《艾瑞咨詢：2023年中國AIGC產業全景報告（67頁）.pdf》由會員分享，可在線閱讀，更多相關《艾瑞咨詢：2023年中國AIGC產業全景報告（67頁）.pdf（67頁珍藏版）》請在三個皮匠報告上搜索。

1、iResearch艾瑞咨詢2023年中國AIGC產業全景報告日就月將，學有給熙于光明部門：企業服務三組署名：王祺李冬露張云李鑫02023 iResearch Inc#page#Research咨詢艾瑞PREFACE前言研究背景：2023年4月，艾瑞發布AIGC系列報告ChatGPT專題，對OpenAI的研發路徑及商業模式、ChatGPT下游應用場景、大語言模型（LLM）對AI產業影響、中國LLM產業價值鏈等話題進行了分析，初步探討了AIGC時代下中國大語言模型產業的價值空間與發展方向。古人有云：日就月將，學有輯熙于光明。人類對人工智能學的潛心鉆研終于再度獲得重大突破，大模型的涌現能力與AIGC

2、的應用普及為那不一定是AGI但一定更AI的未來提供了確定性的加速度。AI2.0時代的加速到來，不僅是把AI能力融入到現有應用中，更是未來產業范式的再塑造。AI正跳躍式地加速滲透進各行各業，推動一場新的生產力與創造力革命。AI產業鏈各環節參與者的角色功能、產品服務和應用生態可能將發生變化。2023年8月，艾瑞發布AIGC系列報告一中國AIGC產業全景報告，作為AIGC系列首發，報告將展開對AIGC產業的全景洞察、探究生成式AI技術對數字產業的影響變化、繪制“中國AIGC產業全景圖譜”、分析主流參與廠商類型與格局策略、各類型廠商發展路徑和能力要求變化等，為市場辯析產業發展價值與空間。研究方法本報告

3、通過業內資深的專家訪談、桌面研究、案例實證研究、行業對比研究、投融資數據統計輸出相應研究成果#page#Research艾瑞咨詢AIGC技術作為新型內容生產方式，將以內容生產模式變革催動生產力革新，引領數實融合浪潮下的產業變革，對人們生產生活方式帶來深遠的影響，開辟人類生產交互新紀元。艾瑞咨詢預測，ABSTRACT2023年中國AIGC產業規模約為143億元，隨后進入大模型培育期，持續打造與完善底層算力基建、大模型商店平臺等新型基礎設施，以此孕育成熟技術與產品形態并將其對外輸出。中國AIGC產業生態將日益穩固，完成重點領域、關鍵場景的技術價值兌現，逐步建立完善模型即服摘要發展總覽務（MaaS，

4、ModelAsaService）產業生態，2030年中國AIGC產業規模有望突破萬億元，達到11441億元。大模型是AIGC技術變革的原生驅力。大模型的落地將提速AI工業化生產，并充分釋放AI產業淮在市場空間，帶來新一輪AI產業化擴散。從商業化路徑來看：1）MaaS是大模型能力落地輸出的新業態。2）閉源與開源市場將并存互補，呈現“輕量級模型陸續開源，助力開源生態建設，干億級模型暫以閉源路徑開展”的發展特征。3）基模落地因需求差異展開產業路徑分化，以行業級、企業級大模型方式支撐上層應用。4）數據準備、ROI衡量、Prompt工程是連接模型層與應大模型層用層的落地三要素，工具層成為AIGC產業新熱

5、點。應用層是AIGC技術價值傳遞的實際落位，將通過對內容生產方式和人機交互方式的改變，深刻影響個人的生產與消費生活。對比國外，我國在開源生態、付費能力和創新力等方面的差距是AIG應用發展必須面臨的挑戰。AIGC應用可分為個人消費和企業服務兩個賽道。在個人消費領域，AIGC將以消費級內容和內容創作工具為載體，率先通過UGC進行產業滲透，瑩斷內容分發的各大流量、社交、視頻平臺將作為本輪變革的核心，借助AIGC內容與工具進行商業模式創新。在企業服務領域，AIGC技術在SaaS、決策AI、生成AI等多個領域的賦能路徑已初步明朗，而在商業應用層價值上，引入AIGC技術能為AI廠商帶來顯著降本效果，同時廠

6、商借助AIGC技術能滿足客戶更多場景化需求，帶來營收的第二曲線增長算力層是AIGC發展不可忽視的資源引擎，在OpenAI的GPT模型涌現能力后，AI產業迅速進入以大模型為技術支撐的AIGC時代，巨量訓推算力需求讓本就供需不平的算力產業結構進一步承壓。算力產業模式將在AIGC時代有所演變，智能算力資源或將更多承載于云服務產品，以MaaS模式服務干行百業。大模型時代下，數據中心將進一步優化網絡帶寬、能源消耗與散熱運維等，AI芯片需進一步升級內存、帶寬、互聯等能力。整體來看，中國正大力推進“東數西算”工程，引導算力層新型數據中心實現集約化、高密化、智能化建設，并堅持自主創新道路，靜待國產替代曙光，實

7、現國產“算力+應用”的正循環從技術突破來看，當前Transformer仍具明顯優勢，但學界和業界都在積極突圍，未來Transformer不會是唯一解；從應用前景來看，軟硬結合、物聯網應用升級是趨勢，大模型低參化處理后帶來全新的手機拍照、語音交互、具身智能機器人應用體驗；從社會影響來看，AI將成為基礎設施，將替代部分專業性崗位，進而帶來社會人力結構和分配方式的重塑；從監管展望來看，政策鼓勵AIGC相關研究，放寬了內容容錯率，積極推動公開數據建設，但也強調了AI生成標超勢挑戰識、境外服務嚴格監管等方向，寬松鼓勵與整頓規范并存。#page#/Research咨詢艾瑞01中國AIGC產業之“變”與“新

8、”CONTENTS省目02技術變革的原生驅力一大模型層03價值傳遞的實際落位一應用層04不可忽視的資源引擎一算力層05中國AIGC產業之標桿企業06中國AIGC產業之發展趨勢#page#iResearch瑞咨詢01中國AIGC產業之“變”與新”Overview#page#Research報告研究范圍-AIGC艾咨詢瑞AIGC與大模型將引領“AI產業”與“產業AI”發展AIGC（AI-GeneratedContent）指利用人工智能技術（生成式AI路徑）來生成內容的新型內容生產方式。2022年11月上線的AIGC應用ChatGPT，憑借其在語義理解、文本創作、代碼編寫、邏輯推理、知識問答等領域的

9、卓越表現，以及自然語言對話的低門檻交互方式，迅速獲得大量用戶，于23年1月突破1億月活，打破前消費級應用的增速記錄。ChatGPT等AIGC應用在多個領域的問題解決能力已超出一般人類水平，微軟稱其在GPT-4（ChatGPTPlus背后運行的大模型）中看到了AGI（通用人工智能）的維形。大眾的生活工作日常出現了Midjourney等新形態的各類AIGC應用，各行業的智能化升級也看到了新的可能性，“AI產業”與“產業AI”的想象空間進一步拓展。AIGC應用創新的技術支撐為“生成對抗網絡（GAN）/擴散模型（Diffusion）”與“Transformer預訓練大模型”的兩類大模型分支，在國外AI

10、GC應用展示出大模型的能量的同時，我國企業也加強了相關產品技術布局，云廠商、AI大廠、創企、各行業公司及技術服務商等產業各領域玩家紛紛發布大模型或基于大模型的應用產品及各類技術服務。相較于一般AI應用，大模型應用的訓練及推理需要更強的算力支持。綜上，本報告將圍繞模型、應用、算力三個角度對AIGC產業的發展進行探討，試圖在討論開源閉源、垂直通用、知識幻覺等大模型未來發展的各種不確定性的同時，為AIGC應用的選代升級產業的智能化應用，提供盡可能多的研究輔助，為那個不一定是AGI但一定更AI的未來提供確定性的加速度。生成式AI顯現通用人工智能維形本報告主要研究范晴AIGC應用文本及圖像創作數學及邏輯

11、推理大模型的通用性拓展了應用的產品形態及能力邊界2人類水平“預訓練大模型+微調”的開發方式降大模型88低了應用的開發門；可以自然語言交跨學科整合6860互的prompt工程提升了應用匹配滿足終端用戶特定需求的能力大模型參數量可達萬億，模型的訓練及推理對算力有強需求聘算力伴陵模型讀代及應用滲透，模型對算力的規模、能耗、技術特性代碼理解及編寫經驗中學習的要求在發展變化來源：綜合微軟研究院的SparksofArtificialGeneralInteligence等公開資料研究繪制。來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI2023.8iResearchInc.#page#Re

12、search中國AIGC產業發展環境-政策（Politics）艾咨詢瑞以包容審慎的態度，支持引導AIGC“可靠、可控”發展為促進AIGC產業健康發展、規范應用，央地各級政府圍繞算力、數據、模型、應用等不同方面逐漸完善支持政策體系，且國家層面快速出臺聚焦AIGC的合規監管政策。支持政策方面，以完善算力與數據等要素供給為基礎，以模型算法創新為關鍵，以場景應用為牽引，構建活躍的AIGC創新與應用生態。分區域來看，以北京為代表的AIGC創新及產業要素聚集地在政策層面支持力度更大。合規監管政策方面，生成式人工智能服務管理暫行辦法莫定了我國對于AIGC包容審慎、分級分類監管的主基調，明確生成式人工智能服務

13、提供者應承擔網絡信息安全、個人信息保護等義務，提出需進行安全評估與備案、對生成內容進行標識等服務規范。中國AIGC產業政策分析中國部分AIGC產業相關政策支持引導類政策-強化基礎資源，營造應用生態發文單位應用政策名稱發文時間類別支持方式：開放政策性場景資源；建設場景應用試點、場景實驗室；發布場景機會清科技部關于加快場景創新以人工智能高水平應2022-08-12支持類單實施揭榜掛帥；評選場景應用示范項目等等六部門用促進經濟高質量發展的指導意見重點領域：政務（城市治理）、交通、醫療、金融、科研、商貿、教育、文旅、養老國家網信辦等社會重點領域應用。2022-11-25監管類互聯網信息服務深度合成管理

14、規定等三部門模型中共中央國務院關于構建數據基礎制國務院2022-12-19支持類度更好發揮數據要素作用的意見支持通用大模型與行業模型的開發，并給予專項獎勵；支持企業、高校院所等建設開源社區（平臺）國家網信辦2023-07-13生成式人工智能服務管理暫行辦法監管類等七部門算力數據2023-05-19支持類北京市通用人工智能產業創新伙伴計劃北京市經信局支持訓練數據集、標準測試數據集建立統一的多云算力調度平臺，增北京市北京市促進通用人工智能創新發展的若強算力統籌能力；等數據資源的建設；2023-05-30支持類干措施政府辦公廳加快數據要素市場建設，推進數據支持大型云廠商等市場化企業建設分級分類共享、

15、交流、交易；成都市經信局商業算力基礎設施；成都市加快大模型創新應用推進人工智2023-08-04支持類市新經濟委產業高質量發展的若干措施建設數據安全管控體系推動大型公共算力中心建設合規監管類政策-包容審慎、分級分類監管明確生成式人工智能服務提供者應承擔的責任與義務：基于提供者的責任與義務，提出服務規范：依法承擔網絡信息內容生產者責任，履行網絡信息安全義務依法進行安全評估申報與備案采取措施提高訓練數據質量并保障訓練數據安全依法承擔個人信息處理者責任，履行個人信息保護義務.依法對相關生成內容進行標識不得收集非必要個人信息.來源：艾瑞咨詢研究院根據公開政策資料研究及繪制2023.8iResearch

16、I.cr#page#Research中國AIGC產業發展環境-經濟（Economy）模型創業初抬頭，多模態、跨模態備受青腺，資本扎堆優質項目2021年至2023年7月期間AIGC賽道共發生280筆投融資，展現了其高熱度與高成長性。從產業細分維度，應用層創業機會最多，模型層創業受到ChatGPT影響，在2023年集中涌現；在獲投的應用與模型層創業項目中，文本、影像、語音平分秋色，但相比單一模態，多模態和跨模態的應用前景更加為資本所看好。從投融資輪次維度，70%左右的項目仍處于A輪及以前階段，同時有高達14.6%的比例屬于股權、戰略融資，說明賽道雖然處于起步期，但其戰略價值已被公認。在全部獲投的1

17、70家公司中，獲投3次及以上公司約占17%。同一標的的高頻融資，從企業需求側反應AIGC前期創業所需大量資金支持，從資方供給側表明優質創業項目仍非常稀缺2021-2023年AIGC產業鏈各環節及各模態融資熱度情況58.6%14.4%代碼-0.6%32.8%23.0多模態16.4%7.6%10.8%跨模態（數字人為主）42.4%9.0%4.7%7.9%21.2%16.29124.9%語音及音樂2.9%1.1%1.1%影像1.8%24.9%0.7%文本22.6%應用層工具層模型層算力層口2021-2023年AIGC各模態融資熱度分布（%）口2023年融資熱度分布（%）2022年融資熱度分布（%）2

18、021年融資熱度分布（%）2021-2023年AIGC產業總體及各公司融資輪次分布情況14.6%4.5%種子輪及天使輪32.1%12.3911次2.9%口A輪相關口2次B-C輪口3次15.4%65.9%20.2%04次D輪及以上口股權融資及戰略融資35.0%注：數據截止2023年7月31日來源：T桔子：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI.cr#page#Research中國AIGC產業發展環境-社會（Society）艾咨詢瑞引領數實融合新浪潮，以內容生產模式變革為根本引爆生產力革命受惠于各行業不斷豐富的數據資源、算力硬件資源的持續發展以及大模型技術的突破性發展，AIG

19、C得以更好的抽象來自于真實世界的多模態數據源并進行有效表達，展現出其作為內容生產的通用工具在各行各業大規模應用的巨大潛力。放眼未來，AIGC將以內容生產模式變革催動生產力革新，引領數實融合浪潮下的產業變革，對人們生產生活方式帶來深遠的影響。一方面，AIGC將革新數字內容產業的發展范式，增加內容生產的價值和影響力。另一方面，AIGC將加速產業數字化進程，改善實體經濟對于數據資源的應用模式與利用效率，賦能實體經濟實現數智化轉型。更進一步，AIGC將極大地激活數據要素潛能，更廣泛地拓展數實融合空間，促進數字經濟與實體經濟的深度融合，數字產業化和產業數字化的范圍將持續擴大交融，實體經濟整體上出現創新驅

20、動和結構升級的路徑特征。放眼未來，隨著實體經濟中更多領域加速數字化進程，實體經濟體系將進一步完成數字化效率變革。作為現階段AI產業的排頭兵，AIGC對生產力的革新，將一定程度引領產業涌進從IT化、互聯網化到智能化的第三階段數實融合浪潮。AIGC將引領數實融合浪潮下的產業變革智能對話系統游戲革新內容產業高效場景生成AIGC可降低數字內容生產的成本和門檻、拓展數字內容生產的空間和維度，從而創新數字內容生產的流程和范自動化劇本生成底層大模型技影視高效率后期制作式，快速升級基至顛覆以內容生產為核心的游戲、影視術的快速送代等行業的發展范式。發展，支撐AIGC以內容沉漫式購物體驗賦能實體經濟電商AIGC高

21、效營銷活動創作革，引爆生產大范圍應用AIGC可以強大的信息獲取能力、數據處理能力、邏輯推力革命，激發的奇點已經理能力、內容創作能力，輔助或承擔部分繁復的基礎性AIGC向社會智能車載系統經濟生產活動內容生產工作，一定程度上解決b端邊際成本和碎片化問交通來臨智慧交管系統廣泛滲透、引題，加速產業數智化轉型。領數實融合浪潮下產業變革孕育新賽道電子病例生成的潛力。合成醫護陪伴AIGC可根據不同行業的特點和需求，定制化生成適應性強、價值高的數字內容，促進數字內容與其他產業的深高效教案設計制作度融合，使數字經濟與實體經濟形成良性互動，孕育新教育智能化教學測評的爆發式增長賽道來源：艾瑞咨詢研究院根據公開資料研

22、究及繪制。2023.8iResearchI.cr#page#Research中國AIGC產業發展環境-技術（Technolos咨各模態生成質量均初步達到應用水平，可控性成為最大短板AIGC技術可按照模態分為文本、圖像、語音以及多模態等。音頻生成技術成熟度最高，其余各模態技術發展稍緩，核心算法仍存在大面積黑箱，雖然在生成效果上整體能夠達到人類平均水平，部分場景達到人類優秀水平，但在算力成本、生成穩定性、個性化精細化需求滿足等方面存在明顯瓶頸。如大部分AI生成圖像目前無法支持畫師對細節進行精細化的修改，文本生成內容仍會出現事實性錯誤，因而目前無法達到大規模成熟應用水平。從技術選代速度看，各模態呈現

23、出成熟度越低，選代速度越快的特點，文本和圖像生成領域幾乎每1-2個月就能出現突破性技術進展，未來可期AIGC各模態技術成熟度分析文本生成技術成熱度文本生成AIGC技術成熟度示意圖圖像生成文本生成可細分為對話、提煉總結、創作等多種能力，以語音合成GPT-3為代表的大語言模型將AI文本生成能力拉升至接近人類平均水平。當前在語言理解能力、穩定性、可控性和多模態安全性上還存在非常明顯的應用瓶頸，且具體技術路徑及對應的訓練效果也尚無定論。圖像生成：文本圖像生成可分為2D、3D及視頻生成三個分支。在GAN、全能dufffusion、NeRF等模型框架基礎上，圖像生成技術正在以超乎想象的速度選代升級，部分散

