2024三大工具助力企業(yè)AI全速升級報告-易觀分析

三大工具助力企業(yè)Al全速升級易觀分析2024年5月2023年，大模型元年，這一次真正撼動了人類中國大模型的發(fā)展呈現(xiàn)出蓬勃生機，形成了多元共進、創(chuàng)新競發(fā)O的活躍態(tài)勢AI大模型發(fā)展關(guān)鍵節(jié)點進展微軟提出谷歌發(fā)表論文提出谷歌發(fā)布模型OpenAI發(fā)布了GPT-1模型加速技術(shù)成為大模型訓練的關(guān)鍵OpenAI發(fā)布GPT-2模型BERT模型和架構(gòu)廣泛應用百度發(fā)布Google發(fā)布OpenAI發(fā)布GPT-3模型百度發(fā)布ERNIE-模型Google推出模型DeepMind的成功預測98%的人類蛋白質(zhì)結(jié)構(gòu)清華大學聯(lián)合智譜基礎(chǔ)設(shè)施建設(shè)期智譜AI阿里通義千問準備期模型被提出GPU發(fā)布預訓練模型的爆發(fā)元年爆發(fā)式發(fā)布廣泛應用鋪開商業(yè)化|LLM開啟的生成式人工智能到底可以解決什么問題，與之前相比，進化在哪兒?即個人知識能力將得以復制和擴展斷的能力接物理世界，硅基生命與碳基生命共存2024/5/30激發(fā)科技與創(chuàng)新活力5企業(yè)由數(shù)字化階段邁入智能化階段，AI能力成為企業(yè)核心能力企業(yè)的AI能力(含“Al”量)成為核心能力。智能化智能化和能力互聯(lián)網(wǎng)化互聯(lián)網(wǎng)化Al+:Al+:基于企業(yè)現(xiàn)有流66大模型所加速的生成式人工智能已經(jīng)滲透到多個場景分子發(fā)現(xiàn)能源大模型能力與AIGC相結(jié)合向企業(yè)經(jīng)營關(guān)鍵環(huán)節(jié)滲透Al+研發(fā)代碼編寫產(chǎn)品測試3D建模等代碼編寫產(chǎn)品測試3D建模等知識管理知識能力力m落.落.展開A米電商/零售行業(yè)電商/零售行業(yè)后臺乃至供應鏈與產(chǎn)品研發(fā)延伸工業(yè)/制造工業(yè)/制造分析)、生產(chǎn)流程智能化等方面應用，未來則需要探索Al+激發(fā)科技與創(chuàng)新活力娛樂/游戲行業(yè)娛樂/游戲行業(yè)產(chǎn)行業(yè)，包括圖像、音視頻、3D資產(chǎn)等，借助于大模型與作元元醫(yī)藥/醫(yī)療醫(yī)藥/醫(yī)療9用戶應用層內(nèi)容消費創(chuàng)作工具企業(yè)級用戶政府機構(gòu)用戶行業(yè)應用層金融醫(yī)療教育工業(yè)傳媒/影視零售電商娛樂游戲企業(yè)服務政務,com通義千問HUAWEI盤古大模型智譜·Al智譜GLMC信星辰語義中圍解學院紫東太初Tencent混元大模型JDT京東科技言犀大模型i百AC智能百川大模型阿里云騰訊云百度智能云華為云百度智能云華為云TensorFlowPyTorch智能計算平臺〔-〕阿里云_QingCloud阿里云飛天智算青云智算平臺中科既光百度智能云w設(shè)可生寒武紀地平線激發(fā)科技與創(chuàng)新活力102024/5/30激中國生成式人工智能行業(yè)AMC應用曲線(2023)應用價值應用價值穩(wěn)中求進效率為先探索期需要進一步完善人工智能應用的可信與合規(guī)等保障，才能進鋪開讀圖要點自動政府與廣告電商零售音樂金融教育@易觀分析00組織協(xié)同家電金融教育零售商貿(mào)C易觀分析AI策略的目標，要有業(yè)務負責人把控而不是單純的技術(shù)負責人。TCO最優(yōu)商業(yè)化最快ROI最優(yōu)行業(yè)標桿示范意義(可以推廣銷售)激發(fā)科技與創(chuàng)新活力激發(fā)科技與創(chuàng)新活力模型能力應用能力靈活應用AI靈活應用AI能力，賦能業(yè)務經(jīng)營自建MaaS能力，實現(xiàn)技術(shù)驅(qū)動拿來就用的企業(yè)/個人應用場景端到端自主訓練大語言部署關(guān)鍵考量要素端到端自主訓練大語言部署關(guān)鍵考量要素端到端自主訓練大語言模型更適用于有一定IT投入與研發(fā)能力的企業(yè)，有較自建規(guī)劃自建規(guī)劃部署集成部署集成·企業(yè)需要明確定義自主訓練大模型需要解決的問和驗證，以達到預期的性能指標。