數(shù)據(jù)研究·科技行業(yè)專題：AI產(chǎn)業(yè)人士看大模型發(fā)展趨勢

告|行業(yè)深度研究2023年7月4日數(shù)數(shù)據(jù)研究·科技專題AI產(chǎn)業(yè)人士看大模型發(fā)展趨勢S后的信息披露和免責(zé)申明行業(yè)評級：強(qiáng)于大市(維持評級)上次評級：強(qiáng)于大市1工智能是當(dāng)今最熱門的技術(shù)領(lǐng)域之一，也是中國互聯(lián)網(wǎng)公司的重要戰(zhàn)略方向。本報告基于對9位來自中國AI科技團(tuán)隊的產(chǎn)業(yè)人士問卷研，分析了中國AI產(chǎn)業(yè)在資源投入、模型發(fā)展、數(shù)據(jù)隱私保護(hù)和行業(yè)合作等方面的表現(xiàn)，以及面臨的挑戰(zhàn)和機(jī)遇。用科學(xué)數(shù)據(jù)證據(jù)給AI展現(xiàn)狀和未來趨勢。廣AI?數(shù)據(jù)多樣性、數(shù)據(jù)合作和數(shù)據(jù)隱私保護(hù)是中國AI公司在數(shù)據(jù)領(lǐng)域的關(guān)鍵關(guān)注點。數(shù)據(jù)多樣性與合作是關(guān)鍵，共享數(shù)據(jù)合作是重要趨勢。圖像和自然語言數(shù)據(jù)集普及度高，物體檢測數(shù)據(jù)集應(yīng)用較少。中國AI公司重視數(shù)據(jù)安全與隱私保護(hù)，采取多層防護(hù)措施、動態(tài)處理與隱私保護(hù)并重，以用戶為中心保護(hù)用戶數(shù)據(jù)。AI術(shù)發(fā)展上的投入和戰(zhàn)略規(guī)劃。中國本土公司在半導(dǎo)體領(lǐng)域的發(fā)展也不容忽視。收費(fèi)模式，顯示出對需求敏感性和靈活盈利模式的重視。調(diào)研結(jié)果還揭示了AI服務(wù)費(fèi)用反映了模型復(fù)雜性、服務(wù)質(zhì)量和市整合、競爭加劇和新興創(chuàng)業(yè)公司崛起的可能性較大。風(fēng)險提示：樣本代表性風(fēng)險，人工智能行業(yè)發(fā)展不及預(yù)期，商業(yè)模式仍不明朗，法律風(fēng)險閱讀正文之后的信息披露和免責(zé)申明2????億級資金有望注入與團(tuán)隊擴(kuò)容力度加大–2023年億級資金有望注入，資源投入差異初顯布局重點–科技公司AI團(tuán)隊擴(kuò)容力度加大–Transformer為主流模型架構(gòu)，適應(yīng)復(fù)雜任務(wù)–AI模型新發(fā)布可期，復(fù)雜數(shù)據(jù)處理升級–分布式訓(xùn)練與模型并行訓(xùn)練廣泛普及，積極探索新的訓(xùn)練技術(shù)–模型優(yōu)化與數(shù)據(jù)問題是制約模型發(fā)展的公認(rèn)瓶頸數(shù)據(jù)集的創(chuàng)新、融合和保障–資料來源多樣化、混合化、開放化–圖像、語言、問答數(shù)據(jù)集主導(dǎo)，物體檢測集暫露頭角–重視數(shù)據(jù)隱私保護(hù)，全方位實踐AI發(fā)展的底層引擎——計算硬件–服務(wù)器部署反映算力需求，增長意愿仍顯熱絡(luò)–計算資源使用量有顯著差異，2023年擴(kuò)增平均幅達(dá)20%–2023年AI科技公司計算資源硬件擴(kuò)增情況??模型商業(yè)化落地現(xiàn)狀與趨勢–按交易量費(fèi)、定制開發(fā)費(fèi)是主要的收費(fèi)模式–訂閱收費(fèi)與API收費(fèi)標(biāo)準(zhǔn)–AI科技公司活躍用戶總量與月度調(diào)用量–大模型垂直應(yīng)用行業(yè)部署與應(yīng)用成熟度–從“人”“貨”“場”看客戶拓展策略與成功要素–GPU單價成本高昂，英偉達(dá)為供應(yīng)商首選，本土公司成長不容小覷–算力戰(zhàn)爭：硬件和軟件相輔相成文之后的信息披露和免責(zé)申明3請務(wù)必閱讀正文之后的信息披露和免責(zé)申明41億級資金有望注入與團(tuán)隊擴(kuò)容力度加大2023年億級資金有望注入，資源投入差異初顯布局重點Q：貴公司大模型資金投入是多少量級？億級千萬級百萬級資金投入是AI團(tuán)隊發(fā)展的重要保障，66.7%的調(diào)研公司在AI領(lǐng)域的投資都達(dá)到了億級規(guī)模。據(jù)中國信通院公布的測算數(shù)據(jù)，2021年中國人工智能產(chǎn)業(yè)規(guī)模為4041億元，同比增長33.3%。據(jù)德勤，2020年百度、騰訊、阿里巴巴等企業(yè)在人工智能領(lǐng)域的投資金額再創(chuàng)新高，達(dá)到1748億元。Q：貴公司各類資源投入占總投入比重是多少？(%)中國AI科技公司在技術(shù)研發(fā)、算力資源投入、數(shù)據(jù)采集及標(biāo)注以及市場推廣與商業(yè)化擴(kuò)展方面的投入比重差異，體現(xiàn)了他們的戰(zhàn)略定位和發(fā)展重點。技術(shù)研發(fā)與創(chuàng)新是AI公司持續(xù)領(lǐng)先的核心驅(qū)動力，占據(jù)資源投入的最大比重(avg34%)。算力資源投入(avg32%)則是AI研發(fā)的基礎(chǔ)設(shè)施，云計算、分布式計算、AI芯片等在支撐大數(shù)據(jù)處理和模型訓(xùn)練方面發(fā)揮著關(guān)鍵作用。阿里巴巴的阿里云，百度的百度云，華為的云服務(wù)等，都在擴(kuò)充算力資源，以滿足AI應(yīng)用的需求，比如，百度開發(fā)了百度機(jī)器學(xué)習(xí)BML(BaiduMachineLearning)平臺，提供從開發(fā)到部署一站式服務(wù)，阿里云為用戶提供了阿里云機(jī)器學(xué)習(xí)PAI平臺，華為云ModelArts是面向AI開發(fā)者的一站式開發(fā)平臺。數(shù)據(jù)采集與標(biāo)注則是AI算法訓(xùn)練的關(guān)鍵(avg19%)。一些科技公司利用自身的生態(tài)系統(tǒng)進(jìn)行大量的數(shù)據(jù)采集，并通過人工或半人工方式進(jìn)行數(shù)據(jù)標(biāo)注。例如百度EasyData智能數(shù)據(jù)服務(wù)平臺提供便捷的數(shù)據(jù)采集方案，豐富的數(shù)據(jù)標(biāo)注模板及工具，支持將采集、標(biāo)注、加工等處理后的高質(zhì)量數(shù)據(jù)直接對接至EasyDL、BML等百度AI開發(fā)平臺，服務(wù)于后續(xù)的模型訓(xùn)練輸出更高精度的模型效果。