無論身處哪個行業，你一定感受到了大模型的熱潮。不管是知識管理、對話應用，還是生成代碼、設計研發，生成式人工智能（AI）正在深度求索產業變革。
“在模型能力和性價比同步提升的背景下，國內人工智能應用依托豐富生態和成熟流量，正加速在各領域落地。”在采訪中，多位行業人士告訴記者，算力和數據是產業發展的基礎，那些為用戶提供多元化選擇和差異化體驗的產品和服務，才能在未來發展中站穩“風口”。
熱潮不減 走向千行百業
生成式人工智能產品正提高著大眾日常的工作生活效率。第55次《中國互聯網絡發展狀況統計報告》顯示，截至2024年12月，我國有3.31億人表示自己聽說過生成式人工智能產品，占整體人口的23.5%；有2.49億人表示自己使用過生成式人工智能產品，占整體人口的17.7%。
對此，工信部信息通信經濟專家委員會委員盤和林告訴記者，生成式人工智能的應用顯著提升了內容創作者的生產力，其背后是深度學習算法，將在更多領域帶來廣闊的應用前景。
比如，接入生成式人工智能后，醫藥企業可以優化藥物研發流程，提升臨床試驗效率；新能源汽車的智能座艙，提升了交互體驗和服務響應；網絡安全企業構建了新一代網絡威脅檢測系統……
應用場景的豐富，基于我國搭建起較為全面的人工智能產業體系。工信部數據顯示，我國人工智能相關企業超過4500家，核心產業規模近6000億元，產業鏈覆蓋芯片、算法、數據、平臺、應用等上下游關鍵環節。
中信證券計算機行業首席分析師楊澤原向記者表示，國內人工智能發展呈現重視工程優化、應用落地等發展特點，對應形成從硬件算力逐步向軟件應用擴散的投資趨勢。
三方面看我國人工智能發展成果。 數據來源：工信部、國家互聯網信息辦公室、第55次《中國互聯網絡發展狀況統計報告》
長坡厚雪 探索中尋求突破
當前，國產大模型并不鮮見，形成了“百模爭鳴”的局面。百度、阿里云、華為、騰訊、科大訊飛等公司推出了各自的大模型，如通義千問、盤古、混元和星火等，并向公眾開放。
當前，算力不足成為制約生成式人工智能發展的重要因素。中國互聯網絡信息中心（CNNIC）發布的《生成式人工智能應用發展報告（2024）》提到，模型的訓練和推理需求在大幅提升。如果無法有效解決算力管理問題，訓練成本和效率等一系列挑戰將隨之而來，將阻礙企業在應用方面的進程。
在盤和林看來，近期引發關注的行業應用，除了蒸餾算法與對生成答案邏輯過程的敘述優勢外，更重要的是契合了我國人工智能企業算力不足的現狀，既節約了算力資金，也打破了外部對算力的封鎖。
“算力和數據是發展的基礎。”楊澤原認為，一方面，產業仍在期待高性能、高效率的算力創新，支撐預訓練和后訓練階段的模型能力提升，以及應用落地形成的大規模推理需求；另一方面，數據對各階段的模型訓練效果起到決定性作用，發掘數據支撐行業模型發展與落地成為關鍵命題，數據合成等工程手段是探索的重要方向。
此外，高質量數據集相對缺乏、專業人才培養任重道遠、虛假信息及版權糾紛等安全倫理問題面臨挑戰，也是業界關注的重點。
與“實”俱進 形成差異化發展優勢
隨著關鍵技術不斷突破，生成式人工智能應用加速落地。國家互聯網信息辦公室數據顯示，截至2024年12月31日，共302款生成式人工智能服務在網信部門完成備案，其中2024年新增238款。這些豐富的產品為用戶提供了多元化選擇空間和差異化體驗。
楊澤原分析，我國在基座文本模型能力上實現持續追趕，且基于工程優化形成了較高的性價比。2024年底以來發布的字節doubao-pro、DeepSeek-V3、MiniMax-01等模型均實現對OpenAI GPT-4o基座能力的追趕，且在API服務價格上具備明顯優勢。
“在基座模型（basemodel，比如GPT-3.5、GPT4、DeepSeek V3等）之上的強化學習路線方面，全球均處于技術探索階段。國內DeepSeek、阿里、字節等廠商保持投入，后續依托豐富場景、成熟流量等優勢，有望在模型技術上形成差異化發展的優勢。”楊澤原說。
盤和林表示，從技術面來說，我國生成式人工智能已經追平了國外的競爭對手；從應用場景來說，我國人工智能應用場景正在不斷豐富；從投資趨勢看，現階段大量資本涌向人工智能，將來會向頭部企業集中。
對于人工智能模型技術公司而言，楊澤原認為，在基座模型投入門檻持續提升和高質量模型開源的背景下，將加速行業向頭部集中，模型降本形成人工智能普惠將成為趨勢。“在后續應用落地的背景下，各行業、各場景智能體快速發展將構成產業機遇。”楊澤原說。
有業內人士認為，將算法、數據和企業的產品和服務結合起來，基于實體經濟智能化發展的難點堵點形成生成式人工智能產品，也是發展的重要方向。
2016年以來，我國人工智能產業主要政策。制圖：黃盛、黃天拓