2023年中国AI开发平台市场报告 -人工智能、AI开发平台、机器学习平台、机器学习.pdf

20232023年年中国中国AIAI开发平台市场报告开发平台市场报告头豹研究院弗若斯特沙利文咨询（中国）人工智能、AI开发平台、机器学习平台、机器学习2024年01月报告说明报告说明沙利文联合头豹研究院谨此发布中国人工智能系列报告之2023年中国AI开发平台市场报告年度报告。本报告旨在分析在中国AI开发平台市场的现状、应用前景、技术动向及发展趋势，并识别AI开发平台市场竞争态势，反映该细分市场领袖梯队厂商的差异化竞争优势。沙利文联合头豹研究院对在AI开发平台进行了下游用户体验调查。受访者来自金融、电商零售、政府与公共服务、商业与消费服务等不同行业，所在公司规模不一，细分领域有别。本市场报告提供的中国AI开发平台发展趋势分析亦反映出AI开发平台行业整体的动向。报告最终对市场排名、领袖梯队的判断仅适用于本年度中国AI开发平台市场发展周期。本报告所有图、表、文字中的数据均源自弗若斯特沙利文咨询（中国）及头豹研究院调查，数据均采用四舍五入，小数计一位。报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系弗若斯特沙利文及头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经弗若斯特沙利文及头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，弗若斯特沙利文及头豹研究院保留采取法律措施、追究相关人员责任的权利。弗若斯特沙利文及头豹研究院开展的所有商业活动均使用“弗若斯特沙利文”“沙利文”“头豹研究院”或“头豹”的商号、商标，弗若斯特沙利文及头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表弗若斯特沙利文或头豹研究院开展商业活动。中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/013研究框架研究框架 中国中国AIAI开发平台行业综述开发平台行业综述-4定义与研究范围发展历程价值效益 中国中国AIAI开发平台行业分析开发平台行业分析-9政策分析发展趋势竞争研判竞争壁垒 中国中国AIAI开发平台行业产业链分析开发平台行业产业链分析-14产业链图谱上游分析-算法与算力上游分析-云原生技术架构中游分析-参与者类型中游分析-商业模式下游分析-业务场景下游分析-行业应用 中国中国AIAI开发平台行业场景应用分析开发平台行业场景应用分析-22金融、泛娱乐、教育、医疗、电商交通、物流、政务、消费电子、零售 中国中国AIAI开发平台市场竞争分析开发平台市场竞争分析-34中国AI开发平台评价维度说明中国AI开发平台市场综合竞争表现中国AI开发平台市场领导者厂商 方法论方法论-40 法律声明法律声明-41章节一章节一 行业综述行业综述 1.1 定义与研究范围 1.2 发展历程 1.3 价值效益 1.4 市场规模400-072-55885中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01AIAI开发平台的定义框架开发平台的定义框架来源：沙利文、头豹研究院AI开发平台的开发流程包含数据标注、模型建立、模型训练、模型评估、和模型部署五个基本模块。通过五个模块的搭建流程，使用者可以在低代码且无需担心底层基础设施运维的环境下开发AI应用。模块一：数据处理模块一：数据处理数据的质量是机器学习算法搭建的重要核心部分，数据质量的好坏将直接决定机器学习模型的性能。AIAI开发平台的数据处理环节通常包含数据采集开发平台的数据处理环节通常包含数据采集、数据筛选数据筛选、数据标注数据标注、数据分组以及数据增强五个功能环节数据分组以及数据增强五个功能环节。通过这五步，AI开发平台的使用者可以实现高质量的数据准备和输出，为下一步的模型建立做好充足的准备。模块二：模型搭建模块二：模型搭建模型搭建是在数据准备好后进行模型筛选和参数调配的过程模型搭建是在数据准备好后进行模型筛选和参数调配的过程，根据清洗好后的数根据清洗好后的数据特征据特征，AIAI开发平台会提供不同的算法模型供开发者选择开发平台会提供不同的算法模型供开发者选择。