市場推廣與商業(yè)化擴(kuò)展則是AI技術(shù)走向市場、實現(xiàn)價值的關(guān)鍵環(huán)節(jié)。資料來源：問卷調(diào)研、百度云官網(wǎng)、華為云官網(wǎng)、阿里云官網(wǎng)、百度大腦官網(wǎng)等、天風(fēng)證券研究所√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√√Q據(jù)您了解，貴公司大模型相關(guān)工作人員數(shù)量？自人工智能技術(shù)開始興起，中國的科技公司已迅速躋身全球人工智能開發(fā)的前%88.9%的參訪公司表示未來有人員擴(kuò)充計劃，按照擴(kuò)充AI其中一家公司近乎人員翻倍的計劃。列。國內(nèi)各大科技巨頭積極推動AI發(fā)展，通過人力資源的擴(kuò)張和大額資金的注AI策略來吸引和培養(yǎng)人才?AI策略來吸引和培養(yǎng)人才?據(jù)與調(diào)人士：大部分公司選擇與高校或研究機(jī)構(gòu)合作(88.9%)，對學(xué)生進(jìn)行實地培訓(xùn)，這種方式既能拓寬人才來源，也可以讓人才更早地適應(yīng)實際工作環(huán)境。一部分公司會專門設(shè)計一套系統(tǒng)的AI人才培養(yǎng)計劃 (55.6%)，包括提供內(nèi)外部的專業(yè)培訓(xùn)、設(shè)立激勵機(jī)制等，旨在發(fā)掘和提升員工的潛力。除了培養(yǎng)內(nèi)部人才，這些公司在招聘時也會針對高級AI人才制定吸引策略(55.6%)，如提供具有競爭力的薪酬待遇。推動力。<50人<50人200-500人500-1000人>1000人Q：據(jù)您了解，貴公司未來是否有人員擴(kuò)充計劃？計劃擴(kuò)容幅度是多少？采取哪些措施培養(yǎng)AI人才？BB公司C公司A公司D公司H公司G公司E公司I公司J公司人員擴(kuò)容計劃√√不了解√√√√√√人員擴(kuò)張規(guī)模100%+--10-15%10%20%50%50%30%人才培養(yǎng)措施：與高校與高校、研究機(jī)構(gòu)等開展合作培養(yǎng)有專門的AI人才培養(yǎng)項目或計劃在招聘時有針對性的吸引高級AI人才加入提供了具有競爭力的薪酬待遇來吸引或留住高級人才提供外部的專業(yè)培訓(xùn)和發(fā)展機(jī)會設(shè)立激勵機(jī)制來鼓勵員工的創(chuàng)新和突破性成果提供內(nèi)部的專業(yè)培訓(xùn)和發(fā)展機(jī)會關(guān)注員工工作生活平衡，為員工創(chuàng)造良好工作環(huán)境提供了明確的職業(yè)發(fā)展路徑和晉升機(jī)會相對薄弱的培養(yǎng)環(huán)節(jié)?提供內(nèi)部的專業(yè)培訓(xùn)和發(fā)展機(jī)會(33.3%)：內(nèi)部培訓(xùn)能夠快速提升員工的專業(yè)技能，符合公司的發(fā)展需求。這表明尚有一些公司在這方面可能有所欠缺。?關(guān)注員工工作生活平衡，為員工創(chuàng)造良好工作環(huán)境(22.2%)：員工的工作滿意度和工作效率往往與工作環(huán)境和工作生活平衡密切相關(guān)。這個比例較低可能意味著許多公司需要更加重視員工的工作生活平衡。?提供了明確的職業(yè)發(fā)展路徑和晉升機(jī)會(11.1%)：提供明確的職業(yè)發(fā)展路徑和晉升機(jī)會能夠激發(fā)員工的積極性和忠誠度，增強(qiáng)歸屬感，此比例最低可能反映出一些公司在職業(yè)規(guī)劃方面還有待完善。6資料來源：問卷調(diào)研，天風(fēng)證券研究所請務(wù)必閱讀正文之后的信息披露和免責(zé)申明72從架構(gòu)到發(fā)布，從訓(xùn)練到優(yōu)化Transformer為主流模型架構(gòu)，適應(yīng)復(fù)雜任務(wù)選擇合適的模型架構(gòu)是至關(guān)重要的一步，模型的架構(gòu)決定了它處理數(shù)據(jù)和學(xué)習(xí)任務(wù)的能力。在對9家中國AI團(tuán)隊的調(diào)研中，我們發(fā)現(xiàn)Transformer架構(gòu)是這些公司最大模型普遍采用的架構(gòu)，這一發(fā)現(xiàn)揭示了Transformer架構(gòu)在當(dāng)下AI領(lǐng)域的重要地位。在未來的一段時間內(nèi)，Transformer可能會保持相對的領(lǐng)導(dǎo)地位。2017年transformer架構(gòu)首次被提出，至此以后該架構(gòu)構(gòu)成了現(xiàn)代AI訓(xùn)練神經(jīng)網(wǎng)絡(luò)的基石，從google的BERT到現(xiàn)在OPENAI的GPT4，都是基于Transformer的自注意力機(jī)制上建立的?？v觀國內(nèi)公司，例如百度在2021年7月5日提出的Ernie便采用了Transformer作為其表示模塊，并在該基礎(chǔ)上提出了“ContinualMulti-ParadigmsUnifiedPre-trainingFramework”的預(yù)訓(xùn)練框架，并訓(xùn)練出了Ernie3.0,直到2023年3月24日，百度又在基于Ernie和PLATO的基礎(chǔ)上訓(xùn)練并推出了NLP大模型文心一言。Transformer架構(gòu)圖百度Ernie3.0架構(gòu)圖NGFORAI模型新發(fā)布可期，復(fù)雜數(shù)據(jù)處理升級?據(jù)與調(diào)人士，大模型預(yù)計發(fā)布的領(lǐng)域主要集中在自然語言處理(NLP)、計算機(jī)視覺(CV)和跨模態(tài)三個方面。目前，NLP和CV是人工智能領(lǐng)域較成熟和活躍的兩個方向，而跨模態(tài)是近年來興起的一個新興方向。這些領(lǐng)域都擁有豐富的數(shù)據(jù)資源和多樣化的應(yīng)用場景，為大模型的發(fā)展提供了基礎(chǔ)和動力。?大模型的發(fā)布呈現(xiàn)出多樣化和細(xì)分化的趨勢。據(jù)與調(diào)人士結(jié)果，有5家公司計劃發(fā)布NLP模型(最大參數(shù)量級1萬億)，6家公司計劃發(fā)布CV模型(最大參數(shù)量級1萬億)，4家公司計劃發(fā)布跨模態(tài)模型(最大參數(shù)量級1萬億)。有趣的是，調(diào)研中的公司都沒有科學(xué)計算模型發(fā)布的計劃。?大模型的發(fā)布頻率呈現(xiàn)出加速的趨勢。中國的AI團(tuán)隊在2023年開始密集發(fā)布各類模型。