导读：
行业主要上市公司：百川智能(A04400.SH)、昆仑万维(300418.SZ)、拓维信息(002261.SZ)、浪潮信息(000977.SZ)、科大讯飞(002230.SZ)等
本文核心数据：中国大模型产业链;中国代表性大模型产品商业化进程;大模型市场规模及测算;大模型市场规模预测等
行业概况
1、定义
大模型是指包含超大规模参数(通常在十亿个以上)的神经网络模型。神经网络模型则是指基于神经网络结构构成的数学模型，它受到人脑神经系统结构的启发，由人工神经元(节点)和它们之间的连接组成。这些连接具有权重，可以通过学习过程进行调整，从而使得神经网络能够学习和适应输入数据的模式。
2、大模型特征
大模型以其庞大的参数规模(通常超过十亿)，能学习和存储丰富的数据模式和复杂特征，因此在处理大规模、复杂数据集上展现优异性能。它们在训练过程中同时学习多种NLP任务，如机器翻译和问答系统，从而获得广泛而泛化的语言理解能力。此外，大模型的强大计算能力依赖于高端硬件配置(数百至数千个GPU)，以及通过海量数据训练确保运算的效率和准确性。
3、产业链剖析
大模型产业链是一个庞大而复杂的系统，涵盖了从硬件设施到软件开发的各个环节，主要包括基础层、模型层和应用层。其中，基础层主要包括硬件和基础软件，模型层主要是通用大模型具体包括单模态大模型和多模态大模型，应用层则是指大模型结合行业的进一步升级应用形成的行业大模型，主要包括生产制造领域、生活消费领域和公共服务领域等。
中国大模型产业链上游基础层硬件环节参与者有英特尔、英伟达等，基础软件环节参与者有华为、腾讯、紫光灯;中游模型层参与者有OpenAI、阿里、华为、Meta和Google等;下游应用层参与企业有用友网络、京东、阿里巴巴、金山办公和科大讯飞等。
行业发展历程：行业发展突飞猛进
中国大模型发展经历了三个主要阶段。初期探索阶段(2000年代初至2010年代初)主要集中在基础AI理论和小规模应用的研究，缺乏大规模数据和高性能计算资源。随着2012年深度学习的兴起，进入了快速发展阶段(2010年代初至2020年初)，期间国内大企业如阿里巴巴、百度、腾讯和华为开始大力投资AI技术，推动了大模型技术的发展和应用。到了成熟与应用阶段(2020年初至今)，中国在自然语言处理和计算机视觉等领域的大模型技术已达到国际先进水平，模型广泛应用于商业、医疗、法律等多个行业。展望未来，预计中国将进一步加强跨模态、多任务学习的应用，提升模型的透明度和安全性，巩固其在全球AI竞争中的地位。
行业政策背景：从技术端给予支持
我国大力支持大模型的发展，当前，我国针对性发布有关大模型发展的政策数量相对较少，且主要集中在2023年发布，更多是从人工智能技术以及算力设备等角度支持行业发展。具体如下表所示：
行业发展现状
1、大模型商业化探索进程
当前，中国的大模型在商业化进程中表现出显著的活力和创新。百度的文心一言在智能办公、旅行服务、电商直播、政务服务和金融服务等多个领域实现应用，技术迭代迅速，用户规模庞大;讯飞星火在智能办公上优势明显，2024年4月，公司推出了业界性能最优的130亿参数的大模型，在效果损失仅3%以内的情况下，输出效率、语义理解准确率等均得到提升，在讯飞星火大模型的飞速发展下，讯飞自有的硬件产品也受到消费市场的关注，搭载讯飞星火的讯飞智能办公本、讯飞听见、讯飞智能录音笔以及讯飞AI学习机等销量不断攀升;阿里巴巴的通义千问以其开源策略和高性能，在中文大模型领域占据一席之地，推动了低成本、易于部署的商业化解决方案。整体来看，中国的大模型市场正通过技术创新、行业合作和安全合规等多维度努力，加速推动AI技术的商业化落地和产业智能化转型。
2、大模型领域投融资火热
根据IT桔子数据，2021-2024年我国大模型行业投融资金额规模及事件数量逐年增长。2023年我国大模型行业共发生31起投资事件，投资金额合计达54.84亿元。2024年截至8月19日，我国大模型行业已发生投融资事件40起，共计147.56亿元。
