AI商業(yè)觀察Vol.04大模型,不止價(jià)格戰(zhàn)

王錚Silvia

北京市朝陽區(qū)合生匯3樓

wangzheng@智能小巨人科技出品

2024/05/30?

5月，

中美“AI月

”，

國產(chǎn)大模型“價(jià)格

戰(zhàn)”開打?各方觀點(diǎn)：“

降價(jià)貓膩多

”、“

同質(zhì)化競

爭”、“行業(yè)洗牌”?把“大模型價(jià)格戰(zhàn)

”作為商業(yè)研究項(xiàng)目，

結(jié)論卻是：大模型

，不止價(jià)格戰(zhàn)！NO.

1大模型，

不止價(jià)格戰(zhàn)learn

more

…1元能買到多少大模型token？Deepseekv2：

100萬！來源：

智能小巨人科技整理國內(nèi)大模型API降價(jià)匯總?cè)掌诠菊{(diào)整前價(jià)格模型規(guī)格

元/千

元/千

元/千元/百萬

token

token

token

token調(diào)整后價(jià)格輸出降幅

元/千

元/百萬token

token降幅5月6日深度求索DeepSeek-v2-32k//0.0011/0.0022/5月11日智譜GLM-3Turbo-128k0.0050.0050.001180%0.001180%5月15日火山引擎Doubao-lite-4k//0.00030.3/0.00060.6/Doubao-lite-32k//0.00030.3/0.00060.6/Doubao-lite-128k//0.00080.8/0.0011/Doubao-pro-4k//0.00080.8/0.0022/Doubao-pro-32k//0.00080.8/0.0022/Doubao-pro-128k//0.0055/0.0099/5月21日阿里云Qwen-Turbo0.0080.0080.002275%0.006625%Qwen-Plus0.020.020.004480%0.0121240%Qwen-Long0.020.020.00050.597%0.002290%Qwen-Max0.120.120.044067%0.121200%國內(nèi)大模型API降價(jià)匯總?cè)掌诠灸Ｐ鸵?guī)格調(diào)整前價(jià)格輸入

輸出

輸入元/千

元/千

元/千

元/百萬tokentoken

token

token調(diào)整后價(jià)格降幅輸出降幅元/千

元/百萬token

token5月21日百度

智能云ERNIESpeed-8k0.0040.00800100%00100%ERNIESpeed-APPBuilder0.0040.00800100%00100%ERNIESpeed-128k0.0160.03200100%00100%ERNIE

Lite-8k0.0030.00600100%00100%ERNIELite-8k-09220.0080.00800100%00100%ERNIELite-128k0.0120.02400100%00100%ERNIETiny-8k0.0010.00100100%00100%5月22日科大訊飛Spark

Lite0.0180.01800100%00100%5月22日騰訊云混元-lite0.0080.00800100%00100%混元-standard0.010.010.00454.555%0.005550%混元-standard-256k0.120.120.0151588%0.066050%混元-pro0.10.10.033070%0.11000%“大模型價(jià)格戰(zhàn)”開打！

互聯(lián)網(wǎng)大廠

、AI獨(dú)角獸入局來源：

各公司官網(wǎng)，智能小巨人科技整理輸入

輸出

輸入

我們借助各種AI搜索產(chǎn)品收集了幾十篇關(guān)于“大模型價(jià)格戰(zhàn)”的深度采訪稿件

，對(duì)AI業(yè)內(nèi)人士的觀點(diǎn)

進(jìn)行了梳理：

第一類視角

：

關(guān)于AI生態(tài)的上游技術(shù)要素。

“大模型行業(yè)每年降低十倍推理成本是可以期待的”

、

“大廠燒

錢是為了換數(shù)據(jù)

，打造數(shù)據(jù)飛輪”等等。

第二類視角

：

從用戶價(jià)值的角度進(jìn)行評(píng)價(jià)。

“這反映了大模型行業(yè)內(nèi)現(xiàn)有性能評(píng)測標(biāo)準(zhǔn)的缺乏

，

因?yàn)闆]有評(píng)

價(jià)標(biāo)準(zhǔn)所以拼價(jià)格”

；

“

國內(nèi)大模型API使用起來層層套娃

，先免費(fèi)上車、

但還是會(huì)跳轉(zhuǎn)到其他收費(fèi)項(xiàng)目”；“價(jià)格因素只是使用大模型的原因之一

，

還是更關(guān)注模型的質(zhì)量、

推理能力、

參數(shù)和準(zhǔn)確率”

；

“價(jià)格戰(zhàn)對(duì)

企業(yè)落地大模型是好事

，

但是仍然沒有解決使用大模型到底帶來哪些價(jià)值的問題”

，

“即使大模型落地通過

預(yù)算環(huán)節(jié)

，

部署環(huán)節(jié)的數(shù)字化基礎(chǔ)薄弱、

工程化能力不強(qiáng)怎么解決”。

第三類視角

：

對(duì)本次價(jià)格戰(zhàn)的競爭性質(zhì)做了點(diǎn)評(píng)。

“大模型的性能遇到了瓶頸

，

只能同質(zhì)化競爭

，

需要降

價(jià)”、

“大廠通過燒錢搶大模型市場份額”、

“這次降價(jià)是B端的降價(jià)方法

，

云廠商的競爭升級(jí)了”等等。

第四類視角

：

對(duì)AI產(chǎn)業(yè)生態(tài)演變的思考。

“

巨頭在大模型賽道血拼是必然的

，

技術(shù)創(chuàng)業(yè)者首先要放棄幻想

，

如果壓力太大

，

可以選擇暫時(shí)先戰(zhàn)術(shù)性

1躺平9一下”

；

“那些缺少模型差異化能力又沒有商業(yè)化模式的大

模型初創(chuàng)公司會(huì)被直接.卷死.”。各方觀點(diǎn)：

“

降價(jià)貓膩多”

、“

同質(zhì)化競爭”

、“行業(yè)洗牌”來源：

智能小巨人科技整理大模型上游：

推理成本、

數(shù)據(jù)生態(tài)推理成本快速下降；

不缺大模型和技術(shù)

，缺場

景缺數(shù)據(jù)。大模型下游：

企業(yè)、

開發(fā)者AI應(yīng)用爆發(fā)現(xiàn)實(shí)挑戰(zhàn)眾多，

降價(jià)之外

，預(yù)計(jì)更多AI應(yīng)用扶持措施和生態(tài)系統(tǒng)構(gòu)建計(jì)劃在路上。大模型”在位者”競爭在技術(shù)路線、產(chǎn)品服務(wù)、應(yīng)用落地和市場定位

等方面

，領(lǐng)先的大模型廠商已經(jīng)選擇了各自的

差異化路線圖。大模型“挑戰(zhàn)者”機(jī)會(huì)從大模型上游要素的供不應(yīng)求到下游打通模型部署、API調(diào)用、應(yīng)用落地的全鏈路中

，還有很多產(chǎn)業(yè)環(huán)節(jié)上的空白；藍(lán)海機(jī)遇大于紅海競爭?！按竽Ｐ蛢r(jià)格戰(zhàn)”涉及的AI生態(tài)角色：

大模型，

不止價(jià)格戰(zhàn)！“在位者”競爭百度、阿里、字節(jié)、騰訊、

科大訊飛

…

…新進(jìn)入者

AI創(chuàng)業(yè)公司深度求索、智譜AI李開復(fù)、王小川賈揚(yáng)清、袁進(jìn)輝

…替代產(chǎn)品新架構(gòu)AI模型供應(yīng)要素算力、

算法、數(shù)據(jù)大模型推理成本用戶、場景數(shù)據(jù)客戶/用戶企業(yè)、

開發(fā)者企業(yè)CIO、創(chuàng)業(yè)團(tuán)隊(duì)、

資深開發(fā)人員01020304來源：

智能小巨人科技整理技術(shù)性降本

、高性能

計(jì)算集群與數(shù)據(jù)飛輪?大模型推理成本降了多少？“價(jià)格戰(zhàn)

”公司技術(shù)

性降本能力如何？?深度求索和智譜AI降價(jià)底氣

：大模型架構(gòu)和算法

策略創(chuàng)新?“在位者

”公司

：投入算力管理平臺(tái)

、建設(shè)高性

能計(jì)算集群?

高性能計(jì)算集群的規(guī)模效應(yīng)?“燒錢換數(shù)據(jù)

”，

降價(jià)意在構(gòu)建“數(shù)據(jù)飛輪

”?一年時(shí)間

，推理成本降低10-100倍

，領(lǐng)先大模型

廠商邊際成本下降幅度更大learn

more

…NO.

2?

DeepSeekv2在MoE、

RoPE和Attention上有全新的創(chuàng)新；?智譜AI自主研發(fā)GLM預(yù)訓(xùn)練架構(gòu)

，采用稀疏激活的MoE架構(gòu)

，并優(yōu)化模型適配多種高性能硬件平臺(tái)。科技巨頭與老牌廠商的多重大模型降本策略：?

在模型層面進(jìn)行技術(shù)性降本；?投入算力管理平臺(tái)、建設(shè)高性能計(jì)算集群等基礎(chǔ)設(shè)施來大幅

提升算力利用效率。重金投入的AI基礎(chǔ)設(shè)施

，

亟需規(guī)模效應(yīng)：?