清華智譜AI研發(fā)的GLM-130B于3月14開啟內(nèi)測，并開源了單卡版模型GLM-6B；百度于3月16日推出了其最新的生成式人工智能產(chǎn)品和知識增強(qiáng)型大語言模型(LLM)ERNIEBot；商湯科技4月10日公布“日日新SenseNova”大模型體系，推出自然語言處理、內(nèi)容生成、自動化數(shù)據(jù)標(biāo)注、自定義模型訓(xùn)練等多種大模型及能力；阿里云4月11日推出語言大模型“通義千問”；科大訊飛5月6日星火認(rèn)知大模型正式對外發(fā)布,時隔一個月，6月9日又推出星火大模型V1.5；北京智源研究院6月9日發(fā)布了全面開源的“悟道3.0”系列大模型及算法Q：據(jù)您了解，貴公司2023年是否有發(fā)布新模型的計劃？預(yù)計發(fā)布模型參業(yè)BCADHGEIJ模型發(fā)業(yè)BCADHGEIJ√√√√√√√√√√√√√√√√√√√√√√√平均參數(shù)量最大參數(shù)平均參數(shù)量最大參數(shù)量89%56%5.6千億億67%2千億億44%--3千億--億2023年中國大模型密集發(fā)布9資料來源：問卷調(diào)研，百度深度學(xué)習(xí)研究院、阿里云官網(wǎng)、商湯、智譜AI等、天風(fēng)證券研究所分布式訓(xùn)練與模型并行訓(xùn)練廣泛普及，積極探索新的訓(xùn)練技術(shù)Q：據(jù)您了解，貴公司在大模型訓(xùn)練方面有哪些創(chuàng)新技術(shù)或方法？100%分布式訓(xùn)練模型并行訓(xùn)數(shù)據(jù)并行訓(xùn)練稀疏計算技術(shù)混合精度訓(xùn)練自適應(yīng)優(yōu)化算法跨架構(gòu)轉(zhuǎn)移學(xué)深壓分布式訓(xùn)練利用數(shù)據(jù)并行或者模型并行的策略將一個大型的模型劃分為多個部分，分配到不同的設(shè)備上進(jìn)行訓(xùn)練，從而提高訓(xùn)練效率和模型規(guī)模。優(yōu)勢：可以訓(xùn)練超大規(guī)模的模型，突破單個設(shè)備的內(nèi)存和計算能力的限制，同時也可以加速訓(xùn)練過程。模型并行訓(xùn)練利用圖切分算法，指將一個模型的計算圖按照層次或者功能劃分為多個部分，然后根據(jù)子圖之間的依賴關(guān)系，在不同的設(shè)備上按照順序或者并發(fā)地執(zhí)行。優(yōu)勢：處理非常深或者寬的網(wǎng)絡(luò)結(jié)構(gòu)，克服單個設(shè)備內(nèi)存不足的問題。數(shù)據(jù)并行訓(xùn)練利用數(shù)據(jù)切分算法，將一個大批量的數(shù)據(jù)切分為多個小批量的數(shù)據(jù)，然后根據(jù)數(shù)據(jù)之間的獨立性，在不同的設(shè)備上并行地執(zhí)行前向和反向傳播。優(yōu)勢：提高設(shè)備的利用率，加速訓(xùn)練過程，同時也可以增加批量大小，提高模型的泛化能力。稀疏計算技術(shù)在訓(xùn)練或者推理時利用模型中存在的稀疏性(如零值或者低值)來減少計算量和內(nèi)存占用的一種技術(shù)。優(yōu)勢：稀疏計算技術(shù)的優(yōu)勢是可以大幅降低模型的存儲和計算成本，提高模型的性能和效率。合精度訓(xùn)練在訓(xùn)練時在模型中同時使用16位和32位浮點類型，從而加快運(yùn)行速度，減少內(nèi)存使用的一種訓(xùn)練方法。優(yōu)勢：利用現(xiàn)代硬件(如NVIDIAGPU或者CloudTPU)對低精度運(yùn)算的支持，提高運(yùn)算速度和吞吐量，同時也可以節(jié)省內(nèi)存空間和帶寬，從而增大批量大小或者模型規(guī)模。模型優(yōu)化與數(shù)據(jù)問題是制約模型發(fā)展的公認(rèn)瓶頸Q：據(jù)您了解，貴公司在訓(xùn)練大模型時，主要面臨哪些挑戰(zhàn)？優(yōu)化問題數(shù)量質(zhì)量問題和商業(yè)化問題時間過長不足 數(shù)據(jù)挑戰(zhàn)、模型優(yōu)化與商業(yè)化挑戰(zhàn)?數(shù)據(jù)是訓(xùn)練深度學(xué)習(xí)模型的關(guān)鍵。在訓(xùn)練深度學(xué)習(xí)模型時，大量高質(zhì)量的數(shù)據(jù)是非常關(guān)鍵的。獲取這樣的數(shù)據(jù)通常需要投入大量的時間和資源。此外，數(shù)據(jù)的清洗和標(biāo)注也是一個重大的挑戰(zhàn)，需要大量的人力進(jìn)行操作。?模型優(yōu)化是AI團(tuán)隊面臨的問題。AI模型優(yōu)化主要是為了使模型在不同的硬件平臺上快速運(yùn)行，包括算法層面的優(yōu)化、框架層面的優(yōu)化以及硬件層面的優(yōu)化等手段。?商業(yè)化受到關(guān)注。業(yè)務(wù)應(yīng)用和商業(yè)化也逐漸成為科技公司關(guān)注的焦點，據(jù)與調(diào)人士結(jié)果，6家公司都面臨著同樣的問題。Q：您認(rèn)為大模型發(fā)展最確定的趨勢是什么？11資料來源：問卷調(diào)研，天風(fēng)證券研究所應(yīng)用拓展重于模型規(guī)模?大模型的應(yīng)用場景將持續(xù)擴(kuò)展。據(jù)調(diào)研，88.89%的受訪人士認(rèn)為大模型將會有更多的應(yīng)用場景。這一趨勢的背后是深度學(xué)習(xí)技術(shù)在語音識別、圖像識別、自然語言處理等領(lǐng)域的突破。我們推斷垂直商業(yè)化將成為科技公司的主要關(guān)注點，僅有11%的公司認(rèn)為更大規(guī)模的模型會成為趨勢。?參數(shù)量不是衡量模型好壞的唯一標(biāo)準(zhǔn)。模型參數(shù)越大，訓(xùn)練的成本也越高。并且在大模型訓(xùn)練領(lǐng)域中，存在著邊際效應(yīng)遞減的現(xiàn)象。以谷歌發(fā)布的擁有1.6萬億參數(shù)的SwitchTransformer為例，當(dāng)谷歌把參數(shù)量提升了一個量級后，確實會對性能有所提升，但是此時帶來的性能收益已經(jīng)遠(yuǎn)不及以前。有時候在更多數(shù)據(jù)上訓(xùn)練的較小模型表現(xiàn)更好，而不是在較少數(shù)據(jù)上訓(xùn)練的較大模型。例如，DeepMind的Chinchilla模型擁有700億個參數(shù)，并在1.4萬億個token上進(jìn)行了訓(xùn)練，而2800億參數(shù)的Gopher模型在3000億個token上進(jìn)行了訓(xùn)練。在隨后的評估中，Chinchilla的表現(xiàn)優(yōu)于Gopher?？