AIAI开发平台的模型搭开发平台的模型搭建环节包括模型选择和参数调配建环节包括模型选择和参数调配。模型选择可以通过四步来完成：1 1、匹配模型：匹配模型：AI开发平台会通过开发者提供的数据推荐和匹配合适的算法模型。2 2、设置架构及设置架构及参数：参数：选择好合适的模型后需要对该模型进行特定的参数调配。以随机森林算法为例，开发者需要预设K值；以神经网络为例，开发者需要预设神经层数、节点数、激活函数等。3 3、编译模型：编译模型：在训练开始之前，开发者还需要确定好要添加数据处理数据处理模型搭建模型搭建模型训练模型训练模型评估模型评估模型部署模型部署Notebook建模数据采集数据筛选可视化建模监督学习无监督学习强化学习准确率数据标注CI/CD工作流蓝绿部署数据分组自适应匹配配置参数监控与调度推理优化迁移学习混淆矩阵F1分数平均绝对误差IaaS云计算基础设施：基础硬件+云计算基础架构机器学习框架：Tensorflow、Pytorch、Kersa、Scikit-learn、PaddlePaddle、MindSpore云原生架构：微服务、容器、Serverless、DevOpsAI开发平台流程技术底座中国中国AIAI开发平台行业综述开发平台行业综述定义与研究范围定义与研究范围关键发现关键发现AIAI开发开发平台是平台是一个提供整一套一个提供整一套AIAI应用开发流程支持应用开发流程支持，帮助开发者降低开发门槛帮助开发者降低开发门槛，并快并快速集成数据处理速集成数据处理、模型搭建和应用部署的一站式服务工具平台模型搭建和应用部署的一站式服务工具平台400-072-55886中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01AIAI开发平台的定义框架开发平台的定义框架的优化器、一个损失函数、以及评估指标。优化器的作用是决定模型如何进行更新和修正的关键步骤，不同类型的优化器会对模型的训练速度和最终的准确度产生重要的影响；优化器的选择通常会因问题类型的不同、模型的复杂度、和训练数据的大小而决定。开发者需要在训练开始前筛选和测试不同的优化器，从而挑选出最合适的优化器以帮助提升后续训练的成果；损失函数的作用是用于度量模型预测结果和真实结果之间的差距；评估指标则是需要在训练开始确定好，从而可以在后续的训练中监控模型的性能和精确度，并决定何时可以真正的投入到实际应用中。模块三：模型训练模块三：模型训练在准备好数据和匹配好模型之后，便可开始投入模型训练。模型训练通常会将数据集切分为两组，一组为训练集，一组为验证集。训练集的数据用来训练模型，通常由80%的数据量组成；验证集的数据用来监控模型的性能，通常由20%的数据量组成。模型训练这一步通常会进行多次的重复迭代。根据每次的训练结果，损失函数会度量模型预测结果和检验结果的差距，优化器会根据损失函数的值来更新模型的参数，以使损失值最小化。AIAI开发平台提供了丰富的模型库以及计算环境开发平台提供了丰富的模型库以及计算环境。开发者无需自行构建开发者无需自行构建模型或搭建计算资源模型或搭建计算资源，大幅降低模型训练的门槛大幅降低模型训练的门槛。模块四：模型评估模块四：模型评估经过模型训练的多轮迭代，开发者可以通过预设的评估指标对模型的质量和性能进行评估。不同的训练模型需要用不同的指标进行评估，常见的评估指标有准确率、召回率等，复杂的评估指标包括AUC-ROC、F1分数等。AIAI开发平台为开发者提供了方便的开发平台为开发者提供了方便的用户界面和用户界面和APIAPI，开发者无需自行编写评估代码便可对模型进行全面的质量评估开发者无需自行编写评估代码便可对模型进行全面的质量评估。模块五：模型部署模块五：模型部署当模型的性能达到可以应用的标准后，开发者便可以将训练好的模型打包上传至AI开发平台的模型库中。上传至库后，开发者需要创建部署设置，将训练模型转换成为AI应用。随后，AI开发平台会将AI应用部署为容器实例并注册外部可访问的推理API，以便开发者随时调用和运营。相比于独立运营相比于独立运营，在在AIAI开发平台上部署开发平台上部署AIAI应用最主要的应用最主要的优势在于优势在于AIAI开发平台提供的弹性和稳定性开发平台提供的弹性和稳定性。AIAI开发平台普遍具备强大的计算资源开发平台普遍具备强大的计算资源、存存储能力储能力、分布式架构分布式架构、以及专业的运维团队以及专业的运维团队。