阿里和騰訊都專門建設(shè)了高性能的計(jì)算集群；?大規(guī)模集群的運(yùn)維成本分?jǐn)偟矫總€(gè)計(jì)算任務(wù)上更為經(jīng)濟(jì)；?大規(guī)模集群支持靈活的資源分配和調(diào)度

，高利用率進(jìn)一步降低

成本?！盁X換數(shù)據(jù)”構(gòu)建“數(shù)據(jù)飛輪”：?“從某種程度上

，我們現(xiàn)在不是缺大模型、缺技術(shù)

，而是缺場景、缺數(shù)據(jù)

，缺在一個(gè)場景下磨練大模型算法的能力”。大模型上游

一年的時(shí)間里

，

大模型的推理成本

降低了10-100倍

，奠定降價(jià)基礎(chǔ)

重金投入AI基礎(chǔ)設(shè)施

，

又亟缺場景

和數(shù)據(jù)的失衡狀態(tài)下

，

必須多管齊

下

，

降低使用門檻

，增加用戶基數(shù)大模型獨(dú)角獸通過技術(shù)架構(gòu)創(chuàng)新大幅降低成本：各家公司降低大模型成本解決方案公司算力層面模型層面深度求索2021年建設(shè)"螢火二號(hào)"深度學(xué)習(xí)訓(xùn)練平臺(tái)

，搭載

了約1萬張英偉達(dá)A100顯卡技術(shù)架構(gòu)十分新穎

，在MoE（混合專家模型）、

RoPE（相對(duì)位置編碼）和Attention（注意力機(jī)制）上有全新的創(chuàng)新智譜AI與多家算力服務(wù)商合作自主研發(fā)GLM預(yù)訓(xùn)練架構(gòu)

，采用稀疏激活的MoE（專家混合）

架構(gòu)

，還優(yōu)化了模型以更好地適配多種高性能硬件平臺(tái)字節(jié)跳動(dòng)搭建MegaScale生產(chǎn)系統(tǒng)

，適用于萬卡集群通過壓縮算法等手段優(yōu)化模型結(jié)構(gòu)在工程上從以前的單機(jī)推理演進(jìn)到現(xiàn)在的分布式推理把不同負(fù)載的推理混合調(diào)度阿里巴巴建設(shè)高性能AI集群“靈駿”通過軟硬件端到端的算力服務(wù)方案顯著降低成本改進(jìn)了MOE框架

，通過專家并行策略大幅降低算力消耗百度AI異構(gòu)算力管理平臺(tái)、“一云多芯”提供模型路由能力

，讓小參數(shù)模型在特定場景中表現(xiàn)提升騰訊發(fā)布新一代HCC高性能計(jì)算集群自研星脈高性能計(jì)算網(wǎng)絡(luò)自研機(jī)器學(xué)習(xí)框架Angel和機(jī)器學(xué)習(xí)訓(xùn)練框架AngelPTM科大訊飛與華為合作打造的全國產(chǎn)算力平臺(tái)“飛星一號(hào)”模型結(jié)構(gòu)優(yōu)化大模型降本方案：

技術(shù)架構(gòu)

、算法策略

、算力管理多管齊下來源：

智能小巨人科技整理阿里高性能集群“靈駿”，

高性能AI訓(xùn)練和計(jì)算的異構(gòu)算力管理

?阿里的高性能AI集群“靈駿”是一種大規(guī)模高密度計(jì)算服務(wù)

，全稱為“

PAI靈駿智算服務(wù)”

，它提供了高性能AI訓(xùn)練和高性能計(jì)算所需的異構(gòu)計(jì)算算力服務(wù)。來源：

阿里巴巴

，

智能小巨人科技整理騰訊云發(fā)布了新一代HCC高

性能計(jì)算集群：在同等數(shù)據(jù)集下

，

可以將萬

億參數(shù)大模型的訓(xùn)練時(shí)間縮

短至4天；自研星脈高性能計(jì)算網(wǎng)絡(luò)

，

具備3

.

2T通信帶寬

，

通信性

能提升10倍

，

成本比國外IB網(wǎng)絡(luò)降低70%。騰訊高性能計(jì)算集群：

大幅提升網(wǎng)絡(luò)性能，

近線性計(jì)算加速比

成本效率提升大規(guī)模的計(jì)算集群通過集中采購和優(yōu)化資源分配

，能顯著降低

單位算力成本。

同時(shí)

，規(guī)?；倪\(yùn)營有助于攤薄固定成本

，使得每次計(jì)算任務(wù)的成本更低。訓(xùn)練速度加快高性能集群提供了強(qiáng)大的并行計(jì)算能力

，使得像萬億參數(shù)級(jí)別的大模型訓(xùn)練任務(wù)能夠在更短的時(shí)間內(nèi)完成。數(shù)據(jù)處理能力與模型質(zhì)量提升規(guī)模化的計(jì)算能力對(duì)海量數(shù)據(jù)的處理能力提升

，并允許運(yùn)行多次實(shí)驗(yàn)

，嘗試更復(fù)雜的模型結(jié)構(gòu)和算法

，能夠訓(xùn)練更大、更深

的模型

，捕捉更豐富的數(shù)據(jù)特征

，提高預(yù)測準(zhǔn)確率和泛化能力。算力穩(wěn)定性與彈性增加大型集群提供了高度的計(jì)算彈性和容錯(cuò)能力

，能夠確保服務(wù)在

高負(fù)載下的穩(wěn)定運(yùn)行

，并且支持靈活的資源調(diào)配

，可以根據(jù)不

同業(yè)務(wù)需求快速調(diào)整算力分配

，支持多樣化的AI應(yīng)用場景。大規(guī)模計(jì)算集群產(chǎn)生顯著的規(guī)模效應(yīng)，

高利用率將降本增效01020304來源：

智能小巨人科技整理瀾碼科技創(chuàng)始人周健“競相降價(jià)的現(xiàn)象

，不能說是一個(gè)噱頭

，廠商互

相之間在競爭數(shù)據(jù)

，他們希望能夠有更多的開發(fā)

者基于各自的大模型去開發(fā)應(yīng)用。”浪潮信息董事長彭震“從某種程度上

，我們現(xiàn)在不是缺大模型、缺技

術(shù)

，而是缺場景、缺數(shù)據(jù)

，缺在一個(gè)場景下磨練

大模型算法的能力。”“大模型價(jià)格戰(zhàn)”意在“燒錢換數(shù)據(jù)”來源：

智能小巨人科技整理促進(jìn)應(yīng)用開發(fā)與多樣化隨著更多開發(fā)者使用大模型

，會(huì)出現(xiàn)更多AI應(yīng)用場景和產(chǎn)品

，觸及更

廣泛的消費(fèi)者群體

，增加用戶交互，

收集更多樣化的數(shù)據(jù)。數(shù)據(jù)回流與模型迭代用戶交互數(shù)據(jù)如果能夠反饋給模型提供商

，

可以用于模型的持續(xù)訓(xùn)練降低門檻增加用戶基數(shù)對(duì)于許多預(yù)算有限的中小企業(yè)和獨(dú)立開發(fā)者而言

，成本是決定是否采用先進(jìn)AI技術(shù)的關(guān)鍵因素之一。大模型成本與價(jià)格降低一年的時(shí)間里

，大模型的推理成本降低了10-100倍；

擁有技術(shù)與資金21大模型數(shù)據(jù)飛輪34優(yōu)勢的玩家降低大模型價(jià)格。

和優(yōu)化

，進(jìn)一步提升模型的性能和泛用性。大模型降價(jià)競爭優(yōu)質(zhì)數(shù)據(jù)構(gòu)建“數(shù)據(jù)飛輪”來源：

智能小巨人科技整理?大幅降價(jià)的是入門級(jí)模型產(chǎn)品

，普惠場景

：試錯(cuò)

型項(xiàng)目的測試與驗(yàn)證?

開發(fā)者視角

：直白比價(jià)是權(quán)宜之計(jì)?企業(yè)級(jí)用戶視角：仍然需要多種大模型服務(wù)支持?更多AI應(yīng)用扶持措施和生態(tài)系統(tǒng)構(gòu)建計(jì)劃在路上NO.

3開發(fā)者與企業(yè)用戶：

“價(jià)格戰(zhàn)”？還不夠！learn

more

…降價(jià)的普惠場景是試錯(cuò)型項(xiàng)目的測試與驗(yàn)證?幾家公司的降價(jià)原因

：主要目的是“普惠

”、“驅(qū)動(dòng)產(chǎn)品創(chuàng)新驗(yàn)證”、“降低試錯(cuò)成本”等等；大幅降價(jià)的主要是入門級(jí)模型產(chǎn)品，普惠的場景是試錯(cuò)型項(xiàng)目的測試與驗(yàn)證。缺乏大模型性能評(píng)測標(biāo)準(zhǔn)

，直白比價(jià)成為權(quán)宜之計(jì)?降價(jià)行為仍然反映了大模型性能評(píng)測標(biāo)準(zhǔn)的缺乏，

既然沒有

統(tǒng)一的標(biāo)準(zhǔn)

，通過直白的比拼價(jià)格可以讓部分開發(fā)者更容易

理解和選擇。直接受益降價(jià)的企業(yè)：

已跨過使用門檻

，有廣泛應(yīng)用場景?企業(yè)落地AI應(yīng)用的現(xiàn)實(shí)挑戰(zhàn)眾多；

已經(jīng)跨過AI落地門檻的企業(yè)迎來調(diào)用量暴增

，使用門檻之外的企業(yè)需要借助更多幫扶措施

才能享受低價(jià)?？梢灶A(yù)見

，更多AI應(yīng)用扶持措施和生態(tài)系統(tǒng)構(gòu)建計(jì)劃在路上?企業(yè)級(jí)用戶落地AI應(yīng)用仍然需要多種戰(zhàn)略合作的服務(wù)支持；?亟需加速市場爆發(fā)的大模型公司