梢妳?shù)量級并不能完全決定模型的高低。露和免責(zé)申明123數(shù)據(jù)集的創(chuàng)新、融合和保障13資料來源：問卷調(diào)研，天風(fēng)證券研究所資料來源多樣化、混合化、開放化主導(dǎo)，合作伙伴的數(shù)據(jù)源和外采數(shù)據(jù)的利用則更側(cè)重于補(bǔ)充和優(yōu)化。?數(shù)據(jù)多樣性與合作是關(guān)鍵。據(jù)與調(diào)人士結(jié)果，公司都同時采用自有數(shù)據(jù)集和公開數(shù)據(jù)集。這意味著他們將自己收集和整理的數(shù)據(jù)與來自公開資源的數(shù)據(jù)結(jié)合使用，以期在模型訓(xùn)練和優(yōu)化中獲得更好的效果。這種混合使用數(shù)據(jù)的方式可以增強(qiáng)數(shù)據(jù)的多樣性和全面性，從而提高模型的魯棒性和泛化能力。?共享數(shù)據(jù)合作是重要趨勢。據(jù)與調(diào)人士結(jié)果，6家公司選擇采用合作伙伴提供的數(shù)據(jù)源(占67%)。公司間數(shù)據(jù)的交換和合作在AI領(lǐng)域的重要性不容小覷。通過與合作伙伴共享數(shù)據(jù)，可以擴(kuò)大數(shù)據(jù)規(guī)模，增加數(shù)據(jù)的維度和深度，以支持更復(fù)雜、更精細(xì)的模型訓(xùn)練。例如，Snowflake數(shù)據(jù)云平臺在全球擁有超過8,000家客戶(截至2023年4月30日)，Snowflake與NVIDIA合作將通過數(shù)據(jù)云平臺把定制化的生成式AI應(yīng)用帶到不同的垂直領(lǐng)域，從而進(jìn)一步幫助客戶改變這些行業(yè)。?外采數(shù)據(jù)潛力有待挖掘。據(jù)與調(diào)人士結(jié)果，只有2家公司選擇了外采數(shù)據(jù)，占比為22%。這可能反映了大部分公司依賴于內(nèi)部和合作伙伴的數(shù)據(jù)源，或出于數(shù)據(jù)安全性、質(zhì)量和可用性等因素的考慮。而較少去尋求外部數(shù)據(jù)市場的支持。外采可以補(bǔ)充公司自身難以獲得的數(shù)據(jù)，從而優(yōu)化模型效果。?D公司在數(shù)據(jù)獲取方面具有較強(qiáng)的能力和意識，資料來源類型最為豐富，同時擁有4類數(shù)據(jù)源。Q：據(jù)您了解，貴公司目前使用的主要資料來源是什么？67%22%自有數(shù)據(jù)集：來源于公司自身的產(chǎn)品和服務(wù)；這些數(shù)據(jù)集通常比公開數(shù)據(jù)集更加具有針對性和實用性。混合數(shù)據(jù)集則結(jié)合了公開數(shù)據(jù)集和自有數(shù)據(jù)集的優(yōu)點，可以在保持模型泛化性能的同時，滿足特定任務(wù)的需求。公開數(shù)據(jù)集：從公開渠道獲取的數(shù)據(jù)集；具有較大的規(guī)模和多樣性，但質(zhì)量相對較低，可能存在噪聲、偏差或過時等問題。合作伙伴提供的數(shù)據(jù)源：與其他機(jī)構(gòu)或企業(yè)進(jìn)行合作或交換而獲得的數(shù)據(jù)源；通常是針對相關(guān)領(lǐng)域或任務(wù)的數(shù)據(jù)，具有較高的可靠性和實用性，但獲取條件較為苛刻，可能存在隱私、安全或法律等風(fēng)險。外采數(shù)據(jù)：從第三方機(jī)構(gòu)或平臺購買或租賃而獲得的數(shù)據(jù)；巨有較高的補(bǔ)充性通常是針對缺失或不足的。圖像數(shù)據(jù)集萬張圖象自然語言數(shù)據(jù)集TB文本圖像數(shù)據(jù)集萬張圖象自然語言數(shù)據(jù)集TB文本問答數(shù)據(jù)集萬個問答物體檢測數(shù)據(jù)集萬個物體類別企業(yè)BCAEIJQ：據(jù)您了解，貴公司使用的數(shù)據(jù)集類型是什么？888.9%888.9%888.9%5555.6%包含任務(wù)類型圖像數(shù)據(jù)集圖像或視頻問答數(shù)據(jù)圖像數(shù)據(jù)集圖像或視頻問答數(shù)據(jù)集問題和答案自然語言數(shù)據(jù)集文本或語音物體位置類別計算機(jī)視覺領(lǐng)域自然語言處理領(lǐng)問答系統(tǒng)領(lǐng)域或物體檢測領(lǐng)域或或任務(wù)，如圖像域或任務(wù)的數(shù)據(jù)，任務(wù)的數(shù)據(jù)，如任務(wù)的數(shù)據(jù)，如分類、目標(biāo)檢測、如文本分類、情知識問答、閱讀行人檢測、車輛人臉識別、視頻感分析、機(jī)器翻理解、對話系統(tǒng)檢測、行為識別理解等。譯、語音識別等。具有較高的多樣具有較高的復(fù)雜具有較高的實用具有較高的精確特性和規(guī)模，但也性和豐富性，但性和價值，但也性和難度，但也點需要較高的處理也需要較高的理需要較高的邏輯需要較高的計算和標(biāo)注成本。解和分析能力和推理能力。和存儲資源。?Labelme?Enron?cMedQA?Objects365公開集舉例?ImageNet?LSUN?MSCOCODataset?AmazonReview?GoogleBooksNgrams2.0?Chinese-Medical-Question-Answering-System?VEDAI?DOTA14資料來源：問卷調(diào)研，天風(fēng)證券研究所數(shù)據(jù)集決定模型性能與適用范圍?圖像和自然語言數(shù)據(jù)集普及度高。圖像數(shù)據(jù)集、自然語言數(shù)據(jù)集和問答數(shù)據(jù)集在這些公司中使用較為普及，占比達(dá)到了88.9%。我們認(rèn)為原因可能是，視覺識別和自然語言處理是主要關(guān)注的AI研究方向。同時，這也反映了圖像和自然語言數(shù)據(jù)在AI應(yīng)用中的重要性。?物體檢測數(shù)據(jù)集應(yīng)用較少。據(jù)與調(diào)人士結(jié)果，僅5家公司使用物體檢測數(shù)據(jù)集。物體檢測在自動駕駛、安全監(jiān)控等領(lǐng)域有重要應(yīng)用，這表明上述領(lǐng)域可能并非所有公司的重點研究方向，或者他們正在尋找其他類型的數(shù)據(jù)來訓(xùn)練相關(guān)模型。?不同企業(yè)數(shù)據(jù)集規(guī)模有所差異。從數(shù)據(jù)集的規(guī)模來看，各企業(yè)數(shù)據(jù)集優(yōu)勢有所差異。