从融资轮次分布来看，我国大模型行业融资事件主要集中在早期A+轮及以前。
3、大模型应用领域广泛
从应用领域渗透率情况来看，截至2023年，金融、政府、影视游戏和教育领域是大模型渗透率最高的四大行业，渗透率均超过50%。电信、电子商务和建筑领域的应用成熟度较高。
4、大模型市场规模测算
自2022年末起，ChatGPT以其突破性技术在全球舞台掀起了一场人工智能的革命。随之而来的，是无数大型预训练模型(Large Pre-trained Models, LPTMs)的涌现，它们如同春日里的竹笋般迅速生长，遍布学术界与工业界。这些模型的诞生标志着生成式人工智能技术的蓬勃发展，开启了一场被称为“大模型之争”的新时代序幕。截至2024年4月底，国内共推出了约305个大模型，其中10亿参数规模以上的大模型数量达到了254家。
根据我国工信部数据，2023年全年我国语言大模型市场规模实现较快提升，应用场景不断丰富，增长率突破100%，初步统计2024年超过200亿元规模。
注：2024年数据为初步测算，届时以官方发布为准。
行业竞争格局：参与者众多，竞争激烈
现阶段，我国大模型可以分为四大竞争派系，分别为互联网公司、AI公司、学术及科研机构以及行业专家团队初创公司，其中，互联网公司主要是百度、阿里、腾讯、华为等互联网大厂，核心竞争优势是汇集了大量高端人才，同时，平台技术发展相对全面、快速。AI公司主要是澜舟科技、昆仑万维、商汤科技等以AI研发及利用为主的科技公司，其核心优势是主业专精于人工智能，相比互联网公司，技术优势更加明显。学术、科研机构包括清华、北大、复旦、中科院等国内一流高校以及智源研究院、IDEA研究院等科研机构，主要优势是学术氛围浓厚，通常行业第一手技术发源于此。行业专家品牌则是以一些AI专家带领的团队所研发出的产品为核心，通常，一个团队在短期内主攻一款产品，相比其他竞争派系，AI专家团队研发的产品在创新、突破方面做得更好，C端反馈好评度较高，盈利目的性就目前来看，略弱于互联网公司产品。
从大模型行业头部企业的专利申请数量排名来看，百度是国内AI大模型行业专利生申请数量最多的企业，截止2023年9月百度申请AI大模型相关专利数量达808件，高于排名第二的腾讯230件。
行业发展前景及趋势预测
1、大模型市场规模预测
语言大模型能够模仿人类的对话和决策能力，是率先实现技术突破和应用落地的大模型，也是当下人工智能的“主赛道”。目前，语言大模型在金融、医疗、教育、工业、游戏、法律等多个行业得到了广泛的应用。前瞻初步测算，到2030年，我国大模型市场规模将超过2200亿元，年复合增速在40%以上。
2、大模型发展趋势分析
大模型技术发展仍具有巨大的挖掘潜力，且技术更新进步速度快，行业技术能力上限尚未出现。从未来趋势来看，具备强大预测能力的预测大模型、强大决策能力的决策大模型和能够自主学习、实时交互的具身智能大模型最有可能成为继自然语言大模型和多模态大模型后的下一个大模型行业风口。
更多本行业研究分析详见前瞻产业研究院《全球及中国大模型产业发展前景与投资战略规划分析报告》
同时前瞻产业研究院还提供产业新赛道研究、投资可行性研究、产业规划、园区规划、产业招商、产业图谱、产业大数据、智慧招商系统、行业地位证明、IPO咨询/募投可研、专精特新小巨人申报、十五五规划等解决方案。如需转载引用本篇文章内容，请注明资料来源(前瞻产业研究院)。
更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。更多企业数据、企业资讯、企业发展情况尽在【企查猫APP】，性价比最高功能最全的企业查询平台。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
)
)