24、點應用已取得良好效果，在生成精準可控性及算力成本等方面仍需優化。多模態語音合成：語音合成技術經歷了拼接合成、參數合成和端到端合成三代技術演進，已實現規?；瘧?，當前技術升級方向在于技術送代速度通過提升語音的韻律感和情緒表達等達到完全擬人的效果，以及實現語音實時合成。生成內容質量個性化生成與定向微調效果多模態技術成熟度多模態技術是文本、圖像、語音等模態之間的轉換與融合技術穩定性技術難度最大，當前成熟度水平較低，僅在文-圖，文-語評價維度技術可解釋性音等領域有達到商用水平的表現。應用成本（生成時間周期、部署難度、算力成本等）注：氣泡大小代表該項技術的預期影響力。艾瑞咨詢自主研究繪制02023.8i

25、ResearchInc.#page#Research中國AIGC產業市場規模咨詢艾瑞市場規模呈指數級增長，突破規?；R界點搜取萬億產業價值根據第50次中國互聯網絡發展狀況統計報告，截至2022年6月，中國互聯網普及率已高達74.4%。在網民規模持續提升、網絡接入環境日益多元、企業數字化進程不斷加速的宏觀環境下，AIGC技術作為新型內容生產方式，有望滲透人類生產生活，為干行百業帶來顛覆變革，開辟人類生產交互新紀元。艾瑞咨詢預測，2023年中國AIGC產業規模約為143億元，隨后進入大模型生態培育期，D9IV國中“820“中明與水是“烈型面參號去早理面算蘭型暴與料產業規模預計將達到7202億元，中

26、國AIGC產業生態日益穩固，完成重點領域、關鍵場景的技術價值兌現，逐步建立完善模型即服務產業生態，2030年中國AIGC產業規模有望突破萬億元，達到11441億元2022-2030年中國AIGC產業規模469.9%204.2%180.8%112.0%83.6%51.3%32.0%20.3%11441950972024759259312234361432520222025e2026e2023e2024e2027e2028e2029e2030e中國AIGC產業規模（億元）一中國AIGC產業規模增長率（%）來源：艾瑞咨詢研究院根據公開資料、專家訪談自主研究繪制2023.8iResearchI.c#p

27、age#Research中國AIGC產業圖譜全景圖艾瑞咨詢2023年中國AIGC產業圖譜AIGC應用層Application for AIGC內容消費賽道企業服務龍線零售政務電力醫療企業內部運行嬰色紅簾mC）周量云C）則云9J阿里云24991心芒累tV中關H為阿里中時街從迎染創作工具賽道JDT網里云技百電99中科國驗貨mmrAdobe圖AIGS（AIGC+軟件生成）數字化與大模型方案提供商網星云SoSEt999mBRRUnO1SoNeuso代t東軟皖588W百度暫VIoSvLsNtVAIGC工具層AIGC大模型層Models for AIGCTools for AIGC行業垂直型基礎大模型業務

28、垂直型基礎大模型AI Agcnts福超保AutoGPTLangChain醫療電商建筑智能問答病例生成設備運檢企業服務限分化自湖碼科技網M技2！阿里云百度智版云騰訊云華為云J0T京東科技1R業中軟題融模型平臺/模型服務O鍋冊用店中關村用全499ominspur游阿里云靈積模型服務通用基礎大模型AI開源社區百度智能云千機大模型平臺閉源廠商開源廠商熱火山引章火山方舟/Hugging Face盤|悟道|MOSSOpeAIIGPT阿里云|通義Q三|文心tgml式說OMetalLlamaS軟通動力天阿里云魔搭青|混元費為|盤古|山海感|星火川|Baichuan網里云|通義ChatGLMDUST.百度智能云

29、飛漿SFINIEAIGC基礎層Infrastructure for AIGC數據基礎福期棋算算力基礎AI芯片（異構Fabless）AI基礎數據服務A算法框架向量數據庫AMDanYIDLA門3inelSpomuKKeresPineconeFTensorFlowO）Pytcrch百限服能石數據眾包C60xnetcafe2MT照y飛漿peetacean游智能服務器智能云服務apponA開發平臺數據集S阿墅云華為訊云nspuSugonaBa大-阿里云騰訊云sme百家服公共開源數據集高校數據集華為云天限云測數據智算中心GDIHE今金山云后浪湘云企業私有數據集HIKVISIONJDT京東科技政府數據集上火

30、山引COW3企業自建咨算中心城市智算中心聯酒云0京東云AAzur2023.8iResearchI#page#Research中國AIGC產業機會前睛艾瑞咨詢技術變革：模型層工具層算力層應用層；資源要素：算力層模型層應用層工具層；市場機會：應用層工具層模型層算力層2023年中國AIGC產業全景總覽及機會前暗C端洞察：AIGC進一步下放內容創作權，極大激發用戶創作熱情，加速內容裂變，并帶來一系列AI-Native的新生機會。ToC應用試水，合規性與從內容/社交平臺角度出發，以社區形式通過用戶自發創作交流形成粘性是未來發力方向。而國內用戶在SaaS服務上仍付費意愿等要素限制有規是較低付費意愿和購買力

31、，如何聚集流量、從嘗鮮行為轉為深入重復使用且滿足強監管要求是C端運營難點。應用層B端洞察：在產業服務中，AIGC將從內容生產與交互方式改變企業數字化產品服務。AIGC在B端應用推廣與企業自身的?；y度：ToB應用將在數據基礎、上云進程、數字化進度等息息相關。艾瑞從供需兩側訪談了解，目前B端AIGC應用正處于場景探索期，雙方數字化基礎做進一步滲透正努力搭建標桿業務場景與典型行業模型，共同推廣AIGC技術的應用滲透。純應用開發技術門檻的降低將數據要素與擴張，場景邊界仍在探尋行業know-how的重要性置頂，擁有垂類數據積累與業務理解的B端廠商可利用AIGC賦能升級獲得進一步增量空間。能力輸出業態：

32、大模型成為未來AI產業的操作系統，AIAgent與大模型服務/平臺是AIGC時代下新衍生帶來“以云計算為基礎，將大模型作為一項服務提供的工具層，已成為繼大模型之后，更有想象空間卻給用戶使用“MaaS模式的新業態，重構AI產業鏈價MaaS是大模型能力落地也更貼近應用的下一爆點。對于AIAgent來說，將值流通環節和技術傳遞路徑。寶貴的垂類數據與業務理解集成到Agent框架之中輸出的新業態，模型層將模型層模型路徑演變：基礎大模型落地會因需求差異展開產保證大模型應用在執行任務時可以訪問到正確的信具更貼近應用側，工具鏈完業路徑分化，以行業級、企業級大模型方式支撐上層息并高效執行產出，是未來AlAgen

33、ts能發揮出實際完善度影響用戶體驗，進層應用。從開閉源角度來看，基模廠商普遍采用輕量級效用的關鍵。隨著大模型工程化能力提升，模型服一步催生工具層發展開源、千億級閉源”的發展路徑，而向上分化的垂直務定位的人才及資源投入需求將降低，市場機會不領域廠商將基于開源模型或基模平臺開發部署細分領明朗。而模型商店/平臺將呈現明顯雙邊效應，技術域模型產品，廠商優勢在垂類數據與業務理解資源聚集及應用生態搭建是關鍵。作為數智化時代的資源引擎，算力正逐漸成為影響國家綜合實力和經濟發展的關鍵性要素。隨著AIGC時代大模型參數算力層的量級提升，算力供需結構承壓持續加大。訓推算力需求先呈指數級上漲。順應先訓練后推理邏輯，

34、未來仍有巨量邊緣帶動算力基礎設施建設及端側算力需求待釋放，預訓練大模型的訓練推理需要巨量數據資源與高性能計算機的全天候高速運轉，對數據中心的大模型運行對其提出網絡帶寬、能源消耗與散熱運維能力，AI芯片的內存、帶寬、互聯能力、軟硬協同均提出更高要求，極大影響算力利用率與芯片性能發揮。MaaS將云計算、智能算力、模型能力等資源實現高度融合，艾瑞判斷，未來智能算力資源或將更更高要求多承載于云服務產品，以Maas模式服務干行百業，而隨著大模型輕量級開源版本的發布，大模型有望進行進一步剪裁優化，將推理能力部署在端側，并帶動手機、機器人等端側芯片發展。2023.8iResearchI#page#Resea

35、rch大模型將成為AI應用開發的操作系統瑞咨詢模型即服務（Maas）構建新型AI基礎設施，重構AI開發部署范式AI產業的場景落地一直面臨碎片化困境。隨著企業上云進程中智能化轉型需求的逐步增多和傳統行業領域數據的不斷積累，AI應用開發過程中逐漸面臨大量細分領域的深耕、非典型客戶需求，對算法的通用性和延展性提出了較高要求。傳統“小模型”范式的AI應用開發流程一般針對單一場景，獨立完成模型選擇-數據處理-模型優化-模型選代等一系列開發環節。因此，AI應用在定制化需求、長尾需求下的開發效率較低，且模型精度、性能、可擴展性等指標質量也會受到影響。隨著AI產業深入及智能化需求增加，AI在研發門檻及開發效率

36、的問題日益凸顯?！邦A訓練大模型”應運而生，其將數據中蘊含的知識通過無監督或者自監督學習方式提取出來存儲在具有大量參數的神經網絡模型中。AI應用開發流程轉變為，調用通用流程-結合行業經驗-解決實際問題。未來，大模型將成為AI產業的操作系統，其基礎設施特性可為AI應用開發做好底座，將AI模型變得可維護、可擴展、可選代，極大降低AI應用的開發門檻。從需求側來看，客戶能通過更低成本、高效率的Maas（ModelAsaService）路徑獲得AI能力，完成AIGC應用的個性化開發優化及部署，持續兌現大模型的技術紅利，將AI能力應用滲透到各行各業的場景業務中。模型即服務（Maas，Modelasaserv

37、ice）范式演進歷程L4：產業生態期L3：核心場景穩定期隨著業務流程、產業基礎設施的發展而完挖掘充分體現其核心價值的關鍵場善和融入，模型即服務產業生態建立景，從而讓大模型能力充分發揮L2：產品形態成熟期L1：大模型成熟期產品優化，符合創作者使用習慣，可提供低代碼或者零代碼開發服務通用/行業/場景基礎大模型的評測指標趨于穩定，是產品和技術持續輸出的關鍵和基礎；底層算力基建等基座打造和完善來源：華為預訓練大模型白皮書，艾瑞咨詢研究院自主研究繪制。2023.8iResearchI.cr#page#esearch2）廠商合作關系演化及周邊工具服務發展模型層與應用層邊界漸弱，帶動數據層、開發平臺等工具服

38、務高效發展伴隨大模型通用性的提升，模型開發廠商可能因其模型被廣泛使用調用匯聚多維場景數據、積累行業場景認知并集成部分垂類功能特性，進而向上延伸拓展至完整功能應用；原有垂類應用，為鞏固市場地位，可能探索開源甚至自研模型，憑借既有資源、經驗積淀及領域聚焦，同樣打造模型開發及應用服務的閉環選代，因此模型層、應用層有交錯發展之勢。此外，企業客戶參差的數字化基礎及個性化的軟件、流程需求依然需要解決方案廠商定制優化并部署實施，而AI開發平臺也將與大模型合力，通過“稀疏、蒸餡剪裁”等手段助力大模型解決訓練、推理部署困難問題，進一步實現“低門檻、低成本、高效率”的開發部署與應用。數據標注、安全合規等周邊工具服

39、務亦是促進AIGC產品高效開發、產業有序發展的可觀商機。AIGC廠商合作關系演化及周邊工具服務發展針對企業服務市場，各行業客戶的數字化基礎及建設類比“淘金潮”中售賣鐵、牛仔褲、水的生意的發展規劃、具體需求各有不同，在AIGC重構企業軟AIGC產業的模型、應用可視為“金礦”，芯片件及業務流程的同時，依然需要方案集成商來貼合具等算力支持可視為“鐵鈦”，AIl應用開發平臺體客戶的特定需求優化并部署實施數據標注、安全合規、開發平臺等周邊工具服務解決方案方亦是促進AIGC產業高效有序發展的可觀商機。在模型層、應用層的交錯發展中，在部分領域兩類公司的原有合作關系弱化，背后是模型開發與應用服務提升模型的微調

40、及管理、評估效率AI應用的一體化快速選代，AIGC產品體驗躍升以單性、穩定、低成本的方式保障開發平臺模型的訓練。部署及運轉周邊工具模型訓練基于海量標注數據。模型開發方AIGC大模型的重要成因之一在于服務8原有垂類應用，可憑借場景的精準理數據標注對RHLF（基于人類反饋的強化學應用軟件方習）的使用，需人工對模型生成解、專項體驗的優化、渠道資源的積的多個結果進行排序標注累、行業經驗的積淀，探索開源基至自研模型，鞏固現有市場地位服務商可通過數據集篩查預處理模型開發商從通用問題解決、模型算安全合規房見評估系統、偽造監測算法等為法支持向上延伸拓展，可能取代部分模型及應用的健康發展保駕護航原有垂類應用Al

41、 Agent向量數據庫來源：艾瑞咨詢研究院自主研究繪制。152023.8iResearchI#page#TResearch3）生產力變革帶動海量下游應用優化艾瑞咨詢生活領域充分釋放用戶創新能力，生產領域全面革新交互體驗和效率士與飄統里事來V以須器“我是回“要水車線一IV華面Y在生活領域，AIGC將通過進一步下放內容創作權，激發UGC創作熱情，加速內容裂變。加之社區玩法在部分內容平臺的良好盈利表現，內容消費領域從技術到商業模式的路徑已全線打通，以社區形式，通過用戶自發交流自主創作形成粘性，是各類平臺的發力方向。在生產領域，大模型能從研發流程、產品能力和交互上全方位為企服軟件帶來提升，也充分開拓了

42、新的服務場景，因此各類企業數字化廠商都將圍繞大模型尋找自身優勢空間與定位。AIGC全面落地應用的影響分析生產領域生活領域UGC大門加速散開全面技術翻新與產品升級創作工具以大模型為第一生產力內容分發、社交媒體等平臺要加大力度做社區化預訓練大模型能力范圍廣，企業服務內容創作門降低。能力水平高創作速度大幅提升內容消費研發過程產品功能產品交互內容傳播與內容創意極大簡化開發范式多模態交互功能優化與升級裂變提速豐富與多元廠上全員參與基于大模型的產品形態與功能創新決策AI廠商對話式AI廠商內容社區或是最適合承大模型起能決策AI落地升級技術底座載這種新變化的形式SaaS廠商8開發AIGC新功能云廠商數字化解決

43、方案廠商通過海量內容及生活服務，衍生出多種新玩法打造Maas服務模式提供大模型開發部署能力來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI#page#ResearchAIGC將在全行業引發深度變革咨艾瑞詢線上化程度、數字化基礎、行業內容占比等影響AIGC應用前景與滲透速度總體而言，AIGC主要影響內容創作與人機交互，因此價值鏈線上化程度越高，內容在價值鏈中占比越高，AIGC對其顏覆效應越明顯另一方面，行業自身的數據、知識、監管要求等特點也會深刻影響到AIGC技術的滲透速度。比如電商、游戲、廣告、影視傳媒等以內容生產為價值核心的行業，以及電商、金融等研發設計、營銷等環節在行業價

44、值鏈中地位較高的行業，能夠快速看到AIGC應用對原有生產工具的替代和業務流程的變革。AIGC對各行業影響與變革分析1、快速顏覆類港電商、游戲和廣告行業線上化程度高，且內容質量直接決定其價值創造4、潛能挖掘類速這兩大特征使得AIGC應用在其中能夠產生最大化的價值，并能夠迅速這類行業以實體部分為重，內容在其營銷、銷度滲透至核心生產環節。據統計，AIGC相關應用已經幫助游戲行業在研售等個別環節充當輔助角色，這決定了AIGC發制作環節節約50-70%人力或時間成本。技術在其中產生的影響相對有限，同時這些行行業中大小公司均有機會搶占先機，甚至受到個人開發者的沖擊，行業電商業數字化水平偏低，付費能力相對偏

45、弱，企業可能面臨洗牌間發展差距大，因此AIGC應用極可能表現為游戲各行業領軍公司快速落地嘗試腰部尾部公廣告2、勻速增長類這類行業也以內容為價值核心，但與第1類區別在于其內容生產更多環節在實體環境完成，具有更強的專業性、靈活性，在這些行業中AIGO媒體可變革上限略低，且會更加考驗AIGC技術的成熟度，當前應用多屬于電信金融單點嘗新而非剛性替代，未來市場空間大，但實現大規模行業滲透需要教育影視更長時間。行業格局預計產生局部波動，行業價值健各環節地位排序面監重構醫藥地產政府制造旅游3、穩中求變類衣業金融、電信和政府行業價信鏈中涉及大量內容生產和人與人交互的環節數字化轉型付費意愿和付費能力強，但同時因

46、為其具有業務流程與組織架構的可變性低，對數據安全極為敏感等特質，因此對AIGC應用的態行業可變革程度（價值鏈視角）度最為保守。解決大模型私有化部署的ROI問題是打開這類市場的關鍵注：圓圈大小代表AIGC應用在該行業帶來的價值：行業可變革程度：在行業價信鎮中涉及到內容生產和人機交互的環節占比，以及AIGC對相關環節的影響程度滲透速度：由各行業政策監管、數字化特別是數據基礎建設水平數據安全要求、行業創新能力等指標構成來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI.cr#page#TResearch算力資源決定大模型發展高度咨詢艾瑞中國堅持自主創新道路，大模型為算力設施帶來更高要

47、求與發展機遇順應大模型趨勢，算力需求急劇攀升，算力正在成為影響國家綜合實力和經濟發展的關鍵性要素。面對Al“大模型”算力挑戰，數據中心會建設大量服務器節點，通過網絡構建集群互聯協作完成訓推任務。若網絡帶寬不夠大、時延不夠低，不僅會讓算力邊際遞減，還會進一步增加大模型訓練的時間成本。未來，數據中心需窮實優化算力基礎設施建設，積極提升網絡帶寬、能源散熱等方向以應對大模型帶來的高運行要求。此外，實現AI芯片的自主性供給，是中國中長期發展算力產業的重中之重。為了適配大模型的訓練及推理，AI芯片對其內存、軟硬架構協同、片間及片內互聯能力等提出更高要求，給國內廠商帶來挑戰與機遇，可進一步關注存算一體、Ch