这些功能可以帮助这些功能可以帮助AIAI应用的启动部署速应用的启动部署速度更快度更快、运行的稳定性更高以及针对客流变化的应变能力更强运行的稳定性更高以及针对客流变化的应变能力更强。因此因此，AIAI开发平台成开发平台成为了众多企业进行为了众多企业进行AIAI开发的首要选择方式开发的首要选择方式。中国中国AIAI开发平台行业综述开发平台行业综述定义与研究范围定义与研究范围关键发现关键发现在在AIAI开发平台开发开发平台开发AIAI应用可以分为五个步骤应用可以分为五个步骤，分别为数据处理分别为数据处理、模型搭建模型搭建、模型评估模型评估、以及模型部署应用以及模型部署应用。开发者通过使用开发者通过使用AIAI开发平台可以增强开发平台可以增强AIAI应用部署的效率应用部署的效率、稳定性稳定性以及弹性伸缩能力以及弹性伸缩能力来源：沙利文、头豹研究院400-072-55887中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01AIAI开发平台提高模型业务部署效率开发平台提高模型业务部署效率42%22%13%5%18%企业模型上线时限要求企业模型上线时限要求0 0-3030天天3131-9090天天9191-365365天天大于大于1 1年年3131-9090天天缩短企业缩短企业AIAI模型的部署周期模型的部署周期传统机器学习开发的流程非常耗时，因为传统的开发方式是独立且难以泛化的。每一次建立AI模型都需要从头到尾进行大量的特征工程、人为标准设定、流程分类、任务匹配等模块，导致了传统机器学习项目的长时耗和高复杂度的特质。根据企业调查，超过64%的企业需要在90天的周期内上线部署AI应用开发程序。只有5%的企业将部署周期设定为了一年以上，这为当前的AI应用开发部署效率提出了高要求。企业对开发高效率的诉求主要来源于高速变化的市场需求，过长的开发周期无法匹配中小企业对业务灵活性的变更需求。因此，AI开发平台成为了众多AI应用开发者的首要选择，AI开发平台的内置流程规划化模块可以帮助开发者缩短超70%的数据标注时间，综合提高AI的应用开发效率超80%，极大程度地缩短了不同企业AI应用的部署周期。提高不同提高不同AIAI应用开发中不同角色协同的效率应用开发中不同角色协同的效率通过AI开发平台的流程化管理平台，数据工程师、机器学习架构师、商业智能开发师等多个不同的开发角色可以进行工作流上的无缝协作，让业务、数据、算法、运维等多个角色能进行更高效率的协作，提升价值产出。由于不同角色的工作流涉及到转化、调优、设计等各自独立的步骤，统一规范的自动工作流可以提高团队超90%的合同协作效率。缩短70%70%数据标注时间提升80%80%AI应用开发效率提升90%90%多角色合作效率中国中国AIAI开发平台行业综述开发平台行业综述价值效益价值效益关键发现关键发现AIAI开发平台的核心价值点可以提炼为两个方面开发平台的核心价值点可以提炼为两个方面。一方面一方面，AIAI开发平台可以大幅缩短企开发平台可以大幅缩短企业部署业部署AIAI应用的时间应用的时间，帮助企业更好地应对变幻莫测的市场帮助企业更好地应对变幻莫测的市场。另一方面另一方面，AIAI开发平台开发平台可以提高各独立环节间的合作效率可以提高各独立环节间的合作效率来源：基于下游客户调研、沙利文、头豹研究院章节二章节二 行业分析行业分析 2.1 政策分析 2.2 发展趋势 2.3 竞争研判 2.4 竞争壁垒400-072-55889中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台的发展趋势开发平台的发展趋势AIAI开发平台的基础硬件会更多地使用国产化硬件开发平台的基础硬件会更多地使用国产化硬件，推动国产硬件的发展推动国产硬件的发展近年受制于全球新冠疫情的发展和国际形势的紧张态势，AI开发平台上游的基础设施的成本持续走高，芯片供给承压，为中国AI开发平台带来不良的影响。为了产业能够持续健康的发展，发展硬件国产化成为未来的重要战略目标。AI开发平台将受国家号召，更多进行的国产硬件的采购，逐步降低对海外硬件的高度依赖。国资背景企业在国资背景企业在AIAI开发平台的市场表现会更优开发平台的市场表现会更优国资背景企业短期内的市场表现会更优秀，主要原因是数据安全问题持续受到高度关注。