，一方面還會(huì)推出更多扶持AI應(yīng)用生態(tài)的措施

，另一方面會(huì)積極尋求合作伙伴構(gòu)建生態(tài)系統(tǒng)

，提供端到端的解決方案

，加速AI應(yīng)用的爆發(fā)。大模型下游

企業(yè)落地AI應(yīng)用的挑戰(zhàn)眾多；

已經(jīng)

跨過AI落地門檻的企業(yè)迎來調(diào)用量

暴增

，

使用門檻之外的企業(yè)需要借

助更多幫扶措施才能享受低價(jià)

可以預(yù)見

，

更多AI應(yīng)用扶持措施和

生態(tài)系統(tǒng)構(gòu)建計(jì)劃在路上智譜AI：降價(jià)是為了讓更多人都能用到智譜AI的

入門級(jí)模型產(chǎn)品。百度智能云沈抖：現(xiàn)在成本更低了

，大家創(chuàng)新的膽子可以

更大一些、步子可以更快一些

，把相關(guān)

的場景都試一遍

，快速驗(yàn)證；跑成功了，

就快速復(fù)制?？拼笥嶏w：煥新的價(jià)格體系將幫助開發(fā)者降低調(diào)用成本

，驅(qū)動(dòng)產(chǎn)品創(chuàng)新驗(yàn)證

，解決真實(shí)世

界的剛需?；鹕揭孀T待：為了讓大模型更廣泛地應(yīng)用起來，

團(tuán)隊(duì)認(rèn)為需要降低開發(fā)者的試錯(cuò)成本

，從而

降低大模型創(chuàng)新的風(fēng)險(xiǎn)。阿里云劉偉光：降價(jià)的目的一定是普惠于市場

，要真正

加速市場的提前爆發(fā)。騰訊云：重視技術(shù)積累與客戶體驗(yàn)

，會(huì)持續(xù)提供有競爭力的產(chǎn)品和服務(wù)。為何降價(jià)？“普惠”

、“驅(qū)動(dòng)產(chǎn)品創(chuàng)新驗(yàn)證”

、“

降低試錯(cuò)成本”“大模型價(jià)格戰(zhàn)”參賽公司談為何降價(jià)來源：

智能小巨人科技整理To

C產(chǎn)品化

01直接面向消費(fèi)者推出基于大模型的產(chǎn)品

，如ChatGPT；免費(fèi)試用吸引用戶

后

，推出付費(fèi)訂閱服務(wù)

，如ChatGPT

Plus

，實(shí)現(xiàn)大規(guī)模用戶的商業(yè)化變現(xiàn)。大模型六種商業(yè)化路徑中，

API降價(jià)有利于中小企業(yè)和開發(fā)者

軟硬件一體化

06結(jié)合大模型與國產(chǎn)化硬件

，打包成一站式解決方案進(jìn)行銷售和部署

，滿足特定行業(yè)或政府對(duì)于數(shù)據(jù)安全和自主可控的要求。API開放平臺(tái)

03將大模型封裝為API

，通過開放平臺(tái)提供給開發(fā)者和公司使用。用戶按調(diào)

用量或使用時(shí)長付費(fèi)

，是輕量級(jí)的接

入方式

，適用于中小企業(yè)和開發(fā)者。與現(xiàn)有產(chǎn)品集成

02與傳統(tǒng)應(yīng)用/軟件、

SaaS服務(wù)或硬件產(chǎn)品集成

，提升產(chǎn)品智能化水平

，增加附加值；如將AI功能嵌入客服系統(tǒng)、辦公軟件、智能家居設(shè)備等。定制化解決方案

05為企業(yè)客戶提供定制化的大模型應(yīng)用開發(fā)

，解決特定行業(yè)問題

，如金融風(fēng)

控、

醫(yī)療診斷、智能制造等

，按項(xiàng)目

或效果收費(fèi)。私有化部署

04包含云端私有化部署和本地私有化部署兩種

，確保企業(yè)在訪問大模型的時(shí)

候?qū)?shù)據(jù)有控制權(quán)

，適用于對(duì)數(shù)據(jù)安

全性有要求的企業(yè)。API價(jià)格大幅下降來源：

智能小巨人科技整理?對(duì)于生成式AI開發(fā)者而言

，在研發(fā)中最期待的助力是應(yīng)用開發(fā)的工具鏈支持、實(shí)踐案例分享、相關(guān)技術(shù)課程、技術(shù)與業(yè)務(wù)結(jié)合的專業(yè)咨詢等；其中生成式AI工具鏈中難度大工具少的環(huán)節(jié)又以模型評(píng)估、模型調(diào)優(yōu)兩個(gè)階段最為突出！對(duì)于生成式AI開發(fā)者而言

，對(duì)于資金支持的需求并非優(yōu)先級(jí)最高的選項(xiàng)。?有資深開發(fā)者表示，

降價(jià)行為仍然反映了大模型行業(yè)內(nèi)現(xiàn)有性能評(píng)測標(biāo)準(zhǔn)的缺乏

，既然沒有統(tǒng)一的標(biāo)準(zhǔn)

，通過直白的比拼價(jià)格可

以讓用戶更容易理解和選擇。缺乏大模型性能評(píng)測標(biāo)準(zhǔn)，

直白比價(jià)成為權(quán)宜之計(jì)來源：

InfoQ

，

智能小巨人科技整理企業(yè)級(jí)用戶部署生成式AI旅程含規(guī)劃、測試、投入環(huán)節(jié)；測試與概念驗(yàn)證是企業(yè)投資生成式AI的前提，

降低試錯(cuò)項(xiàng)目的門檻能夠拉動(dòng)企業(yè)級(jí)AI部署。企業(yè)級(jí)用戶需求：

測試與概念驗(yàn)證是投資生成式AI的前提24%的企業(yè)表示已經(jīng)投資生成式AI，并且有相應(yīng)的預(yù)算計(jì)劃。這些預(yù)算可能來自2023年已有的規(guī)劃

，也有些是針對(duì)生成式AI新增的預(yù)算。34%的企業(yè)表示正在制定生

成式AI潛在應(yīng)用場景，

但還

沒有進(jìn)入試點(diǎn)階段。35%的企業(yè)表示已經(jīng)做了一些初步的測試與概念驗(yàn)證，

但還沒有明確的投資計(jì)劃。僅有7%的企業(yè)表示目前還沒

有任何部署生成式AI的舉措。來源：

IDC

，

智能小巨人科技整理企業(yè)落地生成式AI應(yīng)用的現(xiàn)實(shí)挑戰(zhàn)眾多，價(jià)格并非主因來源：

IDC

，

智能小巨人科技整理阿里云：降價(jià)后客戶案例有頭部招聘企業(yè)將大模型從簡歷篩查推廣到更多創(chuàng)新業(yè)務(wù)場景；

一周

內(nèi)，

該企業(yè)的大模型調(diào)用量翻了

100倍

，

但數(shù)百萬調(diào)用量的成本不

到200元

，成本大幅下降。直接受益降價(jià)的企業(yè)：

已跨過AI落地門檻，

有廣泛應(yīng)用的場景

調(diào)用成本

低于200元調(diào)用量

翻100倍智能小巨人科技整理來源：

阿里云，可以預(yù)見

，

亟需加速市場爆發(fā)的大模型公司，一方面還會(huì)推出更多扶

持AI應(yīng)用生態(tài)的措施

，

另一方面會(huì)積極尋求合

作伙伴構(gòu)建生態(tài)系統(tǒng)

，

提供端到端的解決方案

，

加速AI應(yīng)用的爆發(fā)。企業(yè)落地AI應(yīng)用仍需要多種戰(zhàn)略合作服務(wù)支持來源：

IDC

，

智能小巨人科技整理訊飛星火API能力正式免費(fèi)開放，

Lite版本推出永久免費(fèi)，

Pro與

Max版本大幅降價(jià)

，還面向大模型開發(fā)者推出專屬服務(wù)體系！

1

+X+N的模型能力矩陣：打造“

1

”系列的星火通用大模型

版本，

同時(shí)依托星火大模型定制訓(xùn)練平臺(tái)

，微調(diào)滿足不同開發(fā)者行業(yè)效果需求的X個(gè)定制大模型。

提供技術(shù)專家1V

1在線支持

，并構(gòu)建從線上到線下的開發(fā)者

賦能活動(dòng)

，繁榮開發(fā)者生態(tài)

，加速大模型應(yīng)用廣泛滲透！案例：

科大訊飛扶持百萬API開發(fā)者，

推出開發(fā)者專屬服務(wù)體系2024年1-4月星火大模型新增

55萬開發(fā)者2023年星火大模型匯聚

35萬開發(fā)者智能小巨人科技整理來源：

科大訊飛，案例：

2024年4月，

百度首次公布體系化的大模型生態(tài)戰(zhàn)略來源：

百度

，

智能小巨人科技整理?

“百模大戰(zhàn)

”：

同質(zhì)化or差異化?

領(lǐng)先大模型廠商的差異化路線?

路線一：

百度的知識(shí)增強(qiáng)和創(chuàng)作力優(yōu)勢?路線二：

阿里的平臺(tái)思維，

降低各類用戶使用門檻?路線三：科大訊飛的垂直深耕和商業(yè)模式差異化NO.

