来可能会出现模型层逐渐内化并泛化出原本由中间层提供的部分能力。 •与此同时新的沟通应用和模型层的需求还会持续出现。 •中间层常见形式包含微调、检索增强生成、提示工程和智能体。 •智能体在目前发展阶段因为其适应性搞和成本适 中正在被更多的企业采用。 应用层——中间层不断产生新需求 基于应用的需要，中间层通过技术形式帮助应用层实现通用模型不 具备的一些能力 应1用层 适应性高 中间层——模型层 能力逐渐内化 调用 提示工程 用于解决模型对于 不同任务的泛化能 智能体（Agent） 用于解决模型在实际应用中的交互和决策问题。 检索增强生成 用于幻觉和知识 更新的问题。 中间层 模型层 随着中间层能力的不断实践和积累，相对通用和标准化的能力将从中间层中提炼集成在模型层中。 力不足的问题。 适应性低 成本低 微调 用于解决预训练模型在特定任务上性能不足的问题。 成本高 AIAgent具有四大特征，正在以三种形式开展工作 AIAgent具有自主行动、沟通交互、随机反应和目标导向的特征，并且正在以多种角色拓展大模型应用范围。 AIAgent的四大特征AIAgent的三种工作方式 04 自主行动 沟通交互 无需人类干预执行任务和作出决策 03 与人和智能体进 行交流和协作 02 Step1 单Agent独立工作 多Agent矩阵协同工作， 感知环境变化并作出相应的反应 主动采取行动以实现目标 随机反应 01 目标导向 Step2 Step3 其中包括BossAgent统筹和发号指令，其他Agent各司其职执行任务。 单个或多Agent矩阵与人协同工作。 AIAgent成为推动AI技术革命的关键力量 •在通往AGI的征途上，AIAgent正逐渐成为探索的核心路径。尽管大模型在全球范围内掀起了一场技术革新的浪潮，使得很多研究者和业界人士认为大模型已接近实现AGI的临界点，但随着时间的推移，大模型的一些局限性开始显现。这使得研究者们认识到，尽管大模型在模仿人类认知方面取得了显著进步，但要达到真正的通用智能，仍需克服重重困难。因此，AIAgent作为新的研究方向，开始受到越来越多的关注。 简化任务执行，拓宽大模型应用范围 AIAgent将简化用户与大模型的互动，允许用户只需指定目标，即可驱动大模型完成任务，人与AI将形成更紧密的合作体系。尽管AIAgent目前主要处理简单任务，但功能性正不断增强，AIAgent在多个领域的应用已经开始，预示着未来将成为AI应用层的基本架构。 特定垂直行业是AIAgent最有可能首先实现应用的领