随着不断出现国家机密和隐私数据泄露的事件发生，涉及政府和大型商业企业的业务监管变得更加严厉。由于AI开发平台涉及到大量的隐私数据输入和产出，将来更多的政府和大型企业会寻求国资背景的AI开发平台企业展开合作。AIAI开发平台的应用场景在未来数年内有望迎来爆发式拓宽开发平台的应用场景在未来数年内有望迎来爆发式拓宽大模型的突破让AI应用的潜力得到进一步释放。结合大模型开发能力的AI开发平台将在政务、交通、医疗、教育、泛娱乐等多个行业拓宽应用场景，打通创新式的业务，帮助企业更好地服务客户和推动业务增长。AIAI开发平台的协作方式将继续加强解耦性开发平台的协作方式将继续加强解耦性AI开发的项目难度很大，通常原因是一套完整的AI开发流程涉及多个任务角色，包括架构师、BI分析师、企业负责人、数据科学家、ML模型专家等。传统的AI开发流程多为紧耦合，一环的问题会影响到其它环节，从而导致项目推进速度和完成难度很大。云原生架构的出现让AI开发平台的解耦性得到进一步加强，不同环节的工作可以更加独立的运行。未来，随着云原生技术进一步渗透，AI开发平台的协作方式将会以更加解耦的方式呈现。0101030302020404基础硬件国产化基础硬件国产化国资企业主流化国资企业主流化应用场景拓宽应用场景拓宽开发流程持续开发流程持续解耦解耦中国中国AIAI开发平台行业发展分析开发平台行业发展分析发展趋势发展趋势关键发现关键发现中国中国AIAI开发平台行业未来的发展趋势有四个方向开发平台行业未来的发展趋势有四个方向，分别是基础硬件的国产化分别是基础硬件的国产化、国资企国资企业的市场主流化业的市场主流化、AIAI应用场景加速拓宽以及开发流程持续的解耦化应用场景加速拓宽以及开发流程持续的解耦化来源：沙利文、头豹研究院400-072-558810中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台竞争格局研判标准开发平台竞争格局研判标准通过市场口碑、产品丰富度、行业经验深度、基础设施成熟度、以及企业的营收规模综合考虑，最终评判具备提供AI开发平台能力厂商的综合竞争能力技术基础建设能力和市场开拓理解是评判技术基础建设能力和市场开拓理解是评判AIAI开发平台厂商实力的核心要素开发平台厂商实力的核心要素技术基础设施探究企业在AI开发平台技术基础设施的成熟度和完善性，主要考量点包括企业的云原生架构能力、企业提供的机器学习框架类型丰富度、和企业在计算资源收费方式的多样性。市场力探究企业在AI开发平台的市场口碑和下游应用沉淀情况，主要考虑点包括企业AI开发平台相关技术的社区口碑、业务场景的丰富度、行业解决方案的成熟度、客户案例数量和客户质量。企业在云计算和人工智能的营收规模是反映企业在企业在云计算和人工智能的营收规模是反映企业在AIAI开发平台竞争能力的开发平台竞争能力的 部分体现部分体现营收范围包括提高AI开发平台企业的相关业务总营收，不只限于AI开发平台单一业务。由于由于AIAI开发平台是企业从数据标注清洗开发平台是企业从数据标注清洗、模型训练搭建模型训练搭建、模型评估模型评估、模型推理和云端边部署的多业务集成式体现模型推理和云端边部署的多业务集成式体现，用户通过使用用户通过使用AIAI开发平台可以带开发平台可以带动多项公司其它动多项公司其它AIAI相关业务板块的发展相关业务板块的发展。其它其它AIAI业务板块的成熟度也将影响到业务板块的成熟度也将影响到该企业该企业AIAI开发平台整体的使用体验开发平台整体的使用体验。因此，综合营收更高的企业代表着客户资源更雄厚、研发投入更高、且多业务多模态协同能力更强。因此，对企业在AI开发平台的竞争能力有一定的影响力。