中国AI基础软件行业市场研究报告（2023）
中国AI基础软件市场研究报告（2023） 目录1 OAaXuZ8YfXqV7NaO8OsQqQmOtQlOrQnNjMmOrP7NpOpNxNtQtRuOqNtQ2执行摘要简介过去十年，是人工智能从实验室走向产业化的十年。AI技术革命掀起的产业浪潮，势不可挡地席卷了全球的各行各业。作为现今最为活跃的创新领域，人工智能在迅速融入细分场景的同时也在不断地重塑传统行业模式，为经济社会输出独一无二的未来价值。大模型是人工智能迈向通用智能的里程碑技术。业内人士认为，在基于数据的互联网时代和基于算力的云计算时代之后，将进入基于大模型的AI时代。大规模数据集和模型训练算力等领域取得的突破性进展，离不开AI基础软件的底层支撑。尽管大模型当前表现优异，但对于各行业使用者来说，实际应用于业务场景仍然存在较高的技术和成本门槛。当前大模型的参数标准并不统一，相对于参数级，模型的效果且是否能够支持快速迭代对于用户实际应用来说更为重要。用户能够在一个白盒大模型基础上快速地、低成本地微调和迭代出客制化的小模型，才能高效地实现丰富场景的大模型应用。这就再次点明了AI基础软件工具链的重要性。随着AI基础软件不断发展，近年来大模型落地应用呈现加速态势。在开发层面，AI基础软件可帮助提供大模型能力萃取；在训练层面，其提供了硬件层之上的高效大模型分布式训练框架；在运维层面，其作为企业的基础设施，可增强企业管理、上线模型的能力。本报告旨在明晰AI基础软件框架的基本概念和分类，通过对行业发展历程及产业链的梳理探究行业核心驱动因素，剖析当下AI基础软件行业市场趋势，并基于应用、产品及生态三大关键维度构建厂商竞争力体系，评估主流玩家的核心竞争优势及综合壁垒，形成对中国市场AI基础软件框架发展情况的客观评价，并为行业未来发展提供参照建议与关键启发。来源: 弗若斯特沙利文AI基础软件产业协同发展图开发者生态模型+基础软件+生态协同加速产业智能化反哺支撑AI基础软件大模型开发者生态模型开发模型训练模型运维企业行业或业务数据特殊元学习生成内部ChatGPT-like模型企业缺失自研大模型训练框架的能力企业面临繁复的多模型管理硬件层之上的高效大模型分布式训练框架企业基础设施管理/上线模型能力落地落地落地调整需要升级 3关键发现点在人工智能技术迭代的过程中，AI基础软件行业整体格局将逐步成型。科技巨头生态体系建设叠加中国肥沃的政策和技术土壤，将为业内厂商提供前所未有的发展机遇。本报告将从行业宏观环境洞察市场需求，从技术规律把握未来趋势，进而识别出在AI浪潮之下领先的AI基础软件厂商，并对其综合竞争实力进行分析：•驱动因素：随着上游硬件、算力升级以及数据量增加，AI基础软件行业下一阶段的驱动因素主要包含三个层面。其一，在全球AI政策环境持续优化的趋势下，中国对大模型技术的宏观战略规划将为行业提供肥沃的成长土壤。北京市政府已明确出台政策，加快建设算力中心，支撑多模态大模型、科学计算大模型等研发。其二，下游大模型加速渗透应用场景和规模化应用将为行业带来曙光。从2023年AI预训练大模型的应用来看，大模型已开始在工业质检、智慧交通、时尚设计等多个行业中落地，其距离实现预训练大模型规模化商业化应用仍有一定的距离。其三，头部科技企业加速布局和产业生态体系垂直整合，将为不同厂商提供多元化的战略切入点。目前，业内已形成算力、基础软件、平台和服务纵向一体化的共识，从而为云服务企业、AI头部企业及AI芯片巨头提供了多环节的战略布局思路。相关头部AI企业，有望引领本轮生态体系建设。•市场趋势：在核心驱动因素的催化下，中国AI基础软件行业展现出三大主要趋势，并在这个过程中逐步明晰竞争格局。其一，中国原创技术创新突破加之人工智能政策导向，将推动市场产学研用融合创新共同体的成型。中国具备全球领先的视觉、自然语言处理、语音识别等智能任务的工程实现水平，人工智能原创技术创新正处于活跃期。大模型的技术突破结合2023年各省发布的支持政策，将引导行业形成连通企业、高校、研究院所、政府等创新主体的共同体生态。