4“在位者”：

差異化

從技術(shù)戰(zhàn)略開始learn

more

…?在技術(shù)路線、產(chǎn)品服務(wù)、應(yīng)用落地和市場定位等方面

，領(lǐng)先的大模型廠商已經(jīng)選擇了各自的差異化路線圖。路線一：

百度的知識(shí)增強(qiáng)和創(chuàng)作力優(yōu)勢?文心系列大模型有兩個(gè)方面的技術(shù)特點(diǎn)奠定了產(chǎn)品服務(wù)的優(yōu)勢基礎(chǔ)

，一方面是在知識(shí)圖譜領(lǐng)先基礎(chǔ)上的知識(shí)增強(qiáng)能力；另一方面是在技術(shù)層面顯示出了“創(chuàng)作力”驚人的特點(diǎn)。路線二：

阿里的平臺(tái)思維

，

降低各類用戶使用門檻?

C端產(chǎn)品矩陣豐富

，多場景使用門檻低。?To

B發(fā)揮綜合實(shí)力優(yōu)勢

，在高性能基礎(chǔ)設(shè)施、打造開源生態(tài)、抓住辦公場景入口等方面多管齊下。路線三：

科大訊飛的垂直深耕和商業(yè)模式差異化?一方面是大模型推動(dòng)的垂直領(lǐng)域數(shù)字化

，面向已經(jīng)深度布局的垂直領(lǐng)域

，利用行業(yè)數(shù)據(jù)和know-how積累

，捕捉能夠?qū)I技術(shù)落地變

現(xiàn)的商機(jī)；另一方面是軟硬結(jié)合的產(chǎn)品銷售

，直接將AI能力打包進(jìn)硬件產(chǎn)品進(jìn)行銷售

，比如自帶訊飛翻譯功能的訊飛耳機(jī)等等“在位者

”競爭

領(lǐng)先的大模型廠商已經(jīng)選擇了各自

的差異化路線

三大廠商的三種路徑：

“技術(shù)

+產(chǎn)

品”優(yōu)勢、

平臺(tái)思維、

垂直深耕“百模大戰(zhàn)”同質(zhì)化or差異化“百模大戰(zhàn)”：

國內(nèi)已公布大模型數(shù)量超過300個(gè)來源：

億歐智庫

，

智能小巨人科技整理產(chǎn)品服務(wù)同質(zhì)化：大模型的同質(zhì)化表現(xiàn)在語言處理、圖像識(shí)別、語音問答等基本功能的使用感

受相近

，提供的服務(wù)類型相似。差異化：不同公司基于自身優(yōu)勢打造的產(chǎn)

品矩陣

，產(chǎn)品組合差異化非常顯著。技術(shù)路線同質(zhì)化：大部分都基于Transformer架構(gòu)，

預(yù)訓(xùn)練-微調(diào)范式也是常見的開發(fā)方法。差異化：基于數(shù)據(jù)優(yōu)勢和算法創(chuàng)新已經(jīng)有

很多技術(shù)路線的差異化

，如知識(shí)圖譜模型、跨模態(tài)技術(shù)、稀疏密混合精度優(yōu)化等等。應(yīng)用落地同質(zhì)化：熱門領(lǐng)域應(yīng)用落地點(diǎn)相似

，行業(yè)應(yīng)用停留在淺層集成。差異化：但也有不少大模型已經(jīng)在特定場

景中提供獨(dú)特的功能

，或者針對(duì)行業(yè)特性

進(jìn)行深度定制和優(yōu)化。市場定位同質(zhì)化：不少大模型都試圖在多個(gè)領(lǐng)域?qū)崿F(xiàn)應(yīng)用

，缺乏明確的市場定位。差異化：領(lǐng)先廠商從技術(shù)路線的頂層設(shè)計(jì)

就開始考慮市場定位

，也有不少公司基于

數(shù)據(jù)和場景優(yōu)勢切入特定領(lǐng)域或細(xì)分市場。百模大戰(zhàn)：同質(zhì)化or差異化

To

B定位：

旨在打造AI應(yīng)用與開發(fā)基礎(chǔ)性設(shè)施；

搭

建千帆大模型平臺(tái)、千帆AppBuilder平臺(tái)分別提供

企業(yè)級(jí)一站式服務(wù)、開發(fā)者一站式AI原生應(yīng)用開發(fā)

服務(wù)。

企業(yè)級(jí)應(yīng)用在專業(yè)知識(shí)圖譜&信息處理、創(chuàng)作增強(qiáng)&多模態(tài)支持等領(lǐng)域市場認(rèn)知度較高。文心系列：

ToC側(cè)重“創(chuàng)作力”，

To

B打造應(yīng)用開發(fā)一站式設(shè)施

文心系列大模型技術(shù)路線的差異化特色體現(xiàn)在：

知識(shí)增強(qiáng)、搜索架構(gòu)與生成式AI模型聯(lián)合優(yōu)化、跨模態(tài)技術(shù)。

文心系列三大類模型：文心·NLP大模型、文心·CV大模型、文心·跨模態(tài)大模型包含了文學(xué)創(chuàng)作能力、

領(lǐng)先的視覺技術(shù)以及跨模態(tài)技術(shù)。

C端產(chǎn)品：AI對(duì)話產(chǎn)品文心一言、AI圖像生成產(chǎn)品文心一格。

面向B端提供一站式服務(wù)平臺(tái)

，擴(kuò)展了云計(jì)算增值與企業(yè)服務(wù)。

技術(shù)層面“創(chuàng)作力”優(yōu)勢顯著

，C端產(chǎn)品側(cè)重創(chuàng)作、

創(chuàng)意應(yīng)用。

構(gòu)建AI藝術(shù)與輔助創(chuàng)作平臺(tái)“文心一格“

、AI

GC營銷創(chuàng)意平臺(tái)“擎舵”、旸谷社區(qū)平臺(tái)級(jí)服務(wù)。來源：

智能小巨人科技整理/

04/

02/

01/

03產(chǎn)品服務(wù)技術(shù)路線C端產(chǎn)品B應(yīng)用To文心系列大模型的技術(shù)路線特色與主流模型類似

，文心系列大模型采用Transformer架構(gòu)和預(yù)訓(xùn)練-微調(diào)的學(xué)習(xí)策略

，依賴海量的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練

，能夠處理多任務(wù)。文心大模型技術(shù)路線的差異化特色體現(xiàn)在：

文心ERNIE-SAT模型知識(shí)增強(qiáng)：百度擁有世界上最大的多源異構(gòu)知識(shí)圖譜，包含了50億實(shí)體和5500億事實(shí)

，通過通過知識(shí)圖譜來

構(gòu)建訓(xùn)練數(shù)據(jù)

，模型能夠?qū)崿F(xiàn)更強(qiáng)的可解釋性。搜索架構(gòu)與生成式AI模型聯(lián)合優(yōu)化

：百度新一代搜索架構(gòu)已經(jīng)發(fā)展到了基于語義理解和匹配

，通過引入搜索

結(jié)果

，為大模型提供時(shí)效性強(qiáng)、準(zhǔn)確率高的參考信息?？缒B(tài)技術(shù)：首創(chuàng)跨模態(tài)統(tǒng)一建模；比如

，使AI同時(shí)學(xué)習(xí)文本到圖像和圖像到文本兩個(gè)方向的任務(wù)增強(qiáng)了模型

的跨模態(tài)語義對(duì)齊能力

，顯著提升圖文生成效果。文心ERNIE-SAT是一個(gè)可以同時(shí)處理中英文跨語言的語音-語言跨模態(tài)大模型?？缒B(tài)大模型：

它不僅能處理文本數(shù)據(jù)

，

還能處理語音數(shù)據(jù)

，并在兩者間建立關(guān)聯(lián)?？缯Z言音素知識(shí)增強(qiáng)

：采用了跨語言音素

作為輸入特征

，能理解兩種語言的語音信

號(hào)

，并學(xué)習(xí)不同語言音素之間的映射關(guān)系。語音-語言聯(lián)合學(xué)習(xí)：模型在預(yù)訓(xùn)練階段同

時(shí)處理語音和對(duì)應(yīng)文本

，通過聯(lián)合掩碼學(xué)

習(xí)技術(shù)

，能夠?qū)W習(xí)語言和語音之間的對(duì)齊

關(guān)系

，以及它們共同表達(dá)的語義內(nèi)容。來源：

百度

，

智能小巨人科技整理AI圖像生成產(chǎn)品：AI作畫

：用戶只需輸入一句話

，就能自

動(dòng)生成創(chuàng)意畫作

，實(shí)現(xiàn)“一語成畫”。風(fēng)格多樣性

：能夠駕馭多種藝術(shù)風(fēng)格，包括但不限于抽象、寫實(shí)、

卡通、

印象

派等。二次編輯

：提供涂抹功能

，用戶可以涂

抹不滿意的部分

，讓模型重新調(diào)整生成。圖片疊加

：用戶可以給兩張圖片

，模型會(huì)自動(dòng)生成一張疊加后的創(chuàng)意圖?？煽厣?/p>

：支持用戶輸入圖片的可控生

成

，根據(jù)圖片的動(dòng)作或線稿等生成新圖。AI對(duì)話產(chǎn)品：對(duì)話互動(dòng)、

回答問題、協(xié)助創(chuàng)作等功能。知識(shí)增強(qiáng)

：從數(shù)萬億數(shù)據(jù)和數(shù)千億知識(shí)

中融合學(xué)習(xí)

，具備強(qiáng)大的知識(shí)增強(qiáng)能力。長文本能力

：計(jì)劃進(jìn)行版本升級(jí)

，屆時(shí)

將開放長文本能力，

文字范圍將在200

萬至500萬之間。統(tǒng)計(jì)數(shù)字：用戶規(guī)模：截至2023年12月28日

，文心

一言用戶數(shù)突破1億。文心系列大模型已開發(fā)2個(gè)C端產(chǎn)品：

文心一言

、文心一格文心一言文心一格兩大C端產(chǎn)品文心·NLP大模型具備超強(qiáng)語言理解能力以及寫小說、歌詞、詩歌、對(duì)聯(lián)等文學(xué)創(chuàng)作能力；

