中国AI应用开发者生态调研报告：小荷才露尖尖角

小荷才露尖尖角 Omalysys 易观分析 中国A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 ConfidentialandProtectedbyCopyrightLaws 研究背景：持续关注AI产业价值落地 malysys 易观分析 未来已来：技术变革来临聚焦当下：商业价值深化探索 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 人工智能与AGI发展阶段划分以业务驱动的方式拥抱AI 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 分析式人工智能一生成式人工智能 交互革命AGI1.0思维革命 业务发展需求驱动AI应用场景探索与实践的重大转变 01 人机交互方式：。知识革命 ·AI具备独立思考与逻降低AI开发门槛 GUINDUI/HUI辑判断的能力传统的AI开发模式需要针对不同的任务和场景进行定制化开发，大模 ·语言是知识的载体，进一步延展，具身智 ·Prompt工程价值凸未来模型人人可训、02 型显著降低开发复杂度，提升部署与应用的便捷度 显人人可用，即个人知 识能力将得以复制和 AGI0.1扩展 能连接物理世界，硅基生命与碳基生命共 存增强用户体验，碾平企业数智化洼地 AGI2.0 大模型对于人机交互方式的变革显著增强客户/用户体验与员工体验， 有利于中后台赋能升级，以及员工原生数智动能发展 03 2024/6/20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？ nalysys 易观分析 应用层 用户 现有应用（AI增强）企业组织生态（客户） 2C应用（AI加持用户体验）2B应用（AI升级产品能力）KA及行业客户生态 333333 AlNative应用 公有模型 模型 + 应用 一体化 SMB客户生态 AI开发者工具 数据准备 模型层 垂直模型/模型训练 闭源模型开源模型私有模型模型部署 模型运营 AI框架深度学习框架强化学习框架AI应用开发 公有云私有云/IDC 公有云平台人工智能计算中心 计算硬件AI芯片智能计算服务器 基础设施层 2024/6/20激发科技与创新活力3 “智能涌现”，未来AI应用生态将发生哪些变化？ malysys 易观分析 用户 现有应用（人增强） 企业客户是否 以及利用既有规模与真正入局？ ④基于Know-HowAI应用开发者现状如何？ 模型 ①大模型能力升 公有模型 AI应用开发者如何看待模型？ 如何应用模型？ 应用 (5探证 生的另久 电大 AI开发者工具 数据准备 工具链生态如何 赋能AI应用？ AI框架 6通过对深度学习以及强 行平台，是模型开发的基础设施 AI应用开发 ③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 基础设施层 计算硬件③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函待突破 2024/6/20激发科技与创新活力4 Onalysys 易观分析 01 AI应用开发者现状如何？ >AI应用正在进入产品生命周期良性发展通道 >AI应用开发方向与路径选择：技术+场景驱动 >AI应用分发方式：传统GTM策略仍然奏效 >AI应用商业化：多元化探索，量入为出 AI应用开发者现状如何? malysys 易观分析 AI应用开发者所在团队/公司所处阶段关键发现 30%27.1% 25.6% 25% 23.9% 22.9% 20.8%21.7%21.7% 20%17.2%17.4%AI应用正在进入产品生 13.9%命周期良性发展通道 15%3.0%12.8%12.5% 大模型及上下游工具链 5.0%6.3% 10%8.7%8.7%8.7%企业，尤其是工具链企 5% 1.7% 2.1%业，重点在于把握开发 0%热情高涨验证应用 探索自我造血 者需求，进行产品定位 纷纷推出AI产品与解决方案进入市场价值 但尚未盈利 与打磨 .还未定具体技术/产 但尚无产 已定方向， 但尚未进入市 用量快速增 6.开始商业化， 并已经盈 业化， 7.不仅商业 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 已有产 ■大模型及上下游工具链企业-AI2B企业AI2C企业 2024/6/20激发科技与创新活力6 LLM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 Onalysys 易观分析 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 大模型技术与开源37.4%生物科技33.7% 多模态模型与技术36.4% 生成式人工智能31.5% 环境科学33.1% 智能体AlAgents23.3%社会科学31.1% AI伦理与安全合规12.3% 边缘计算与AloT12.1% 艺术和设计19.0% 跨学科技术与应用6.5%经济学 9.8% AI基础设施，CPU/GPU与计算芯片5.9% 其他 10.2% 其他0.2% 0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%40.0%0%5%10%15%20%25%30%35%40% 2024/6/20激发科技与创新活力7 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 nalysys 易观分析 AI开发者目前所从事的开发方向关键发现 A/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..45.5% A/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120.9%AI基础建设仍然聚集大 行业解决方案17.9%量开发者，AI平台和工 基础研究，包括算法与模型等17.2%具是AI开发者最关注的 