48、iplet等技術發展方向。當前國內寒武紀、華為、海光、昆侖芯、燃原等一二線廠商推出的AI推理芯片產品成熟度較高，處于規?；逃眠M程中；AI訓練芯片普遍與國外旗艦產品在性能上存在1-2代際顯著差距，會率先在國家智算中心推廣應用，并積極與國內互聯網大廠適配調整，優化軟硬件適配及生態成熟度。整體來看，中國算力層正嘗試脫離對頭部廠商英偉達的依賴，以“云巨頭自研自用+獨立/創業公司服務于信創、運營商等ToG與ToB市場”為兩條主線發展路徑，靜待國產替代曙光，實現國產“算力+應用”的正循環。AIGC浪潮下的中國算力產業分析構建云端協同、計算、存儲數據中心將進一步優化網絡帶寬、能源消耗與散熱運維等能力推動算

49、力基礎設施發自運輸一體化、多層次算力基礎強化頂層設計展政策文件設施體系Transformer密度模型加大基礎設施的帶寬要求，模型訓練要求網絡架構走更主多東西向流量，未來推理逐步加大南北流量比重。創電力占據大模型訓練成本的近六成，AIGC下的電力消耗問題值得關注，進一新步發展如核聚變等能源方向。加強CPU、GPU和圍繞算力軟硬件生態體系建設大算力需求需要更高散熱效率。液冷有望爸代風冷達到更高效的散熱預期。散算服務器等重點產品研加強硬件、基礎軟件、應用軟熱預計將從房間級、機柜級、服務器級向芯片級演進，更貼近核心發熱源。培育良好生態力發件等適配協同層的AI芯片需進一步升級內存、帶寬、互聯、軟硬協同等

50、能力機為了適配大模型的訓練及推理，A芯片要求有更大的內存訪問帶寬并減少內存遇推進網絡設施與算力強化算力資源統籌調度，提高訪問延退，因此帶動由GDDR到HBM的技術升級，另一方面需要更高的片間與設施配套部署，優化算力利用效能，推動模式新穎互聯基至片內互聯能力以滿足AI加速器訪存、交換數據的需求。挑特色鮮明的算力應用加速落地升級網絡體系架構建優算網落地面對海量數據，A芯片異構化需求加大，需要與軟件保持更好地一體化協同，戰來源：艾瑞咨詢研究院自主研究繪制2023.8iResearchI#page#iResearch瑞咨詢02技術變革的原生驅力大模型層Large Model#page#page#Res

51、earch預訓練大模型的發展業態咨詢艾瑞中美引領大模型產業發展，NLP仍是大模型的重點活躍領域從全球范圍來看，中美兩國在大模型領域都取得了令人隔目的成果。2019年，美國率先在大模型領域取得突破性進展，推出了BERTGPT等具有里程碑意義的預訓練模型。2020年，ERNIE系列模型和TinyBERT等輕量化模型的推出拉開了中國大模型產業快速發展的序幕。2021年以來，中美在大模型領域逐漸呈現出分庭抗禮的超勢，共同引領全球大模型產業的發展；聚焦國內，從技術領域來看，國產大模型廣泛的覆蓋了自然語言處理、多模態、機器視覺等多個技術分支，形成了緊跟世界前沿的大模型技術群。其中，自然語言處理是目前國內大

52、模型最為活躍的技術領域，超六成的國產大模型主要基于自然語言處理技術進行預訓練和微調；多模態領域活躍度僅次于自然語言處理技術，超兩成的國產大模型可處理圖像、視頻、音頻等多模態數據；而聚焦在計算機視覺和智能語音等領域的國產大模型數量相對較少。從研發主體來看，國內企業、高校、科研機構等不同創新主體均積極參與大模型研發。其中，企業仍是國內大模型研發的主力軍，約46%的大模型由企業獨立研發；高校及科研機構也對大模型的研發做出較大貢獻，約37%的大模型由高校/科研機構獨立研發。同時，我們也觀察到目前由企業與高校/科研機構聯合研發的大模型尚不足20%，展現出大模型開發在產學研合作方面仍有較大潛力。2023年

53、中國各技術領域大模型數量統計2019年至2023年全球大模型數量統計11283026193730201801120192021202220202023.5CVNLPAI4S多模態語音智能決策美國（個）口中國（個）口其他國家（個）高校/科研機構大模型（個）聯合發布大模型（個）企業發布大模型（個）中國科學技術信息研究所、科技部新一來源：中國人工智能大模型地圖研究報告，中國科學技術信息研究所、科技部新一來源：告8代人工智能發展研究中心，艾瑞咨詢自主研究繪制。代人工智能發展研究中心，艾瑞咨詢研究院自主研究繪制。價2023.8iResearchI.c2023.8iResearchI#page#Resea

54、rch預訓練大模型的路徑探討瑞咨詢艾了解人工智能時代的“ios”與“安卓”，閉源與開源市場將并存互補在以OpenAI為代表的閉源模型廠商開放對外技術服務后，開源模型廠商也在加緊發力，以Meta的Llama模型為代表陸續開源選代，意圖進一步實現生態層面的跑馬圈地，2023年上半年LLM與數據集迎來開源季。大模型的開源可根據開源程度分為“可研究”與“可商用”級別。2023年2月，Meta發布了開源大模型LLM的第一個版本Llama，授予“可研究”用途。2023年7月進一步發布“可商用”的Llama2版本，雖然有日活超過7億產品需額外申請、不能服務于其他模型調優等的商用限制，但海外很多中小企業已可用

55、Llama2的模型來做私有化部署，基于Llama2開源模型訓練出定制化的可控模型。由于Llama2基本不支持中文，對中國的大模型商用生態暫時不會產生實質性變化，中國仍需開發培育適配于中文數據土壤的開源生態。閉源LLM可為B端用戶和C端消費者持續提供優質的模型開發及應用服務；開源LLM可從研究角度促進廣大開發者和研究者的探索創新，從商用角度加速大模型的商業化進程與落地效果。未來，開源和閉源的LLM會并存和互補，為大模型發展共同創造出多元協作的繁榮生態。中國AIGC產業大模型層開閉源分析PART1:盤點中外閉源模型口閉源模型：通過付費的AP或者有限的試用接口來訪問口供給側：AIGC模型層發展中，誰

56、會采取閉源策略？大模型技術前沿廠商出于打造自身先進模型壁壘、構建技術護城河的目前，OpenAI的GPT模型、谷歌的PaLM-E模型，及商業考慮，會選擇閉源或逐步從開源走向閉源，以保證模型的先進性、國內阿里、騰訊等互聯網大廠的大模型目前均處于閉穩定性、安全性等。酒狀態，PART2：開源生態的搭建與意義口開源模型：公開模型的源碼與數據集，任何人都可以口供給側：AIGC模型層發展中，誰會采取開源策略？訓練出開源LLM模型背后仍需要大量資金、精力、人才投入；此外，查看或修改源代碼，如StabilityAI開源StableDiffusion，Meta開源Llama，中國智源開源Aquila，相較于大模型

57、技術前沿廠商，選擇開源廠商在技術上仍處于追趕地位國內外開源生態愈加豐富。將通過開源路徑培植生態，并追趕優化模型。1）可研究類別2）可商用類別（或進行商用限制/授權收費）PART3:需求側：開源與閉源的選擇之慮運行穩定私有化部署前期投入成本低數據隱私安全選代更新快絲V.S.開源模型閉源模型完整工具鏈&工具平臺依賴專業團隊深度優化&Finetune來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI22#page#TResearch著力打造中國AIGC開源社區生態咨春艾瑞輕量級模型陸續開源，助力開源生態建設，千億級模型暫以閉源路徑開展2023中關村論壇上，科技部副部長吳朝暉表示，中國

58、將堅持開源協作，加強大模型技術持續創新，協同解決透明性、穩定性等共性問題，進一步推動算力資源和數字資源開放共享，加快形成大模型的產業生態。而AIGC開源社區的建設可以吸納更多的開發者及擁有定義用戶的主導權，以AI開源創新平臺為杠桿，帶動支撐底層AI芯片、智算中心及云服務等基礎設施發展。從供給側邏輯來看，大模型開源早期由高校和機構推動，如清華大學的ChatGLM-6B、復旦大學的MOSS，陸續有頭部云廠商加入，如百度的文心系列與阿里的通義系列，共同為中國AIGC開源社區的建設“增磚添瓦”，以阿里云魔塔社區、百度云飛漿社區為代表的開源社區建設成果初現，而千億級模型暫以閉源路徑開展，憑借穩定、優質效

59、、完整工具鏈等產品特點定位應用市場；從商業化路徑來看，參考海外明星開源社區HuggingFace的商業模式，中國AI開源社區同樣會先免費提供基礎算力，為客戶提供免費的社區體驗、demo部署及測試，并進一步通過付費服務推送輕量級遷移的微調推理服務或深度開發的訓練調優平臺，提升模型產品性能，通過開源社區吸引開發者、企業客戶完成更多部署應用資源的引流變現中外AI開源社區發展洞察中國AI開源社區建設成果初現，旨在為云服務引流變現海外開源社區普遍采用“免費+增值”的商業模式GitHub代碼托管云服務網站01百度云-飛獎社區阿里云一魔塔社區.GitHub是一個面向開源及私有軟件項目的托管平臺，因為只支持g

60、it作為唯一版本庫格式進行托管，故名GitHub。GitHub是全球最大的開源社區，允許用戶免費創建無限的公共和私有存儲庫，付費可獲得更多功能。終生/一綜女醫動除高級訂閱服務GitHub應用市場GitHub周邊商店開源模型（以6B7B以開源社區為生態建13B輕量級為主Hugging Face”GitHub試用體驗02AI/機器學習/NLP界的”設，引流資源服務Demo部署HuggingFace是一家以自然語言處理（NLP）技術為核心的Al初創公司，憑借開源項目Transfomers（提供了數以干計的預訓練模型）積累巨大影響力，并通過瓶輕量級遷移進式商業化路徑，逐步向SaaS產品和企業服務拓展。

61、微調+推理服務AIGC開源社區平衡開源社區與商業化路徑-商業模式深度開發訓練+調優+評測等服務付費制會員定制化解決方案數據托管來源：艾瑞咨詢研究院自主研究繪制232023.8iResearchI#page#page#TResearchMaaS是大模型能力落地輸出的新業態艾瑞咨詢打造大模型商店，為下游提供低門檻、低成本的模型使用與開發支持Maas（Model-as-a-Service），模型即服務，是指以云計算為基礎，將大模型作為一項服務提供給用戶使用的新業態。如今，Maas模式已成為各家云巨頭廠商發展第一戰略優先級，把模型作為重要的生產元素，依托于既有laaS設施與Paas平臺架構，為下游客戶

62、提供以大模型為核心的數據處理、特征工程、模型訓練、模型調優、推理部署等服務。未來，順應大模型開源超勢，MaaS服務商將著力打造大模型商店平臺，發力大模型生態建設，納入更多允許商用的開源模型，提升平臺的基模類型及能力，并豐富工具鏈產品服務，通過業務積累、數據回流、模型選代逐步形成壁壘，在拉高云服務營收天花板的同時進一步塑造廠商的核心競爭力。MaaS商業模式與廠商競爭要素以Maas平臺能力為核心，為用戶提供推理、微調、開發服務智慧醫療智慧金融智慧電力智慧交通數字人業務場景程序。智能零售產品應用微調：特定場景需求下，通用大模型能力或無法直接滿足，可通過少量數據智慧工業機器人智能座艙智能安防訓練與標注

63、，基于Maas平臺的一系列微調、訓練工具鏈，產出符合客戶需智慧能源求的定制化模型，滿足特定場景服務。開發：對基礎模型展開深度定制，相較推理、微調，模型開發需更多數據、算力、算法人才等資源投入，為客戶提供模型全鏈路的數據準備、模型精調、模型調優模型訓練指令優化、評測部署等平臺服務。MaaS模式模型存儲模型推理開源&閉源模型的能力輸出基模類型與能力、垂類行業數據、工具鏈完整性、業務積累、價格體系都是廠商在MaaS模式下的關鍵要素部醬應用模型托管基模數據量級決定模型通用能力上限，而基模需結合金融、電商、物流、文娛等行業場景與數據，開發更多與大模型融合的示范產品及解決方案，共同存儲云服務打造行業大模型

64、，因此垂類行業數據是模型能力行業落地的關鍵工具鏈包括數據維度的治理、標注、數據庫資源及模型維度的托管類型、調laaS試工具、安全評估等，工具鏈完整性將極大決定用戶在平臺開發AI應用的使laaS平臺網絡數據集/數據庫算力資源用門檻及體驗。業務積累是廠商資源體現，一方面助力廠商基于現有布局進一步滲透Maas能力，一方面可加深廠商實際落地的業務理解與需求適配。從ROI考量，價格體系也是客戶選擇的重要因素。來源：艾瑞咨詢研究院自主研究繪制252023.8iResearchI#page#Research市場需評估基礎通用大模型產品服務能力瑞咨詢艾瑞提出EPS-EPD評估體系，定位大模型產品的基模性能與商

65、業能力大模型能力評測意義重大，評測結果可讓供需兩側了解各家大模型能力的優勢與不足，做出更好的產品調優與應用選擇。隨著大模型產業的發展選代，評測基準體系也在不斷完善。艾瑞判斷，未來大模型的產品服務能力評測將作為一項工具包，打包在大模型平臺中為客戶提供產品服務。對此，艾瑞提出EPS-EPD評估體系，以其為核心構建一系列評測集，對市面公開大模型能力展開測評，全維度定位大模型產品的基模性能與商業能力，為業內各界對模型評估有結果需求的客戶提供信息參考。大模型產品服務能力評估體系1）產品能力2）服務能力響應速率口評估問題生成時間/字數比口從基礎大模型到下游遷移性效率穩定性口改變拼寫、大小寫、Prompt二

66、開微調的適配度Ratio1（Efficiency）魯棒性衡量模型-Invarianceand工程化能力口將大模型能力封裝Ratio1equation transformatior（Engineering）到產品或解決方案落地性口綜合文本生成、語言理解、知中，與實際需求達回復質量識問答、邏輯推理、數學能力成高質效結合編程能力、多模態能力維度口反饋模型的不確定信息，助力口提供大模型關聯能力不確定提示性能優越性人工判斷引入資源，如數據管理、Ratio2平臺資源（Performance）算力資源、云服務能平臺生態能力Prompt效率口調試后的問題優化，提升質量Ratio2力等（Platform）口生態

67、聯盟友好度，基生態合作于生態合作伙伴完成情感理解口對情緒的感知與判斷應用落地的正向循環口從需求側出發，產品口評估性別收視、倫理問題、偏價格模式及價格適配是核偏見評估見、刻板印象、黃色暴力、不心選擇要素之一良引導等情況口從服務模塊上，對財安全可控性需求匹配能力Ratio3Ratio3場景覆蓋口確保數據安全、模型安全、內務、營銷、客服、推（Safety）安全可信（Demand）薦等場景的覆蓋度容安全、指令安全口從行業落地上，對金口甄別Prompt中的虛假信息與行業覆蓋融、零售、工業、汽虛假信息甄別不合理前提車等領域的覆蓋度來源：2023.8iResearchI#page#Research基模落地因

68、需求差異展開產業路徑分化艾咨詢瑞大模型需以行業級、企業級大模型方式支撐上層應用基礎大模型落地面臨兩大難題，一是終端客戶對算力成本的接受能力，二是大模型雖擅長通用領域問題，但往往在垂直行業任務中表現欠佳。因此，基礎大模型會通過領域數據或專屬知識庫進行訓練和調優，形成垂直領域的行業大模型或業務大模型；此外，部分企業還具有深度定制、私有化部署的需求，需要在行業大模型基礎上，進一步加入企業專有數據進行訓練或微調，形成企業級大模型。從商業化布局角度來看，如今基礎大模型廠商可分為三類參與者，分別為云巨頭廠商、人工智能公司、學術研究機構及創業公司，在定位有通用能力基座的同時打通向上商業化路徑。其中，云巨頭廠

69、商將借助云服務及數據庫資源，更強調MaaS能力輸出。AI公司或創業公司將借助業務積累或生態資源鋪定幾個典型行業或業務場景展開商業占領。從開閉源角度來看，基模廠商普遍采用前文所述的“輕量級開源、千億級閉源”的發展路徑，而向上分化的垂直領域廠商將基于開源模型或基模平臺開發部署細分領域模型產品，廠商優勢在垂類數據與業務理解。若客戶，如金融行業，對模型的開源性及私有化部署有明確要求，則開源路徑會是該類需求的典型落地形態。大模型產業落地形態及分化路徑企業直接向企業端通過微調形成大模型直接賦能用戶開放調用直接賦能企業專屬模型企業應用服務企業應用直接向C端需求點：企業專屬應用；私有化行業業務用戶開放調提供A

70、PI大模大模部署為滿足單獨企業的應用，以及用服務接口，供型型私有部署的需求，在行業大模型基礎上進一步微調得到企業專屬大模型。下游構建型香垂直領域大模型模型需求點：行業專屬應用支撐需求點：通用業務場景支撐各行業都有大量區別于其他行業如財務、HR、辦公等通用場景，存在開源和閉源、參數量的知識、數據與流程，大模型需行業屬性不強，用通用化TOB從千億級到數億級不等的要掌握這些know-how才能支撐數據訓練大模型得到的業務模型多款模型，企業按需選擇。行業專屬應用。能夠支持某一業務領域的應用，來源：艾瑞咨詢研究院自主研究繪制。產業鏈下游2023.8iResearchInc.#page#Research如