將大數(shù)據(jù)預(yù)

訓(xùn)練與多源豐富知識(shí)相結(jié)合

，不斷吸收海量文本數(shù)據(jù)中詞匯、結(jié)構(gòu)、語義等新知識(shí)。文心·CV大模型基于領(lǐng)先的視覺技術(shù)

，利用海量的圖像/視頻等數(shù)據(jù)

，為企業(yè)/開發(fā)者提供強(qiáng)大的視覺基礎(chǔ)模型，

以及一整套視覺任務(wù)定制與應(yīng)

用能力。文心·跨模態(tài)大模型基于知識(shí)增強(qiáng)的跨模態(tài)語義理解關(guān)鍵技術(shù)，可實(shí)現(xiàn)跨模態(tài)檢索、

圖文生成、

圖片文檔

的信息抽取等應(yīng)用的快速搭建

，落實(shí)產(chǎn)業(yè)

智能化轉(zhuǎn)型的AI助力。提供給創(chuàng)作者一個(gè)能夠利用AI生成藝術(shù)作

品和創(chuàng)意內(nèi)容的平臺(tái)

，支持多種風(fēng)格和形

式的圖像生成

，鼓勵(lì)藝術(shù)和設(shè)計(jì)領(lǐng)域的創(chuàng)

新嘗試。AIGC營銷創(chuàng)意平臺(tái)“擎舵”這個(gè)平臺(tái)讓個(gè)人或小團(tuán)隊(duì)能夠利用AI技術(shù)

快速生成高質(zhì)量的營銷內(nèi)容，

降低了創(chuàng)意

制作的門檻

，提高了效率

，相當(dāng)于讓“一個(gè)人就成為一支AI營銷隊(duì)伍”。技術(shù)層面“創(chuàng)作力”優(yōu)勢顯著，

C端產(chǎn)品側(cè)重創(chuàng)作

、創(chuàng)意應(yīng)用旸谷社區(qū)構(gòu)建了一個(gè)交流平臺(tái)

，讓AI創(chuàng)作者、開發(fā)

者和研究人員能夠分享經(jīng)驗(yàn)、合作項(xiàng)目

，促進(jìn)了知識(shí)共享和技能提升。AI藝術(shù)與輔助創(chuàng)作平臺(tái)“文心一格”來源：

百度

，

智能小巨人科技整理面向B端提供一站式服務(wù)平臺(tái)，

擴(kuò)展了云計(jì)算增值與企業(yè)服務(wù)

來源：

百度

，

智能小巨人科技整理百度搭建了兩大平臺(tái)旨在打造AI應(yīng)用與開發(fā)的基礎(chǔ)性設(shè)施：千帆大模型平臺(tái)提供推理

、

微調(diào)

、托管等企業(yè)級(jí)一站式服務(wù)。千帆AppBuilder平臺(tái)提供一站式AI原生應(yīng)用開發(fā)平臺(tái)，

通過自然語言即

可完成應(yīng)用的創(chuàng)建與分發(fā)。AI應(yīng)用與開發(fā)的基礎(chǔ)性設(shè)施文心大模型的跨模態(tài)技術(shù)奠定圖像生成和處理、語音合成、

語音識(shí)別和音頻分類等功能優(yōu)勢

，在內(nèi)容創(chuàng)作、媒體制作、

創(chuàng)意增強(qiáng)等領(lǐng)域具有獨(dú)特優(yōu)勢。創(chuàng)作增強(qiáng)&多模態(tài)支持文心大模型擁有知識(shí)增強(qiáng)方面的技術(shù)優(yōu)勢

，在打造專業(yè)的知

識(shí)圖譜、進(jìn)行專業(yè)的信息處理

方面已有多個(gè)企業(yè)級(jí)案例。專業(yè)知識(shí)圖譜&信息處理To

B打造應(yīng)用開發(fā)一站式設(shè)施，

知識(shí)圖譜與創(chuàng)作增強(qiáng)認(rèn)知度高來源：

智能小巨人科技整理企業(yè)應(yīng)用代表案例：

專業(yè)知識(shí)圖譜

、信息處理，

文旅數(shù)字化金融行業(yè)大模型浦發(fā)銀行浦發(fā)銀行與百度在行業(yè)數(shù)據(jù)、大算力和AI算法

上實(shí)現(xiàn)優(yōu)勢互補(bǔ)

，聯(lián)合研發(fā)面向金融行業(yè)的大模型；有效提升授信報(bào)告的處理效率；在金融

語義相似度

，金融事件主體抽取等一系列公開數(shù)據(jù)集上相對(duì)通用大模型取得顯著提升。電力行業(yè)NLP大模型國家電網(wǎng)百度和國網(wǎng)智研院共同構(gòu)建了千萬級(jí)電力文本

樣本庫和電力行業(yè)知識(shí)圖譜

，共同訓(xùn)練電力行業(yè)NLP大模型；在電力專業(yè)分詞、電力營銷敏感實(shí)體識(shí)別等關(guān)鍵指標(biāo)效果明顯

，顯著增強(qiáng)設(shè)備及電網(wǎng)運(yùn)營的自動(dòng)化、智能化水平。修復(fù)《富春山居圖》文旅數(shù)字化文心大模型對(duì)浙江省博物館及臺(tái)北故宮博物院的《富春山居圖》殘卷完成了線上的補(bǔ)全修復(fù)，

入選2023年文化和旅游數(shù)字化創(chuàng)新示范十佳案例

，也是唯一一個(gè)入選的大模型應(yīng)用案例。來源：

百度

，

智能小巨人科技整理

C端產(chǎn)品矩陣豐富

，多場景使用門檻低。AI對(duì)話助手擁知識(shí)儲(chǔ)備范圍廣泛

，涵蓋眾多領(lǐng)域。

大模型+云服務(wù)打包組合

，推廣AI編程與效率產(chǎn)品有突出優(yōu)勢。

通義系列模型與釘釘辦公場景中的用戶交互數(shù)據(jù)

集成

，AI效率產(chǎn)品優(yōu)化迭代效率更高。通義系列：

平臺(tái)思維，

降低各類用戶使用門檻，

重在生態(tài)布局

高性能基礎(chǔ)設(shè)施：算力+算法雙重能力實(shí)現(xiàn)高性能低成本部署

，落地天璣9300、小愛同學(xué)等知名案例。

開源生態(tài)領(lǐng)先

，模型下載量超過700萬次

，在B端影

響力優(yōu)勢顯著。

通過辦公場景入口優(yōu)勢，

中小B服務(wù)滲透力強(qiáng)。

To

C搭建行業(yè)模型產(chǎn)品矩陣

，To

B開源模型構(gòu)建領(lǐng)

先影響力。

To

C應(yīng)用場景豐富

，含對(duì)話、代碼、效率、法律、角色創(chuàng)作、文生圖等多種大模型助手。

持續(xù)開源

，降低開發(fā)者使用高質(zhì)量AI模型的門檻。

AI統(tǒng)一底座+兩層架構(gòu)、大小模型協(xié)同的層次化體系

，解決大模型通用性與易用性的難題

，并在保

持高性能的同時(shí)

，有效控制計(jì)算成本

，實(shí)現(xiàn)從云端到邊緣端的靈活部署。

采用低碳訓(xùn)練技術(shù)、依托阿里云的算力和算法架

構(gòu)

，可提供高效率、低成本的AI服務(wù)。來源：

智能小巨人科技整理/

02/

04/

01/

03產(chǎn)品服務(wù)技術(shù)路線C端產(chǎn)品B應(yīng)用To通義系列大模型的技術(shù)路線特色通義系列大模型的訓(xùn)練始于2020年6月；2022年1月，

阿里達(dá)摩院發(fā)布了業(yè)界首個(gè)通用統(tǒng)一大模型M6-OFA

，這標(biāo)志著通義系列大模型的一個(gè)重要里程碑。通義大模型技術(shù)路線的差異化特色體現(xiàn)在：

統(tǒng)一底座+兩層架構(gòu)AI統(tǒng)一底座+兩層架構(gòu)：通義系列打造了業(yè)界首個(gè)AI統(tǒng)一底座

，通用模型也構(gòu)建在統(tǒng)一底座之上

，這是架構(gòu)設(shè)

計(jì)上的獨(dú)特貢獻(xiàn)

，解決大模型通用性與易用性的難題。大小模型協(xié)同的層次化體系：通過構(gòu)建大小模型協(xié)同工作的體系

，通義大模型能夠在保持高性能的同時(shí)

，有效

控制計(jì)算成本

，實(shí)現(xiàn)從云端到邊緣端的靈活部署。低碳訓(xùn)練技術(shù)：通義大模型在訓(xùn)練能耗上進(jìn)行了優(yōu)化，如M6大模型在相同參數(shù)規(guī)模下訓(xùn)練能耗僅是GPT-3的

1%

，這在當(dāng)前大模型訓(xùn)練中是一個(gè)重要的優(yōu)勢。通義系列大模型中的通用模型也構(gòu)建在統(tǒng)一底座之上

，形成了“兩層架構(gòu)”。統(tǒng)一底座層實(shí)現(xiàn)模態(tài)表示、任務(wù)表示、模型結(jié)構(gòu)統(tǒng)一：業(yè)界首次實(shí)現(xiàn)這一統(tǒng)一

，使得單一模型能夠同時(shí)處理超過30種任務(wù)。通用模型層主要由三大模型體系構(gòu)成

，分

別是通義-M6、通義-AliceMind和通義-CV。“兩層架構(gòu)