端到端自主訓練大語言模型成為國內(nèi)科技巨頭布局重點端到端自主訓練大語言模型成為國內(nèi)科技巨頭布局重點擁有自主研發(fā)和掌握的大語言模型將為科技巨頭帶來技術(shù)領(lǐng)先的優(yōu)勢，通過自主訓練，科技巨頭可以針對本土語言和文化特點進行優(yōu)化，提供更貼近用戶需求的智能服務。此外，大語言模型已經(jīng)顯現(xiàn)出在各行各業(yè)都有廣泛的商業(yè)應用潛力，科技巨頭同時對外輸出模型服務。百度阿里騰訊百度文心大模型師基于自主研發(fā)的端到端模的中文語料進行訓練，具有深度學習和自然語言處理技術(shù)的此外，文心設(shè)計之初通義千問是一款大型中文自然語言處理模型。在模型架構(gòu)設(shè)計上更側(cè)重于實現(xiàn)特定成、智能推薦等多個阿里生態(tài)場景，為用戶提供更智能、更個制和卷積神經(jīng)網(wǎng)絡(luò)的拓展了模型的應用場利用開源模型或與LLM供應商進行聯(lián)合研發(fā)與微調(diào)部署路徑成為行業(yè)頭部企業(yè)首要選擇聯(lián)合研發(fā)與微調(diào)部署大模型路徑的關(guān)鍵考量要素聯(lián)合研發(fā)與微調(diào)部署路徑成為行業(yè)頭部企業(yè)首要選擇聯(lián)合研發(fā)與微調(diào)部署大模型路徑的關(guān)鍵考量要素利用開源模型或者聯(lián)合研發(fā)與微調(diào)部署大模型路徑更適用于有較強行業(yè)專屬場景業(yè)務需求，并需要實現(xiàn)技術(shù)驅(qū)動賦能的企業(yè)。關(guān)鍵考量要素包括：一定的算力資源基礎(chǔ)與投入、基礎(chǔ)模型選型或LLM供應商選型、自有AI團隊實現(xiàn)專有模型可持續(xù)運營與迭代、專有數(shù)據(jù)儲備沉淀與持續(xù)運營能力。選擇開源模型或LLM供應商：根據(jù)需求和預算，企業(yè)需要選擇合適的開源模型或LLM供應商，可模型微調(diào)：部署和集成和評估優(yōu)化：聯(lián)合研發(fā)和微調(diào)部署路徑為企業(yè)提供了一種靈活且高效的方式來推動企業(yè)AI大模型的部署，并且通過這種路徑可以使企業(yè)能夠更有效地利用現(xiàn)有大模型典型實踐ICBC國BloombergGPTX昇騰AI大模型BloombergGPT是一X向量化方式優(yōu)化自身應用采購或利用開源大模型API的企業(yè)AI部署路徑適用于大多數(shù)企業(yè)，IT能力建設(shè)并非重點，但是需要利用AI能力提效降本，賦能業(yè)務經(jīng)營。關(guān)鍵考量要素包括：企業(yè)自身應用對于Al能力的抽象以及對模型的駕馭能力，專有行業(yè)領(lǐng)域數(shù)據(jù)以及企業(yè)業(yè)務數(shù)據(jù)沉淀以及向量化處理能力。采購API并將其部署是中型企業(yè)在借力Al能力升級服務水平與平衡AI投入成本后普遍采取的方式，API部署通常更快速，企業(yè)無需從頭開始構(gòu)建A模型或基選設(shè)適合此外，A避是過度投活性?？衫诵圆豢尚推鬆顦I(yè)以根據(jù)實際企查查企查查言練習企業(yè)部署AI大模型路徑四：調(diào)整企業(yè)應用的選型策關(guān)鍵考量要素包括：以業(yè)務經(jīng)營為目標適配驅(qū)動AOOAI能力評估AI能力評估Al技術(shù)選型和供應商評估并實現(xiàn)預期的效果。AI能力部署和集成降低成本和風險，并符合數(shù)字化轉(zhuǎn)型的趨勢，有助于企業(yè)提升競爭力并實現(xiàn)持續(xù)發(fā)展。