71、何連接模型能力與應用需求是落地關鍵瑞咨數據準備、ROI衡量、Prompt工程是連接模型層與應用層的落地三要素在本輪大模型推動的技術浪潮下，如何連接模型能力與上層應用，完成商業化變現，構建人工智能應用主導的生態系統是AIGC各層廠商重點關注的課題。艾瑞認為，數據準備，ROI衡量與Prompt工程能力是連接模型層與應用層落地的核心三要素。由于AI研究進展緩于國外、中文數據集論文發表難度高、NLP算法改進驗證與數據集語言類型關聯度低等歷史性原因，目前中文NLP數據集語料庫在數量與質量方面仍有較大差距。從可行性、性價比與時間角度出發，追趕期間同步發展典型行業應用數據集是彌補中文NLP數據集短板的有效策

72、略；從需求側角度出發，大模型能力應用化需結合業務場景與成本效益選擇大模型的應用方式及調用形式，若基于安全隱私性需求要求私有化部署則投入成本更高，客戶端的ROI衡量是決定其能力商業化進程的關鍵；提示（prompt）是觸發AI模型生成內容的寬泛指令，提示工程則可進一步開發和優化提示，從指令拆解到調用能力多維度融合大模型LLM來處理各類需求，是未來影響影響交互效果與應用體驗的關鍵。從模型層到應用層的實現路徑與關鍵要素API調用通用基礎大模型成果產出Finetune成果產出模型應用AP調用衍生平臺工具層領域/企業大模型開源模型基于開源模型做開發訓練更好的連接模型與應用模型應用的需求目標與產出效果數據層

73、的S?準備與定義投入產出比的適配-Prompt工程訓練缺少高質量中文數據集語料：相較于結合業務場景與成本效益選擇大模型的應用方大模型的內容輸出質量與提示工程關聯重大。式：1）保留小模型2）替代小模型3）大小模國外豐富開源的英文數據集語料庫，中文如何拆解指令，實現優質高效的需求產出四數據占比稀少，巫需加強數據質量與數量型融合配是未來影響交互效果與應用體驗的關鍵發展更貼近應用的行業數據集：結合國家結合業務場景與成本效益選擇大模型的調用形學術界與企業側力量開發典型行業數據集式：1）API調用2）結合行業數據與通用基礎調用如何交互？如金融、零售、電力等大模型展開微調的Finetune3）結合行業數據交

74、互形式？與開源模型實現自研來源：艾瑞咨詢研究院自主研究繪制結合大模型能力282023.8iResearchI#page#Research工具層成為AIGC產業新熱點咨詢艾瑞工具層的AIAgent與模型服務平臺可以更好匹配應用需求與模型能力艾瑞認為，大模型的中間層-工具層構成可分為AI代理-Agent角色與AI微調-大模型服務兩類。AIAgent是繼大模型、AIGC后進一步火爆的中間層產品，可看作能感知環境及需求、進行決策和執行動作的智能體。如代表性產品，AutoGPT即是利用GPT-4編寫自身代碼并執行Python自動化腳本，持續完成GPT對問題的自我選代與完善。目前代理角色產品仍處于初代階段

75、，未來將與實際場景、垂類數據結合，更加作為調度中心完成對應用層需求指令的規劃、記憶及工具調用（引用自OpenAI的LilianWeng論文觀點）。大模型服務平臺則是為企業提供模型訓練、推理、評測、精調等全方位平臺服務，并基于供給側能力與需求側要求進行B端私有化部署（創業公司切入點）或平臺資源調用（云廠商切入點），模型與用戶將呈現明顯雙邊效應?？傮w來看，作為模型能力與應用需求的鏈接，中間層價值前景廣裹，或作為另一核心入口建設起工具生態，但從另一角度出發，中間層仍嫁接于模型層之上，受限于模型層能力，“合格”的大模型能力底座將為中間層發展開拓提供更優漏土壤。解析工具層構成及產品策略AI代理-Agen

76、t角色大模型服務平臺：為企業提供模型訓練、推理、評測、精調等全方位平臺服務AlAgent可看作能感知環境及需求、進行決策大模型能力和執行動作的智能體。相較于大模型底座，靠安大模型平臺-訓練、精調、評測個人助手企業級助手近應用層的AlAgent更具自主性，是提示工程客戶需求B端工具入口生活助理的進化體，可拆解客戶指令并自主執行任務?？蛻羲接谢渴?大模型平臺推理服務規劃-=AutoGPT初步客戶畫像：需定制化模型調試，無自主研發初代大模型推理度中團隊、同時對大模型能力有需求的B端企業客戶面向客戶端記憶產品SFT精調示例大模型部署供給側參與策陷：LangchainRLHF精調工具使用大模型訓練1）

77、云服務廠商提供模型商店，打包云及算力資源面向開發者2）創業廠商提供客制化精調與私有化部署服務供給側參與策略：1）頭部廠商補足全棧能力，能力更通用AI落地一大模型服務2）創業廠商切入垂直領域打時間差與深化度以“合格”大模型LLM底座為基礎來源：艾瑞咨詢研究院自主研究繪制292023.8iResearchInc.#page#ResearchAIAgent更廣闊的角色價值與發展空間艾瑞咨春進入AI智能體文明，讓生產力大幅提升，沉淀垂類數據與業務理解是關鍵早在20世紀80年代，計算機科學家已著手探索開發一個能與人類交互的智能軟件，類似于AIAgent的維形應用一直在被構思討論。N上“城長上V宏子上如解

78、來出安動四只一“回與mtaby終需照宏動上元Agent可行性與合理性的關鍵要素。另一方面，大模型涌現出優秀的上下文學習能力、復雜推理能力，在接受目標及設定后，可自發性將其拆解成簡單細化的子任務，無需人類干預去完成剩下的全部工作，如Sweep完成全項目的自動“清掃”bug報告和功能請求、CheatLayer實現對全網頁操作的自動化、GPTResearcher完成任意主題的綜合研究呈現等，淺層代替傳統的RPA及人類重復性工作，深層化身為人類在各行各業的操作助手。目前AIAgent已成為繼大模型之后，更有想象空間卻也更貼近應用的下一爆點。海外亞馬遜、OpenAI及國內高校、云巨頭廠商都熱情滿滿，陸續

79、發布AIAgent的學術研究成果及產品應用。未來，人與AI的協作交流或進一步由Agents作為智能媒介實現，每個人都可以使用各類Al-Agent完成現實任務的處理執行，人類由此進入龐大復雜的AI智能體文明。而要想實現這些，將寶貴的垂類數據與業務理解集成到Agent框架之中，保證大模型應用在執行任務時可以訪問到正確的信息并高效執行產出，是未來AlAgents能發揮出實際效用的關鍵。相較于模型層，AlAgents將留給創業者更多機會。AIAgent發展方向討論AlAgent的兩大核心方向：AutonomousAgents&GenerativeAgentsAutonomousAgentsLangch

80、ainTransformer Agents智能體處理協作自動執行完成目標依托Huggingface開源生態，在提供定義Agents的創新框架并提供零代碼的開發工具定位服務屬性Transformer框架基礎上新增自然語言API，業務邏輯適配框架，將模型、提示、內存、解析輸出和調試功能通過LLM連接龐大模型庫調用多模態能力。GenerativeAgents的模塊鏈式鏈接，成為普及Agents的開發工具原生自發自主決策西部世界小鎮Agent Bench行業落地數據長期記憶關系意義25個AI智能體生存在小鎮，能衍生來自高校聯合研究的智能體評估：評估Agent評工具4工具包開源向夠存儲、合成和應用相關的

81、記LLMs作為智能體在各種真實世界挑戰和8憶，使用LLM生成可信的行為。個不同環境中的表現（如推理決策能力）打開Agent想象空間集成底層大模型能力，沉淀業務管理流程，打包開發、部署、管理等功能，建設Agent部署平臺，重構應用生態提出需要執行的結構化提示詞添加動作組都署應用選擇合適模型承載大模型能力來源：艾瑞咨詢研究院自主研究繪制。302023.8iResearchInc.#page#iResearch瑞咨詢03價值傳遞的實際落位應用層Application31#page#ResearchAIGC產業化價值與影響艾咨詢瑞內容生產和人機交互兩條主線并駕齊驅，拉開變革大幕本章節所探討的AIGC應

82、用，是以大模型為技術主體，同時涵蓋其他AIGC技術（如語音合成、策略生成）的應用范圍?？傮w來看，大模型基于其在內容生成、總結、邏輯推理等方面的能力，已在多種AI服務的技術開發環節中展開融合替代。其中，內容生成與理解是大模型的核心能力，AIGC的產業價值主要體現在以此為核心的“變革內容生產方式”與“變革人機交互方式”兩方面。大模型對內容理解和內容生成的雙向能力使其既能以極低門檻實現多模態內容生成，也可脫離內容生產核心場景泛化為一種人機對話的媒介。未來，全行業將借助大模型能力行生出的大量AI生產工具，實現內容生產效率的飛躍，并進一步降低數字生態的人機交互門檻。變革內容生產方式，提升生產效率與創意性

83、變革人機交互方式，簡化開發流與工作流AIGC時代：問答式交互界面AIGC的范圍包含AI自主生成及輔助人類生成內容。當前技術處于L2向L3過渡階段，關鍵突破在于AI已經具備了從0到1生成一段完整內容的能力?，F在：菜單式交互界面口提升效率：AIGC具備將生成效率提升數倍甚至數十倍的潛力口激發創意：AIGC對想法的快速高質量實現能力可以極大激發創意。0-20%人工參與20%-70%70-90%AI能力逐漸提升軟件交互界面變革示意圖90%-100%L4度3口原有軟件功能都以層級菜單呈現，而以GPT-4、文心一言等為代表的AI自主生成內容，并自2多模態大模型，能夠支持文本、語音、圖片等多模態輸入，模型自

84、動人工指導AI動進行建議L1調取對應的軟件功能為用戶解決問題，充當人與軟件，甚至人與機器含有部分AI生成，人工修改、審核、能力的各類人絕佳的交互渠道。人工生成進行內容審發布全過程工具輔助人閱和修改，無需人工參計算機根據工生成或人工指導與既有內容和口在產品研發端，用大模型調用軟件功能將簡化開發流程，提升送代速A進行修改模板生成度；在應用端，大模型帶來的交互能力提升可能會帶來部分行業中業PGCUGCAIGC務流程的簡化，長期必將對行業既有工作流產生改變。來源：艾瑞咨詢研究院自主研究繪制。來源：艾瑞咨詢研究院自主研究繪制。322023.8iResearchInc.2023.8iResearchI.c

85、r#page#Research以元宇宙為代表的關聯賽道即將蛻變咨詢艾瑞元宇宙將借助AIGC之勢，重煥生機從商業敘事與應用場景來看，元宇宙與AIGC的共同之處顏多。首先在賽道范圍上，AIGC主打數字原生，而元宇宙則在數字原生之外額外包含數字李生部分；其次在賽道價值上，元宇宙是講述脫實向虛開創第二增長曲線的故事，而AIGC不僅著力于數字世界的創建，更能影響及改造現實世界。從市場發展看，近年來元宇宙賽道因技術能力難以支撐商業化愿景而在資本側與用戶側遇冷，而AIGC應用將改善市場對元宇宙的預期。在數字原生領域，AIGC能通過高質量創作工具，提升UGC創作能力和熱情；而在數字李生領域，AIGC能夠逐漸幫

86、助實現自動設計、漳染等，提升李生模型生產效率和質量。AIGC與元宇宙共創數實融合、虛實共生產業新階段01AIGC與元宇宙賽道相互交融，共同創建原生數字世界當前元宇宙仍處于早期發展階段，大部分廠商主要依靠TOB定制解決方案虛擬內容是元宇審的核心，包存活，實用價值相對有限。同時虛擬內容制作技術尚不成熟，大量依賴人括數字變生建模、文本、NPC工，周期長，成本高，對元宇宙發展造成了嚴重肘。AIGC技術將全面音樂等。同時這些虛擬內容在提升多模態內容生產效率，是一次重大生產力革命。文娛、傳媒、教育等行業都有數字李生應用?，F實虛擬數字原生：隨著AIGC工具鏈成熟，以UGC為主的數字原生世界將會代表應用：虛擬

87、數字人、虛擬迎來繁榮階段。社交元宇窗數字原生NPC創建工具AIGCAI道具創建工具除虛擬內容外，面向現實需求虛擬一虛擬UGC的內容生成是AIGC更加廣闊數字分身工具AI環境模擬器的應用空間。數字原生代表應用：虛擬助手、AI辦公數字李生：AIGC工具鏈成熟，元宇宙數字原生解決方案需求被工具化，虛擬現實形成更精細產業分工。XR終端、動感模擬、代理機建模等終端產業是營造云宇宙真實交互感的關鍵；區塊鏈、隱私全方位多生成：AI3D生成工具計算等技術對于構建虛擬世界層次融入查染制度與生態必不可少，是元宇AI大腦的調用：大模型+3D引擎以3D引擎宙與AIGC的重要差異點新一代為例代表應用：數字李生城市仿真擴

88、展：插件+3D引擎3D引擎來源：艾瑞咨詢研究院自主研究繪制。332023.8iResearchI#page#Research國內外AIGC應用發展對比艾咨詢瑞國內發展環境尚不成熟，B端應用相比C端發展預期更明朗對比國內外AIGC應用的發展環境與發展現狀可知，現階段國外的AIGC應用發展更完善、進度更領先、發展路徑更清晰。首先，在應用數量上，國內外已相差一個量級；其次，國內以實用剛需場景為主，國外則在多種細分場景上充分發揮創意。究其差距原因，一是國外在開源社區在AI技術和數據集上有多年積累，國內還處于初步階段，二是國內用戶在SaaS服務上極低的付費意愿和購買力，導致國內AIGC的C端應用開發乏力

89、。因此，從發展路徑來看，國外會相對平穩均衡，以輕量級SaaS服務挖掘大量細分場景的潛在機中O理工國吧：不與森中回“有新生廠商探索消費級應用，但場景價值與變現能力尚未明晰中外AIGC應用發展環境中外AIGC應用發展現狀技術生態國外占據先機，地基更加穩固國外C端產品生態極為豐富B端已經出現細分領域成熟應用AIGC技術生態是應用的支撐，而開源社區是AIGC技術發展完善的主陣地。從在TOC和TOB兩個賽道將會齊頭并進，以TOC和小B的輕量級訂閱產品為GitHub開發者數量看，中國在開源生態的整體布局和影響力遠低于美國。聚焦到主，深入細分場景尋找服務機會。AIGC開源領域，國內外無論是開源模型還是數據集

90、的數量，差距更都十分明顯。國內C端應用競爭力話題度均不足，國內C端市場發展不充分，不確定性大，需要更多以妙鴨相機為代表的，能夠替代某種既有需求的低價產品出現，真正打開中國內外最大開源AI模型社區對比github各國開發者數量對比（萬人）國的下沉市場。S1355國外VS國內Hugging Face魔搭社區文檔輔助創作美容建設0G9生756AI繪畫營銷文案生成預訓練模型10萬+A模型900不足200個175圖書探索數據集阿里提供為主數據集1萬+音樂創作商品圖設計電影推薦付費能力國內付費能力不足，商業化面臨挑戰國內外AIGC應用數量與類型當前能夠快速落地的AIGC應用多以辦公類、繪圖類等高頻剛需場景

91、為主，以會員訂國外國內閱和按量收費作為主要盈利模式。歐美對于SaaS服務的接受度和付費能力普遍較高應用保守估計據不完全統計代表性AI營銷文案工具Jasper，2022年營收預計超2600萬美元，而國內無論是個人數量總數量已近2000個在200個左右用戶還是企業，對SaaS應用的付費意愿均為極低水平。場景細分不足，場景劃分細致W約5%約309noffce365應用以文檔生成，營銷、電商等VS覆蓋場景類型極為豐富60000場景有大量生活服務類應用商務場景為主年度付費率年費會員付費率凸顯創意性實用性導向明顯（年付費用戶總數/MAU）（年費會員數/MAU）https/，金山辦公2022年報，艾瑞咨詢自

92、主研究繪制，342023.8iResearchI2023.8iResearchI#page#TResearchAIGC應用從ToB、ToC兩端展開瑞咨艾根據AIGC應用的落地場景、技術路徑與產品特征，可將AIGC應用劃分為內容消費與企業服務兩大賽道AIGC技術的滲透路徑將遵循數字產業的基本發展邏輯，按照客戶類型、產品形態和商業模式，劃分為ToC和ToB兩個領域1）ToC產品以內容和工具形式觸達消費者，各類C端應用可通過直接調用通用大模型API形成各種AI創作工具，并利用其生成內容進行變現，典型場景覆蓋文娛、影視傳媒行業以及電商零售等。2）AIGC技術通過大模型能力去部分補充或替代原有場景的算法

93、小模型或是傳統軟件功能，將其滲透各行各業以提高企業生產辦公效率。更高的場景復雜度對參與廠商的技術能力和行業know-how也提出更高要求，艾瑞將其歸納為企業服務的ToB賽道。AIGC應用賽道介紹與劃分邏輯賽道介紹應用行業二典型產品一文娛金融地產政府制造醫藥傳媒零售內容：TOC領域圍繞消費者的吃喝玩樂，提供可直接消費的AIGC內容AI生成短視頻、虛擬女友AIGC技術幾乎都是通過內容瀏覽和自內容消費主創作的方式進入消費者生活，最終產賽道品是消費級內容，還有一類廠商專門提提供AIGC創作工具工具：TO C供AIGC創作工具。Mid Journey、TIAMAT產品：TOB領域圍繞整個企業數字化應用市

94、場對話式A領域：智能坐席、HR其中很大比例產品都能夠與AIGC技術AI理財助手等提供AIGC升級的企業數字化應用及服務企業服務財務相結合，因此在這一領域衍生出兩種服HRSaaS領域：候選人表賽道務方式，一類直接提供AIGC升級后的供應鏈現總結、簡歷篩選等TOB數字化應用，另一類則通過自有模型幫服務：營銷助企業升級企業已有軟件系統WindowsCopilot辦公第四范式“AIGS”來源：艾瑞咨詢研究自主研究繪制352023.8iResearchI#page#賽道3企業服務賽道賽道1：內容消費賽道賽道2：創作工具賽道Research內容分發平臺為核心的AIGC布后艾咨詢瑞現階段AIGC主要在UGC

