2024年中国AI大模型场景探索及产业应用调研报告-大模型“引爆”行业新一轮变革
2024年中国AI大模型场景探索及 产业应用调研报告 ——大模型“引爆”行业新一轮变革 前瞻产业研究院出品 引言 本报告由深圳前瞻产业研究院、首钢基金CANPLUS联合华为云共同撰写，并于2024年4月下旬正式联合发布。 报告显示，2023年我国AI大模型行业规模已达到147亿元。AI大模型的行业应用及技术进步能有效提升各行业生产要素的产出效率并提高了数据要素在生产要素组合中的地位。供给方面，当前AI大模型企业主要通过深化通用大模型能力或打造垂类行业大模型两种路径为下游行业提供AI大模型应用服务，商业模式则较为灵活且多元化；需求方面，企业需求特征表现为满足可落地的前提下实现价格、私密安全性和大模型能力效果的三者平衡，因此大部分的规模企业用户主要选择参数规模在100~200亿之间的AI大模型和本地化部署的落地方式。 应用现状，大模型赋能场景包括一般通用业务场景和行业应用场景。截至2023年，我国大模型在各垂直应用行业中，金融、政府、影视游戏和教育领域是大模型渗透率最高的四大行业，渗透率均超过50%。电信、电子商务和建筑领域的应用成熟度较高。 面临的痛点，首先是基础算力不足；其次是数据获取成本高；三是人才不足；四是潜在法规风险；五是市场认知不准确。 AI大模型行业是技术驱动的行业，且仍具有巨大的挖掘潜力、技术更新进步速度也较快，行业技术能力拓展上限尚未出现。行业发展的七大趋势，一是技术趋势，具备强大预测能力的预测大模型、强大决策能力的决策大模型和能够自主学习、实时交互的具身智能大模型最有可能成为继自然语言大模型和多模态大模型后的下一个大模型行业风口；二是竞争趋势，AI大模型企业需将资源聚焦单一发展路径，行业竞争将开始分化；三是应用场景趋势，行业应用场景数量也将爆炸性的多元化增长，且会逐渐从当前的业务类场景向决策管理场景深入；四是应用行业趋势，前期信息化基础较好，对新兴技术接受度支付意愿也较高的金融、电商、教育和医疗领域是未来五年AI大模型应用潜力最高的四大下游行业领域；五是AI大模型的应用将反哺基础科学技术的发展；六是AI大模型将轻量化发展助力终端智能化；七是基础AI通用大模型将开源化赋能构建国产软件生态； 针对AI大模型行业应用的四大发展建议，一是牢守安全底线、放开政策监管力度，为行业创新发展打开政策空间；二是延续传统高效的商业化应用优势，加快AI大模型应用落地；三是打造开源生态，促进产业整体快速发展；四是加快人才培养，做好人才储备工作；针对AI大模型行业应用企业的三大发展策略，一是脱虚向实，谨防陷入“模型”规模之争；二是加强企业合作，做大行业蛋糕是当前首要任务；三是关注细分行业机会，寻求差异化竞争优势。 目 CONTENTS 录 01 AI大模型行业应用概况 02 AI大模型行业应用现状及案例 03 AI大模型行业应用痛点及解决方案 04 AI大模型行业应用前景趋势及投资机会分析 01 AI大模型行业应用概况 1.1AI大模型定义及概述 1.2AI大模型行业应用价值 1.3AI大模型行业应用实现路径 1.4AI大模型行业应用商业模式 1.5AI大模型行业应用需求概述 1.6AI大模型行业应用竞争格局 1.7AI大模型行业应用投融资分析 1.8AI大模型行业应用的合规要求 1.1AI大模型定义及概述 AI大模型定义 产业规模 AI大模型是指在机器学习和深度学习领域中，采用大规模 参数（至少在一亿个以上）的神经网络模型，AI大模型在 160 140 120 100 80 60 40 2015 0 147 当前整体AI大模型行业仍处于萌芽期，市场规模并不大但行业增速较快，根据相关公开统计数据显示，2023年我国大模型行业市场规模初步估计将达到147亿元，近三年复合增速高达114%。 70 37 训练过程中需要使用大量的算力和高质量的数据资源。 