中国AI开发者应用生态调研报告

中国AI开发者应用生态 调研报告 易观分析2024年10月 本报告联合发布方 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 未来已来：技术变革来临 人工智能的发展已步入生成式AI时代，其标志是大语言模型的“涌现”能力。这些模型能够自主地学习和应用新知识，表现出了类似人类的创造力和推理能力。这种进步为达到人工通用智能（AGI）奠定了基础，使大语言模型成为科技和研究机构长期关注的重点。在未来相当长的一段时间内，大语言模型的研究和应用，将成为人工智能领域的主导力量。它不仅将推动人工智能技术的进步，还将深刻影响我们的社会生活，改变我们的工作方式，甚至可能改变我们对智能和生命的理解。 人工智能与AGI发展阶段划分 分析式人工智能→生成式人工智能 •交互革命 •人机交互方式：GUI�DUI/HUI •Prompt工程价值凸显 AGI1.0 •知识革命 •语言是知识的载体，未来模型人人可训、人人可用，即个人知识能力将得以复制和扩展 •思维革命 •AI具备独立思考与逻辑判断的能力 •进一步延展，具身智能连接物理世界，硅基与碳基生命共存 AGI0.1AGI2.0 聚焦当下：商业价值深化探索 在当今的商业环境中，企业经营的持续发展与创新是核心命题之一。随着人工智能技术的迅猛发展，特别是大语言模型（LLM）的兴起，对于AI在商业领域的价值探索和实践应用带来了前所未有的变化，成为本次研究的重要焦点。 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，是业务发展需求驱动AI应用场景探索与实践的重大转变 降低AI开发门槛：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，大模型显著降低开发复杂度，提升部署与应用的便捷度 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/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 AI开发者是当下推动AI应用生态发展的重要推动力量 AI开发者研究对于推动AI产业的健康发展和促进技术创新具有重要意义。AI开发者是技术发展的核心驱动力，他们的工作直接影响AI技术的发展方向和速度。通过深入研究开发者，可以洞察最新的技术趋势和创新点，从而把握产业的发展动态。同时，了解开发者的背景、成长路径以及发展方向等，有助于培养更多的AI人才，并充分协同产业生态的各方力量积极赋能AI产业发展。最后，AI开发者对市场需求的感知和响应能力直接影响AI产品的创新和市场化。进行AI开发者研究可以帮助企业和投资者更好地理解市场需求，推动产品创新。 相应地，本次中国AI应用生态研究，将聚焦AI应用开发者，围绕他们对于AI发展方向、当前AI应用开发进展以及未来AI产品路径与规划，以及面临的挑战以及潜在需求等进行充分调研，从而从开发者这个切面展示中国AI应用生态发展全貌。 本次AI开发者调研，由易观分析联合CSDN、中欧国际工商学院AI与管理创新研究中心联合展开，通过大样本问卷调研，以及部分AI产业链关键角色深度访谈，并结合易观分析对于AI产业的跟踪研究积累，形成本次中国AI应用生态分析。 编写委员会 总编： 刘怡易观联合创始人 方跃中欧国际工商学院教授、AI与管理创新研究中心主任 主编： 李智易观智慧院院长 编委： 陈晨易观分析研究合伙人 钱文颖中欧国际工商学院AI与管理创新研究中心秘书长张路天津市中教开源创新研究院副院长 郭晧天津市中教开源创新研究院理事胡建村中国移动信息技术中心科技管理 顾问： 孟迎霞CSDN副总裁 尚晶中国移动信息技术中心集团首席专家刘志毅东方财富AI研究院首席科学家 朱其罡上海开源信息技术协会秘书长 董明德北京专精特新企业商会副会长兼秘书长华崇鑫赣州开源技术研究院理事长 刘峥福州软件园科技创新发展有限公司副总经理苏江文福建省开源数字技术研究院理事 马恩骉易观分析 苏某帅上海开源信息技术协会周某翔稀土掘金开发者社区 韩某强CSDN开发者社区 激发科技与创新活力 5 调研团队： 01 中国AI应用生态概述 模型层 这一层曾经包含了各种AI模型，如深度学习模型、机器学习模型等，通过算法实现特定的智能任务，如图像识别、自然语言处理等。