95、與PGC中進行滲透內容分發平臺一端鏈接創作者，一端綁定大量用戶，擁有最為完整的內容消費生態，也天然成為了AIGC內容消費的布局核心。原本，內容消費市場按照創作者和商業模式可大致分為PGC和UGC。PGC專業性強，以內容付費為主要盈利模式，需要快速大量推出新內容刺激用戶購買，因此PGC平臺的主要戰略是前向打通內容制作環節，并為了提高用戶粘性同步發展UGC：UGC內容相對生活化，本質是販賣流量，需要將內容質量保持在可持續吸引用戶注意力的水平。因此，兩類平臺均在積極布局面向UGC的AI創作工具。由于線上社交需求持續增長，社交業務也展現出超強的盈利能力，是內容分發平臺變現的新方向，如網易云音樂2022

96、年在社交娛樂板塊收入已大大超出其音樂服務收入。各大內容平臺也都在布局社群業務，盤活手中用戶，其中應用到AIGC技術支撐的營銷文案、電商圖片甚至評論的自動生成中。此外，在各大內容、電商平臺的后臺普遍有大量精準推薦、智能客服等系統，平臺也在逐步使用大模型替換和補充原AI技術棧，但這部分應用并不能直接產生內容消費，因而艾瑞將其歸為AIGC企業服務賽道而非AIGC內容消費賽道內容平臺在AIGC內容賽道核心地位及商業邏輯社群變現粉色字代表應本質也是一種流量變流量變現為主內容變現為主用AIGC的場景現，但對于PGC為主以內容為介質，營收主力為嚴格把控內容渠道和版權的平臺而言是新形式。用戶廣告、直播、電商、

97、游戲等會員訂閱作為主要盈利手段。用戶本生成工具宇幕工具生態端：AI創作工具內容分發平臺AIGC布局后臺：客服與推薦算法AI+PGC生態AI+UGC生態網文、讀書平臺提供多教育及知識付費音樂自主生產高直播社交種AI創作工質量內容，虛擬偶像新聞資訊具，又通過通過平臺觸影視劇、短視頻內容社群動畫平臺觸達用達用戶。綜藝游戲戶網易云音樂官網，來源：艾瑞咨詢研究院自主研究繪制。362023.8iResearchInc.#page#賽道1：內容消費賽道賽道2：創作工具賽道賽道3企業服務賽道Research平臺基于AIGC的生態模式選擇艾咨詢瑞PGC賽道迎來“又一春”，UGC賽道沖刺在即，規范先行圍繞AI生成

98、內容帶來的風險與收益，不同處境玩家的路線方針存在明顯差別。對PGC而言，AIGC技術滲透整體利大于擎，可快速帶來創作效率提升、盈利能力改善等新變化。游戲、傳媒、短視頻等頭部平臺都在積極利用AIGC開拓新業務機會，以提升用戶留存；擔房裝米非終和嗎扣頭“題是壓友你黑叫長強體區終進回只一“器米匯四里劃經Uo=x是59D侶的影響。另一方面，AI生成內容的監管也是UGC側降速的重要因素。各領域參與者對AI生成內容態度及應對方式分析全面擁抱派：以AIGC打造第二增長曲線保守挺進派：避免風險為第一要務PGC開拓UGC市場規則搶先出臺，避免對現有業務造成不利影響是首要考量挖掘IP價值考量因素：打造UGC生態2

99、023.5月.日，抖音發布AIGC平臺規范：鼓勵用戶優質IP，流量變現進行創作應對人工智能生成內容進行顯著標識1、響應國家政策：國家對AIGC釋放明顯元宇宙場景虛擬人形象注冊監管信號，頭部平臺樹大招風二創內容裂變產生付費PGC虛擬人需中之人驅動等商動向2、內容擠兌風險：大量AI生成內容涌入圖Epic開啟“創作者經濟2.0計劃”，為創作者提供專業級關卡編輯工會亂現有平臺生態，造成影響難以預判。具，并提成凈收入40%，激勵規模達10億美元芒果超媒自研AIGC技術，可圍繞芒果內容IP生成短視頻3、成本控制壓力：內容創作數量的急劇上02提供基于AIGC的增值服務漲，對于帶寬成本以及審核成本造成壓力部分

100、游戲推出付費的AI道具/模型，大大提升可玩性防因過于保守而被順覆的命運移動化、視頻化仍然是內容領域的大勢所趨。Unity發布的2023游戲行業趨勢報告顯示，03頭部UGC平臺AllinAIGC功能2022年僅300人以上的大型工作室的移動蠟游戲產量增長44%，而騰訊2022年報也透露，微信視動向頻號2022年使用時長首次超過朋友圈UGC小紅書上線AI繪畫工具Trik舌百家號上線AI筆記功能基于此，輕量級、快速生成內容的AIGC工具將成為內容領域“大殺器”和新的風向標，AI給內容快手推出AI音樂創作、Al數字人生成以及“一鍵成片”功能帶來的更多玩法或將自成一派，和傳統內容平臺形成差異化競爭。頭部

101、玩家占據流量優勢，但可能福微博宣布推出AIGC創作助手會受限于監管和潛在風險而過于謹慎錯失機會。O2023.8iResearchInc.#page#賽道3企業服務賽道賽道2：創作工具賽道賽道1：內容消費賽道Research模型能力為核心，對、圖發展路徑將分化咨詢短期內模型一應用不分家，圖像生成領域尚有模型自研機會與傳統內容創作工具相比，AIGC內容創作工具的最大特點為“底層模型重、前端輕”，因此產品競爭的核心要素也從功能設計變成模型能力。在這種情況下，是否擁有自研SOTA模型將成為AIGC應用廠商的關鍵分水嶺?；诨A大模型的研發投入、使用現有模型開發高質量應用的可行性這兩個核心要素來看，文本

102、類應用和圖像類應用的發展路徑差異明顯：大語言模型成熟度高，自研壁壘高，直接基于現有模型開發應用更為現實；而圖像生成模型成熟度低，自研成本可控，因此吸引更多創業者聚集。AIGC內容創作工具的商業化路徑分析傳統應用和AIGC應用開發流程與周期對比成型傳統應用原型UI后端+前端核心特征核心推論應用測試開發流程設計設計開發開發0.5-2個月0.5-1個月（可并行）先發者能通過數據模型應用一體飛輪建立一定優勢模型能力決定但長期看純應用創業SOTA定向產品能力AIGC應用品沒有明顯護城河微調模型開發流程用戶1-2個月數天8-20個月AIGC創作工具賽道發展范式文本生成類應用：創業者將專注應用開發，將會與上

103、游大模型廠商合圖像視頻生成類應用：大量創業公司仍偏好自研基礎模型，中期將作形成產業鏈生態涌現更多適配各類場景的細分模型即應用市面具有競爭力的通用文本生成模型參數普遍在在百圖像生成模型參數量大多在數十億級別，例如Mid圖像生成模型參數相對億干億規模，訓練難度大易中斷，且單次訓練成本可大語言模型開發成本journey模型單次訓練成本在5萬美元左右，這一成本小，研發成本更可控和訓練難度過高能高達上百萬美元，其所需的算力基礎設施成本也在是大部分創業公司能夠負擔的。$千萬美元級別，絕大部分創業公司無法承受。目前圖像類生成技術尚不成熟，對于生成內容風格、國像生成模型技術尚不大語言模型技術相對成通用大語言模

104、型在訓練階段就已經有意培養其在提煉細節可控性較差，對各類細分場景也無法直接使用。成熟，面向具體場景需熟，部分場景可以拿來總結、知識抽取、對話、翻譯等各項任務的能力，因定制即用因此在垂直領域打造高質量產品，當前自研模型是一此文本類工具層廠商可以直接使用這些模型為底座。個無法繞開的選擇來源：艾瑞咨詢研究院自主研究繪制。882023.8iResearchI#page#賽道3企業服務賽道賽道2：創作工具賽道賽道1：內容消費賽道Research市場魚龍混雜，各路玩家搶占新生態位艾咨詢瑞眾多應用推出，技術與場景結合點仍在探索，垂類產品更易變現從技術路徑來講，內容創作工具呈現直接性、低門檻等特征。具備模型實

105、力的AI公司、互聯網大廠、以Adobe為代表的傳統內容工具廠商，均不甘落后，已紛紛入局。傳統工具型廠商擁有較大的客群及較為深厚的產品研發積累，但AI能力較弱，未來將發力于技術追趕以保持優勢地位；垂類工具廠商熟悉細分場景，能夠更好將新技術與原有產品銜接，快速提升用戶體驗，具備較強競爭力；技術型廠商與互聯網大廠專注底層模型，應用更多以嘗試為主。整體來看，當前國內的AIGC創作工具市場發展處于初級階段，產品尚未實現規?；占芭c經營盈利，其數量與成熟度也仍待發展，參與廠商的競爭態勢尚不明朗。玩家類型與戰略布局本身算法能力較弱，但是對產品和功能的理解很深產品傳統創作開發AIGC能力完善自身生態版圖，短期

106、內AIGC不Adobe等基因工具廠商會營代傳統工具，但能夠與之形成互補，鞏固和加挑戰&機造強行業瑩斷地位。垂直創作扎根垂直場景，前期積累大量行業客戶與行業特贊、美圖等行業工具廠商現成場景know-how，在AIGC技術加持下提升產品能力，進基因新技術革新一步鞏固競爭優勢。相對來說，可最快速實現盈利。Kua.ai等非自研模型AIGC創業公司不確定性最大，目前仍主要發力通用型創作工具。擁從零開始湖舟科技、TIAMAT自研模型有自研模型的廠商前期技術投入大，短期通過出售模西湖心辰等TOB業務型API或為企業提供相關服務獲取部分營收，積累行快速盈利業know-how，需要從零建立核心競爭力。AI廠商：

107、科大訊飛、商湯等Al基因具備強勢AI基因，自研大模型，推出的AIGC工具互聯網大廠百度、阿里巴巴、騰訊等以通用型為主，市場影響力強。短期內并不在意是否盈利，而是借此向市場彰顯模生態占位型能力，積累用戶形成數據飛輪，同時搶占該領域研究機構：智源研究院、清華大學等產品生態位。來源：艾瑞咨詢研究院自主研究繪制392023.8iResearchI.cr#page#賽道1：內容消費賽道賽道2：創作工具賽道賽道3企業服務賽道ResearchAIGC之于企業服務：升級、重構與創新艾咨瑞詢基于不同產品原生技術路徑，AIGC以多種方式融入帶來技術選代、功能拓展與形態革新AIGC應用方式產品類型傳統企業軟件填充式

108、：豐富產品功能，同時將徹底改變產品形態在原來技術條件的制約下，流程型軟件只能輔助特新場景開發：如HRSaas中的簡歷內容識別、面試問題生成、候選人表定業務場景的流程管理，無法深入到執行環節限務企業價值鏈各業務場景，可現評估等。分為行業垂直型和業務垂直型兩類構建難度：與AIGC并無直校關聯根據場景復雜度，構建難度有所不同，部分場景需要多種AI技術相結合在AIGC的輔助下，該軟件能夠在具體業務執行環節中輔助或者代替員工工作，增強了軟件能力。才能完成。其中約80%是輕量級應用，20%需要大模型支撐。融合式：提供新的技術思路，革新部分產品形態決策式AI產品以機器學習、與原有AI算法進行融合：在機器學習

109、的任務中引入大模型的理解、邏輯深度學習為基座的分雖然兩類AI技術采取的技術路徑差異比較大，但能析、預測決策類應用，如大數據推理和抽取提煉能力，以獲得更好的任務表現，如搜索引擎優化、個性夠在細分任務上做拆解，進行細顆粒度的技術共生化推薦等。XQQQQQ與AIGC同屬A/領生成式AI產品選代式：技術選代和場景擴散，幾乎不會影響產品形態新場景開發和原有技術普換：AIGC本身就屬于生成式AI，對于生成式AINoAa158技術廠商，意味著技術路徑轉換和技術能力的增強，這類廠商利用大模主要指以NLP、語音技術為核心的對型，在部分場景和任務中替換原有小模型底座，如對話、抽取、內容理活機器人，數字人等產品解等

110、，同時也能夠基于大模型開發新的場景。od是AIGC的原生賽道構建雅度大Before：AfterHV對于AI廠商而言，技術框架替換難度并不太高，且開發的新場景應用也小模型支持業務場景大模型在部分場景替換小模型仍聚焦于語音、文本生成領域，屬于原有業務的深化與延展來源：艾瑞咨詢研究院自主研究繪制2023.8iResearchI10#page#賽道1：內容消費賽道賽道2：創作工具賽道賽道3企業服務賽道Research產品化價值與商業變現艾瑞咨詢AIGC融入既有應用降本效果明顯，營收增長主要依靠服務新場景企服領域AIGC產品價值與商業化表現節流：降本效果生成AI決策AI傳統軟件開源：點亮大面積未開發場景

111、，提升人效、挖掘數據的剩余價值口除了產品性能會有部分提升外，對傳統軟件廠商大模型引入是額外技口大模型的加持帶來了AI技術落地范圍的擴散，廠商將能夠覆蓋更多術成本，但對于AI廠商，在研發、部署和培訓全環節都能夠帶來明顯客戶需求，豐富自身產品矩陣降本效果。人力成本人效提升：數據價值挖掘：研發模型開發效率提升時間成本對于傳統軟件，在各個細分業務AIGC技術能夠最大限度幫助企業數據發環節中加入原本由企業員工執行揮價值。企業級模型、各種知識助手是定制化開發部署應用功能與軟件界面解耦的新功能，能夠不同程度節約員垂直領域知識的絕佳載體，使用企業級和部署成本工的執行時間，提升員工的工作模型將知識灌輸到系統的各

112、個功能當中效率，甚至普代部分崗位。而知識助手則會成為每個員工的外腦培訓對話式交互產品易用性提升培訓成本舊應用升級新場景開發新場景擴大服務面是營收增長主力，廠商競速AIGC產品化產品表觀升級，但客單價提升預期不明顯口受穩定性和準確性影響，處于嘗試導入階段口新的產品功能和服務場景會帶來對應的營收增長。生成式AI廠商：這種“新”完全順承既往的發展邏輯進行，在技術上同行間難以對于傳統軟件的既有功能而言，大模型改變的主要是易用性而非功拉開差距，仍然主要比拼行業理解。能的增強，對企業管理的具體效率提升程度還有待驗證對于AI應用而言，部分產品性能能夠獲得一定程度的提升決策式AI廠商：大模型+決策AI的新應用

113、相對較少，大部分結合場景尚在科研階段由于技術門檻的降低，現階段在成本可控范圍內做技術替換是絕大傳統軟件：AIGC帶來的新的應用大部分處于單一場景試點的demo階段，以大部多數廠商共同的選擇，而大多廠商不會以此提升客單價，而是希望分廠商目前的技術水平而言，將其進一步封裝為可規?；峁┑某墒飚a品，還存借此提升自身的市場競爭力。在很大的技術挑戰，而用大模型完全調用軟件功能則需要更強的技術能力，在這部分需要借助成熟的Alagent產品或是與其他模型廠商合作。在既有應用升級上，參與廠商已實際形成技術內卷。艾瑞咨詢研究院自主研究繪制2023.8iResearchI#page#iResearch瑞咨詢04不

114、可忽視的資源引擎算力層Computility#page#ResearchAIGC帶動中國算力產業發展機遇總覽艾瑞咨詢重點關注“芯片硬件、服務器、應用模式、能源散熱”等算力模塊AIGC算力產業受益鏈條拆解AIGC算力芯片及配套產品能源設施算力設備PCB板：光通信模塊：！AI芯片：存儲芯片：電力占據大模型訓練成本AI服務器的近六成，關注能源技術AIGC大模型訓練AIGC數據傳輸提AI算力心勝，以AI為服務器、交換機與通用服務器不與碳排放問題板卡配置在智能AI及推理應用將帶來芯片及模組提供基升高并發高速率光同，AI服務器內服務器，提供強大模塊需求，大算力數據增量，帶動高座，應用于主板、核采取CPU+

115、X數據中心配備供配電系統算力支撐模型訓練速運算HBM存儲背板及網卡等。應用場景將加速推異構形式以適用降溫散熱設備等，需要充動光模塊由8006和推理，AIGC海器、InterposerAIGC高算力需求AI計算場景需求足的電力供給保障IT設備3DNAND等需求對PCB板的材料量A/練及推理應向1.6T濱進，關注及散熱設備運營，耗電量交換機用拉動AI芯片的需回暖存儲芯片市場CPO（光電共封層數及工藝要求更龐大，因此AIGC下的電作為底層網絡交熱度裝）等技術趨勢求空間及產品單價高，提升價值空間力消耗問題值得關注換設備，數據中OpenAI及微軟設想未來心交換機需具備數據中心人工智能及量子計算的相高容量

116、、高蜜度關能源可由核聚變提供AIGC對底層算力的訓練及推理需求將推動A/基建擴容，通過加載AI服務器建設智算中心化解AI計算需求爆發帶寬、大緩存等技術特征與傳統算力不足的供需沖突。由此爆發的數據洪流，對基礎設施的運算、網絡、儲存及安全售理的處理效能關注液冷散熱技術、散熱同樣提出更高要求。設備貼近發熱源趨勢商業模式帶動AIGC的大算力需求需要更高散熱效率，面臨散熱不足、能耗過大的問1）算力租賃服務2）數據中心自建，配置更多AI服務器，并加速建設智算中心云端算力適配AIGC浪潮題?；诶鋮s介質的選提出MaaS新業態3）提出MaaS新業態，以算力資源承載云服務產品，賦能干行百業擇上，液冷有望替代風冷