第三梯队第三梯队第二梯队第二梯队第一梯队第一梯队 机器学习框架和云原生架构成熟 具备强大的云计算基础设施 拥有深厚的AI应用行业理解，拥有多个成熟业务场景和行业解决方案 具备一定云计算基础设施能力 具备完整AI平台应用开发的PaaS层链路，且在细分的AI业务场景处在领先地位 拥有成熟业务场景和行业解决方案 具备AI开发平台的完整链路，但不提供计算基础设施服务 AI开发平台业务的建立目的为带动现有其它业务发展，并非开发本身中国中国AIAI开发平台行业产业链中游分析开发平台行业产业链中游分析竞争研判竞争研判关键发现关键发现中国中国AIAI开发平台的第一梯队为云计算基础设施成熟且具备丰富行业经验的企业开发平台的第一梯队为云计算基础设施成熟且具备丰富行业经验的企业，第二第二梯队为云计算厂商或在细分梯队为云计算厂商或在细分AIAI业务场景领先的平台型企业业务场景领先的平台型企业，第三梯队为第三梯队为AIAI垂直赛道的垂直赛道的创业型公司创业型公司来源：沙利文、头豹研究院400-072-558811中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台的竞争壁垒开发平台的竞争壁垒010102020303基础设施壁垒基础设施壁垒数据调取速度、云原生技术成熟度、算力承载能力、芯片计算速度、资源性价比适配丰富度壁垒适配丰富度壁垒AI计算芯片匹配丰富度、操作系统匹配丰富度、机器学习框架匹配丰富度、服务协议匹配丰富度使用简易度壁垒使用简易度壁垒全流程运行可视化、系统性简易操作、全流程监测功能、模块拖拽操作简易性衡量基础设施完善度壁垒的重要指标是产品性价比衡量基础设施完善度壁垒的重要指标是产品性价比AI开发平台通过打造三方面的竞争壁垒来提高企业的市场竞争力和持续获客留存的能力，分别是平台基础设施完善度、适配类型丰富度以及平台使用的简易程度。从基础设施端分析，AI开发平台通过基础计算能力、数据调用速度与安全性与算法库的成熟度打造完善的基础设施生态环境，并依托云原生的技术特性帮助AI开发者以更少的成本进行更大规模的开发。因此，AI开发平台服务的性价比是衡量基础设施完善度壁垒的重要因素，例如，华为云、阿里云与亚马逊云的价格方案是行业中最低的，完善的基础设施成为这些企业的强大竞争壁垒。适配丰富度帮助企业打开市场适配丰富度帮助企业打开市场、拓展更多应用场景拓展更多应用场景AI开发者在部署AI应用时，从产品开发到终端部署的过程中会遇到多种不同的环境和协议，需要手动进行修改调试或变更环境，导致成本高昂。优秀的AI开发平台则可以帮助AI开发者无需担心环境差异，专注在AI应用本身的开发。例如，百度BML支持市面99.9%的AI服务协议。亚马逊云SageMaker则支持市面上99%的主流AI计算框架，帮助开发者不受开发环境的限制，在不同应用场景中可进行随意切换。用户操作交互的简易性反映了产品的工程力和技术底蕴用户操作交互的简易性反映了产品的工程力和技术底蕴，进一步拉低开发门槛进一步拉低开发门槛由于AI开发平台面对的群体非专业AI工程师，其产品的交互能力和使用简易程度将提高客群留存度并向下开拓更多客群。在使用简易度方面，亚马逊云Sagemaker的AIstudio是业内公认的标杆。SageMaker studio基于Web的可视化界面，为开发者提供AI开发所有步骤的访问工具，配合其清洁简易的操作风格，AI开发者可以迅速上手并直观地了解每一个开发步骤的状态，成为众多AI开发者的首要选择。中国中国AIAI开发平台行业发展分析开发平台行业发展分析竞争壁垒竞争壁垒关键发现关键发现AIAI开发平台通过打造三个方面的竞争壁垒来提高企业的市场竞争力和持续获客留存的开发平台通过打造三个方面的竞争壁垒来提高企业的市场竞争力和持续获客留存的能力能力。这三个方面分别是平台基础设施完善度这三个方面分别是平台基础设施完善度、适配类型丰富度以及平台使用的简易适配类型丰富度以及平台使用的简易程度程度来源：沙利文、头豹研究院章节三章节三 产业链分析产业链分析 3.1 产业链图谱 3.2 算法与算力 3.3 云原生技术架构 3.4 参与者类型 3.5 商业模式 3.6 业务场景 3.7 行业应用400-072-558813中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台行业产业链图谱开发平台行业产业链图谱，20232023年年上上游游中中游游下下游游云原生云原生架构架构基基础础设设施施云计算基础设施供应商云计算基础设施供应商AIAI芯片供应商芯片供应商智慧电商智慧电信智慧金融智慧政务智慧教育智慧公检法智慧医疗智慧生活服务企业级用户企业级用户消费级用户消费级用户模型调配模型训练模型评估模型存储数据标注数据存储消费级用户包括需要进行自主研发的AI团队和个人消费者。这类群体的特征是对机器学习的能力掌握尚浅，使用低门槛的机器学习平台有助于提升他们的研发能力。