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

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。 AI大模型行业应用概况01 AI大模型行业应用现状及案例 02 AI大模型行业应用痛点及解决方案 03 AI大模型行业应用前景趋势及投资机会分析04 AI大模型行业应用概况 1.1 AI大模型定义及概述1.2 AI大模型行业应用价值1.3 AI大模型行业应用实现路径1.4 AI大模型行业应用商业模式1.5 AI大模型行业应用需求概述1.6 AI大模型行业应用竞争格局1.7 AI大模型行业应用投融资分析1.8 AI大模型行业应用的合规要求 01 1.1 AI大模型定义及概述 AI大模型定义 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%。 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大模型在训练过程中需要使用大量的算力和高质量的数据资源。 资 料 来 源 ： 沙 利 文 、《2 0 2 3年A I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 1.2 AI大模型行业应用价值：提升要素效率及数据要素地位 数据已成为新生产要素 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。 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大模型的应用从改变数据要素的生成方式和企业经营决策驱动方式两大维度提升了数据要素在生产要素组合中的占比地位。 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 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。 AI大模型行业应用商业拓展特点 需求方议价能力更强 重视后续升级服务 重视实际落地效果 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 1.5 AI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 企业对AI大模型能力需求 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： 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。 ◆当前需求企业对于AI大模型的应用需求特征为在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。◆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。 需求特征 价格低 私密、安全性高 企业对安全性需求 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 1.6 AI大模型行业应用竞争格局 优势： 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； •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： •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； 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； 发布时间 资 料 来 源 ：《北 京 市 人 工 智 能 行 业 大 模 型 创 新 应 用 白 皮 书 （2 0 2 3年 ）》， 企 业 调 研 访 谈 前 瞻 产 业 研 究 院 整 理 1.7中国AI大模型行业应用投融资分析：处于萌芽阶段 投融资规模及轮次 我国AI大模型行业投融资事件始于2021年，并于2023年受到资本的追捧，全年投融资事件14件，投融资金额超10亿元。截至2024年4月，我国AI大模型投融资事件及金额已接近2023年全年水平。 从投融资事件轮次来看，除第四范式于2023年成功在港股上市外，其余AI大模型行业投融资事件均集中于A+轮及以前，其中天使轮投融资事件数量最多，达19件。 1.8 AI大模型行业应用的合规要求：暂行备案制 AI大模型行业应用合规要求 当前我国AI大模型的行业应用实行备案制，正式参考文件是2023年7月，国家互联网信息办公室发布的《生成式人工智能服务管理暂行办法》； 此外，在现有法律体系下，生成式人工智能技术乃深度合成技术的子集。因此部分国内大模型企业亦可通过获得《互联网信息服务深度合成管理规定》的备案实现大模型算法的合规要求。 1.8 AI大模型行业应用的合规要求：暂行备案制 中国AI大模型行业应用现状及案例 2.1 AI大模型行业应用渗透情况2.2 AI大模型行业通用场景应用分析2.3 AI大模型+金融2.4 AI大模型+政务2.5 AI大模型+医疗2.6 AI大模型+电商2.7 AI大模型+教育2.8 AI大模型+终端2.9 AI大模型+其他行业 02 2.1 AI大模型行业应用渗透情况：金融、政务渗透率最高 行业应用路径占比 行业渗透情况 从AI大模型行业应用路径的具体占比情况来看，当前60%的企业通过垂类行业大模型实现AI大模型在行业的应用布局。 截至2023年，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。 应用成熟度 生成模态分布 区域渗透情况 从我国AI大模型的生成模态来看，单一模态中主要集中在AI文本，占比为27%；其次为数字人，占比也达到20%；而AI音频、AI绘画以及AI视频的占比为8%、6%、5%； 从区域渗透情况来看，我国AI大模型行业应用企业大多分布在东部地区或经济发达的一线城市，尤其集中在北京、上海、广东、浙江等地。 2.2 AI大模型行业通用场景应用分析 智能客服 智能营销 智能客服是通过文字、语音、图片等媒介与用户构建交互桥梁，协助人工进行会话、质检、业务处理。截至2023年我国智能客服行业市场规模为87亿元，预计到2027年行业将增长到181.3亿元，复合增速达35%。 智能营销的主要目的是提高营销效率和效果，创造新的消费者交互场景体验，以及发现和创造消费需求。当前智能营销市场规模已突破500亿元，预计2027年将达到786亿元。 大模型的功能特征完美契合了智能客服场景的实际需求，智能客服也因此进一步迈向AI数字化运营，智能客服的应用边界不断拓宽拓深。 强调使用先进的技术，如人工智能、大数据分析和机器学习，依据处理大规模的数据，进行自动化决策； 决策依据 自主学习及改进能力 对话决策能力 智能营销利用算法和模型，通过分析大量数据来做出决策。它能够快速调整策略，基于实时数据进行优化，并自动执行营销活动。 决策变化 具备自主学习和持续改进的能力，甚至可以在对话过程中，根据用户前文的反馈内容做出实时的变化调整，从而不断优化服务质量 能够根据用户的反馈内容做出符合用户需求和场景的回复 理解能力更强，能够准确地识别不同用户表达内容背后的意图 智能营销通常能够在一定程度上提高成本效益，因为它能够自动执行许多任务，减少了人工劳动力成本。 成本效益 资 料 来 源 ：F r o s t & S u l l i v a n前 瞻 产 业 研 究 院 整 理 2.2 AI大模型行业通用场景应用分析 智能翻译 智能搜索 智能翻译涉及软件和硬件产品。随着全球化和互联网迅速发展，跨语言的网络资源不断呈几何级数增长，极大地刺激了智能翻译产业的发展。2022年中国智能翻译市场规模102.33亿元。 智能搜索是指采用了智能搜索引擎为用户提供相应信息的服务，智能搜索引擎是结合了人工智能技术的新一代搜索引擎。2023年上半年我国网络搜索用户规模为8.41亿人，使用率为78.0%。 2016年2017年2018年20