文 | BFT机器人

01

报告介绍

当前，由人工智能引领的新一轮科技革命和产业变革方兴未艾。

在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术驱动下，人工智能呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，正在对经济发展、社会进步、全球治理等方面产生重大而深远的影响。

人工智能技术是当今世界最为重要的技术领域之一，是国家在科技自立自强领域必须取胜的关键赛道。

人工智能技术作为推进中国数字经济发展的核心底层技术之一，将在未来很长一段时期，在数字经济和实体经济深度融合的过程中，扮演关键角色。

进入2023年以来，大模型在人工智能领域受到越来越多的关注，越来越多中国科技企业推出了自有大模型产品。

为了全面、真实呈现我国当前主流科技企业所推出的大模型产品的现状、优势、特点，同时为行业健康发展进一步探索方向，建言献策，新华社研究院中国企业发展研究中心特启动本次报告研究。基于评测条件、评测时间等限制，评测最终结果不可避免存在一定主观性，具体结果供产业参考。

02

大模型成为AI大规模落地拐点

中国大模型的飞速发展由政策和产业需求双轮驱动

预训练大模型通过通用能力、泛化能力为Al面临的落地难等问题提供了新的思路

政策

《新一代人工智能发展规划》、《国务院关于印发“新一代人工智能发展计划”的通知》等。推动中国成为全球主要的人工智能创新中心。《新一代人工智能发展规划》是中国政府发布的首个人工智能国家级战略，该规划提出了到2020年和2030年的两个阶段目标。该规划旨在抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。

国家互联网信息办公室发布《生成式人工智能服务管理办法(征求意见稿)》。办法明确提出，国家支持人工智能算法、框架等基础技术的自主创新、推广应用、国际合作，鼓励优先采用安全可信的软件、工具、计算和数据资源。同时提出，生成式人工智能产品提供服务前需申报安全评估。

更多地方政府出台推动大模型技术发展政策举措。包括北京、上海、深圳等纷纷出台政策举措，围绕人工智能大模型加快创新步伐，开展大模型创新算法及关键技术研究，探索通用人工智能新路径，打造人工智能创新高地。

产业需求

随着人工智能技术的不断成熟，大规模落地问题逐渐成为企业关注重点，目前阻碍Al落地的原因主要在数据量不足、模型复杂度高、算力不足等方面。

数据模态多维，质量参差不齐：获取大量高质量的数据是实现Al应用的关键前提。但是，中长尾企业通常面临数据量不足、数据质量差、数据格式不兼容等问题，这些问题对于模型的训练效率和输出效果都有直接影响。因此，高质量的数据是Al企业最宝贵的资源之一。

算法模型开发、优化难度大：Al算法模型的研发和优化过程非常复杂，通常涉及到多个学科领域，如机器学习、深度学习、统计学、计算机视觉等，需要不同领域的专业人才，而当前中国人才缺口较大。

算力资源不足，投资成本过高：Al应用需要大量的算力资源，特别是GPU,需要通过GPU提高模型的训练和推理部署速度。购买算力需要资金支持，中小企业往往很难承担投资压力。

2023年各大厂商纷纷布局大模型，其内在价值显露无疑

大模型的发展可以提供更多的智能化应用场景，拓展更多的智能化服务，提升服务的质量和效率，实现产业智能化转型。同时，大模型的发展可以提供更加先进的智能化产品，提升产品的智能化水平，实现产品的升级换代，提升产品的竞争力。此外，大模型的发展还可以实现从技术到产品的全链路商业化服务，提升商业化服务质量，拓展更多的商业化服务场景。

通用性、泛化性

其技术价值主要体现在：处理大规模数据的能力、模型的可解释性和强大的泛化能力上。

得益于强大的算力支撑，大模型可以处理海量数据。大规模的算力硬件和算法的支持下，大模型可以训练更复杂、更丰富的模型结构，并通过分布式训练，提高计算效率，从而更好地处理海量数据。

大模型可较好地处理在决策过程中的各种变量因素。由于大模型能够捕捉到更高级和抽象的特征，这些特征通用性更强。此外，大模型还可以通过相对可解释的模型和特征组合来进一步计算与生成，提高模型结果的可靠性和可准确性。