據(jù)與調(diào)人士結(jié)果，B企業(yè)重圖像和自然語言數(shù)據(jù)集，C企業(yè)重圖像和問答數(shù)據(jù)集，A企業(yè)問答和物體檢測數(shù)據(jù)集較為豐富，D企業(yè)在圖像和問答數(shù)據(jù)集較有優(yōu)勢。這體現(xiàn)了不同公司依據(jù)其業(yè)務(wù)方向和專業(yè)優(yōu)勢選擇數(shù)據(jù)集類型，以滿足特定應(yīng)用需求。Q公司使用的數(shù)據(jù)集規(guī)模有多大？40000500+15000-200007000-8000千萬級5億級億級10000020200000025011001000.52050020050255080520重視數(shù)據(jù)隱私保護(hù)，全方位實踐Q：據(jù)您了解，公司在數(shù)據(jù)安全、隱私保護(hù)等方面做了以下哪些措施?中國AI公司在數(shù)據(jù)安全與隱私保護(hù)方面表現(xiàn)出高度的重視與嚴(yán)謹(jǐn)?shù)膽B(tài)度，采取了一來保護(hù)數(shù)據(jù)在傳輸過程中和處理方面，采用了多層防止未經(jīng)授權(quán)的訪問數(shù)據(jù)時，實施了嚴(yán)格的數(shù)據(jù)化措施安全和隱私保護(hù)政策進(jìn)行構(gòu)合作，以確保遵守國家和隱私保護(hù)的法規(guī)收集過程中，獲得了用戶保護(hù)團(tuán)隊來確保數(shù)據(jù)安數(shù)據(jù)安全和隱私訓(xùn)?多層防護(hù)措施保障數(shù)據(jù)安全性。據(jù)與調(diào)人士，大多數(shù)公司采取了多層防護(hù)措施來防止數(shù)據(jù)在存儲與處理過程中的未經(jīng)授權(quán)的訪問，比如使用加密技術(shù)來保護(hù)數(shù)據(jù)在傳輸過程中的安全。顯示了中國AI公司對于數(shù)據(jù)安全性的高度重視，以及在技術(shù)手段上的實力與應(yīng)對能力。?動態(tài)處理與隱私保護(hù)并重。據(jù)與調(diào)人士，半數(shù)的公司定期對數(shù)據(jù)安全與隱私保護(hù)政策進(jìn)行審查與更新，并且在處理用戶數(shù)據(jù)時，實施了嚴(yán)格的數(shù)據(jù)脫敏與匿名化措施。這種動態(tài)的、嚴(yán)格的處理方式，既保證了數(shù)據(jù)的使用效率，又兼顧了用戶隱私的保護(hù)。?用戶為中心，保護(hù)用戶數(shù)據(jù)。據(jù)與調(diào)人士，22%的公司在數(shù)據(jù)收集過程中，得到了用戶的明確同意，并設(shè)立了專門的數(shù)據(jù)保護(hù)團(tuán)隊來確保數(shù)據(jù)安全與隱私。用戶在任何時候都可以查看、更正和刪除個人數(shù)據(jù)，同時，一旦出現(xiàn)數(shù)據(jù)安全漏洞，這些公司也會及時通知用戶。這種以用戶為中心的方式，不僅符合了法律規(guī)定，也提高了用戶對公司的信任度。?員工培訓(xùn)促進(jìn)安全文化。據(jù)與調(diào)人士，11%的公司為內(nèi)部員工提供了關(guān)于數(shù)據(jù)安全與隱私保護(hù)的培訓(xùn)，這一舉措顯示了這些公司對于創(chuàng)建安全文化的重視，也為員工提供了必要的知識與技能，以更好地保護(hù)用戶數(shù)據(jù)的安全與隱私。?在大模型的訓(xùn)練中應(yīng)當(dāng)通過數(shù)據(jù)安全技術(shù)保證所取用戶的個人隱私信息不被其他終端獲取或應(yīng)用于其他用途。2023年5月10日國家網(wǎng)信辦起草了《生成式人工智能服務(wù)管理辦法(征求意見稿)》，其中第五條明確表示了利用生成式人工智能產(chǎn)品提供聊天和文本、圖像、聲音生成等服務(wù)承擔(dān)該產(chǎn)品生成內(nèi)容生產(chǎn)者的責(zé)任，另外涉及到個人信息的，也應(yīng)當(dāng)承擔(dān)個人信息處理者的法定責(zé)任，履行個人信息保護(hù)義務(wù)。這在法規(guī)上要求了未來AIGC的內(nèi)容應(yīng)當(dāng)具有穩(wěn)定性和準(zhǔn)確性，并且保證用戶信息的隱私性。15資料來源：問卷調(diào)研，國家網(wǎng)信辦、天風(fēng)證券研究所露和免責(zé)申明164AI發(fā)展的底層引擎——計算硬件17資料來源：問卷調(diào)研，天風(fēng)證券研究所Q：據(jù)您了解，貴公司大模型服務(wù)器使用數(shù)量是多少？今年是否有增加服38%25%225%13%1千臺以下1千-1萬臺1萬-10萬臺10萬臺以上人工智能技術(shù)的發(fā)展在很大程度上取決于算力的支持，而服務(wù)器是提供算力的關(guān)鍵設(shè)施。本調(diào)研結(jié)果顯示，中國AI科技團(tuán)隊都在大規(guī)模地部署和使用服務(wù)器，且大部分公司仍有服務(wù)器擴(kuò)張的計劃，并且擴(kuò)張幅度都不小。據(jù)與調(diào)人士：服務(wù)器擁有情況：?大多數(shù)公司的AI服務(wù)器數(shù)量在1萬臺以下。?B公司和C公司擁有服務(wù)器數(shù)量位居頭部，遠(yuǎn)超其他公司。?其他公司主要分布在2000臺以內(nèi)。今年計劃擴(kuò)增數(shù)量(臺)企業(yè)服務(wù)器數(shù)量(臺)今年計劃擴(kuò)增數(shù)量(臺)CA20000G2000I2000H500-J200-300-服務(wù)器的擴(kuò)張計劃：?B公司、A公司和I公司的擴(kuò)張計劃最為激進(jìn)，計劃增加萬臺以上的服務(wù)器數(shù)量。?其他公司計劃擴(kuò)張1000-2000臺的規(guī)模。服務(wù)器數(shù)量的多少和擴(kuò)張計劃的存在，都反映出這些公司在AI技術(shù)發(fā)展上的投入和決心。特別是互聯(lián)網(wǎng)巨頭，他們的服務(wù)器數(shù)量和擴(kuò)張計劃顯示出其在AI領(lǐng)域的領(lǐng)先地位和雄心壯志。而其他公司，盡管服務(wù)器數(shù)量相對較少，但也通過擴(kuò)張計劃展示了對AI發(fā)展的期待和支持。我們認(rèn)為，調(diào)研結(jié)果揭示了中國AI科技公司在算力部署上的實力和意愿，預(yù)示了中國AI技術(shù)將有望繼續(xù)保持強(qiáng)勁的發(fā)展勢頭。Q：據(jù)您了解，貴公司最大模型用到以下哪些計算資源硬件？GPU0%(圖形處理單元)在AI領(lǐng)域具有重要的作用，特別是在處理深度學(xué)習(xí)和機(jī)器的計算任務(wù)，這使得它們在處理圖像據(jù)時具有顯著的優(yōu)勢。