企业级的用户主要通过使用AI开发平台进行业务拓展和升级。通常情况下，迭代速度快、模型参数需要不断调优的业务场景对AI开发平台的需求更大，例如反欺诈、广告推送、行为预测等业务场景。云计算厂商云计算厂商人工智能企业人工智能企业AIAI开发平台供应商开发平台供应商机器学习机器学习框架框架电信移动运营商电信移动运营商持续交付持续交付容器容器微服务微服务无服务无服务服务网格服务网格声明式声明式APIAPI中国中国AIAI开发平台行业产业链分析开发平台行业产业链分析产业链图谱产业链图谱关键发现关键发现中国中国AIAI开发平台的产业链上游为支撑开发平台的产业链上游为支撑AIAI开发平台运行的基础设施组成开发平台运行的基础设施组成，中游为提供中游为提供AIAI开发平台服务的云计算厂商和人工智能企业开发平台服务的云计算厂商和人工智能企业，下游为使用下游为使用AIAI开发平台的企业级和消费开发平台的企业级和消费级用户级用户来源：沙利文、头豹研究院400-072-558814中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台底层基础架构开发平台底层基础架构算法与算力算法与算力专注于深度学习的框架通用基础机器学习框架梯度提升框架AI开发平台算法基础机器学习框架中国机器学习框架使用率排名中国机器学习框架使用率排名机器学习框架是机器学习框架是AIAI开发平台的算法基础开发平台的算法基础机器学习框架是为AI开发提供工具和库的软件，它们帮助开发人员可以更方便地构建、训练和部署机器学习模型。机器学习框架简化了原始算法的核心细节，并提供了一种端到端的机器学习开发流程。此外，机器学习提供了数据分析、模型评估、性能优化、以及对复杂硬件的运行支持。因此，机器学习是AI开发平台的重要组成部分，帮助开发人员更有效地完成工作。市场主流的机器学习框架由海外的市场主流的机器学习框架由海外的PyTorchPyTorch、TensorflowTensorflow和国内的百度飞桨和国内的百度飞桨、昇思组成昇思组成中国机器学习框架的使用率排名依次由中国机器学习框架的使用率排名依次由MetaMeta开发的开发的PytorchPytorch（3434%）、谷歌开发的谷歌开发的TensorflowTensorflow（3030%）、百度开发的飞桨百度开发的飞桨（1212%）、和华为开发的昇思和华为开发的昇思（1212%）排在前列排在前列。除了OneFlow凭借其优异的操作性获得3%的市占率以外，其余的机器学习框架在中国的使用率不足1%。AIAI芯片是芯片是AIAI开发平台算力基础的重要底座开发平台算力基础的重要底座，市场由传统市场由传统芯片巨头和云计算科技大厂为主导芯片巨头和云计算科技大厂为主导AI芯片是专门为了满足AI计算任务而设计的高处理能力和低功耗需求的硬件，可以高效满足大量的矩阵乘法和并行计算。通过使用AI芯片，AI开发平台可以降低相同需求下的能耗并提升模型训练和推理的速度。目前，中国AI芯片的市场主要由传统的芯片巨头主导，市占率达到80%。国产芯片虽然目前只有国产芯片虽然目前只有2020%的市占率的市占率，但随着国家大力发展硬件国产化但随着国家大力发展硬件国产化，国产国产AIAI芯片的市芯片的市占率近年来持续上升占率近年来持续上升，市场份额预计未来会逐渐扩大市场份额预计未来会逐渐扩大。传统芯片巨头云计算科技大厂国产AI芯片独角兽AI开发平台算力基础AI芯片制造商传统芯片巨头,80%云计算科技大厂,16%国产AI芯片独角兽,4%AIAI芯芯片片制制造造商商中中国国市市占占率率中国中国AIAI开发平台行业产业链上游分析开发平台行业产业链上游分析算法与算力算法与算力关键发现关键发现机器学习框架和机器学习框架和AIAI芯片是芯片是AIAI开发平台的核心组成部分开发平台的核心组成部分。机器学习框架为机器学习框架为AIAI开发提供工开发提供工具库具库，帮助开发者更轻松的搭建模型帮助开发者更轻松的搭建模型。AIAI芯片是专为芯片是专为AIAI计算任务设计的低功耗计算任务设计的低功耗、高处高处理能力的硬件理能力的硬件，可以提高建模效率可以提高建模效率来源：沙利文、头豹研究院400-072-558815中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台行业商业模式开发平台行业商业模式AIAI开发平台的计费方式开发平台的计费方式1 1按需付费按需付费AI开发平台的第一种收费方式为按需付费。