”通過統(tǒng)一底座層和通用模型

層的結(jié)合

，構(gòu)建了一個(gè)既統(tǒng)一又多樣化的

模型體系

，不僅提高了模型的通用性和可

擴(kuò)展性

，還實(shí)現(xiàn)優(yōu)化訓(xùn)練效率和降低能耗。來源：

阿里巴巴

，

智能小巨人科技整理ToC搭建行業(yè)模型產(chǎn)品矩陣，

To

B開源模型構(gòu)建領(lǐng)先影響力通義靈碼、

通義曉蜜

通義效率、

通義法睿通義星辰、

通義萬相阿里云百煉釘釘AI助理市場開源模型與魔搭社區(qū)企業(yè)級(jí)服務(wù)通義千問大語言模型

通義千問VL模型行業(yè)模型

產(chǎn)品矩陣基礎(chǔ)模型

服務(wù)來源：

阿里巴巴

，

智能小巨人科技整理通義曉蜜多模態(tài)智能客服客戶情緒分析

自動(dòng)化服務(wù)流程

全渠道聯(lián)絡(luò)中心通義萬相文本生成圖像多分辨率支持創(chuàng)意設(shè)計(jì)輔助多樣化應(yīng)用場景通義靈碼智能編碼輔助自然語言轉(zhuǎn)代碼單元測試生成代碼優(yōu)化、代碼解釋代碼注釋生成研發(fā)智能問答通義星塵個(gè)性化角色創(chuàng)作AI驅(qū)動(dòng)的故事生成交互式敘事體驗(yàn)創(chuàng)意內(nèi)容輔助通義千問VL

圖文生成與編輯圖像識(shí)別與理解視覺問答視覺輔助創(chuàng)作多模態(tài)融合應(yīng)用通義法睿AI法律顧問文書生成法律知識(shí)檢索文本閱讀與分析案情分析輔助通義千問

多輪對(duì)話、文案創(chuàng)作邏輯推理、多模態(tài)理解知識(shí)檢索與問答多語言支持通義系列模型產(chǎn)品矩陣，

ToC應(yīng)用場景豐富，實(shí)時(shí)語音轉(zhuǎn)文字音視頻轉(zhuǎn)文字文檔/網(wǎng)頁閱讀總結(jié)論文/電子書閱讀總結(jié)播客鏈接轉(zhuǎn)寫使用門檻低來源：

阿里巴巴

，

智能小巨人科技整理通義效率

通義系列大模型持續(xù)開源，

Qwen-72B“性能最強(qiáng)開源大模型”Qwen-72B在10個(gè)

權(quán)威基準(zhǔn)測評(píng)中創(chuàng)

下了開源模型最優(yōu)

成績

，這些測評(píng)覆

蓋了語言理解、生

成、對(duì)話、編程等

多個(gè)維度

，證明了

其在多個(gè)任務(wù)上的

全面性和優(yōu)越性。

超越了包括Llama2-70B在內(nèi)的開源

標(biāo)桿模型以及大部

分商用閉源模型

，

確立了其在開源領(lǐng)

域的領(lǐng)先地位。來源：

智能小巨人科技整理高性能基礎(chǔ)設(shè)施通義大模型依托阿里云的強(qiáng)大算力基礎(chǔ)和先進(jìn)的算法架構(gòu)

，為B

端客戶提供高效率、低成本的AI服務(wù)。它通過“飛天智算平臺(tái)

”

等技術(shù)

，大幅提升了模型訓(xùn)練和推理的效率。開源生態(tài)領(lǐng)先眾包式的開源合作模式促進(jìn)了模型的快速迭代和優(yōu)化

，增加了模型的多樣性和應(yīng)用場景

，從而提升其影響力

，并圍繞模型打造一個(gè)包含工具、插件、服務(wù)的生態(tài)系統(tǒng)。模型下載量超過700萬次。辦公場景入口優(yōu)勢通義大模型將AI能力深度融入到釘釘?shù)霓k公協(xié)作場景中

，并在釘釘AI助理市場上線了超過200個(gè)AI助理

，使得用戶能夠在日常工作中便捷地調(diào)用AI功能。天璣9300

聯(lián)發(fā)科在其旗艦芯片天璣9300上成功部署了通義千問大模型，

這是手機(jī)芯片上首次實(shí)現(xiàn)大模型的深度適配。

阿里云與聯(lián)發(fā)科在多個(gè)技術(shù)層面深入合作

，包括模型瘦身、工具鏈優(yōu)化、推理優(yōu)化、

內(nèi)存優(yōu)化、算子優(yōu)化等

，確保大模型保持高性能且減少資源消耗

，適應(yīng)手機(jī)硬件。

推理2048tokens，

內(nèi)存占用僅為1.8GB，

CPU占有率僅為

30%，

RAM占用少于2GB

，推理速度超過20tokens/秒。小愛同學(xué)

小米旗下的人工智能助手“小愛同學(xué)”與通義大模型展開合

作

，強(qiáng)化其在圖片生成、

圖片理解等方面的多模態(tài)

AI生成

能力

，并在小米手機(jī)、汽車等多類設(shè)備落地。

雙方合作還包括技術(shù)的深層次研發(fā)

，如模型優(yōu)化、算法創(chuàng)新等

，以確?！靶弁瑢W(xué)”能夠高效地在各種設(shè)備上運(yùn)行大模型

，即使在資源有限的環(huán)境中也能保持良好的性能。To

B服務(wù)高性能優(yōu)勢顯著，

開源生態(tài)領(lǐng)先，

占據(jù)辦公場景入口來源：

智能小巨人科技整理訊飛星火系列：

垂直領(lǐng)域AI應(yīng)用優(yōu)勢顯著，

C端主打軟硬件結(jié)合

2010年

，科大訊飛all

in深度學(xué)習(xí)技術(shù)

，打造訊飛

開放平臺(tái)構(gòu)建全棧AI能力

，試水教育、消費(fèi)者、

醫(yī)療、智慧城市等；

從技術(shù)提供商轉(zhuǎn)向垂直AI行

業(yè)服務(wù)商。

公司聚焦智慧教育、智慧城市、智慧醫(yī)療和消費(fèi)者業(yè)務(wù)四大核心賽道；垂直場景、數(shù)據(jù)積累深厚。

大模型推動(dòng)的垂直領(lǐng)域數(shù)字化：

面向已經(jīng)深度布局

的垂直領(lǐng)域

，利用行業(yè)數(shù)據(jù)和know-how積累

，捕捉能夠?qū)I技術(shù)落地變現(xiàn)的商機(jī)。

軟硬結(jié)合的產(chǎn)品銷售

：將AI能力打包進(jìn)硬件產(chǎn)品進(jìn)

行銷售

，比如自帶訊飛翻譯功能的訊飛耳機(jī)等等。

NLP領(lǐng)域持續(xù)突破

，追趕ChatGPT

：科大訊飛持續(xù)

刷新NLP技術(shù)上限

，星火大模型的語義理解能力跟ChatGPT相比僅有細(xì)微差別。

教育、

醫(yī)療等領(lǐng)域?qū)倌Ｐ蛢?yōu)勢

：語音大模型、教育與醫(yī)療領(lǐng)域?qū)倌Ｐ投季哂腥蝾I(lǐng)先的技術(shù)優(yōu)勢。

主打B+G垂直行業(yè)大模型解決方案

，并大力升級(jí)

了訊飛開放平臺(tái)

，提供多種多樣的開發(fā)者工具和

服務(wù)。

面向C端

，將大模型能力融入到眾多消費(fèi)電子產(chǎn)品當(dāng)中。來源：

智能小巨人科技整理/

04/

02/

01/

03產(chǎn)品服務(wù)技術(shù)路線商業(yè)模式業(yè)務(wù)背景

公司成立于1999年

，創(chuàng)始人團(tuán)隊(duì)來自

中科大電子工程系人機(jī)語音通信實(shí)驗(yàn)室，

成立之初主要圍繞智能語音技術(shù)進(jìn)行商

業(yè)化探索。

2010年發(fā)布以智能語音和人機(jī)交互為

核心的人工智能開放平臺(tái)——訊飛開放

平臺(tái)

，將自身AI能力向下游移動(dòng)互聯(lián)網(wǎng)以及智能硬件開發(fā)者輸出。

2015-2018年公司持續(xù)拓展行業(yè)賽道，

推出覆蓋多個(gè)行業(yè)的智能產(chǎn)品及服務(wù)，推動(dòng)在智慧教育、智慧醫(yī)療、智慧城市、

智慧司法、金融科技、智能汽車、運(yùn)營

商、消費(fèi)者等領(lǐng)域的深度應(yīng)用

，最終升級(jí)為G-B-C三輪驅(qū)動(dòng)的商業(yè)模式。

2019年公司進(jìn)入AI.0時(shí)代

，一方面聚焦

智慧辦公、個(gè)性化學(xué)習(xí)、智慧政法等核

心賽道

，進(jìn)行規(guī)?；瘮U(kuò)張

，推動(dòng)業(yè)務(wù)逐

漸由項(xiàng)目化向產(chǎn)品化

、

運(yùn)營化轉(zhuǎn)型；

2023年公司推出訊飛星火大模型，

步入生成式AI新的發(fā)展期?？拼笥嶏w二十五年成長史：

從智能語音提供商到大模型先鋒來源：

科大訊飛

，

長江證券

，

智能小巨人科技整理科大訊飛百度騰訊阿里教育G端累計(jì)50個(gè)市區(qū)；

B端覆蓋300區(qū)縣、

12000余學(xué)校

，平

臺(tái)占有率全國第一結(jié)合百度文庫

的教育內(nèi)容資

源解決方案

，

2017年上線騰訊教育智腦

2020年推出

，

主要案例為羅

湖教育智腦2021年基于釘

釘打造阿里云

教育

，主要模

式是云電腦醫(yī)療智醫(yī)助理覆蓋全國

31個(gè)省、408個(gè)區(qū)