AI应用产品研发-搜索推荐15.7%领域，反映了AI开发者 AI应用产品研发-文本、图像和音视频等素材生成15.0%们对于开发平台和工具 AI应用产品研发-数据分析7.8%的需求和重视程度，这 AI应用产品研发-软件工程与代码机器人等 3.1% AI应用产品研发-营销方向 3.1% AI应用产品研发-虚拟陪伴类与交友方向 13.1% AI应用产品研发-个人助理方向 2.8% AI应用产品研发-自动驾驶方向 4.6%些也是未来AI应用开发、 部署和运营的重要基础 AI应用开始多元化探索表明AI开发者在追求技 术进步的同时，也在积 机器人相关方向2.4%极探索如何将AI技术应 AI应用产品研发-数字人方向2.0%用到不同行业和领域中 硬件方向1.5% 0%5%10%15%20%25%30%35%40%45%50% 2024/6/20激发科技与创新活力8 开发者在AI应用开发与产品方向选择上，更加理性与务实 开发者选择AI开发方向的主要原因 nalysys 易观分析 关键发现 核心技术资源和能力在这个方向上最能够得到发挥 AI应用始终是技术驱动 48.1% 的应用类型，更大比例 一直以来就是从事这个方向，只是进一步引入或者加强AI能开发者基于自身的技术 力40.3% 专长选择AI开发方向, 也进一步明确了这一方 在该方向上具备行业背景和资源29.8%向 在产品方向上，相当比 看到明确的客户需求19.4%例的开发者具备专注性 但是AI能力的加强则成 同业的企业/同行都在做，需要跟进 为应用体验和场景价值 12.9%验证的重要催化剂 行业背景和资源不容忽 看好这个方向未来会实现比较好的发展7.2%视，这是开发者捕捉应 用场景，获取客户/用户 0%10%20%30%40%50%60%的重要基础 2024/6/20激发科技与创新活力9 理性评估开发路径，借船出海快速面向市场进行验证最重要 malysys 易观分析 开发者进行AI应用开发所选的开发路径关键发现 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 31.5% AI应用开发者们在初期 可能更倾向于利用市场 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30.4%上已经成熟的模型来快 速开发和部署AI应用， 同时保持灵活性，以便 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19.6% 通过外挂知识库（RAG）的方式来保障AI开发质量10.7% 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 始终，模型-应用一体化 采购商业化大模型API，按照使用量进行付费，专注应用开发4.4%是大部分开发者的长期 发展方向 0%5%10%15%20%25%30%35% 2024/6/20激发科技与创新活力10 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 malysys 易观分析 开发者进行开发路径规划时的主要考虑因素关键发现 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 47.4% 构建应用竞争壁垒的核 模型输出质量 31.9% 44.4%心始终在于数据资产和数据飞轮闭环，这也是 开发者进行AI开发路径 行业Knowhow和知识体系19.3%规划时最重要的考量要 素，相应地，模型-应用 技术支持与维护18.1%-体化的方向更为清晰 定制化与灵活性 16.3% 模型能否准确、有效地完成约定任务也是相对 法律与合规性8.9%重要的考量要素，而开 发者暂时使用市场成熟 社区与生态6.7%大模型进行应用开发也 其他说明模型能力基本达到 1.1%合格线 0%5%10%15%20%25%30%35%40%45%50% 2024/6/20激发科技与创新活力11 AI应用分发仍然延续此前应用分发通道，新入口火候不到 开发者AI应用产品主要的发布方式和通道 Onalysys 易观分析 关键发现 官方APP34.3%大部分开发者进行AI应 用分发，仍然需要采取 企业定制化项目 33.1% "旧时代”的GTM方式, 包括广告投放、市场-销 公司内部自用 31.5%售团队体系进行客户触达与转化等，这也是具 官网21.1%备成熟工作流体系的应 用暂时最重要的优势之 GPTstore等应用商店17.9% 公司自用提升工作效率 开源社区8.8%等也是目前开发者的重 要工作 其他，请注明0.0%AI应用分发新入口开始 尝试，是否奏效有待跟 0%5%10%15%20%25%30%35%40%踪 2024/6/20激发科技与创新活力12 AI应用开发者在变现方式上进行多元化探索 开发者目前主要探索的商业化方式 广告收入36.7% malysys 易观分析 关键发现 AI应用变现最常见的方 技术服务35.9%式仍然是广告，主要原 因可能是广告是一种相 订阅服务26.3%对直接且易于变现的商 业化方式 数据分析服务22.3%当前开发者仍然绕不开 以技术服务谋取生存, 产品销售16.3%为应用上线与创新商业模式争取空间 目前还没有形成商业化路径13.5%订阅服务与产品销售等占比不高，这有待于进 其他，请注明0.0%一步验证产品价值或者 市场渗透 0%5%10%15%20%25%30%35%40% 2024/6/20激发科技与创新活力13 收入验证AI产品价值是王道量入为出保障现金流 malysys 易观分析 开发者目前已经达成的收入规模分布 AI应用企业开发者在AI和大模型方面的花费 和投入情况 1000万以上2.4%1000万以上2.3% 501万-1000万1.2%501万-1000万1.5% 201万-500万2.0%201万-500万2.7% 101万-200万8.0%101万-200万5.8% 51万-100万10.4%51万-100万12.3% 21万-50万22.7%21万-50万15.0% 11万-20万21.5%11万-20万20.4% 5-10万14.7%5-10万19.2% 5万以内12.7%5万以内1