117、達到更高效的散熱預期。此外，散熱預計將端側仍在初探，探究大模隨著大模型輕量級開源版本的發布，未來大模型有望進行進一步剪裁優化，將推理能力部置在端從房間級、機柜級、服型規模與端側芯片的適配努器級向芯片級演進側，并帶動手機、機器人、汽車等端側智能芯片發展更加貼近核心發熱源來源：艾瑞咨詢研究院根據公開資料自主研究繪制2023.8iResearchI#page#Research全球將大力發展算力基礎設施建設瑞咨春算力支撐與模型需求存在gap，AIGC的大算力需求讓供需結構進一步承壓自2017年谷歌提出Transformer架構后，人工智能發展逐步邁入預訓練大模型時代。2018年6月，OpenAI的GP

118、T模型參數量已經達到1.17億，模型參數量開始實現億級基底的飛越發展，平均每3-4個月即呈現翻倍態勢，由此帶來訓練算力需求也“水漲船高”。算力正在成為影響國家綜合實力和經濟發展的關鍵性要素。浪潮信息發布的相關報告表明，計算力指數平均每提高1個點，數字經濟和GDP將分別增長千分之3.3和千分之1.8。面對算力層的供需結構矛盾，各國積極發展算力層基礎設施建設。在計算力指數國家排名中，美國坐擁全球最多超大規模數據中心，以75分位列國家計算力指數排名第一，中國獲得66分位列第二，隨后為日本、德國、英國等國，算力建設已然成為國家高質量發展的戰略級方針。2022年末，在OpenAI的GPT模型涌現能力后，

119、AI產業迅速進入以大模型為技術支撐的AIGC時代，巨量訓推算力需求讓本就供需不平的算力產業結構進一步承壓。目前中國各地正加快新一批數據中心與智算建設，持續優化算力資源，滿足未來高速發展的大算力需求。AIGC算力供給與需求的傾斜天平全球大模型參數量變化趨勢頭部A模型參數量級3-4個月翻一番ST大模型參數（億）頭部AI模型訓練算力需求3-4個月翻一番10000088需求側3-4個月18-24個月Switch TransformerHugeGapHunyuanPaLM10000供給側PaLM-EERNIE-3GPT-3摩爾定律中芯片計算性能大約每18-24個月翻一番如何擺正？10001）頭部AI芯片

120、產品性能以超越摩爾定律的速度在加速翻倍送代中Pangu201720202022NVAI算力5MegatronV100-125A100-312H100-1.979100產品型號及對應算力峰值TFlops（SXM2）TFlops（FP16）TFlops（FP16SXM）2）各國對AI基礎設施的大量布局，以數量增量來滿足龐大算力需求GPT-210No.1-國家計算力指數75分No.2-國家計算力指數66分商業主導：坐擁四大超大規商業+政府主導：順應智BERT-largeGPT大模型發布時間模數據中心平臺，亞馬遜、能計算中心創新發展指南谷歌、Meta和微軟。3040+智算中心建設20182019202

121、02022202320242021來源：2020全球計算力指數評估報告，濱潮信息，艾瑞咨詢研究院根據公開資料自來源：艾瑞咨詢研究院根據公開資料自主研究繪制。主研究繪制。2023.8iResearchInc.2023.8iResearchI#page#Research算力釋放順應AI模型邏輯：先訓練后推理瑞咨億元美金訓練算力需求打底，巨量邊緣及端側算力需求仍待釋放大模型需要歷經訓練、調優、二開與推理四個核心步驟。從算力應用角度出發，可拆解為訓練算力與推理算力。1）訓練算力需求=模型參數量*數據集token數*系數k。由此可知，模型訓練的算力需求與其參數量、數據集token數成正比關系。承載干億、

122、萬億級參數的AIGC預訓練大模型需要巨額算力支撐，對相關廠商高筑算力門檻。以OpenAI訓練GPT模型為參考，1750溫Y送刷“意國“nd-回OL“意vOL強2分GPU被常規業務占用。為了訓練自身國產大模型，部分廠商采取算力資源調配策略，以大模型訓練為優先級實現資源匯聚。2）推理算力需求=模型參數量*（“輸入+輸出”token數）*系數k。對于云端大模型來說，推理算力需要支撐成百上千萬用戶頻繁應用。2023年4月6日，ChatGPT就曾因需求量太大而暫停升級服務，并停止Plus付費項目的銷售。國內大模型廠商也因推理端算力資源容量而限制AIGC大模型的公開測試名額。AIGC初期，市場把更多目光放

123、到模型預訓練大算力層，關注GPU等高算力芯片的資源供給及消耗。未來，順應AI模型先訓練后推理邏輯，AIGC算力層將逐漸迎來推理算力更廣泛開闊的主場，帶來更多分散性機會。AIGC算力需求逐層釋放邏輯圖模型調優/送代算力模型應用推理算力模型預訓練算力模型二次訓練算力（Pre-Trained）(Finetuning）（Application）（Customized）復制復制99Transformer推理9品品微調微調計算自監督學習大量應用模型目標模型垂直數據集應用數據輸出結果目標數據集源數據集通過預訓練調整模型參基于目標數據集對預訓練?；诖怪睌祿瘜Υ竽Ｐ瓦M基于應用數據+應用模型推數并保存，得到預

124、訓練型進行參數調整，微調后得行參數調整，二次訓練開發理計算獲得最終輸出結果，模型到目標模型后得到應用模型服務AI應用雅注：系數k與模型種類相關，Encoder-only與Decoder-only系數為6，Encoder-Decoder的系數為3來源：艾瑞咨詢研究院根據公開資料自主研究繪制2023.8iResearchI.cr#page#TResearch算力產業模式將在AIGC時代有所演變瑞咨詢艾智能算力資源或將更多承載于云服務產品，以MaaS模式服務干行百業過去數據中心以租賃與自建為主，算力需求方基于自身業務量級、財務預算情況、數據隱私要求等情況進行選擇租賃或自建。在AIGC時代背景下，數據

125、中心將配置更多AI服務器滿足日益劇增的智能算力需求，云廠商更是提出MaaS（ModelasaService）模型即服務的商業模式，將云計算、智能算力、模型能力等資源做高度融合，客戶可以直接在云端調用、開發與部署模型，更好適配于客戶的個性化需求。未來，更多長尾企業的需求體量將擁抱MaaS商業模式。相較于云端算力發展，端側大模型雖然發展較緩，仍是各家終端廠商發展的技術焦點，如從蘋果招聘信息中可觀測到其對“在端側實現推理和加速大語言模型功能“的人才需求及產品規劃。未來，隨著大模型輕量級開源版本的發布，大模型有望進行進一步剪裁優化，將推理能力部署在端側，并帶動手機、機器人等端側芯片發展。中國AIGC算

126、力產業模式洞察云端服務器算力算力租賃通過租賃公共算力基礎平臺服務進行AIGC的模型訓練、推理及部署等工作。干臺滿載GPU服務器體量下有轉向【自建】需求趨勢自建數據中心1）足夠業務體量2）具備經濟實力3）注重業務數據的隱私、安全、保密性中國AIGC算力以上畫像企業多會選擇自建數據中心，并基于生成式AI浪潮及企業AI應用部署配置更多AI服務器商業模式MaaS (Model as a Service）Maas，模型即服務，是云廠商在大模型浪潮下提出的新一代商業范式。融合云計算、算力、模型能力等資源，客戶可以直接在云端調用、開發與部署模型，實現AI從“手工作坊”到“工廠模式的轉變。端側算力基于響應時間

127、、資源調用、安全隱私等要求，未來大模型可能會部署端側芯片于端側，如手機、機器人、汽車等場景，主要特點體現在：模型體量更小、推理精度更低、響應運行更加高效、本地部署更加個性安全。2023.8iResearchI#page#Research數據中心需對高速巨量運轉需求做出應對咨大模型時代下，數據中心將進一步優化網絡帶寬、能源消耗與散熱運維等預訓練大模型的訓練推理需要巨量數據資源與高性能計算機的全天候高速運轉，對數據中心的網絡帶寬、能源消耗與散熱運維等能力提出更高要求。首先，網絡是數據中心最為重要的組成部分，隨著數據量與計算量的飛漲，數據中心需優化網絡帶寬，實現數據在節點內與節點間的高吞吐低延退的傳

128、輸與連接，并進一步優化計算集群的架構與設計，保證數據中心的高效利用率；其次，能源消耗與碳排放問題是數據中心或需關注的重點問題。普通服務器的標準功耗一般在7501200W，而AI模型運行時會產生更多的能IV步8Z0明責可“MO0S9M009L碼一“器者（8/+）HgIV+ndDY1“拌指數報告數據顯示，GPT-3模型訓練耗費的電力可供一個美國家庭使用數百年，CO排放量也相當于一個家庭排放近百年。由此，建冰申晶發準穩與包A6jauauolleH“美Z/SE“KbjauauolleH巴了至器EeuiywesywnIuado諾將2028年之前把世界上第一臺商業核聚變發電機接入電網，交付給微軟；另一方面

129、，基于大模型算力需求的高能耗運行，其熱量釋放呈現倍增態勢。為了確保服務器能夠長期處于適合的工作溫度，數據中心將更注重系統設計和散熱技術的發展應用。大模型散熱需求加速由風冷到液冷的技術升級，進一步提升經濟性、節能效果和散熱效率等。散熱也將更貼近發熱源，由機柜級散熱、服務器級到芯片級發展。目前，中國大力推進“東數西算”工程，并發布新型數據中心發展三年行動計劃（2021-2023年）等政策性文件，引導新型數據中心實現集約化、高密化、智能化建設，在AIGC時代下完成中國算力產業在規模、網絡帶寬、算力利用率、綠色能源使用率等方面的全方位提升。大模型時代下的數據中心優化方向網絡帶寬性能效率高吞吐、低延退的

130、數據互聯優化集群設計提升運行與調度效率能源消耗碳排放節能環保技術與設計，優化PUE能效新型能源供給數據中心高能運行散熱運維催化散熱液冷技術，優化中心運維能力2023年A指數報告，斯坦福大學，艾瑞咨詢研究院根據公開資料自主研究繪制來源：2023.8iResearchI.cr#page#ResearchAI芯片是算力皇冠，關注其性能與利用率瑞咨為服務于大模型的訓推，AI芯片需進一步升級內存、帶寬、互聯等能力算力是評價AI芯片的核心要素，而除了運算次數外，芯片的性能衡量還需考慮運算精度?；谶\算數據精度不同，算力可分為雙精度算力（FP64）、單精度算力（FP32）、半精度算力（FP16）及整型算力（

131、INT8、INT4）。數字位數越高，代表運算精度越高，可支持的運算復雜程度越高，以此適配更廣泛的AI應用場景。此外，AI芯片的性能峰值算力是指芯片能夠輸出的最大算力，而由于硬件架構的限制，算法模型特性，以及工具鏈，軟件框架等各方面因素，AI芯片算力不會被百分之百充分利用。為了適配大模型的訓練及推理，AI芯片要求有更大的內存訪問帶寬并減少內存訪問延退，由此帶動由GDDR到HBM的技術升級，另一方面需要更高的片間互聯甚至片內互聯能力以滿足AI加速器訪存、交換數據的需求。最后，大集群不等于大算力，在大規模集群部署下，集群訓練會引入額外通信成本，節點數越多算力利用率越低，且單點故障影響全局運行。因此，

132、同比增加GPU卡數或計算節點，不能線性提升算力收益，中國面臨的單卡芯片性能差距將更難通過堆料等方式解決。AI芯片算力性能拆解公式服務AIGC大模型的AI芯片關鍵要素（單芯片）規模/算力&精度算力算力利用率性能芯片數量算力是AI芯片性能的核心表現標準，算力表現與運算精度相關，支持大模性能峰值算力只反映AI定點運算：INT采用定點數進行數值運算內存/顯存&帶寬常用單位為TOPS，代表芯片每秒能進行多芯片理論上的最大計算AI芯片需具備足夠內存放置大模型數據，高帶寬可提高芯片對數據吞吐量，少次定點運算。能力，而非在實際AI應因此內存帶寬影響數據處理量上限，進而影響訓練結果準確性浮點運算：FP采用浮點數

133、進行數值運算，用場景中的處理能力。片間互聯&片內互聯能力常用單位為FLOPS，代表芯片每秒能進行算力利用率區間跨度大?；贑PU+X的異構連接及多個GPU/AI芯片的互聯需求，大模型訓練時提供多少次浮點運算，同樣長度下浮點運算比在10%-60%不等1）挖多芯互聯/片間高速互聯、交換數據的解決方案（如NVLink、IntelCXL）定點運算數字表達范圍更大，結果更精確掘芯片算力潛力的同時AI框架支持度AI場景常用到FP16（半精度）FP32（單精必須考慮算力的資源調大模型基于Transformer模型搭建，對PyTorch、Tensorfow等主流AI框度FP64（雙精度）。度、芯片與算法模型四

134、架的支持度會影響到AI模型訓練的穩定性與開發效率不同場景對運算類型及精度要求不同：配、算力與內存帶寬匹軟硬件產品適配及穩定性FP64多滿足HPC高精度場景：FP16/FP32配等問題。2）堆料難可用于常見在圖形處理、深度學習、人工以解決芯片性能差距問應調整，在發揮性能的同時盡量減少出現運行時出現斷點、巖機的情況。智能領域的訓練與推理場景：INT8精度相題，數量堆積導致節點制程、能耗、價格對較低，更多用于深度學習中的智慧識物增加，進一步降低算力取決于芯片部署場景及規模量級。如部署在數據中心，規模越大越需考慮算圖庫分類、人臉監測等分類推理問題。利用率運行狀況。小影購算力利用來源：艾瑞咨詢研究院根據

135、公開資料自主研究繪制。來源：艾瑞咨詢研究院根據公開資料自主研究繪制2023.8iResearchInc.2023.8iResearchI#page#ResearchAI芯片巨頭英偉達正由硬件拓展到平臺艾咨詢瑞英偉達標榜AI的“iphone”時刻，AIlin“生成式AI”受益于AIGC爆發，英偉達再度股價飛升，如今英偉達估值已達到1萬億美元，成功進入蘋果、微軟、谷歌、亞馬遜所在的“萬億俱樂部”，成為美股有史以來首個市值觸達1萬億美元的芯片公司。2023年3月，英偉達舉辦GTC（GPUTechnologyConference）大會，介紹推出基于Hopper架構打造的產品H100、為AI生成視頻提供

136、硬件支持的L4圖形GPU、融合了Grace架構CPU與Hopper架構GPU的GH200等重磅產品。此外，英偉達更是將產品布局延伸到上游，推出歷時四年的cuLitho光刻庫，與臺積電、ASML和Synopsys等上游廠商合作，將計算光刻加速了40倍以上；并積極拓展下游模型應用場景，推出一系列圍繞生成式AI發布的系列加速00ZHH事EeWaH具專THdVIS圖+生第“8置線GraceHopper超級芯片，并宣布與Huggingface建立合作伙伴關系，助攻生成式A模型的高效開發與部署?？偨Y來看，英偉達早期以軟硬產品結合策略構筑起AI芯片龍頭地位，當下順著生成式AI浪潮，英偉達已進一步開拓上下游布

137、局，意圖構建一套圍繞產業上下游運轉的應用開發生態，進一步加深公司技術與生態的護城河英偉達的AI生態版圖晶圓廠硬件新品發布與軟件生態構建生成式AI平臺部署NVIDIADGXCloud人工智NVIDIA HopperH100NVLL4圖形GPU超級芯片/計算機GH200能云服務：提供NVIDIAGPU + NVIDIANVH100是2022年發布首專門用于為AI生成視超級芯片融合了Grace架構DGXAl超級計算專用集群，CuLitho軟件庫個基于Hopper架構打造的頻提供硬件支持，具CPU與Hopper架構GPU，發開發一系列NVIDIAAl產品，H100NVL通過外有視頻解碼和轉碼的布基于G

138、raceCPU超級芯片的Foundations在云服務上實Hopper GPU部接口將多個H100相連，超級計算機，2023年8月再度能力，可用于增強現現大規模運算負裁作業。專門服務于大模型LLM.實這樣的細分場景。首發下一代HBM3e內存。CuLitho軟件NVIDIARIVA-語音AISDK庫/光刻庫CUDA-GPU軟件加速庫NVIDIANeMo-語言模型替代CPU載入NV涵蓋光線追蹤和神經潔染、物理、地球和生命科學、量子物理學和化學、計算機視覺、數據處理、機器學習和AI的300個加速庫和400個A模型，光刻機設備NVIDIAPicasso-圖像、視頻計算框架-Framework云-機器學

139、習服務部-Deployment和3D應用程序效率可以提升40倍左右DAGraphMLDL TrainDL Inference減少大量計算工作負載NVIDIAAIWorkbenchCUDA-XAI減少能源消耗和碳排放NVIDIAAlenterprise4.0CUDA助力2nm物理極限突破已與微軟Meta、Hugging已與AMSL、臺積電及新服務器-ServerPoD士工作站-WorkstationFace等建立合作關系思科技建立合作關系來源：艾瑞咨詢研究院根據公開資料自主研究繪制2023.8iResearchI#page#Research中國算力產業將堅持自主創新道路艾咨詢瑞英偉達能否延續強者

140、恒強？中國何時迎來自主創新芯片曙光？作為AIGC產業的基建層，算力是AIGC生產力卡脖子的關鍵環節。對此，算力生產商紛紛發力，如AMD、英特爾等追趕型企業針對AIGC的產品新品動作頻頻。對標英偉達的GraceHopper，AMD推出“CPU+GPU”雙架構的InstinctMI300進軍AI訓練端。英特爾即將在2025年發布FalconShoresGPU，將其混合架構改為純GPU解決方案。全球抓起一陣GPU采購熱潮，馬斯克搶購一萬張卡加入AIGC大戰，而國內廠商除過往存貨外，受中美禁令限制僅能采購英偉達H版GPU，在算力及帶寬方面受到極大限制。目前，國內大模型訓練芯片仍以英偉達GPU為主，且英

141、偉達作為首批訓推部署框架成品及平臺生態將進一步鞏固其在生成式AI的優勢地位，但國內客戶正積極與海內外追趕型企業如AMD接觸，意圖打破英偉達的溢價與斷體系。自2018年以來，美國陸續對中國企業實行貿易管制，進入到美方黑名單上的中國企業已達到了千余家，尤其在半導體、人工智能等先進科技領域，國產芯片實現自主創新迫在眉睫，中國科技部也陸續出臺政策推動人工智能公共算力平臺建設。目前國產芯片雖在成片進度有所突破，但整體還尚未進入成熟期。以適配AIGC大模型訓練角度出發，國產產品會出現巖機、兼容性差、AI框架支持度低及核心IP受限等過渡性問題。在AIGC浪潮下，AI芯片發展路徑更加聚焦于AISC品類，中國算

142、力層也會進一步嘗試脫離對頭部廠商英偉達的依賴，以“云巨頭自研自用+獨立/創業公司服務于信創、運營商等ToG與ToB市場”為兩條主線發展路徑，靜待國產替代曙光，實現國產“算力+應用”的正循環。國內外AIGC芯片發展概況海外：領先者、追趕者、諸多嘗試者中國：國內產品各有優分，整體尚未進入成熟期nVIDIA.訓練與國外頭部廠商在硬件產品存在1-2代際差距，生態弱英偉達：以GPU通用性及性能等優勢獲得頭部地位，尤其訓Google練場景，并試圖進一步拉大在產品性能及產業鏈上下游優勢。推理鍋產品成熟度較高，但規?；瘧萌杂虚T檔谷歌：研發出專為機器學習定制的專用芯片（ASIC）TPU“領先者”02兼容性01

143、產品穩定性支撐了谷歌的搜索、語音/圖像識別、自然語言處理等業務。AMDAE.g.基于一些早期架構問題需解E.g.若順應谷歌路線，則芯片只能AMDMI300/388：產品測試推進中，對標英偉達GH200，決大規模并行環境下的產品可靠基于自身開發框架運行大模型業務可用于HPC、Al計算，支持CUDA生態兼容仍存在一定差距。inteD性，減少出現容機情況。會在通用性上受到限制。IntelGaudi2：收購Habana旗下產品，Gaudi2對標英偉達0403AI框架支持度及生態“追趕者受禁令限制影響A100，開源oneAPI生態對標英偉達CUDA生態。E.g.如果A芯片對Tensorflow、E.g.