大模型具有更好的泛化能力，能够在处理新任务和新数据时保持一定的准确性。大模型采用了深度学习技术，通过多层神经元的层级结构来学习特征表示，从而捕捉到更高级和抽象的特征。同时，大模型还引入了注意力机制、自监督学习等技术。共同推动了模型泛化性显著提高。

降低Al开发门槛

大模型的优势除了体现在泛化性和通用性上以外，还能够降低人工智能应用的门槛。

大模型加速人工智能工程化进程。大模型有望成为Al技术底座，减少应用对于数据标注的依赖，从而更好地满足个性化需求，并提升下游技术和应用的性能和体验。

大模型改变传统人工智能的开发模式。传统的Al开发需要针对不同的任务和场景进行定制化研发，而大模型通过复用已经训练好的模型降低开发复杂度，提升部署便捷度。通过模型即服务的方式对外赋能，显著降低Al的应用门槛。

大模型应用将会渗透到干家万户，提升生活幸福指数与工作效率。大模型技术可以支持智能家居、智能车辆、智能医疗等应用场景，从而提高各种家居设备、交通工具、医疗设备等工具的性能和体验。还可以支持各种智能化服务平台，如智能客服、智

能推荐等，从而提高服务质量和工作效率。

加快AI商业化进程

大模型具有很强的生成能力，可以生成各种类型的内容，如文章、新闻、电子邮件等。此外，大模型还可以生成代码、图片、视频等。这种生成能力有望帮助进一步赋能技术的商业化落地，打造新一代的软件交互形式。

技术的开源是商业化的路径之一。随着大模型的落地，头部企业可以开放自研技术，赋能中小企业，打造以大模型为底座的生态，将大模型的红利释放给每个开发者，并促进大模型创新应用的出现。

对话式交互形式将会刺激新需求出现。基于大模型的对话交互技术可以提升用户体验，让用户更方便地获取所需的信息和服务。这将有助于企业增强用户粘性，提高用户满意度。同时，企业可以结合对话交互技术，打造智能化服务平台，提供更加便捷、高效的服务。这些都会推动企业探索新的商业模式，带动Al技术的商业价值提升。

2023年大模型厂商概览

目前国内典型大模型包括：阿里的M6,百度的文心大模型，华为的盘古，智谱科技的ChatGLM,科大讯飞的星火，商汤的日日新等，2023年开始其他企业也争相入局，共同打造完整的中国大模型生态链路。

03

总结展望

随着数字经济的快速发展和数字化升级的推进，人工智能的重要性日益凸显。

然而，Al模型针对不同场景需要重复开发，导致效率低下的问题逐步暴露。大模型的出现为这一挑战提供了新的解决思路，推动了产业向全链路智能的发展。

2017年，国务院发布了《新一代人工智能发展规划》,旨在加强人工智能研发、应用和产业化，推动人工智能领域的创新与发展。在研发支持力度上逐渐发力，通过投入大量资金和资源，来培育具有国际竞争力的人工智能企业。

随着人工智能的地位和作用越来越重要，政府、企业和社会需要共同努力，各大厂商应投入更多资源，头部企业可以持续发力自研大模型，而专注于解决方案的行业厂商可以考虑通过深耕行业来彰显特色。

正如政府提出的“人工智能与各行业的深度融合是促进产业升级和转型的重要方式之一”,大模型+行业的发展尤为重要，目前大模型在金融、工业、医疗等领域已经取得了显著的成果，持续探索如何为行业领域提供更精准、高效的解决方案成为大模型厂商弯道超车的机会，未来通过新一代Al能够打造其独特的竞争优势。

此外，头部企业也应该通过开放平台等方式对外赋能，促进大模型技术的共享和创新，加速其落地和推广，承担起技术发展的社会责任。只有通过各方的共同努力和合作，才能够推动中国大模型技术的应用落地，最终实现人工智能产业的快速发展和跨越式进步。

更多精彩内容请关注公众号：BFT机器人

本文为原创文章，版权归BFT机器人所有，如需转载请与我们联系。若您对该文章内容有任何疑问，请与我们联系，将及时回应。