目前对于模型层的聚焦，主要是关注大模型的技术升级与产业落地。 从模型层对外输出模型能力的方式上，主要包括如下几种类型： •MaaS •提供模型精调与私有化服务 工具层 工具链层提供了从数据采集到模型训练再到部署的一整套工具。这包括数据预处理工具、模型开发框架、自动化测试工具等。工具链的完善程度决定了AI项目的效率和质量。一方面，大模型厂商提供一系列工具和平台，目的在于帮助AI开发者与行业客户更快实现AI应用开发与上线，从而实现模型价值落地；另一方面，不少开发者聚焦大模型工具链，提供各种细分的产品和工具，这些工具链开发者正在成为AI应用生态的重要力量 应用层 应用层是将AI模型与实际场景相结合的部分，涵盖了医疗、金融、交通等多个行业，渗透了营销、产品研发、办公协同、数字娱乐等多个领域 目前应用层主要包括如下两大类型： ①利用大模型能力进行产品化封装，形成AI应用并推向市场 ②自建垂直模型甚至大模型的AI应用，即模型-应用一体化 模型-应用一体化 ①大模型厂商下场做应用，打造应用标杆典型案例： •百度利用大模型能力把百度系所有应用重做一遍 •Kimi、智谱清言等 ②垂直行业具备行业壁垒与Knowhow，垂直模型是应用的必要条件，相应地，开发者端到端形成模型-应用一体化 典型案例：金融、医疗、教育等垂直领域 中国AI应用生态概述 企业客户 关注热情上涨，数字化程度高的行业与企业上手速度快，但距离预期仍有差距 消费者用户 用户上手应用规模持续增长，留存与用户粘性仍有待于培养 基础设施层 这是整个AI应用生态系统的基础，为AI模型训练和推理提供所需的计算资源。主要包括高性能计算（HPC）集群、云服务器、GPU/TPU等硬件设备以及相关的网络连接，算力基础设施层的性能直接影响AI应用的速度和准确性。 中国AI应用生态图谱 智能体（即AI原生应用） 生态和社区 实验室/研究院 开源基金会 开发者社区 培训机构 投资机构 代码托管平台 现有应用（AI增强） 实验室/研究院 基于软件的智能体 2B应用（AI升级产品能力） 基于软件的智能体2B应用（AI升级产品能力） 应用层 SkyMusic 基于硬件的智能体 基于硬件的智能体 2C应用（AI加持用户体验） 开源基金会 多智能体系统（MAS） 2C应用（AI加持用户体验） 多智能体系统（MAS） 企业自建智能体 智能体员工 智能体员工 企业知识库 企业知识库 智能体开发 智能体/AppStore 应用开发 开发者社区 智能体开发应用开发智能体/AppStore 文心AgentBuilder 千帆AppBuilderModelArts AIPaaS 模型训练与优化（LLMOps） 向量数据库 数据处理 工具层 数据处理模型训练与优化（LLMOps）向量数据库 模型训练模型评测模型部署模型安全与可靠性模型监控与观测 千 帆大模型平台ModelBuioder 培训机构 腾讯云VectorDB 模型层 文心大模型日日新大模型通义大模型盘古大模型 人 基础模型 智谱GLM ABAB大模型 工智能平台PAI 九天大模型星辰大模型 混元大模型星火大模型 “蚁天鉴” VQA 模型社区数据集 投资机构 CBLUE 百川大模型 AI平台与框架 悟道大模型 豆包大模型 紫东太初 NTURGB+DRABBO ImageNetCOCO 基础设施层 公有云 代码托管平台 私有云/IDC 计算硬件 注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正 •资源收缩到少数科技公司，模型层的集中度相对比较高 •OpenAI具备领先优势，LlaMa、Gemini等紧随其后 •英伟达在AI计算硬件方面处于领先地位，其产品和服务被广泛应用于AI研究、开发和生产环境中，使其成为AI基础设施层的首选供应商 •围绕LLMOps工具链不断完善，涌现出众多中间层细分领域公司，致力于为企业客户和用户赋能，实现LLM和生成式人工智能应用落地 •这表明海外市场在AI工具和平台的建设上更为成熟，能够支持更广泛的AI应用开发 基础设施层 应用层 工具层 模型层 •海外AI应用，2B多于2C，这主要是源自于海外的企业软件基础设施与市场环境更完善，2BAI原生应用即便聚焦细分市场，仍然具备稳定的成长空间 •原生AI应用跑得更快，无论是PMF还是商业化，跑得快的AI原生应用以自有模型，或者多模型调用为主 中国AI应用生态的特殊性 海外/美国市场 中国市场 •中国AI应用，2CAI原生应用更为广泛，这并不意味着中国消费者对于AI的需求和接受度更高，只是反映出中国2BSaaS生态发展面临挑战，导致AI创业企业尚未贸然涌现 •现存公司/应用利用LLM实现能力增强，并依托其在用户/客户界面的占有和销售能力，仍然具备较强的领先优势 •开始出现一些工具链公司 •仍然以大厂/平台型公司提供端到端大模型训练部署以及生成式人工智能应用开发解决方案为主，工具链生态有待于丰富和完善 •资源分散，模型层企业人才密度不够集中，缺少模型层领军企业 •从多而不强开始收缩 •在中国市场，英伟达同样占据了重要的地位。中国的许多AI初创公司和大型科技企业都依赖于英伟达的技术和产品 •中国的AI硬件供应商需要不断创新和提升自己的技术与产品能力 02 中国AI开发者发展现状 AI应用正在进入产品生命周期良性发展通道 AI大模型及上下游工具链企业，重点在于把握开发者需求，进行产品定位与打磨。AI应用企业，尤其是AI原生应用，则更加速产品面向市场与用户。 AI2C企业可能比AI2B企业更快进入市场，因为面向消费者的应用可能更容易快速迭代和测试，通过数据飞轮验证产品价值与提升竞争壁垒。在后期阶段，如产品销量/使用量快速增长和开始商业化但尚未盈利，可以看到更多AI2B企业的参与。这可能是因为B2B应用通常需要更长的销售周期和客户获取过程。 整体而言，上述三类环节AI企业，普遍都处于产品发展的早期阶段，距离产品稳定发展，进入成熟期，即实现商业化与规模化，仍然需要市场和用户的验证。这中间差距的缩小一方面来自于供应端，也就是AI应用开发者的场景探索与产品升级，也需要需求端，即企业客户与用户的使用与反馈，以及他们的付费意愿和投入等。 现存应用积极拥抱AI，利用LLM能力提升自身应用服务体验和产品竞争力，不加AI就淘汰 现存应用具备用户工作流以及市场分发和渠道优势，占据用户界面，在这一波浪潮中，也并未放松和懈怠，普遍呈现出加速AI整合的态势，主要包括如下类型： 1 将AI与LLM能力作为内部提效工具 在这个阶段，企业开始探索AI技术的潜力，主要将其应用于内部流程优化，提高工作效率。例如，使用AI进行数据分析和自动化任务，减少人工工作量，提升业务流程的效率。 典型案例： 中手游、爱奇艺等；大部分科技企业，尤其是在软件工程和应用开发方向上，同时，大量行业企业，即AI技术的买单方当前也看重这一价值，试水颇多。 2 AI能力融入现有产品体系 随着对AI技术的深入理解和应用，企业开始将AI能力集成到其现有的产品和服务中。这包括开发AI助理、构建企业知识库等应用，以及探索如何通过AI能力的升级来提升产品的附加值，从而提高客单价。这个阶段的关键是找到AI技术与现有业务的结合点，创造新的用户价值。 典型案例： 金山WPS、用友、金蝶、福昕软件等等，即大量已经深度集成在用户界面与工作流的应用企业，将AI能力作为提升自身产品体验与功能的发展方向，部分企业开始尝试针对其AI能力升级提升收费客单价。 3 推出以AI为主体的产品与解决方案