阿里巴巴阿里巴巴阿里旗下生態(tài)APP接入大模型升級AI能力2024/5/30激發(fā)科技與創(chuàng)新活力21Step4:大模型企業(yè)與合作伙伴選擇插件服務數(shù)據(jù)準備模型訓練模型部署模型運營插件服務行業(yè)大模型多模態(tài)口百度口華為口科大訊飛口商湯口昆侖萬維口騰訊□智源研究院口聯(lián)匯科技口字節(jié)跳動口光年之外口聆心智能口智譜AI·ChatGLM計算硬件公有云創(chuàng)新活力模型能力模型能力低360智腦4.0低低●--->O2023—→2024發(fā)展路徑--->預測2025發(fā)展趨勢本應用選型實力矩陣評估主要聚焦于產(chǎn)品能力的模型應用選型，從模型能力和產(chǎn)品能力兩個維度綜合反映大模型應用選型市場上主流大模型的市場表現(xiàn)和競爭地位的研究模型。方面利好支持以及Al大模型賽道的不斷發(fā)產(chǎn)品能力方面呈現(xiàn)出百花齊放的局面，各具特色的產(chǎn)品為企業(yè)在不同領(lǐng)域的智能化轉(zhuǎn)型提供了多樣化的選擇。隨著技術(shù)的不斷進步和市場需求的不斷變化，各大模型的產(chǎn)品能力必將在未來繼續(xù)提升，為企業(yè)帶來更多的創(chuàng)新機會和商業(yè)價值。高模型能力模型能力低360智腦4.0-選取中國大模型12家代表廠商進行評估。本應用選型實力矩陣評估主要聚焦于生態(tài)能力的模型應用選型，從模型能力和生態(tài)能力兩個維度綜合反映大模型應用選型市場上主流大模型的市場表現(xiàn)和競爭地位的研究模型。-易觀分析認為，大模型的生態(tài)發(fā)展策略和布局日益受到重視，各大模型企業(yè)通過構(gòu)建開放、協(xié)同的生態(tài)系統(tǒng)，增強其生態(tài)發(fā)展能力。例如，大模型企業(yè)積極與上下游合作伙伴、科研機構(gòu)和行業(yè)用戶緊密合作，共同開發(fā)和推廣大模型應用。這樣的生態(tài)系統(tǒng)不僅提供豐富的應用場景，還促進了技術(shù)的快速迭代和優(yōu)化。--->O2023—→2024發(fā)展路徑--->預測2025發(fā)展趨勢模型能力低模型能力低Baichuan4商湯日日新5.0智譜GLM-4通義千問2.1騰訊混元訊飛星火V3.5360智腦4.0文心一言4.0火山引擎豆包0華為盤古4.0—→●--->O2023一→2024發(fā)展路徑--->預測2025發(fā)展趨勢-選取中國大模型12家代表廠商進行評估。本應用選型實力矩陣評估主要聚焦于可持續(xù)發(fā)展能力的模型應用選型，從模型能力和可持續(xù)發(fā)展能力兩個維度綜合反映大模型應用選型市場上主流大模型的市場表現(xiàn)和競爭地位的研究模型。-大模型企業(yè)均加大對可持續(xù)發(fā)展計劃的戰(zhàn)略和投入。首先，各企業(yè)不斷增加研發(fā)投入，推進技術(shù)創(chuàng)新，確保在技術(shù)前沿保持競爭力。其次，人才是可持續(xù)發(fā)展的核心。通過與知名高校和科研機構(gòu)合作，企業(yè)不僅培養(yǎng)大量專業(yè)人才，還吸引頂尖專家加盟。最后，各企業(yè)制定了詳盡的長期戰(zhàn)略規(guī)劃，明確未來的發(fā)展方向和目標，以確保企業(yè)在激烈的市場競爭中保持持續(xù)的創(chuàng)新動力和發(fā)展活力。主流大模型選型評估版本及相關(guān)簡介模型百川智能2024年5月22日百川智能發(fā)布最新一代基座大模型Baichuan4,并推出旗下首款AI助手“百小應”騰訊Hunyuan-pro騰訊2024年5月17日騰訊混元官方公開發(fā)布的API版本，具備語言理解和生成能力的千億參數(shù)規(guī)模的大型語言模型，支持多模態(tài)交互豆包大模型字節(jié)跳動2024年5月15日官方發(fā)布的API版本，豆包大模型原名“云雀”,是字節(jié)跳動發(fā)布的大模型零一萬物2024年5月13日零一萬物發(fā)布千億參數(shù)規(guī)模的大模型Yi-Large商湯日日新5.0商湯科技2024年4月23日官方公開發