其二，大模型应用逐步落地，将带来行业发展新需求。作为模型生态系统的中坚力量，AI基础软件将会成为大模型应用落地的最主要的效率支撑，并通过大模型+小模型的方式，形成模型训练新范式。基础软件的重要性具体表现有三点：一是基础软件工程化的易用性、完备性；二是AI基础软件要与场景结合，能够进行完备的运维过程；三是需要具备安全可信保障条件。•竞争格局：在竞争格局渐趋明晰的过程中，相关厂商需要跨越技术、人才、资金和品牌四方壁垒，在技术实力、生态规模和功能体验三大成功要素上展开角逐。来源: 弗若斯特沙利文 关键发现数据集模型任务数据集模型任务AI 1.0单一领域数据集，割裂的模型缺乏纵效，劳动密集型数据标注•AI2.0是由大数据、云计算和人工智能技术等多种技术的融合所构成的，是一个巨大的平台式机会，将会在未来为各行业提供更加深入和全面的解决方案。随着AI2.0时代的到来，基础模型不再需要人工标注数据，也可以自行学习和阅读海量的文本。而且模型通过微调就能以低成本训练适应不同领域的任务。•其中，AI2.0相关的应用、平台和基础设施，将会成为包括产业及投资在内的热点。AI基础软件作为AI大模型训练、管理、应用的重要平台将会在AI2.0的长风中顺势演化出巨大的产业机会。AI2.0时代到来开启巨大的平台型机会章节一中国AI基础软件发展背景Ø李开复博士看好三类未来的创业机会:4GPT-3.5GPT-4文心一言GPT-2GPTAI 1.0时代：割裂小模型、人工数据标注的时代AI 2.0时代：通用大模型崛起的AI平台时代AI 2.0文字、语言、图像等多模态数据任务集任务集通用大模型行业小模型行业小模型跨领域知识的“基础模型”+“行业模型”、海量数据进行基础训练AI2.0智能应用（各行各业的垂类应用，提高社会生产力）AI2.0 平台（基础大模型+ 平台能力，中间层工具）AI基础设施（基础软件、算法、框架等，压缩计算量，更好地进行模型运维、管理、训练。）来源: 弗若斯特沙利文“AI1.0就像是发明电，AI2.0就是电网。AI2.0时代的来临，首先它是巨大的平台式机会，这个机会将比移动互联网大十倍，而且它是中国的第一次机会。”——创新工场李开复“自1980年首次看到图形用户界面（graphical user interface）以来，OpenAI的GPT人工智能模型是我所见过的最具革命性的技术进步。”——比尔盖茨 庞大的数据基础为国内AI大模型发展提供根基n!"#$%&'()#$*+,-./012345*67!"#$89:;<=>?@AB"C#$,DEFGHIJB,KL"-012#$CMNOP,QRS02#$STU,B"!"#$C"VWX,YZ[\]^./_`abc12deIfg,hihij,./B"C!"#$klm:nFG#$,o;phiqijLrstu0vo;phihwj,xiyz{|3./}~ÄÅC#$LÇ8!"B"C,!"#$ÉÑÖÜ./C#$áà,âä@Aãåçéhèiêëvíìêë,!"#$îï[\ñó./12,9:#$òF./[\ô"öõbc}rúv数据量的爆发为人工智能的发展注入燃料n#$)Cù3âän67#$ûü†°C34}¢467#$ûü5*Cûü£§v•¶C#$)íhiß®jphihßj,©hèq™ ́ ̈≠ÆØØ∞±≤≥¥phqèμμ™ ́,o;íhihxj∂p®xèx™ ́,L∑∏π∫ªs,ZºOΩæø^ù3¿≥¥v¡¬0#$Cù√¿≥¥,ƒ°}≈∆«{»... À...}~ÃÕ#$CŒœ–í—“≥%vÃ-67#$ûü†°”On‘0C’÷Œœ,âän†°C34vK◊,#$ù√–âän#$ûüÿ5*Ÿ⁄¤ú Ÿ‹°úCûüv›fi,fl«î‡·2C#$‚fi„‰ú#$ E„‰ú#$ÂÊ,#$ûüÿ[åŒN5*î‡C#$»...}~ûüv5!"!"!"#"$%&'()&'*+,+-./01-234-567!"#"-89()&':);56<=>?