按需付费的购买方式较为灵活，可以即开即停，适用于资源波动，需求量预测难度高的场景。AIAI开发平台的计费方式开发平台的计费方式2 2按包周期按包周期（包年包年/包月包月）计费计费AI开发平台的第二种收费方式为按包周期计费。目前中国的AI开发平台普遍的计费周期为按月付费或按年付费。这种计费方式更适用于可预估资源使用周期的场景，价格在同样的资源量使用场景下更优惠，更适合长期使用者购买。按需付费按需付费灵活调用适用不可预测流量场景按包周期付费按包周期付费价格优惠适用长期使用者不同的AI开发平台拥有不同的定制化计费方式，但经过横向对比，中国的AI开发平台通常会拥有3个通用的收费触发场景，分别为存储费用、计算资源费用、和消息通知费用计费触发节点计费触发节点1 1存储费用存储费用AI开发平台的存储服务方式一般分为三种，第一种为对象存储，如百度智能云BOS、华为云OBS，提供简单可扩展的多类型存储适应能力；第二种为云数据库服务，如百度智能云DocDB、华为RDS for MySQL，提供可靠的数据管理服务；第三种为云硬盘服务，如华为云EVS等，提供持久稳定性的存储服务。计费触发节点计费触发节点2 2资源费用资源费用当用户在开发AI模型时使用计算资源便会触发计算资源费用，计算资源可能在各类AI模型开发平台的全流程中产生。计费触发节点计费触发节点3 3消息通知费用消息通知费用当用户完成应用部署时，可以选择开启消息通知服务，以便开发者收到事件状态的实时运作情况，从而更好地监控工作流的状态。内容存储内容存储计算资源计算资源消息通知消息通知中国中国AIAI开发平台行业产业链中游分析开发平台行业产业链中游分析商业模式商业模式关键发现关键发现AIAI开发平台的商业模式分为按需付费和按包周期付费开发平台的商业模式分为按需付费和按包周期付费。按需付费更为灵活按需付费更为灵活，适用于不适用于不可预测的场景；按包周期付费性价比更高可预测的场景；按包周期付费性价比更高，适用于长期使用的用户适用于长期使用的用户。存储存储、计算计算、监监控是三个通用的付费触发场景控是三个通用的付费触发场景来源：沙利文、头豹研究院400-072-558816中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台开发平台业务场景开发平台开发平台业务场景，20232023技术技术金融金融医疗医疗交通交通教育教育电商电商政府政府工业工业消费电子消费电子物流物流泛娱乐泛娱乐数据数据准备准备模型模型搭建搭建训练训练评估评估在线在线部署部署AIAI开发平台开发平台01.01.数据准备数据准备02.02.模型搭建模型搭建04.04.模型推理模型推理03.03.训练评估训练评估AIAI开发平台的业务场景聚焦在数据准备开发平台的业务场景聚焦在数据准备、模型搭建模型搭建、模型训练评估模型训练评估、和模型推理和模型推理四个业务层面四个业务层面AI开发平台为各行各业提供一站式的AI全流程开发服务，通过集成数据标注、模型匹配搭建、模型训练评估、在线模型等多个技术能力点，为开发者提供便捷、灵活、稳定和高效的开发环境，并降低AI应用开发的门槛。不同行业对不同行业对AIAI开发平台业务场景的需求侧重不同开发平台业务场景的需求侧重不同虽然AI开发平台的用户多数以全流程开发应用为主，但不同的行业对于AI开发平台的细分业务场景有不同的侧重点。以工业行业为例，工业的主要AI应用场景为质量监测和自动化分配。由于工业场景的产品更新迭代速度较慢，客户需求相对稳定，所以工业类的AI应用模型的更新迭代需求低，更多的重心放在模型源数据的管理和存储领域。智能标注、目标监测、数据存储、数据管理蓝绿部署、CI/CD工作流、通用推理优化、弹性扩缩容机制AutoML自动化训练、自动调参、指标评估、模型迭代可视化建模、交互式建模、多类机器学习框架、参数调整、模型匹配、参数预设中国中国AIAI开发平台行业产业链下游分析开发平台行业产业链下游分析业务场景业务场景关键发现关键发现中国中国AIAI开发平台的业务场景聚焦在数据准备开发平台的业务场景聚焦在数据准备、模型搭建模型搭建、模型训练评估模型训练评估、和模型推理和模型推理四个业务层面四个业务层面。