縣，完成超過2.3

億份電子病歷；影

像平臺(tái)聯(lián)通1850家

醫(yī)療機(jī)構(gòu)

，數(shù)據(jù)歸

檔近7400萬例2023年CHINC

報(bào)道

，靈醫(yī)智

惠已經(jīng)落地31

個(gè)省/市AI導(dǎo)輔診落地

34省900+醫(yī)療

機(jī)構(gòu)；國家級(jí)

醫(yī)療影像AI開

放平臺(tái)阿里健康主要

商業(yè)模式是通

過線上導(dǎo)診進(jìn)

行藥品自營的

“云藥房“法律全國26個(gè)省市區(qū)

，

累計(jì)覆蓋1800余家

法院單位接入訊飛

AI司法平臺(tái)暫無標(biāo)桿產(chǎn)品2018年推出廣

州智慧司法檢

察院暫無標(biāo)桿產(chǎn)品政務(wù)科大訊飛承建江西

省第一個(gè)綜合人口

數(shù)據(jù)庫

，共匯聚約4

億條人口數(shù)據(jù)百度政務(wù)云2023年國內(nèi)綜

合排名第9騰訊政務(wù)云2023年國內(nèi)綜

合排名第8阿里政務(wù)云2023年國內(nèi)綜

合排名第22010年All

in深度學(xué)習(xí)技

術(shù)

，

打造訊飛開

放平臺(tái)構(gòu)建全棧AI

能

力

，

試

水

教育

、

消費(fèi)者

、

醫(yī)療、智慧城市等；

從技術(shù)提供商轉(zhuǎn)向

垂

直

AI

行

業(yè)

服務(wù)商。2013年收購啟明科技

，擴(kuò)大教育行業(yè)影

響力

；

搭建起面

向?qū)W校

、

教師

、

學(xué)生和家長多級(jí)

用戶的教育全鏈

路產(chǎn)品體系

。

業(yè)

務(wù)結(jié)構(gòu)向垂直領(lǐng)

域深度滲透。提出AI1.0戰(zhàn)略

，積

極

探

索

AI

應(yīng)

用落地場景與技術(shù)

變現(xiàn)

，

經(jīng)歷云平

臺(tái)服務(wù)

、

移動(dòng)互

聯(lián)

、

智能客服

、

車載助手

、

互動(dòng)

娛樂、智能硬件、

語音信息安全等

多領(lǐng)域試錯(cuò)。聚焦智慧教育

、智慧城市

、智慧醫(yī)療和消

費(fèi)者業(yè)務(wù)四大核心賽

道

，并將智慧汽車

、智慧金融等作為潛力

賽道。公司深耕教育、消費(fèi)者

、政務(wù)等賽道

多年

，一方面與頭部

機(jī)構(gòu)成立聯(lián)合實(shí)驗(yàn)室，

獲取稀缺的專家與數(shù)據(jù)資源；

另一方面公

司積極搶占數(shù)據(jù)源頭，To

B+G優(yōu)勢：

多業(yè)務(wù)線垂直深耕，

垂直場景

、數(shù)據(jù)積累深厚

收購啟明科技搭建教育全鏈路產(chǎn)品體系

，業(yè)務(wù)結(jié)構(gòu)向垂直領(lǐng)域深度滲透提出AI1.0戰(zhàn)略探索AI落地場景經(jīng)歷多元業(yè)務(wù)領(lǐng)域試錯(cuò)聚焦智慧教育、智慧城市、智慧醫(yī)療和消費(fèi)者業(yè)務(wù)All

in深度學(xué)習(xí)

從技術(shù)提供商轉(zhuǎn)向

垂直AI行業(yè)服務(wù)商來源：

科大訊飛

，

長江證券

，

民生證券

，

智能小巨人科技整理2019年2015年科大訊飛在垂直領(lǐng)域布局領(lǐng)先驅(qū)動(dòng)AI應(yīng)用產(chǎn)品提升。NLP領(lǐng)域持續(xù)突破

，追趕ChatGPT：科大訊飛持續(xù)刷新

NLP

技

術(shù)

上

限

，

星

火

大

模

型

的

語

義

理

解

能

力

跟

ChatGPT相比僅有細(xì)微差別。語音大模型全球領(lǐng)先：科大訊飛語音核心源頭技術(shù)常年保持世界前列的水平

，星火大模型整合語音能力與接近

40個(gè)語種

，并能實(shí)現(xiàn)多語種合成。教育、醫(yī)療等領(lǐng)域?qū)倌Ｐ蛢?yōu)勢：教育領(lǐng)域的AI閱卷在全球獲得眾多獎(jiǎng)項(xiàng)

，作文評(píng)價(jià)首次達(dá)到專家水平；

醫(yī)療AI模型全球首個(gè)通過國家執(zhí)業(yè)醫(yī)師資格考試。星火系列大模型的技術(shù)路線特色科大訊飛星火大模型的語音識(shí)別、圖文識(shí)別、機(jī)器翻譯任務(wù)都是

在Transformer的框架上實(shí)現(xiàn)的，開源預(yù)訓(xùn)練模型在Git

hub上比第二名超出一倍，體現(xiàn)出算法長期積累優(yōu)化的優(yōu)勢。星火大模型技術(shù)路線的差異化特色體現(xiàn)在：智能小巨人科技整理來源：

科大訊飛，產(chǎn)品服務(wù)體系：

B+G垂直解決方案

、開發(fā)者平臺(tái)

、C端消費(fèi)電子來源：

智能小巨人科技整理教育業(yè)務(wù)“G-B-C”商業(yè)模式閉環(huán)，

大模型在垂直領(lǐng)域深度融合來源：

科大訊飛

，

中信建投證券

，

智能小巨人科技整理ToG應(yīng)用

ToC應(yīng)用

ToB應(yīng)用

訊飛與昇騰合作星火一體機(jī)，

契合高安全性本地化部署需求?本地部署的一體機(jī)可以確保敏感數(shù)據(jù)不離開企業(yè)內(nèi)部網(wǎng)絡(luò)

，避免了數(shù)據(jù)上傳至云端可能帶來的泄露風(fēng)險(xiǎn)

，完全符合對(duì)數(shù)據(jù)隱私和

安全有嚴(yán)格要求的行業(yè)規(guī)范

，如金融、

醫(yī)療、政府機(jī)構(gòu)等。

軟硬件一體化設(shè)計(jì)集成了底層算力、AI框架、訓(xùn)練算法、推理能力等全棧AI能力

，無需復(fù)雜配置，

即可快速部署并應(yīng)用大模型技術(shù)。

專屬大模型解決方案提供定制化的大模型服務(wù)

，滿足企業(yè)在金

融、

工業(yè)、

醫(yī)療、教育、辦公、汽車等多

個(gè)行業(yè)的特定應(yīng)用場景要求

，提高行業(yè)解決方案的針對(duì)性和適用性。星火一體機(jī)

四大優(yōu)勢高性能算力支持

集成了底層算力、AI框架、訓(xùn)練算法、推理能力等全棧AI能力

，無需復(fù)雜配置，

即可快速部署并應(yīng)用大模型技術(shù)。高安全與合規(guī)性

適合確保數(shù)據(jù)處理安全

，符合國內(nèi)法律法

規(guī)要求

，適合對(duì)數(shù)據(jù)隱私和安全有嚴(yán)格要

求的行業(yè)。智能小巨人科技整理來源：

科大訊飛，遠(yuǎn)大于紅海競爭?

OpenAI是否注定要失敗？?

大模型競爭中的后發(fā)優(yōu)勢效應(yīng)?

不僅僅科技巨頭

，AI創(chuàng)業(yè)團(tuán)隊(duì)也享受后發(fā)優(yōu)勢?大模型戰(zhàn)場“硝煙四起

”，“價(jià)格戰(zhàn)

”只是“初

試鋒芒

”?AI產(chǎn)業(yè)生態(tài)現(xiàn)狀

：藍(lán)海機(jī)遇遠(yuǎn)大于紅海競爭NO.

