本报告系统梳理了 AI 大模型产业的发展背景、现状、挑战及趋势。指出政策、技术、市场是主要驱动力。产业呈现云侧与端侧并行发展态势，涵盖通用、行业及端云结合模型。面临算力瓶颈、架构局限、数据质量及应用缺失等挑战。未来趋势包括云边协同满足多需求、垂直行业深化应用、开源生态赋能开发者以及高性能芯片升级。
伴随人工智能技术的加速演进，AI 大模型已成为全球科技竞争的新高地、未来产业的新赛道、经济发展的新引擎。其发展潜力巨大，应用前景广阔，正深刻重塑着各行各业的业务模式与生产关系。
日前，人民网财经研究院与至顶科技联合发布了《开启智能新时代：2024 年中国 AI 大模型产业发展报告》（以下简称《报告》）。该报告对 AI 大模型产业的发展背景、现状、典型案例、挑战及未来趋势等方面进行了系统全面的梳理，旨在为政府部门决策、行业从业者规划以及社会公众认知提供有价值的参考依据。
近年来，我国始终高度重视人工智能发展机遇和顶层设计，发布多项支持政策以推动产业落地。国务院于 2017 年发布《新一代人工智能发展规划》，确立了人工智能发展的战略目标。科技部等六部门于 2022 年印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，进一步落实规划要求。2024 年《政府工作报告》明确提出开展'人工智能+'行动，标志着 AI 从技术探索走向全面赋能实体经济的关键阶段。
伴随人工智能领域大模型技术的快速发展，我国不少地方政府出台相关支持政策，加快大模型产业的持续发展。当前，北京、上海、广东、安徽、福建以及深圳、杭州、成都等地均发布了针对性的 AI 大模型产业政策。这些政策通常涵盖算力补贴、数据开放、应用场景试点及人才引进等多个维度，形成了全国范围内协同发展的良好格局。
《报告》认为，中国 AI 大模型产业发展源于多领域的广泛需求。例如来自办公、制造、金融、医疗、政务等场景中降本增效、生产自动化、降低风险、提高诊断准确率、提高政务服务效率等诉求。相关领域的创新和发展共同推动着中国 AI 大模型产业的蓬勃发展，预示着未来更广阔的市场前景。企业对于智能化转型的迫切需求，成为了大模型技术落地的核心动力。
《报告》对目前的 AI 大模型按照部署方式进行了划分，主要分为云侧大模型和端侧大模型两类。具体而言，云侧大模型分为通用大模型和行业大模型；端侧大模型主要有手机大模型、PC 大模型。这种分类反映了不同场景下对算力、延迟、隐私及安全性的不同权衡。
伴随多家科技厂商推出的 AI 大模型落地商用，各类通用、行业以及端侧大模型已在多个领域取得了显著的成果。如在金融、医疗、政务等领域，AI 大模型已成为提升服务质量和效率的重要手段。通过自然语言处理、知识图谱等技术，大模型能够辅助医生进行诊断建议、帮助银行进行风控审核、协助政府进行公文处理。
我国具有代表性的通用 AI 大模型主要包含科大讯飞的讯飞星火认知大模型、百度公司的文心一言大模型、阿里巴巴的通义千问大模型等；行业 AI 大模型主要涵盖蜜度的文修大模型、容联云的赤兔大模型、用友的 YonGPT 大模型；同时具有云侧和端侧大模型的端云结合 AI 大模型主要有 vivo 的蓝心大模型；端侧 AI 大模型主要以蔚来的 NOMIGPT 大模型为代表。这些模型在参数量、训练语料、推理速度等方面各有侧重，构建了丰富的产品矩阵。
尽管发展迅速，但大模型产业在迈向成熟的过程中仍面临多重瓶颈。
大模型产业遭遇算力瓶颈。随着 AI 大模型规模呈现指数级增长，训练大模型越发依赖高性能 AI 芯片。国内 AI 高性能芯片市场受进口限制和国内技术瓶颈的双重影响，大模型产业发展受到算力层面的一些制约。高性能 GPU 的供应稳定性、HBM 内存的产能以及互联带宽都直接影响训练效率和成本。