2020202120222023E 分类应用占比 多模态大模型 CV大模型 其他大模型 行业发展历程 NLP大模 型 资料来源：沙利文、《2023年AI大模型研究报告：人工智能大模型产业创新价值研究报告》前瞻产业研究院整理 数据已成为新生产要素 1.2AI大模型行业应用价值：提升要素效率及数据要素地位 AI大模型技术进步提升生产要素使用效率 基于生产函数模型，AI大模型的技术进步对生产函数的影响如左图所示，且当前的大模型技术进步对经济增长的影响仍成发散态势，即AB<BC<CD。 数字经济是继农业经济、工业经济之后的现阶段主要经济形态，数据要素已成为数字经济时代下的新型生产要素。2019年十九届四中全会，数字要素首次被增列为生产要素，数据要素地位得到确立。我国成为首个将数据列为生产要素的国家。 Y 数据从企业内部到外部的流通过程中可以创造三次价值：1、数据支撑业务贯通；2、数据推 D C BA 0要素组合1 f3 f2f1f0 (K,L,D) 动企业数智决策；3、数据资源流通交易赋能社会创造额外价值；AI大模型技术进步提升数据要素地位 确权/定价/交易 企业内部 一次价值业务贯通 二次价值 数智决 三次价值 流通赋 企业外部 AI大模型的应用从改 变数据要素的生成方AI 原始数据生成方式用户机器 生成生成 策能式和企业经营决策驱大 数据支撑业务系统运转，推动q企业 业务数字化转型与贯通 企业内部由“流程驱动”转变为“数据驱动”，数据支撑业务决策 数据流通打破企业壁垒，赋能整体行业和社会，为企业创造 额外价值 动方式两大维度提升模了数据要素在生产要型素组合中的占比地位。 提升数据要素在生产要素中的组合占比比重 企业经营决策驱动流程数据 方式驱动驱动 数据产品化 数据资产化 数据资本化 建立企业级数据集市 数据证券化 大数据分析挖掘数据价值 搭建企业数据资产平台 梳理形成数据资产目录全生命周期数据资产运 数据资产管理反哺数据治理 数据资产管理反哺数据治理 IPO资产/并购 数据资产入表 质押融资 形成数据产品化多元模式 营 创造价值 数据信托 依托管控式数据治理模式 数据银行 … 资料来源：人民网、中航证券、中国信通院；前瞻产业研究院整理 1.3AI大模型行业应用实现路径 AI大模型应用架构 C端应用 B/G端应用 … 行为分析模型 评估模型 生成创作模型 垂类行业模型 Agent NLP大模型 多模态大模型 其他大模型 CV大模型 模型层 能力层 应用层 打造垂类行业大模型 深化通用大模型能力 持续加大对通用大模型的研发投入，提升AIAgent能力直接服务各个行业。 当前AI大模型的行业化应用的布局路径主要有两种： AI 大 模 型 行 业 应 用 的 实 现 路 径 融合行业know-how，基于通用大模型打造垂类行业模型。 •平均模型参数体量更小 •算力需求更小 •需要更多的行业专业知识数据进 行二次训练 •基于通用大模型某一单一能力优化构建 垂类行业大模型 通用大模型 部署层 本地部署 云部署 混合部署 基础层 软件基础 硬件基础 数据资源基础 云计算 开发软件 AI芯片 公开数据 行业数据 预训练大模型 服务器 企业数据 感知数据 垂类行业大模型的构建优化是站在通用大模型的“巨人的肩膀”上，当前亦有许多企业同时采取布局两种路径的方式。 资料来源：企业调研访谈前瞻产业研究院整理 当前AI大模型行业应用的商业模式类型商务较为统一标准的定论。 AI大模型企业为争夺不同类型市场会提供各种不同的灵活部署、收费方案。 