CPU% (中央處理單元)在處理更為復(fù)雜和處理不適合在GPU或TPU上運(yùn)行的任務(wù)，或是在資源有限的環(huán)境下運(yùn)行輕TPU78%(張量處理單元)是Google專門為機(jī)專為大規(guī)模矩陣運(yùn)算和高吞吐量的低存儲設(shè)備89%存儲設(shè)備可以緩存AI大模型的參數(shù)和中間結(jié)果，減少內(nèi)存訪問損失和計算高模型的推理速度。Q：據(jù)您了解，2023年貴公司預(yù)計增加計算資源硬件的幅度是多少？J公司C公司A0%TPU年預(yù)計擴(kuò)增TPU年預(yù)計擴(kuò)增18資料來源：問卷調(diào)研，天風(fēng)證券研究所性，重要性不言而喻。?GPU：仍然是最主流的計算硬件之一。尤其是對于互聯(lián)網(wǎng)和云服務(wù)等領(lǐng)域的企業(yè)，GPU可以提供高性能和高效率的AI訓(xùn)練和推理服務(wù)。據(jù)與調(diào)人士，B公司、A公司、D公司在這方面表現(xiàn)突出，其GPU使用數(shù)量均超過1萬張，明顯高于其他公司。而在未來的擴(kuò)增計劃中，8家公司表示將有所增加(平均幅度40%)，其中C公司的擴(kuò)增計劃最為激進(jìn)，預(yù)計GPU數(shù)量將翻倍，這表明他們對AI技術(shù)的投資意愿強(qiáng)烈。?CPU：使用情況分化明顯。據(jù)與調(diào)人士，A公司和B公司同樣表現(xiàn)出強(qiáng)大的實力，其CPU數(shù)量均達(dá)到萬級。在未來的擴(kuò)增計劃中，平均增幅為19%。B公司和J公司的計劃較為激進(jìn)，預(yù)計擴(kuò)增30%，顯示出這兩家公司在大數(shù)據(jù)處理和高性能計算領(lǐng)域的野?TPU：使用相對較少。據(jù)與調(diào)人士，D公司和E公司的數(shù)量約是平均值的兩倍，這兩家公司在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的需求可能是導(dǎo)致TPU使用較多的主要原因。在未來擴(kuò)增計劃上，E公司預(yù)計會增加25%，遠(yuǎn)高于其他公司，反映了其在深度學(xué)習(xí)領(lǐng)域的發(fā)展計劃。?存儲設(shè)備：使用分布較為均衡。尤其是對于數(shù)據(jù)密集型的AI應(yīng)用場景，存儲設(shè)備可以提供快速和安全的數(shù)據(jù)訪問和傳輸。據(jù)與調(diào)人士，C公司和E公司的存儲設(shè)備數(shù)量約是平均值的兩倍，顯示了他們在大數(shù)據(jù)處理和存儲方面的強(qiáng)大能力。在未來的擴(kuò)增計劃中，多數(shù)公司都表示將有所增加，平均增長率約為20%，我們認(rèn)為這可能表明，他們都認(rèn)識到了大數(shù)據(jù)時代數(shù)據(jù)存儲設(shè)備的重要性。隨著AI技術(shù)的發(fā)展，我們預(yù)期這些公司會繼續(xù)擴(kuò)大對這些計算資源的投入，并根據(jù)自身的業(yè)務(wù)需求和戰(zhàn)略方向進(jìn)行調(diào)整。GPU(張)CPU(張)TPU(張)存儲設(shè)備(TB)40%40%25%15%30%30%40% 030%00%B公司C公司A公司GPU(張)CPU(張)TPU(張)存儲設(shè)備(TB)40%40%25%15%30%30%40% 030%00%B公司C公司A公司D公司H公司G公司E公司I公司J公司25%20%15%15%00%0%20%20%20%20%20%20%00%0Q：據(jù)您了解，2023年貴公司預(yù)計會增加以下哪些計算資源？00000000目前使用量2023年預(yù)計擴(kuò)增100%B公司C公司A公司D公司H公司G公司E公司I公司J公司100%30%20%15%10%130%20%15%10%10%15%215%A公司A公司A公司A公司19資料來源：問卷調(diào)研，天風(fēng)證券研究所GPU單價成本高昂，英偉達(dá)為供應(yīng)商首選，本土公司成長不容小覷Q：據(jù)您了解，貴公司GPU和TPU的單價成本是多少元？Q：據(jù)您了解，貴公司采用的GPU是由哪家供應(yīng)商提供？100%2.2%20資料來源：問卷調(diào)研，天風(fēng)證券研究所高效處理并行運(yùn)算，GPU投入不容小覷：據(jù)與調(diào)人士，企業(yè)平均的GPU和TPU成本分別為7.39萬元和2.29萬元，盡管GPU的成本較高，但其在處理并行運(yùn)算，尤其是深度學(xué)習(xí)算法方面的性能表現(xiàn)卓越，使得這一額外的投入成為企業(yè)無法避免的支出。NvidiaGPU主導(dǎo)市場，多元選擇依然存在：從市場占有率來看，GPU仍然是深度學(xué)習(xí)中最受歡迎的處理器架構(gòu)。Nvidia在GPU領(lǐng)域具有較強(qiáng)的競爭優(yōu)勢和品牌影響力，實際應(yīng)用中多元化的供應(yīng)商選擇依然存在。據(jù)與調(diào)人士，所有9家公司都選擇了nvidia的GPU作為主要方案，AMD的GPU也得到了一些公司(C、D、H)的青睞。華為和寒武紀(jì)，國內(nèi)GPU市場嶄露頭角：中國國內(nèi)的華為和寒武紀(jì)也開始在GPU市場中嶄露頭角。他們的產(chǎn)品分別被兩家公司選擇為GPU供應(yīng)商。NVIDIAA100和H100受青睞，C公司投入領(lǐng)先：在具體型號上，NVIDIA的A100和H100平均持有量分別是3250張和2300張，這也證明了這兩款產(chǎn)品在市場上的普遍認(rèn)可。特別是C公司表現(xiàn)出在硬件投入方面的雄心壯志，他們目前擁有的A100和H100總量最高(總量超過1萬張)。A00Avg.(3250張)A00Avg(2300張)B公司C公司D公司H公司G公司E公司I公司J公司A100A800貴公司采用貴公司采用算力戰(zhàn)爭：硬件和軟件相輔相成國內(nèi)外各型號AI芯片算力表供應(yīng)商型號國內(nèi)華為昇騰910640TOPS320TFLOPS寒武紀(jì)思元290512TOPS百度昆侖芯二代AI芯片128TFLOPSQQ國外NvidiaAA10080GBPCIe的GPU是由哪家供應(yīng)商提6624TOPS供？