主流大模型架构仍存在诸多局限。首先，Transformer 架构消耗的算力资源普遍较大，随着序列长度增加，计算复杂度呈平方级增长；其次，基于 Transformer 架构的大模型对存储设备的要求也更高，KV Cache 的管理成为显存优化的关键难题。这促使业界开始探索 MoE（混合专家）架构、状态空间模型（SSM）等新型架构以降低开销。
高质量的训练数据集仍需扩展。国内的 AI 大模型数据主要来自互联网、电商、社交、搜索等渠道，存在数据类型不全面，信息可信度不高等问题。整体来看，我国可用于大模型训练的中文数据库体量严重不足，且缺乏经过清洗的高质量指令微调数据。数据质量直接决定了模型的上限，构建高质量语料库是未来的重点方向。
大模型爆款应用尚未出现。国内的 AI 大模型产业至今没有出现爆款级应用，原因在于尚未找到商业化思路，缺乏满足客户需求的个性化应用。我国大模型产业要推出爆款级应用，势必要在应用领域做深做细，让每一个用户都可以充分享受到大模型所带来的真正便利。目前多数应用仍停留在对话机器人或简单内容生成层面，深度集成工作流的应用较少。
AI 大模型的出现，使得利用人工智能技术来生成内容，从'可用'跨越到'好用'。未来，人工智能生成内容从'好用'到'高效'，也许会再经历一次或多次技术范式的颠覆。同时，《报告》提出了中国 AI 大模型四大产业趋势展望。
强大的算力和海量的训练数据库，支撑大语言模型高参数，云侧大模型能够提供语言理解、知识问答、数学推理、代码生成等能力。 一方面，面向 C 端个人用户，云侧大模型提供智能问答、文本生成、图片生成、视频生成等功能。另一方面，面向 B 端企业用户，云侧大模型变革企业传统业务模式，提供营销、客服、会议记录、文本翻译、预算管理等个性化服务。端侧大模型则侧重于隐私保护、低延迟响应和离线可用性，C 端用户将成为端侧的主要客群。
与通用大模型相比，行业大模型具有专业性强、数据安全性高等特点，未来大模型真正的价值体现在更多行业及企业的应用落地层面。 一方面，行业大模型将通用大模型用于形成多领域能力的资源集中于特定领域，模型参数相对较小，对于企业落地而言具有显著的成本优势。另一方面，行业大模型结合企业或机构内部数据，为 B 端用户的实际经营场景提供服务，能更加体现模型对于机构的降本增效作用。金融、法律、医疗等垂直领域的专用模型将率先实现规模化盈利。
AI 大模型将广泛开源，小型开发者可调用大模型能力提升开发效率。 小型开发者通过调用大模型能力，大幅提升编程效率，进一步推动 AI 应用落地。一方面，小型开发者可基于大模型进行项目、应用以及插件等开发工作，不再局限于算力资源、无需进行复杂的模型训练、调参，轻松实现应用落地。另一方面，小型开发者利用大模型技术提升开发效率，通过在代码工具中集成大模型能力，辅助完成部分重复性工作，为开发人员提供量身定制的代码建议，还可以自动检测代码中的 Bug，并生成相应的测试用例，缩短工程师开发流程中的编码和纠错时间。开源社区如 ModelScope、Hugging Face 等将成为技术扩散的重要渠道。
AI 高性能芯片不断升级，AI 大模型产业生态体系将不断完善。 在大模型场景下，AI 高性能芯片主要用于大模型的训练环节，芯片性能的强弱直接影响大模型的性能和表现。在全球 AI 高性能芯片市场中，英伟达的芯片产品采用最前沿半导体工艺和创新 GPU 架构保持行业的领先地位。国内厂商也在积极追赶，通过异构计算、软件栈优化等方式提升国产芯片的适配性。芯片生态的完善将降低大模型的使用门槛，促进产业链上下游的协同发展。
《报告》认为，AI 大模型可以创造新价值、适应新产业、重塑新动能，是加快发展新质生产力的关键要素。面对未来，我国需进一步加强资源与研发力量的统筹，强化大模型在发展中的场景牵引作用，促进经济社会的高质量发展，以实现大模型技术的高质量应用突破，驱动实体经济的蝶变和产业变革。随着技术的不断成熟和成本的下降，AI 大模型有望在未来几年内成为像电力一样的基础设施，无处不在地服务于社会生产生活的方方面面。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
