中国AI开发者应用生态调研报告

易观分析2024年10月 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。 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： 刘某怡 易观联合创始人方某跃 中欧国际工商学院教授、AI与管理创新研究中心主任 主编： 李某智 易观智慧院院长 编委： 陈某晨 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某路 天津市中教开源创新研究院副院长郭某晧 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 调研团队： 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 中国AI应用生态概述 中国AI应用生态概述 企业客户 消费者用户 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 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 应用层 模型-应用一体化 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 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 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 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 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 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应用生态的特殊性 海外/美国市场 中国市场 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。 AI 2C企业可能比AI 2B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AI 2B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： 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。 AI能力融入现有产品体系 2 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。 推出以AI为主体的产品与解决方案 在这个阶段，AI技术已经成为企业产品和解决方案的核心。企业不仅将AI技术融入现有产品，而是开始推出全新的、以AI为主体的产品和服务，满足市场的需求。这标志着AI技术从辅助角色转变为驱动企业创新和增长的主要动力。 典型案例： 字节跳动火山引擎、腾讯云等，将AI与MaaS服务作为业务增长的众多重要方向之一。 All in AI，将LLM作为公司战略发展抓手 4 在这个最终阶段，AI技术，尤其是LLM，成为企业战略发展的核心。企业将全面拥抱AI技术，不仅在产品和解决方案中广泛应用AI，而且在组织结构、业务模式、市场策略等方面进行深度整合和转型。LLM作为关键的技术抓手，推动企业在各个方面实现智能化升级，增强竞争力和市场影响力。 典型案例： 百度、阿里云，以微软与OpenAI的整合作为标杆，以AI应用未来的快速发展作为未来增长的核心驱动力，带动对于AI基础设施与能力的需求与市场增长。 总的来说，这四个阶段反映了现存应用从初步探索AI技术的潜力，到全面拥抱AI并实现战略转型的过程。随着AI技术的不断发展和成熟，企业将越来越多地依赖AI来驱动创新和增长，未来各个领域的竞争，也将由于AI能力的加入发生变化，尽管当前现存应用貌似具备领先优势，但是AI原生应用的颠覆式创新仍然有可能改变当前市场发展。 AI原生应用面临从PMF到商业化验证跑通闭环的考验 当前AI原生应用大量涌入市场，但是，一方面存在用户规模快速增长，但是留存不理想的情况，另一方面，貌似仍然尚未跳开已有应用的产品形态，从AI能力增强对于应用形态可能的影响来看，至少可以从如下方面进行AI原生应用的探索与跟踪： 智能体与生成式人工智能、多模态是开发者最关注的技术方向 2024年上半年，LLM与多模态、生成式人工智能技术因其强大的功能和广泛的应用前景，吸引了大量开发者的关注。进入到下半年，开发者对于基于大语言模型提升之后的应用落地给予了更多的关注，最明显的变化就是对于智能体的关注比重上升显著，目前位居首位，达到37.2%的比重，其次为生成式人工智能与多模态。 跨学科技术的应用，特别是在与生物科技的结合方面，为研究和实践带来了新的视角和工具。这种融合利用了人工智能在数据分析、模式识别等方面的优势，为生物科学的研究提供了更深入的见解，并可能带来创新的解决方案和突破性的发现。 中国AI开发者在开发方向上，基础设施建设与AI应用探索并重，或者说，中国AI开发者面临着基础设施建设与AI应用探索并重的双重任务。这种并重的趋势有助于促进AI技术的全面发展，同时为中国的AI产业带来新的机遇和挑战。 AI基础建设聚集大量开发者，AI平台和工具是AI开发者最关注的领域 开发者对于AI平台和工具的重视程度高，尽管与2024年上半年相比有所下滑，但是仍然达到39.7%的比重，主要因为这些工具能够极大地提高他们的工作效率，降低开发成本，使得他们能够专注于创新和核心业务逻辑。AI平台和工具的易用性、灵活性和可扩展性将成为未来AI应用开发、部署和运营的重要基础。 AI基础设施以及基础研究是AI技术发展的基石，它直接影响到AI应用的性能、成本和可扩展性。这表明AI技术已经从概念验证阶段进入到实际应用和规模化部署阶段，而推动AI基础研究与基础设施的快速发展成为其中破局的关键点之一。 AI应用更加多元化探索，智能客服等成为AI应用落地最重要的方向之一AI应用开始多元化探索，表明AI开发者在追求技术进步的同时，也在积极探索如何将AI技术应用到不同行业和领域中。 智能客服、搜索推荐、文本、图像和音视频等素材生成等，是当前开发者在应用探索层面比较重视的开发方向，这些方向不仅能够提高用户体验，还能通过大数据和AI技术实现个性化服务。智能客服可以24/7无休地提供服务，提高效率；搜索推荐可以满足用户个性化的信息需求；而文本、图像和音视频素材生成，则能够创造更多样化的内容，丰富用户体验。这些应用方向对于开发者来说，是实现创新和商业价值的关键。 深入行业形成解决方案是AI企