312TFLOPSA10080GBSXM1248TOPS624TFLOPSH100SXM3,958TOPS1,979TFLOPSH100PCIe3,026TOPS1,513TFLOPSH100NVL7,916TOPS3,958TFLOPSAMDInstrinctMI250362.1TOPs362.1TFLOPsInstrinctMI250X383TOPs383TFLOPsInstrinctMI300計劃今年下半年推出，預(yù)計有MI250X系列8倍的人工智能訓(xùn)練性能華為昇騰計算能力追上A100PCle1CUDA軟件生態(tài)打造Nvidia護(hù)城河?在國內(nèi)AI芯片市場，單卡AI芯片算力最高的是華為旗下海思的昇騰910，在半精度下可以達(dá)到320TFLOPS的計算速度，與Nvidia的A100PCle版本持平。?在國外AI芯片市場，Nvidia遙遙領(lǐng)先，其H100NVL版本在半精度下算力可以達(dá)到3958TFLOPS，是AMDInstinctMI250X的10.33倍，華為昇騰910的12.4倍，在算力方面Nvidia在全球市場的地位顯而易見。?根據(jù)AMD官網(wǎng)發(fā)布消息，今年下半年預(yù)計推出的InstinctMI300有8倍于MI250X的計算性能，旨在挑戰(zhàn)Nvidia的H100系列。?另外，雖然芯AMD的MI300系列在算力速度上跟上了Nvidia系列，但是上層的軟件架構(gòu)同樣重要，過去十年取得的AI進(jìn)步大部分是通過CUDA庫完成的，其他廠商想要挑戰(zhàn)Nvidia的主導(dǎo)地位除了在算力方向的提升，同樣要加強(qiáng)軟件生態(tài)的建設(shè)，這是一個投入巨大并且漫長的過程，在短時間內(nèi)Nvidia市場地位無法撼動。請務(wù)必閱讀正文之后的信息披露和免責(zé)申明225大模型商業(yè)化落地現(xiàn)狀與趨勢23資料來源：問卷調(diào)研，天風(fēng)證券研究所?交易量收費(fèi)根據(jù)客戶每月使用的API調(diào)用或交易量收取費(fèi)用。定價?交易量收費(fèi)根據(jù)客戶每月使用的API調(diào)用或交易量收取費(fèi)用。定價標(biāo)準(zhǔn)通常是按交易量計算，例如每千個API調(diào)用收取一定的費(fèi)用。?定制開發(fā)費(fèi)用如果客戶需要特定領(lǐng)域的AI模型，公司通常會收取定制開發(fā)費(fèi)用。定價標(biāo)準(zhǔn)通常取決于開發(fā)的難度和時間成本。?服務(wù)費(fèi)用提供數(shù)據(jù)處理、標(biāo)注和質(zhì)量控制服務(wù)等。?訂閱收費(fèi)客戶可以根據(jù)需要選擇不同的訂閱級別，如基本、標(biāo)準(zhǔn)或高級。訂閱費(fèi)用通常按月或按年收取，并根據(jù)所需服務(wù)的數(shù)量和類型進(jìn)行定價。Q：據(jù)您了解，貴公司大模型商業(yè)化主要采用哪種商業(yè)模式？1100%交易量收費(fèi)1100%定制開發(fā)收費(fèi)88.988.9%服務(wù)收費(fèi)777.8%訂閱服務(wù)收費(fèi)性和盈利模式靈活性。?定制化解決方案是主要收入來源。據(jù)與調(diào)人士這種收費(fèi)模式已全面覆蓋所有公司，例如美國的OpenAI就采取了類似的商業(yè)模式。說明相關(guān)AI科技團(tuán)隊主要依靠為客戶提供定制化的AI解決方案來獲取收入，而不是提供標(biāo)準(zhǔn)化的AI產(chǎn)品或平臺。?數(shù)據(jù)相關(guān)服務(wù)是重要的收入來源。AI科技團(tuán)隊提供AI解決方案的同時，也需要提供數(shù)據(jù)相關(guān)的服務(wù)，如數(shù)據(jù)采集、清洗、標(biāo)注、質(zhì)量控制等，這些服務(wù)往往需要大量的人力和時間成本。?訂閱收費(fèi)模式已興起。提供基于云端或SaaS的AI服務(wù)，體現(xiàn)了這些公司對長期客戶的關(guān)注，通過提供持續(xù)的服務(wù)，建立起穩(wěn)定的客戶關(guān)系。讓客戶可以按需使用AI能力，而不是一次性購買。盡管對目前商業(yè)化投資回報的評價多為中性，但這并沒有阻止他們在商業(yè)化道路上的探索。AI商業(yè)化是一個長期過程，需要持續(xù)投入和優(yōu)化。Q：您認(rèn)為貴公司大模型商業(yè)化投資回報如何？ 較為滿意無法評價非常滿意24資料來源：問卷調(diào)研，天風(fēng)證券研究所月度收費(fèi)Avg.年度收費(fèi)Avg.超出后1KToken月度收費(fèi)Avg.年度收費(fèi)Avg.超出后1KTokenAvg.按計算資源使用量收費(fèi)按使用時間收費(fèi)Q司大模型訂閱收費(fèi)標(biāo)準(zhǔn)是多少？免免費(fèi)量Avg.Q：據(jù)您了解，貴公司交易量收費(fèi)標(biāo)準(zhǔn)是多少？按請求次數(shù)收費(fèi)11次Avg.AI服務(wù)費(fèi)用反映其模型復(fù)雜性、服務(wù)質(zhì)量和市場競爭，需要綜合評估選擇大模型在開發(fā)和運(yùn)行所消耗的資源，無論是在算力還是存儲空間方面，都是非常龐大的。因此，AI團(tuán)隊需要以某種形式來收回這些資源的投入，從而形成了各種不同的收費(fèi)標(biāo)準(zhǔn)。對于不同的收費(fèi)標(biāo)準(zhǔn)進(jìn)行比對，有助于我們更好的理解和評估各家公司的服務(wù)價值。調(diào)研結(jié)果顯示，大多數(shù)公司采用的是訂閱收費(fèi)和API收費(fèi)的模式。￥訂閱收費(fèi)模式：據(jù)與調(diào)人士結(jié)果，7家團(tuán)隊采用了訂閱收費(fèi)的標(biāo)準(zhǔn)，其中免費(fèi)量1000到20000次(平均8400次)，月度收費(fèi)平均價格50-100元(平均75元)，年度收費(fèi)價格600-1000元(平均800元)。訂閱收費(fèi)模式能讓用戶更清楚的知道他們需要支付的費(fèi)用，并且在一定范圍內(nèi)，可以無限制的使用AI服務(wù)，有利于培養(yǎng)用戶的付費(fèi)習(xí)慣。￥API收費(fèi)模式：據(jù)與調(diào)人士結(jié)果，與調(diào)團(tuán)隊都采用了API收費(fèi)的模式，其中按照請求次數(shù)收費(fèi)的團(tuán)隊占比88.9%，按照計算資源使用量收費(fèi)占比66.7%，按照使用時間收費(fèi)占比55.6%。API收費(fèi)模式為用戶提供了靈活性，他們可以根據(jù)實際需求來付費(fèi)。全球范圍內(nèi)的類似收費(fèi)模式：GoogleCloud、AmazonWebServices(AWS)和MicrosoftAzure等。他們的費(fèi)用通?