1.4中国AI大模型行业应用商业模式：多元化 AI大模型行业应用商业模式分类 部署模式 大模型使用方式 收费模式 适用企业规模 适用行业/场景 本地部署 本地调用 产品授权费用（按年/买断）+人员服务费 （人*天） 中大型企业 党政、工业 云部署 SaaS模式 APP/网页 订阅模式、广告收入、按次数收费 小微企业 知识搜索，内容生成 PaaS模式 远程平台 订阅模式、二次开发分成 小微企业、初创企业 电商 MaaS模式 调用API 按流量计费、二次开发分成 中小企业 医疗、教育、文旅 混合部署 本地+云 产品授权费用（按年/买断）+人员服务费 （人*天）+流量费用 中大型企业 金融、工业 AaaS模式 融合智能终端/APP 买断模式、订阅模式、广告收入 不限 不限 AI大模型行业应用商业拓展特点 1 2 3 重视后续升级服务 需求方议价能力更强 重视实际落地效果 当前AI大模型仍处于技术快速迭代的阶段，因此许多企业客户或者厂商都会主动要求将定期的大模型的迭代更新服务列为义务的服务内容之一。 当前需求方企业议价能力更强主要体现在企业在相同价格下对服务内容上的定制化、保密性要求会更高，因此在实际过程中初创企业凭借高效的流程效率和灵活的业务开展方 式反而会更具优势。 当前AI大模型行业应用商业化布局过程中，需求企业会更关注AI大模型产品与公司所处业务场景的融合可能性以及最终落地的效果。 资料来源：企业调研访谈前瞻产业研究院整理 1.5AI大模型行业应用需求概述：100-200亿参数规模最优 AI大模型行业应用概述 AI大模型的行业应用的爆发亦始于ChatGPT出现，当前处于广泛探索的阶段： ◆当前需求企业对于AI大模型的应用需求特征为在满需足可落地的前提下实现价格、私密安全性和大模型求能力效果的三者平衡。 特 征◆调研访谈观点：100~200亿参数规模的大模型即可 满足当前行业应用的大部分场景需求，且性价比较高。 价格低 AI大模型能力强 大部分规模企业选择 企业对AI大模型能力需求 AI大模型表象的能力特征则大致可分为稳定性、准确性、计算速度、学习速度和专业能力五大维度，其决定了AI大模型在行业应用过程中的应用效果、可持续性和未来的可拓展性。 调研访谈观点：当前下游应用行业对AI大模型表象的能力特征要求排名顺序为：计算速度→稳定性→学习速度→准确性→专业能力，表明企业更关注大模型的可持续性和未来可拓展性。 稳定性 调研访谈观点：由于企业对大模型部署的私密安全性的需求较高，尤其是党政领域，因此企业在选择大模型的时候会优先选择以下类型的企业 高校、研究院背景 本地化部署方式 企业对安全性需求 模型参数更大、本地化部署 私密、安全性高 专业能力 学习速度 准确性 计算速度 资料来源：企业调研访谈前瞻产业研究院整理 优势： •丰富的各行业专业数据积累； •充沛的学术研究人才； •无逐利目标要求； •良好学术研究环境； 优势： •充足的资金支持； •大量经验丰富的行业人才； •潜在的行业客户基础； AI 1.6AI大模型行业应用竞争格局 大 模 当前AI大模型产业应用的参与者主要分为高校研究院、传统互联网大厂和AI初创企业，三者既是竞争关系亦是合作关系。 AI大模型数量 300 60 79 32 2 型250 行200 业150 优势： •高效的企业运作效率； •灵活的业务开展方式； •专精于所处细分赛道； 应100 用50 0 竞 争 格 局 254 参数规模 挑战者 腾讯 智谱AI科大讯飞 APUS 阿里领先者 华为 百度 商汤科技 第四范式 360 澜舟科技 猎户星空 生数科技 创新者 务实者 100000 纵轴：对应企业已公开披露的最大参数大模型的参数规模； 纵轴分界线：千亿参数规模； 横轴：对应企业最早公开发布大模型的时间节点； 横轴分界线：ChatGPT发布时间点； 10000 1000 100 10 2024年11月 2023年6月 2022年2月 2020年9月 发布时间 2019年5月 资料来源：《北京市人工智能行业大模型创新应用白皮书（2023年）》，企业调研访谈前瞻产业研究院整理 投融资规模及轮次 投资赛道分类 AIAgent,6 我国AI大模型行业投融资事件 其他类