144、部分核心P（如HBM、PCIE接口OMetaMeta：計劃開發一款內部芯片MITA，預計于2025年推出，PyTorch等AI框架支持度較低，指等）及代工工藝被美國所把控，對華芯片類型為ASIC，用來加速AI訓練和推理?！皣L試者禁令極大影響國產公司的設計及投片。令兼容性差，影響開發及部署效率。來源：艾瑞咨詢研究院根據公開資料自主研究繪制502023.8iResearchI.c#page#iResearch瑞咨詢05中國AIGC產業之標桿企業as51#page#Research阿里云阿里云咨詢艾瑞以模型為中心的AI開發新范式，打造MaaS平臺服務2022年，阿里云在業界率先提出大模型時代的“Ma

145、aS模型即服務”以模型為中心的A開發新范式，重新定義了云計算技術和服務架構，集成先進的大模型、機器學習、云基礎設施等服務，為企業和開發者提供模型開發、應用開發、算力基礎設施等的全方位服務。AI的發展進入大模型時代，參數規模的快速擴大帶來對超大規模訓練集群的需求，模型開發者難以高效使用計算資源并確保穩定性，造成大模型訓練成本的高企。阿里云機器學習平臺PAI可提供一站式的機器學習工程平臺，覆蓋模型開發、訓練、調優、推理和部署全流程，降低用戶開展大模型研發的門檻。結合靈駿智能計算集群，單訓練任務可擴展至萬卡級別，訓練性能提高近10倍，千卡規模的線性擴展效率達92%，幫助客戶高效實現大參數規模的大模型

146、訓練和推理，應對高額算力成本的挑戰。在大模型和服務層面，阿里云推出“通義干問”和“通義萬相”大模型，完整覆蓋文生文、文生圖等核心應用場景。在此基礎上，阿里云推出“通義專屬大模型”，幫助用戶結合行業數據和企業私有數據調優和訓練專屬大模型，生成個性化API。不僅限于模型本身，阿里云靈積模型服務平臺Dashscope可為用戶提供靈活、彈性的大模型API和定制服務，覆蓋阿里云通義干問以及諸多業內領先的開源大模型，幫助用戶快速基于大模型構建生成式應用。在開源生態層面，阿里云秉持開源開放的理念，在2022年聯合CCF開源發展委員會推出魔搭社區Modelscope，僅半年時間便成為中國最大、最活躍的AI開源

147、社區，吸引了超過180萬開發者和超過1000個優質模型入駐。魔搭社區打通了與靈積平臺的部署鏈路，支持社區的模型通過靈積快速實現服務化，加速中國AI開源生態的繁榮。阿里云MaaS技術體系示意圖AIGC應用工作學習A助手-通義聽悟智能客服數字人協同辦公文案生成圖像生成AIGC應用開發平臺專屬大模型服務生成式應用開發工具基礎模型Lama2、ChatGLM2-6B、baichuan-7B、Paraformer、姜子牙、Dolly、BELLE、MOSS、ChatYuan通義干間、通義萬相模型開發服務平臺PA機器學習平臺Dashscope靈積模型部署與服務ModelScope魔搭開源社區靈駿智能計算集群彈

148、性計算ECS集群云基礎設施CPUGPU高性能RDMA網絡文件存儲CPFS對象存儲OSS來源：阿里云官網，艾瑞咨詢研究院根據公開資料自主研究繪制。522023.8iResearchI#page#Research阿里云阿里云艾咨詢瑞全面擁抱智能化時代，基于大模型重塑AIGC應用生成式大模型和AIGC的爆火使傳統應用迎來了革新的新機遇。阿里云在2023年4月發布“通義干問”的同時宜布將基于大模型“重做”一系列應用，已推出“通義聽悟”工作學習AI助手，提供高精度的語音轉寫、文件轉寫、翻譯、智能生成紀要和待辦，大幅提升用戶在會議、學習、訪談場景下的生產效率。在更廣泛的協同辦公場景中，釘釘接入“通義干問”

149、大模型。在個人辦公場景，用戶可通過釘釘斜杠“/”隨時喚起AI，獲得郵件內容、策劃方案生成、文生圖、圖生圖等多種AIGC服務，全面輔助辦公。在應用開發場景，釘釘可基于一張功能草圖，無需代碼輸入，快速生成輕應用。生態合作方面，阿里云發布“通義干問伙伴計劃”，以MaaS服務體系為基礎，攜手金融、交通、能源、通信、電力、酒店多個行業及通用場景的合作伙伴，加速基于大模型的AIGC應用落地阿里云AIGC架構體系阿里云AIGC應用通義聽悟一釘釘-工作學習AI助手智能協同辦公協同辦公實時語音識別音視頻語音識別發言人角色區分音字回聽內容創作會議交流應用創新章節速覽發言總結關鍵詞識別全文概要生成擬寫標題總結會議紀

150、要基于海量聊天基于草圖，快潤色文案生成待辦事項記錄，自動生速生成輕應用問答回顧PPT提取待辦事項生成一鍵筆記生成擴寫方案成構要自動學習資料，化身專屬客服內容問答全文總結內容規整文字解釋應用領域法律教育文娛交通潮銷尊通信電力酒店通用場景金融媒體通義干問伙伴計劃朗新科技用友網絡中金財富千方科技昆侖數智亞信科技石基信息來源：阿里云官網，艾瑞咨詢研究院根據公開資料自主研究繪制。2023.8iResearchI#page#Research4Paradigm第四范式艾咨詢瑞以生成式AI重構企業軟件（AI-GeneratedSoftware）第四范式是一家以機器學習為主的AI產品及技術提供商，也是中國決策智

151、能市場的領軍企業，至今已推動金融、零售、制造、能源電力等行業的多家頭部企業的數字化轉型進程。針對B端企業軟件交互體驗差、開發效率低的業務瓶頸，第四范式自主研發了生成式預訓練大模型“式說”，并開發出以“式說”大模型為底座，通過多模態交互理解用戶意圖，并統一調用軟件功能的AIGS服務。AIGS以知識庫、Copilot、思維鏈CoT等能力為核心，具備良好的學習和擴展性，在不斷充當用戶與軟件交互的代理人后，能夠從基礎的查找和應答能力，進化至根據既有規則自動執行任務，甚至在執行中不斷學習和內化，形成全自動的任務執行能力，極大提升AIGS工作原理及階段性能力演進用戶工作效率。對特定功能以對話、語音、圖大模

152、型作為平臺。企業數據庫AI模型企業軟件發出調用指令統一理解用戶意圖等多種形式提出需求銷量風控ERPCRM用戶數據預測第四范式SageGPT用戶CAECAD業務數據用戶西像Copilot+知識庫+思維鏈庫存SCM優化相關系統自動執行能力調用AI自動執行任務3.02.0AI參照規則執行工作核心能力：企業級Copilot+思維鏈CoTAI協助執行任務1.0核心能力：企業級Copilot+知識庫具備Copilot和思維鏈CoT能力后，大模型核心能力：企業級Copilot在執行軟件使用過程中，通過學習大量數據在階段1的基礎上，大模型能夠參照企業具備Copilot能力的大模型，與企業內部應用庫和規則，形成

153、有步驟的推理，可以拆分并執內部知識庫形成的規則，自動執行復雜私有數據聯網，調用企業AI模型、數據庫及軟行復雜工作。工作（由多個任務組成）。件內置的數據、功能，“對話框式“完成任務。應用場景應用場景應用場景AI自動修改，無需人工調整干涉，只需對話，AI就能替你查找到空閑會議室、AI替你完成海外市場調研報告、搭建網站撰寫郵件、查詢銷售記錄、執行生產計劃例：AI查詢了“人像美化”知識庫后，能按例：導入照片，A直接進行優化修改。照步驟完成修圖工作，例：通過對話讓AI把照片亮度調亮20%。來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI.cr#page#Research4Paredig

154、m第四范式艾咨詢瑞提供大模型落地全矩陣能力，全面保障業務效果現階段，大模型能力存在明顯天花板，且從基礎/行業大模型到應用落地之間存在諸多環節，廠商需要具備完善的全環節服務能力才能夠幫助企業達到預期的應用效果。第四范式的大模型能力矩陣為企業提供大模型訓練、微調、數據服務、應用開發、應用插件和多模態交互等全方位能力，幫助大模型達到最佳的落地效果，讓大模型真正成為善于理解、準確執行的工作助手。第四范式大模型落地能力矩陣提供類似ChatGPTSageGpT copilot交互的交互體驗多模態多模態文本語音視頻圖片支持包含文本在內輸出輸入界面的多模態3D模型Plugin StoreEnterprise

155、Plugin解決Copilot Plugin生產方案研發供應鏈營銷運營服務兼容OpenAChatGPTPluginEnterprise Template車輛用戶手冊資料查詢場景SageGPT3D設計&仿真資料查詢基礎NL2SQLCode Interpreter開發者開發者社區企業模版智能排產計算創意度合規檢測企業模版模板CodeX with API DOC模板提供開箱即用的企業模版注冊結果渣染賬戶/認證/權限管理前端開發套件CoT統排調度插件CoT開發通過插件、CoT的形態，調用各類軟面泰臨工具參數解析分發調度插件/CoT開發者工具SDK/APICoT自動生成器件內核能力Learnware H

156、ub（企業級Hugging Face）棋型服務數據服務模型訓練模型推理服務及Playgroud模型標準化對接成/fine-tune基礎模型熟生態，支持開源模型Hugging FaceSageGPT企業自有模型數據集與權限管理模型版本管理OpenA協議（提供開源模型接入23圖（企業fine-tune模型）能力，由企業提供對象存儲服務訓練數據集管理計算機視覺自然語言處理模型訓練：貿房產大模型GPT Llama低門檻、高效率、結構化數據服務模型訓練&壓縮語音處理Al安全低TCO的模型訓練運維大模型Doly MOSS及數據閉環的送代模型上線元數據報務（半）結構化數據機器學習決策優化存儲日志實時致據離線

157、數據企業內部系統通用Dev數據系統基礎設施能力接入對接toolkit權限非結構化數據外部工具結構化數據來源：艾瑞咨詢研究院自主研究繪制2023.8iResearchI#page#Research云和聲云知聲C艾咨詢瑞Unisound具備全棧式AI技術能力的人工智能企業，自研并發布山海大模型云知聲成立于2012年，是一家擁有全棧式AI技術的人工智能企業，面向智慧物聯與智慧醫療兩大關鍵場景提供以AGI技術為基礎的產品服務與綜合解決方案。2023年5月，云知聲發布了自研的“山?！贝竽Ｐ?，其能力體系涵蓋語言生成、語言理解、知識問答、邏輯推理、代碼能力、數學能力、安全合規、領域增強等十大能力。云知聲致力

158、于打造Maas模式的AI2.0解決方案，在通用能力基礎上，增強物聯、醫療等行業能力，為客戶提供更智能、更靈活的解決方案，打開更大的AI技術產業化商業空間。今為止，云知聲已經為華為、美的、格力、長虹、京東、北京協和醫院、福建省立醫院、平安集團、吉利汽車、民生銀行等行業龍頭企業提供了智能化產品和技術服務“山?！敝?，十項全能，頂天立地全棧AI技術體系AI應用（C+X）技術服務智慧物聯智慧醫療語義理解圖像識別語音合成機器翻譯語音識別智能組件山海大模型（UniGPT）號信號感知聲紋識別領域增強客戶定制物聯平臺插件擴展云知大腦知識圖譜安全合規能力（人類對齊）（UniBrain）代碼語言知識數學多模態語言

159、邏輯多模態企業榮譽資質理解問答生產推理能力能力生成感知專鎮特以數據為中心的模型工廠（DCML）基礎架構國家級專精特北京市科技連續5年入圍（Atlas）十機器學習X大數據智算集群新“小巨人進步一等獎5G2023.8iResearchI#page#Research云和聲云知聲8咨詢艾瑞Unisound基于山海大模型技術底座，打造行業數字專家和智慧物聯空間在保持大模型高速演進的同時，云知聲也在探索與具體場景深度融合的更多可能。云知聲沿襲了一以貫之的U+X戰略，即以“U”（AI技術和產品能力），深度結合“”（行業應用場景），解決行業深層問題。山海大模型已開始全面接入并重塑云知聲現有的各類人工智能應用場

160、景，從效率、成本、體驗等多角度，為干行百業的智慧升級按下加速鍵。目前，云知聲山海大模型已深入到智慧醫療、智慧物聯、智慧交通、智慧教育、智慧車載等行業中，致力于打造醫療、銷售、知識管理、口語對話等懂行業的數字專家，以及智慧座艙等懂人的智慧物聯空間，基于山海大模型打造的應用場景正不斷豐富和拓展。同時，云知聲已經和中建電子、京東科技、360等知名企業達成戰略合作協議，共同構建山海生態合作體系“山?！敝?，聚焦場景，因“地”制宜行業數字專家智慧物聯醫療專家知識管理專家口語專路2有智能情景對話，讓學生深度理解用戶需求，提供助力銷售管理者提升團企業級NewBing！不全面升級醫療業務線各產聲臨其境；由淺入

161、深，一站式語音交互方案，滿隊銷售技能，把每個人限行業，秒級訓練，私品智能化水平，實現從進行總體評價、語音推足高情商對話、行程規劃有化部署，提供精簡式“助手”到“專家”的關都培養成金牌銷售，不導、語法建議三維智評。用車指南等多元需求鍵躍遷。錯過任何一個商機?；卮鹨约盎卮鹨罁痹?。手術記錄搜寫“把脈”銷售鏈路專業知識輔助理解教你說的更標準打造理想人車交互問題回答精準測源讓你說得更準確類人交互、門診病歷撰寫精準洞察客戶需求、復雜對話醫保智能審核陪你說得更地道多行業秒級訓練出行專家、助理、伙伴打造差異化營銷策略U+X山海大模型賦能干行百業戰略JDT企業行智慧智慧智慧智慧389廚合屬祝中建電子合作證醫療

162、物聯交通教育協議京東科技來源：艾瑞咨詢研究院根據公開資料自主研究繪制。2023.8iResearchI57#page#Research中關村科金立中關村科金瑞咨詢構建“人機協同”智能平臺，助推企業智慧升級中關村科金是領先的對話式AI技術解決方案提供商，致力于通過對話式AI技術構建人機協同的新型生產關系，幫助企業打造“超級員工”，實現具有分析決策能力的強人工智能應用。中關村科金依托自主研發的領域大模型、大數據分析、多模態交互三大核心技術，打造數字化洞察與營銷、數字化服務與運營、數“智”底座三大矩陣，全面升級云呼叫中心、智能客服、智能外呼、質檢陪練、智能音視頻等產品，實現高效率、低成本、規?；腁

163、I創新應用。目前已服務900余家頭部企業的200多個應用場景，將AI創新廣泛應用于金融、政務、零售、醫療、制造等行業，助力企業高效贏得客戶，實現數智化轉型升級。中關村科金能力全景圖Q魚息頭品C網血同行業保險汽車信托證券基金互金零售電商大健康政務制造業銀行公用事業數字化洞察與營銷數字化服務與運營活動/權益SCRM智能助手視頻矩陣智能IVR營銷自動化外呼機器人云呼叫中心音視頻平臺文本機器人管理積分商城用戶行為ABTest客戶洞察智能質檢RPA+智能財務智能培訓智能招聘可回湖系統系統分析平臺平臺應用數“智”底座AI人工智能能力平臺對話式AI中臺客戶策略平臺數據采集企業預置數據庫預置客戶策略OCR識別