；贏PI調(diào)用次數(shù)、數(shù)據(jù)處理量或使用的計算資源。具體的費(fèi)用標(biāo)準(zhǔn)可以在他們的官方網(wǎng)站上找到，但總的來說，他們的費(fèi)用往往更高，主要是由于他們所使用的模型更加復(fù)雜，以及他們的服務(wù)通常包括了更多的增值服務(wù)。AI服務(wù)費(fèi)用反映背后因素：無論是在中國還是在全球范圍內(nèi)，AI服務(wù)的費(fèi)用標(biāo)準(zhǔn)通常反映了其背后的模型復(fù)雜性、服務(wù)質(zhì)量以及市場競爭程度。因此，選擇哪一種服務(wù)不僅要看價格，還要考慮其背后的技術(shù)支持、服務(wù)質(zhì)量以及具體的需求。25資料來源：問卷調(diào)研，天風(fēng)證券研究所AI科技公司活躍用戶總量與月度調(diào)用量億 %HGI、J公司 -API調(diào)用量和用戶活躍度的關(guān)系?針對用戶的訂閱和企業(yè)的API收費(fèi)大模型商業(yè)化的主要收入來源，因此API月度調(diào)用量和AI應(yīng)用活躍用戶數(shù)是衡量API使用情況和AI應(yīng)用影響力的重要指標(biāo)。雖然大規(guī)模API調(diào)用量通常與較高的用戶活躍度相關(guān)，但調(diào)研結(jié)果顯示，API調(diào)用量和用戶活躍度并不總是成正比。因此，在發(fā)展過程中需要平衡API調(diào)用量和用戶活躍度，不能僅僅依賴于調(diào)用量來評估AI應(yīng)用的影響力和價值。Q：據(jù)您了解，貴公司AI應(yīng)用活躍用戶總量是多少？ D-API提供方服務(wù)模式的影響?API提供方的服務(wù)模式對API調(diào)用量和用戶活躍度之間的關(guān)系產(chǎn)生影響。API提供方可以直接面向終端用戶、企業(yè)客戶或開發(fā)者，或同時擁有這兩種模式。不同的服務(wù)模式會導(dǎo)致API調(diào)用量和用戶活躍度之間的差異。因此，API提供方需要根據(jù)具體情況制定適合的服務(wù)模式，以提供優(yōu)質(zhì)的服務(wù)，吸引和留住用戶。?API調(diào)用與用戶活躍度的平衡發(fā)展是AI團(tuán)隊業(yè)務(wù)發(fā)展的重要因素。不僅要關(guān)注API調(diào)用量的增長，還要注重提供優(yōu)質(zhì)的服務(wù)，吸引用戶并保持用戶的活躍度。同時，根據(jù)不同的服務(wù)模式制定相應(yīng)的策略，以實現(xiàn)平衡發(fā)展。率率游戲開發(fā)、營銷、影視制作、分析化教育理析檢測、工業(yè)安全應(yīng)用成熟度Q：據(jù)您了解，貴公司大模型商業(yè)應(yīng)用和部署中，應(yīng)用于以下哪些行業(yè)？備注：滲透率=選擇該行業(yè)部署樣本數(shù)量/參與調(diào)研的樣本總數(shù)Q2：據(jù)您了解，貴公司大模型在該領(lǐng)域的最成熟的應(yīng)用包括以下哪些？備注：成熟度=該行業(yè)選擇占比超過50%的應(yīng)用數(shù)量/該行業(yè)常見應(yīng)用數(shù)量26資料來源：問卷調(diào)研，天風(fēng)證券研究所資料來源：問卷調(diào)研，天風(fēng)證券研究所客戶拓展策略與成功要素Q：據(jù)您了解，貴公司在客戶拓展方面采取了哪些策略？社客戶拓展策略與成功要素Q：據(jù)您了解，貴公司在客戶拓展方面采取了哪些策略？社交媒體營銷內(nèi)容營銷舉辦線上/線下活動合作伙伴推廣Q：據(jù)您了解，您認(rèn)為在大模型商業(yè)化過程中，哪些因素是關(guān)鍵4%技術(shù)創(chuàng)新客戶服務(wù)產(chǎn)品性能營銷策略價格優(yōu)勢人大模型可以應(yīng)用于多種場景和領(lǐng)域，但并不意味著它可以面向所有類型的客戶。不同的客戶有不同的需求、預(yù)算、能力和偏好，因此大模型商業(yè)化需要明確目標(biāo)客戶群體，并根據(jù)其特點提供個性化服務(wù)。例如，OpenAI在公開GPT-3論文后，開放了模型的API申請通道，鼓勵研究者、開發(fā)者、企業(yè)從業(yè)者研究“好玩”的GPT-3應(yīng)用，以此促動大模型的產(chǎn)業(yè)場景發(fā)展。OpenAI通過設(shè)置不同等級的API訪問權(quán)限和收費(fèi)標(biāo)準(zhǔn)，區(qū)分了不同層次的客戶，并根據(jù)其反饋和需求進(jìn)行持續(xù)優(yōu)化。貨大模型的核心競爭力在于其技術(shù)優(yōu)勢和應(yīng)用價值，因此在營銷策略中，需要突出創(chuàng)新性、性能、效率、通用性等特點，以及其在不同場景和領(lǐng)域中帶來的效果提升、成本降低、體驗優(yōu)化等價值。例如：華為在推出盤古NLP后，通過發(fā)表白皮書、舉辦開發(fā)者大會、參與國際評測等方式，展示了盤古NLP的技術(shù)特色和優(yōu)勢，如超大規(guī)模參數(shù)、海量數(shù)據(jù)訓(xùn)練等。華為云還通過案例分析、數(shù)據(jù)對比、用戶評價等方式，展示了盤古NLP在能源、零售、金融、工業(yè)、醫(yī)療等領(lǐng)域中的應(yīng)用效果和價值。場大模型作為一種新型高端技術(shù)，需要選擇合適的營銷渠道和形式，以便有效地傳達(dá)信息和影響力。據(jù)與調(diào)人士，9家公司都選擇了線上線下活動和合作伙伴推廣的方式進(jìn)行營銷。線上活動包括發(fā)布白皮書、舉辦技術(shù)分享會、參與國際競賽、開放社區(qū)等；線下活動包括舉辦技術(shù)論壇、參與行業(yè)展會、組織開發(fā)者大賽等。合作伙伴推廣包括與行業(yè)領(lǐng)先企業(yè)或機(jī)構(gòu)建立合作關(guān)系，共同探索大模型的應(yīng)用場景和商業(yè)模式。請務(wù)必閱讀正文之后的信息披露和免責(zé)申明286整合，競爭，開放性與創(chuàng)新加強(qiáng)與行業(yè)合作擴(kuò)大應(yīng)用領(lǐng)域改善數(shù)據(jù)隱私保護(hù)降低成本提高準(zhǔn)確率%100%78%5加強(qiáng)與行業(yè)合作擴(kuò)大應(yīng)用領(lǐng)域改善數(shù)據(jù)隱私保護(hù)降低成本提高準(zhǔn)確率%100%78%56%56%Q：據(jù)您了解，貴公司未來1年大模型發(fā)展的目標(biāo)是?89%78%6%222%2222%Q：未來2年，關(guān)于中國AI大模型行業(yè)的競爭格局，您認(rèn)同以下哪些？20%