(fā)布的SenseChatV5的API版本，是商湯科技推出的新一代大型語言模型，它在多模態(tài)理解和生成、知識問答、邏輯推理等方面具有顯著的性能提升訊飛星火V3.5科大訊飛2024年1月30日官方公開發(fā)布的星火V3.5的API版本，是科大訊飛推出的一款具有高性能的語言模型智譜GLM-4智譜AI2024年1月16日官方公開發(fā)布的GLM-4的API版本，智譜GLM-4是智譜Al公司開發(fā)的千億參數(shù)規(guī)模的大型多模態(tài)認知智能語言模型稀宇科技2024年1月16日官方小范圍內(nèi)測API版本，版本號為abab6.1,是MiniMax發(fā)布的MoE(MixtureofExperts)大語言模型通義千問2.1阿里云2023年12月1日官方公開發(fā)布的API版本，通義千問2.1是阿里巴巴達摩院推出的一款具有多輪對話、知識問答、文本生成等能力的迭代升級版大型語言模型文心一言4.0百度2023年10月17日盤古大模型4.0華為2023年7月7日官方發(fā)布的API版本，是華為諾亞方舟實驗室推出的大型語言模型360智腦4.02023年6月13日官方公開發(fā)布API版本，是360公司推出的最新版大型語言模型，具備跨模態(tài)生成能力，支持文字、圖像、語音、視頻等多種數(shù)據(jù)類型的處理和生成-MaaS為企業(yè)和開發(fā)者提供了快速構(gòu)建和部署AI大模型及應用的途徑。通過利用云端的彈性計算資源和預訓練的模型，開發(fā)者能夠更迅速地將創(chuàng)意轉(zhuǎn)化利用先進的機器學習技術(shù)，從而推動更多的創(chuàng)新發(fā)生。此外，MaaS不僅能夠提供預訓練的通用模型，還能夠為特定行業(yè)或應用場景定制模型，企業(yè)和開發(fā)者可以根據(jù)自身需求對模型進行定制和優(yōu)化，從而實現(xiàn)更精準和個性化的應用。阿里巴巴：大模型MaaS解決方案云端云端模型使用應用層應用層細分行業(yè)平臺工具層基礎(chǔ)層模型平臺開源社區(qū)智能應用模型方案提供商場景中-AaaS(AgentasaService)通過簡化大模型的部署和管理、靈活應對不同應用場景、提高資源利用效率、提供持續(xù)更新和維護、加強數(shù)據(jù)安全和隱私保護以及支持多種交互方式，極大降低了技術(shù)門檻，使得大模型能夠廣泛應用于各種行業(yè)和場景，推動其最終落地。-一個基于大模型的AIAgent系統(tǒng)可以拆分為大模型、規(guī)劃、記憶與工具使-Agent=LLM-一個基于大模型的AIAgent系統(tǒng)可以拆分為大模型、規(guī)劃、記憶與工具使-Agent=LLM+規(guī)劃技能+記憶+工具使用的基礎(chǔ)架構(gòu)，其中LLM扮演了查找或回答問題，預定票務或管理日歷等活動處理客戶問題，協(xié)助解答問題Netflix和Amazon等平臺使用AIAgent推薦個安全領(lǐng)域中，AlAgent監(jiān)控視頻流并識別異常集成多種AIAgent用語導航、避障和決策分析醫(yī)療數(shù)據(jù)輔助診斷，或藥物研發(fā)、生物蛋白質(zhì)合成如Siri、Alexa和GoogleAssistant等語音交互服務提供金融建議、風險評估、合規(guī)評估或欺詐檢測等智能文檔文檔分類、信息分析提取和摘要、翻譯等⑥易觀分析競爭力驅(qū)動方式增長最終目標模式誤區(qū)二：只關(guān)注顯性成本，忽視AI應用規(guī)?；占皫淼某杀就度肫髽I(yè)AI應用投入成本結(jié)構(gòu)示意總推理成本=單次推理成本*(企業(yè)內(nèi)外使用Al的用戶數(shù)量*單用戶AI應用次數(shù))模型訓練/部署數(shù)據(jù)數(shù)據(jù)模型部署誤區(qū)三：對AI投入收益預期過快，未充分考量收益的階段性變化(18個月內(nèi))36個月)月+)業(yè)可以減少人力成本和其他相關(guān)成本來競爭優(yōu)勢，尤其是在快速變化的市場幫助企業(yè)做出更明智的決策。產(chǎn)