@A&'BCDEFGH&'IJKLMNOPQJ!"!RM!"!STUVWXYZ[!!!#\]R^\R"R!!!]#!#_[_\_R_!#!^#S[[\S!"!R!"!!!"!#!"![`!"!\`!"!S`μh]R!"#$"#%&'#"abcdefOP•¶#$Á1L©hihßjCßμèË™ ́≥¥ÈhihxjCËxèh™ ́ÍÎ.ÏÌ-hËyv中国AI预训练大模型，2023年图片音乐视频文本CV大模型NLP大模型多模态大模型科学计算大模型场景1场景2场景N模型1模型2模型n微调&部署预训练迭代收集大量数据，并训练超大规模神经网络对模型微调以达到特定的场景应用/行业应用来源: 弗若斯特沙利文 关键发现AI基础软件市场定义与解读•AI基础软件包含一系列企业级AI应用所需的平台软件产品及解决方案，是为大模型应用落地的最主要的效率支撑，AI基础软件的发展决定了人工智能发展的深度、高度、广度，其催化大模型应用快速发展，推动政府和企业AI规模化应用。AI基础软件定义与解读章节二中国AI基础软件市场概览•AI2.0时代的到来，让各行业对大模型应用的需求日渐提升，对大模型对于业务的支撑力也更为重视，但大多数企业都会工程、技术等能力不足的问题。AI基础软件作为AI基础设施的重中之重，为企业客户提供全方位的AI调度以及模型服务，包含机器学习平台等一站式模型平台，以及数据智能平台、实时决策中心、数据湖、数据仓库等服务于AI的数据平台，从而降低各行业客户训练自己人工智能模型的门槛，实现降本增效。算力数据传输AI基础设施基础框架及算法机器学习平台实时决策中心AI基础软件基础大模型6数据智能平台数据湖、数据仓库开源框架算法（开源学习、因果学习....）AI2.0平台多模态大模型科学计算大模型CV大模型NLP大模型来源: 弗若斯特沙利文AI2.0智能应用金融交通制造政府能源电力行业小模型通信 中国AI模型的演进历程，2023年训练办法数据需求AI模型的演进以监督学习为主。这一阶段表现较优的神经网络算法为支持向量机（SVM），SVM采用监督学习神经网络向深层次发展应用场景更多，由于数量不够，因此非监督学习成为这一时期的主流学习方法CNN的发展促进监督学习再次成为主流Transformer模型的发展使得AI进入大模型时代，无监督和半监督学习方法兴起这一阶段应用场景较为简单，人工智能模型仅需要少量的数据就可以实现神经网络向深层次发展，其适用的应用场景更多，因此需要更多的数据进行学习这一阶段数据量被认为是提升AI智能水平的关键，开源标注数据量快速兴起深度学习的出现使得数据量呈现爆发性增长，模型的性能与数据量高度相关朴素贝叶斯逻辑回归决策树隐马尔可夫模型卷积神经网络自编码器支持向量机迁移学习随机森林图神经网络生成对抗网络自监督学习Transformer模型BERT模型ViT模型GPT模型蓬勃的AI大模型市场为AI基础软件发展注入动力7•在数据层面，模型训练数据的质量和规模对模型迭代的效果至关重要，尤其是目前内外数据共享和数据共创、数据类别不均衡、极端场景数据缺失等问题，呼唤业内对AIGC结构化数据合成领域的技术探索•在技术层面，生成式AI模型的推理能力愈发重要，同时对AI的可信度、可解释度的需求也在提升，呼唤自动机器学习、深度学习、因果学习等领域的基础软件性能提升•在商业模式层面，随着大模型的逐渐成熟，通用大模型+行业小模型会成为越来越多企业采用的落地模式，因此，帮助企业自建AI模型的AI基础软件成为大势所趋2006年之前2006年~2011年2012年~2017年2017年至今来源: 弗若斯特沙利文 利好的政策为AI基础软件市场提供制度保障数据优势智能服务算力中心算法推理平台建设大模型赋能加快数字化发展，建设数字中国，同时打造数字经济新优势，充分发挥海量数据和丰富应用场景优势。同时指出要加强关键数字技术创新应用：聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域；建设重点行业人工智能数据集，发展算法推