5“挑戰(zhàn)者”：

藍(lán)海機(jī)遇learn

more

…不斷有玩家推出性能更優(yōu)的大模型

，希望追趕并超越OpenA；新興企業(yè)如DeepSeek以其獨(dú)特的創(chuàng)新架構(gòu)和高效的訓(xùn)練效率

，在構(gòu)建大型模型方面展現(xiàn)出強(qiáng)大的競爭力；英偉達(dá)新推出的Blackwell嚴(yán)重供不應(yīng)求，

因?yàn)楹芏喙菊诟偁帯皳碛校ù竽Ｐ停┘夹g(shù)領(lǐng)導(dǎo)地位”。OpenAI雖在數(shù)據(jù)收集方面占據(jù)優(yōu)勢

，但Meta和谷歌等現(xiàn)有平臺(tái)因能直接觸達(dá)消費(fèi)者

，有望在未來大型語

言模型使用中占據(jù)主導(dǎo)。

因?yàn)榇蠖鄶?shù)未來的消費(fèi)者對(duì)大模型的使用將通過現(xiàn)有平臺(tái)進(jìn)行

，如Facebook、谷歌、

Instagram、WhatsApp、

iPhone/Android。微軟作為OpenAI的主要合作伙伴，

正努力減少對(duì)

OpenAI的依賴

，并加速自家AI技術(shù)的研發(fā)

，包括

：收

購Inflection加強(qiáng)人才儲(chǔ)備，

研究合成數(shù)據(jù)，

研發(fā)

MAI-1約5000億參數(shù)的混合專家（

MOE）模型等等。OpenAI是否注定要失??？大模型競爭激烈科技巨頭后發(fā)優(yōu)勢不確定的

合作關(guān)系來源：

智能小巨人科技整理定制化與垂直領(lǐng)域優(yōu)勢后發(fā)者有可能在特定的應(yīng)用場景下

，對(duì)模型進(jìn)行更加深入的優(yōu)化和定制

，以提供更加精準(zhǔn)和個(gè)性化的服務(wù)。生態(tài)系統(tǒng)構(gòu)建后發(fā)者有機(jī)會(huì)構(gòu)建更加開放和包容的生態(tài)系統(tǒng)

，通過開源促進(jìn)技術(shù)擴(kuò)散和

社區(qū)合作

，加速技術(shù)迭代和應(yīng)用拓展。無歷史包袱的創(chuàng)新后發(fā)者直接創(chuàng)新

，如多模態(tài)、輕量化模型、

可解釋性

，不需固守舊模式。技術(shù)借鑒與優(yōu)化隨著技術(shù)的不斷演進(jìn)

，后發(fā)者有可能采用更新的技術(shù)框架或算法

，從而在

性能上實(shí)現(xiàn)超越。數(shù)據(jù)規(guī)模與多樣性后發(fā)者有可能通過特定的數(shù)據(jù)收集策略或合作伙伴關(guān)系

，獲取到更加多樣化和高質(zhì)量的數(shù)據(jù)。計(jì)算成本效率隨著硬件成本的下降和計(jì)算效率的提升

，后發(fā)企業(yè)可以以更低的成本達(dá)到或超越先發(fā)者的性能。?大模型競爭中的后發(fā)優(yōu)勢效應(yīng)相當(dāng)強(qiáng)大：?新進(jìn)入者可以利用最新的研究成果和技術(shù)創(chuàng)新來構(gòu)建模型

，快速縮小與市場領(lǐng)導(dǎo)者的差距；?隨著硬件成本的下降和計(jì)算效率的提升

，后發(fā)企業(yè)能以更低的成本達(dá)到或超越先發(fā)者的性能；?擁有場景與數(shù)據(jù)優(yōu)勢的玩家

，通過“

+AI”也有在垂直領(lǐng)域彎道超車的機(jī)會(huì)。大模型競爭中的后發(fā)優(yōu)勢效應(yīng)強(qiáng)大來源：

智能小巨人科技整理后發(fā)優(yōu)勢新進(jìn)入者

AI創(chuàng)業(yè)公司明星團(tuán)隊(duì)人才、融資優(yōu)勢顯著大模型產(chǎn)品服務(wù)未拉開差距

，轉(zhuǎn)移成本低發(fā)起營銷戰(zhàn)

，參與價(jià)格戰(zhàn)切入市場缺口供應(yīng)要素算力、

算法、

數(shù)據(jù)算力整體供不應(yīng)求

，少數(shù)玩家建設(shè)計(jì)算集群、算力平臺(tái)獲得規(guī)模效應(yīng)降低單位算力成本缺場景缺數(shù)據(jù)訓(xùn)練技術(shù)和算法策略提升

大模型性能并降低成本客戶/用戶企業(yè)、

開發(fā)者API調(diào)用、AI應(yīng)用滲透率仍低，大模型廠商亟需加速市場爆發(fā)部署、調(diào)用、應(yīng)用門檻仍然偏高

，企業(yè)與開發(fā)者都需要系統(tǒng)性的幫助和支持“在位者”競爭開展價(jià)格戰(zhàn)捆綁云服務(wù)、融合老業(yè)務(wù)

扶持生態(tài)系統(tǒng)模型性能與成本存在后發(fā)優(yōu)勢效應(yīng)

，擁有場景與數(shù)

據(jù)的玩家“+AI”直接超車算力、數(shù)據(jù)供不應(yīng)求

算法人才供不應(yīng)求降價(jià)直白比價(jià)合作伙伴端到端服務(wù)更多市場扶持措施算力規(guī)模效應(yīng)降本

燒錢換數(shù)據(jù)長期降本

模型層面技術(shù)性降本大模型戰(zhàn)場“硝煙四起”，“價(jià)格戰(zhàn)”只是初試鋒芒有購買意向與預(yù)算支

持

，但無法衡量ROI并

缺乏足夠的落地支持來源：

智能小巨人科技整理AI產(chǎn)業(yè)生態(tài)環(huán)節(jié)眾多，

藍(lán)海機(jī)遇仍遠(yuǎn)大于紅海競爭來源：

智能小巨人科技整理智能小巨人科技

AI戰(zhàn)略咨詢服務(wù)?

四大主營業(yè)務(wù)：

AI戰(zhàn)略咨詢

、資本品牌

、AI培訓(xùn)

、AI應(yīng)用?AI戰(zhàn)略咨詢四類服務(wù)：

AI行業(yè)洞察

、AI戰(zhàn)略研究

、AI戰(zhàn)略規(guī)劃

、AI業(yè)務(wù)孵化

?全球最佳實(shí)踐智庫，

歷經(jīng)一年深度打磨?我們是戰(zhàn)略研究

、市場洞察的專家learn

more

…職業(yè)履歷：2011-2018：

國金證券分析師、

中信證券高級(jí)分析師、光大證券首席分析師2018-2023：頭部互聯(lián)網(wǎng)大廠資深戰(zhàn)略專家職業(yè)榮譽(yù)：2018：Wind年度金牌分析師傳媒互聯(lián)網(wǎng)行業(yè)第1名2017：“天眼”年度最佳證券分析師選股獎(jiǎng)傳媒第3名2016：“天眼”年度最佳證券分析師選股獎(jiǎng)傳媒第3名2015：東方財(cái)富十佳分析師全市場第3名2013：東方財(cái)富十佳分析師全市場第4名2013：湯森路透StarMine全球賣方分析師評(píng)選“

中國大陸及香港地區(qū)”可選消費(fèi)行業(yè)“最佳選股獎(jiǎng)”第2名2011：

中國證券業(yè)金牛分析師獎(jiǎng)TMT行業(yè)第4名是誕生于“AI技術(shù)革命”

的精品咨詢公司戰(zhàn)略專家行業(yè)研究專家投研專家產(chǎn)品技術(shù)專家市場調(diào)研專家財(cái)經(jīng)公關(guān)專家智能小巨人科技是誕生于

“AI技術(shù)革命

”

的精品咨詢公司

，

創(chuàng)始團(tuán)隊(duì)由多位10年以上從業(yè)經(jīng)驗(yàn)的頭部

互聯(lián)網(wǎng)大廠戰(zhàn)略Leader、

市場研究負(fù)責(zé)人、

產(chǎn)品技

術(shù)

負(fù)

責(zé)

人

、

大

型

證

券

研

究

所

T

MT

團(tuán)

隊(duì)

負(fù)

責(zé)

人

、PE/VC投資人、

財(cái)經(jīng)公關(guān)專業(yè)人士組成。創(chuàng)始人：

王錚智能小巨人科技《

AI戰(zhàn)略咨詢服務(wù)》的四大主營業(yè)務(wù)人工智能培訓(xùn)AI應(yīng)用落地資本品牌服務(wù)AI戰(zhàn)略咨詢針對(duì)企業(yè)的戰(zhàn)略洞察

、

用戶研究

、

專項(xiàng)調(diào)研

、

投資

并購

、

融資事件

、

內(nèi)容營

銷等場景的AI業(yè)務(wù)創(chuàng)新

、

AI應(yīng)用落地服務(wù)。包含資本品牌策略與傳播策劃、

IPO/并購/事件傳播、

商業(yè)BP/內(nèi)容營銷定制、全球投資峰會(huì)等服務(wù)。與人工智能領(lǐng)域的領(lǐng)軍企業(yè)

、

一線專家合作，

面向

企業(yè)需求的定制人工智能

培訓(xùn)服務(wù)。包含AI行業(yè)洞察

、

AI戰(zhàn)略

研究

、

AI戰(zhàn)略規(guī)劃

、

AI業(yè)

務(wù)孵化等服務(wù)。智能小巨人科技《

AI戰(zhàn)略咨詢服務(wù)》02AI

戰(zhàn)

略

研

究根

據(jù)

需

求

定

制

AI戰(zhàn)略

專

項(xiàng)研究

，

如技術(shù)路線、

最佳實(shí)踐

、

產(chǎn)品戰(zhàn)略等03AI

戰(zhàn)

略

規(guī)

劃根據(jù)需求設(shè)計(jì)或配合企業(yè)戰(zhàn)略

規(guī)劃工作流程，

定制市場洞察、

戰(zhàn)略分析

、

技術(shù)規(guī)劃

、

戰(zhàn)略解

碼

、

路線圖制定

、

執(zhí)行計(jì)劃跟

蹤機(jī)制等專項(xiàng)或打包服務(wù)的核心業(yè)務(wù)：

AI戰(zhàn)略咨詢服務(wù)AI

業(yè)

務(wù)

孵

化定

制

化的

端

到

端

AI

業(yè)

務(wù)

孵化

，

包括方向探索、

專家智庫

、

產(chǎn)業(yè)鏈研究

、

最

佳

實(shí)

踐

解

析

、

市

場

/

用

戶

調(diào)

研

、

產(chǎn)

品

/

技

術(shù)

戰(zhàn)

略

規(guī)劃