164、多模態防偽數據治理數據存儲對話式AI組件庫對話式AI工廠自訓練平臺數字人數據智能多模態交互領域大模型大數據分析能力領域基礎領域適配交互策路用戶洞察策略洞察提示工程交互行為數據一方業務數據三方數據知識庫大模型來源：艾瑞咨詢研究院自主研究繪制2023.8iResearchI#page#page#ResearchISOETSTONE軟通動力咨詢艾瑞打造企業智能化核心解決方案和服務能力，釋放企業價值軟通動力信息技術（集團）股份有限公司（簡稱“軟通動力”）是中國領先的軟件與信息技術服務商，致力于成為具有全球影響力的數字技術服務領導企業，企業數字化轉型可信賴合作伙伴。2005年，公司成立于北京，目前在全球

165、40余個城市設有近百個分支機構和超過20個全球交付中心，員工近90000人。軟通動力長期以來在信息技術領域堅持自主可控，未來將積極推動行業信創實踐全力打造發展創新應用技術體系。軟通動力已在10余個重要行業服務超過1100家國內外客戶，其中服務過的世界500強和中國500強企業數量超過230家，500強企業中10年以上合作客戶占比超過60%。作為大模型技術應用的賦能者，軟通動力重點打造了“軟通天璇2.0平臺”，基于LO級（大模型技術底座）、L1級（行業大模型及管理）、L2級（場景大模型應用）、大模型數據治理與安全、大模型一站式運營服務五要素，加速企業大模型工程化落地實施，助力企業智能化升級。軟通

166、動力數字化業務發展布局軟通天璇2.0Maas平臺一大模型一站式運營服務全力打造發展數字技術應用創新體系聚焦發展7大戰路新興行業提供8大數字化創新解決方案及服務能力企業場景應用市場服務干家客戶及合作伙伴大模型數據治理及安全服務運營服務企業價值領域模型國內外大客戶企業管理領模理場景專區運營規劃應用中國500強行業龍頭世界500強大模型數據生態構建治理戰略新興行業技術賦能新臥Q8行業公大模型營銷推廣新快銷數字大模型強黃大健康3能源零售系統模型安全工程務數字化創新能力商業大模型開源大模型基座Azure OpenAl、ChatGLM文心一言數字咨詢云智能A與大模型應用工業互聯網大模型大模型通義干問、盤古

167、、ChatlmgMOSS、Llama0傳輸數字基礎設施數據服務及信創企業管理軟件安全與系統集成數據要素應用算力基軟通動力訓推一體化平臺商業基礎大模型算力礎設施來源：艾瑞咨詢研究院自主研究繪制2023.8iResearchI#page#ResearchISOFTSTONE軟通動力艾咨詢瑞保險行業案例：應用業務知識體系數據沖破增長瓶頸隨著AI大模型的產品技術發展，大模型的應用方案正不斷向金融、法律、醫療等行業拓展。軟通動力正在多個行業領域進行大模型服務探索，并已沉淀數個成功案例。以保險行業為例，保險行業面臨著互聯網和科技發展帶來的客戶需求變化和內部效能提升的挑戰，基于軟通動力的保險解決方案保險業務

168、中臺&保險中臺，軟通天璇2.0平臺接入大模型，為客戶提供更為全面、精準、個性化的保險服務，貫穿保險業務的渠道銷售、承保、理賠、收付、再保、客服等全業務流程，助力保險企業，實現產品生態化、營銷個性化、服務場景化、風控智能化，賦能保險客戶業務發展。大模型必將引發新一輪的技術和生產力變革，面對機遇和挑戰，軟通動力將在產品和服務、業務團隊、合作伙伴等方面加大投入，構建完善的人工智能解決方案和服務體系，助力企業客戶實現數字化轉型，為中國數字經濟高質量發展貢獻力量。軟通天璇2.0MaaS平臺保險行業案例理賠咨詢智能詢價機器人出單生態管家中個業務場景應用開發產品專家服務秘書業務價值、營銷助手服務推薦電商超市

169、，內部培訓，保險大模型套領域模型定制對話框架在商業/社區通用大問答應用工具模型服務領域模型Prompt工具模型基礎上微調回1基于天瓏2.0Maas平臺接入大模型軟通天璇2.0平臺保障范圍基本法職級生態廠商信息理賠流程投保條件權重比例生態服務范圍理賠資料投保資料折標系數說明數助信息知識體系N類保險知識整理生態知識保險產品基本法理賠規程來源：艾瑞咨詢研究院自主研究繪制。2023.8iResearchI#page#iResearch瑞咨詢06中國AIGC產業之發展超勢Trend#page#ResearchAIGC的技術發展：科研與產業兩端突圍艾瑞咨詢中短期基于Transformer算法和結構優化仍是

170、主流，長期可能被替代學術界將通過擴大模型參數量、調整模型結構、局部算法優化等方式，進一步探索大模型的能力天花板，觸碰AGI可能性；以各大企業為代表的產業側，一方面從商業化落地角度追求更小模型參數下的高模型能力維持，以及解決大模型出現的知識幻覺問題，一方面也在積極研發探索新模型架構可能性，呈現“對外模型名稱為廠商能力代號，但內含技術架構隨時可能改變”的發展特征。產業awoysueY3與號，三需應業，“Yawosue我墨已媒水器明型地功改進在快速推進，未來極有可能會出現具備推廣價值的新Transformer架構?？蒲泻彤a業側大模型技術路徑分化，均導向對Transformer的改進與顛覆兼顧成本與能

171、力，減少知識幻覺大參數、多模態通往AGI知識幻覺成本與能力可控通用人工智能（AGI）是指能夠像人一樣，獨立自主地處理各類問題與任務的人成本：大模型產業化的一大關鍵是突知識幻覺，是指大模型會對自身不確定工智能技術，需具備全面感知、邏輯推理、自主學習、創作和行動等多種能力破應用成本的門檻，模型參數量需維或完全無知識儲備的內容，進行隨機作基于Transformer架構的大語言模型已經實現在單模型中表達其中多種能力，即持在10B到100B之間。通過剪枝、低答，造成答案完全偏離事實的現象。多模態，在不考慮訓練推理成本和難度的前提下，這一架構和技術路徑是目前多科研側秩分解、稀疏化等方式能夠實現。但當前能夠

172、改善知識幻覺的技術手段均產業側模態生成效果最佳的方式。同時，在大語言模型不具備的復雜分析、決策任務上會顯著增加模型成本也出現了與決策式AI模型進行技術融合的新方向。減少大模型知識幻覺的技術手段：分析決策決策AI模型擴知識：在訓練時，針對大模型薄100B-10000B10B-100B弱領城定向補充知識；語言圖像擴規模：提升模型參數量級，增加多模態大語言模型能力：基于目前大模型的水平，降解推理的長度和厚度；聲音邏輯推理配合檢索與核實：讓大模型在回答后的模型能力水平必須維持在原大模問題前盡可能多借助外部信息，同機器人行動感知型的80%以上，才具備應用落地價值。時增加思考過程。Transformer不

173、會是唯一解Transformer架構的內生局限性：無法兼顧兩界不斷推出突破“不可能三角”的新架構并行訓練、可擴展性與低成本推理RetNet：算法優化和架構微調RWKV：算法重構并行訓練可擴展性低成本推理目前，提升模型智能化水平的在標準Transformer基用RNN改寫的Transformer同時在模型參數龐大時，需現有模型參數量使得其礎上，使用retention機同時具備二者優點，具備并主要手段仍是擴大參數量，為要進行多次訓練，同時為與其推理速度收到較大影保證訓練效率必須要實現并行外界知識保持同步，需要對制替代了標準的行計算和高效推理的特點，響，同時在科研側，隨attention機制，大大提

174、但長上下文記憶能力弱于標訓練，同時為了多次訓練需求，模型知識定期更新，這些都著參數膨脹，成本也即模型必須具備可擴展性。不可能三角升了訓練和推理速度。準Transformer架構。要求模型必須具備可擴展性。將逼近單個機構天花板。來源：艾瑞咨詢研究院自主研究繪制32023.8iResearchI#page#TResearchAIGC的應用前景：軟硬一體化瑞咨春艾大模型低參版本的端側應用，推動手機、機器人等物聯網應用的升級進化大模型在端側的應用，軟硬一體的結合帶來廣闊的應用場景。端側的應用首先需要將大模型進行剪枝、稀疏化等處理，降低參數到十億級規模，同時根據場景進行專屬知識的訓練和微調以適配專門的終

175、端設備和軟件。這對終端設備的功耗、內存、延退、成本等都提出了新的要求。具體來看，目前在手機拍照、多終端語音助手、機器人具身智能（指從第一人稱視角出發，具備理解、推理并與物理世界互動的智能系統）等方面表現出應用前景，推動物聯網應用的升級與進化。2023年8月，華為推出鴻蒙4引入盤古AI大模型，在消費電子領域賦能：小米官宣13億參數手機大模型：OPPO預計將與阿里云聯合打造OPPO大模型基礎設施。手機廠商紛紛入局輕量化手機大模型市場，以期為用戶帶來全方位智能化體驗提升，也許不久將來大模型應用將成為用戶體驗變革換代的“新觸點”。AIGC的應用展望通過剪枝、稀疏化等處理，縮小大模型參數量至幾十億規模，

176、同時使用領方法發域專屬知識庫進行訓練和調優，用于專門的終端設備和軟件福要參數低功耗低延退低內存占用小成本低求低參版本大模型個人助手手機拍照泛化應用、具身智能突破簡單間答，借助大模型實現從VLM（視覺語言模型）到VLA（視覺語言動作模型），動作模通過視覺感知識別照片，并依據態的加入、泛化能力的增強，使得機器人具備了符號理解、推理多回合、多場景、有深度的實時生成能力給照片生成文藝范風格和人類識別能力，可以應對從未見過的任務場景語音對話等文字描述根據主人照片等構建千人干面擺脫機械驅動，基于多模態數據學習和場景分析，自主下達動作照片顏色編輯等二次加工、視頻生動的虛擬形象，文案輔助指令，更接近具身智能的

177、理念生成等廠商動態：小米對小愛同學進行廠商動態：谷歌發布VLA模型RoboticTransformer2（RT-2），廠商動態：OPPO、VIVO等對生大模型升級，已開啟邀請測試特斯拉發布Optimus人形機器人，推動具身智能向前邁進成式人像編輯和人像風格的探索艾瑞咨詢研究院根據公開資料自主研究繪制。來源：2023.8iResearchI#page#TResearchAIGC的社會影響：新一波自動化浪潮瑞咨詢艾AI成為基礎設施，部分基礎工作被替代，社會人力結構和分配方式重塑技術的躍遷、生產效率的提升并不會自然帶來社會整體福利水平的提升，相反往往以輛性部分人的利益為前提，進而引發社會結構、分配方

178、式的重塑。AIGC交互界面的用戶友好性、大模型開源及API價格的降低、插件服務帶來的應用生態繁榮等，都使得AI技術或將成為像水、電、網絡一樣的基礎設施，滲透并改變干行萬業。然而，大模型具有認知、分析、推理能力，不同于自動化浪潮下對藍領的沖擊，AIGC時代受AI影響最大的可能是初級專業人士和技術人員，即部分白領。據Challenger報告顯示，2023年5月，美國因A替代造成的失業人數達3900人，且都發生在科技行業。以及據麥肯錫數據預測，到2045年左右，有50%的工作將被AI替代，比此前的估計加速了10年。與此同時，具有創造力、深度思考等高階智力的人才，將享受到AIGC帶來的效率優勢，成為A

179、的駕馭者，相應的工作需求也會增加。智力要素重要性的提升、附加值的提高，都將推動社會資源和財富向頂尖人才和組織聚集，但社會是一個整體，生產效率的提升并不代表著購買力的提升，被替代的普通職工才是購買力的最大來源，為了維持供需平衡，分配制度需要重塑。如美國總統競選人楊安澤提出向大企業征收增值稅，并向公民發放補貼，以及OpenAl創始人SamAltman提出的世界幣均等分配等，都通過反思并調整現有的分配方式，以驅動社會向更美好的方向演進。AIGC的社會影響AI成為基礎設施，基礎工作被替代人力結構轉變分配方式調整A大模型具備認知、分析、推理能力，沖擊替代的對象涉及部分專業化崗位：不同于自動化浪潮下，機器

180、智力要素的重要性提高人對藍領的普代，AIGC時代附加值提高，推動社會資需要一定知識儲精度及標準化要求不專業性較高，但模型受AI影響最大的是一些初級源向頭部匯聚備的輔助性工作高的圖文工作：如?；潭纫草^高的工作專業人士和技術人員，即部法律案件整理等報設計、物料生成如醫療診斷輔助等分白領的工作當前人類工作活動實現全球自動化水平的時間表生產效率提升并不代表著100具有創造力、深度思考、探購買力的提升，普通民眾索能力的人，將享受AIGC帶懸新樂觀08收入有限，社會供需失衡來的效率優勢。2017年60最新悲肌預測麥肯錫生成式人工智能和50%40美國工作的未來報告提出2017樂現預測再分配方式調整：向大企

181、2030年美國工資最低的崗位202017悲觀膚資業征收增值稅，向公民發將減少110萬個，但工資最放補貼，世界幣計劃等高的崗位可能增加380萬個20202030204020902050206020702080來源：2023.8iResearchI.cm#page#ResearchAIGC的監管展望：寬松鼓勵與整頓規范艾瑞咨中鼓勵AIGC研究，放寬內容容錯率，強調AI生成標識，推動公開數據建設品細警國不上“回果續能“C上“米里到OSIV康發展引導。2023年7月，網信辦等七個部門正式發布了生成式人工智能服務管理暫行辦法（以下簡稱辦法），距離征求意見稿發布僅隔三個月，且監管要求更為寬松，反復強調了鼓

182、勵發展的態度。具體來看，辦法主要規范公共服務環節，不包含有關專業機構的研發和應用環節，鼓勵企業在自研自用范圍加強技術攻關；其次，辦法不強求生成內容的真實、準確性，放寬了容錯率，對前期探索的企業帶來一定利好，但同時也提高了用戶辯別的時間和成本。同時，辦法要求提供者對AI生成內容進行顯著標識，有望從根本上杜絕AI生成內容難以辯別的問題，但也可能影響用戶對內容的價值判斷，對企業帶來負面影響。最后，國家以立法的形式打造數據和算力協同共享的平臺，最大化促進資源利用，有利于為中小型企業減負，降低研發成本。辦法發布后，即引發了蘋果應用商店對ChatGPT、訊飛星火等AIGC相關App的下架整改行動，行業整頓

183、步伐進一步加速。中國AIGC監管帶來的機遇和挑戰監管政策生成式人工智能服務管理暫行辦法、薦管理規定互聯網信息服務深度合成管理規定、互聯網信息服務算法推監管維度機遇和挑戰監管內容行業組織、企業、教育和科研機構、公共文化機構、有關專業機構等研發、辦法監管主要在于用戶觸達環節，鼓勵AIGC相關研究，鼓勵企業在自研自用涉及環節強技術攻關，為研究發展與創新留足空間于監管環節。真實性愛和了表述，對前期探索企業的容錯率有所放寬，但同時提高了用戶辯別的時間高生成內容的準確性和可靠性和成本。內客監生成標識品單價等作、合成人聲、人臉生成等服務。相比于征求意見稿，取消了“3個月”整改的時制，對企業要求更加寬松，但提

184、供者發現違法內容的，應當及時采取停止生成、停止傳輸、消除等處置描內容審核企業仍然需要建立內容審核與問題響應機制，或對內容審核員、內容質檢產品有較大需求。國家以立法的形式打造數據和算力協同共享的平臺，最大化促進資源利用。有利公開數據高質量的公共訓練數據資源對來源于中華人民共和國境外向境內提供生成式人工智能服務不符合法律用境外API向中國境內公眾提供服務的，也屬于監管范防，企業需注意合規問境外服務行政法規和本辦法規定的，國家網信部門應當通知有關機構采取技術措施其他必要措施予以處置。國家對利用生成式人工智能服務從事新聞出版、影視制作、文藝創作等活或有更具針對性的規范要求，不確定性較動另有規定的，從其

185、規定大，需等規中臺特定行業提供具有奧論屬性或者社會動員能力的生成式人工智能服務的，應當按照化的規范指導，相關行業及產品不確定性較大。國家有關規定開展安全評估，并履行算法備案和變更、注銷備案手續來源：艾瑞咨詢研究院根據公開資料自主研究繪制。662023.8iResearchI#page#Research咨詢艾瑞LEGAL STATEMENT版權聲明本報告為艾瑞數智旗下品牌艾瑞咨詢制作，其版權歸屬艾瑞咨詢，沒有經過艾瑞咨詢的書面許可，任法律聲明何組織和個人不得以任何形式復制、傳播或輸出中華人民共和國境外。任何未經授權使用本報告的相關商業行為都將違反中華人民共和國著作權法和其他法律法規以及有關國際公

186、約的規定。免責條款本報告中行業數據及相關市場預測主要為公司研究員采用桌面研究、行業訪談、市場調查及其他研究方法，部分文字和數據采集于公開信息，并且結合艾瑞監測產品數據，通過艾瑞統計預測模型估算獲得：企業數據主要為訪談獲得，艾瑞咨詢對該等信息的準確性、完整性或可靠性作盡最大努力的追求，但不作任何保證。在任何情況下，本報告中的信息或所表述的觀點均不構成任何建議。本報告中發布的調研數據采用樣本調研方法，其數據結果受到樣本的影響。由于調研方法及樣本的限制，調查資料收集范圍的限制，該數據僅代表調研時間和人群的基本狀況，僅服務于當前的調研目的為市場和客戶提供基本參考。受研究方法和數據獲取資源的限制，本報告只提供給用戶作為市場參考資料，本公司對該報告的數據和觀點不承擔法律責任。8#page#