不同行业对不同行业对AIAI开发平台的细分业务场景有不同的侧重点开发平台的细分业务场景有不同的侧重点，例如工业领例如工业领域更关注数据的管理域更关注数据的管理来源：沙利文、头豹研究院400-072-558817中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台行业渗透情况开发平台行业渗透情况，20232023金融医疗交通教育电商政府工业物流消费电子泛娱乐成熟应用行业成熟应用行业通过数据可得性、技术成熟度、场景渗透程度、应用重要程度四大维度分析AI开发平台在行业的融合情况：金融、泛娱乐、教育、是AI开发平台的核心行业应用领域。交通、医疗、和电商是未来增长潜力较大的行业，其中交通和医疗行业的应用程度有望进一步加深。由于数据安全和AI技术落地局限性，AI开发平台在物流、政府、和工业行业当前的渗透率较低。强强弱弱弱弱强强应用重要程度应用重要程度场景渗透程度场景渗透程度数数据据可可得得性性技术成熟度技术成熟度AIAI开发平台在数据量庞大开发平台在数据量庞大、业务变更迭代快的场景渗透率高业务变更迭代快的场景渗透率高AI开发平台对数据量大、业务场景更新频繁的行业应用程度高。例如例如，金融行业的金融行业的理财产品智能推荐对理财产品智能推荐对AIAI开发平台的需求度较高开发平台的需求度较高，公司需要时刻根据新的市场动向和公司需要时刻根据新的市场动向和信息进行数据信息进行数据、模型参数等调整模型参数等调整。而当新的理财产品出现时，公司根据产品特性重新搭建模型，并自动推荐给适合的用户。例如2021年中国房地产投资信托基金（Reits）首次公开发行招募，金融企业需要根据Reits的风险特征和过往收益预测比将其拟合在新的模型中，从而更好地将该产品推荐给适合的用户。在泛娱乐行业在泛娱乐行业，公司需要根据客户的喜好公司需要根据客户的喜好、市场热度追踪市场热度追踪、和新的产品或商业形态去更新和迭代模和新的产品或商业形态去更新和迭代模型型。例如，2018年王者荣耀成为手游MOBA类游戏的新星，在短时间内带动了实时手机回合制游戏的浪潮。为了更好地应对突增的流量和业务模式的变更，企业需要在短时间内根据手游用户特征去开发新的AI模型从而更好地赋能手游业务。LLMLLM大模型的突破有望加速拓宽大模型的突破有望加速拓宽AIAI开发平台的应用场景开发平台的应用场景大规模模型的突破性进展为人工智能应用开辟了更广阔的发展空间。基于这一突破基于这一突破，结合大规模模型开发能力的人工智能开发平台在政务结合大规模模型开发能力的人工智能开发平台在政务、交通交通、医疗医疗、教育教育、娱乐等娱乐等多个行业的应用场景中展现出巨大潜力多个行业的应用场景中展现出巨大潜力。这些平台将为企业打通创新的业务途径，助力其更好地服务客户、推动业务增长。强增长行业强增长行业中国中国AIAI开发平台行业产业链下游分析开发平台行业产业链下游分析行业应用行业应用关键发现关键发现AIAI开发平台在多个行业有不同程度的渗透开发平台在多个行业有不同程度的渗透。在金融在金融、泛娱乐泛娱乐、教育领域的渗透率高教育领域的渗透率高，应用较为成熟应用较为成熟，在交通在交通、医疗医疗、电商电商、和物流未来的增长潜力高和物流未来的增长潜力高。随着大模型的突破随着大模型的突破，AIAI开发平台在行业的应用将会拓宽开发平台在行业的应用将会拓宽来源：沙利文、头豹研究院章节四章节四 场景分析场景分析4.1 金融4.2 泛娱乐4.3 教育4.4 医疗4.5 电商4.6 交通4.7 物流4.8 政务4.9 消费电子4.10 零售400-072-558819中国：人工智能系列中国：人工智能系列市场研读市场研读|2024/01|2024/01中国中国AIAI开发平台在金融行业的应用开发平台在金融行业的应用数据标注模型搭建模型训练推理部署金融行业是金融行业是AIAI开发平台使用场景较为成熟的行业开发平台使用场景较为成熟的行业金融是AI开发平台使用场景中相对较为成熟的行业，拥有非常丰富的应用场景，且商业落地能力成熟。首先，金融行业在运营中会产出大量的结构化数据，使其与人工智能相关研发有着天然的契合性。金融行业可以通过使用AI开发平台进行多类型的模型构建，继而优化业务质量。其次，金融行业存在大量的重复性数据整理工作，人为操作耗时耗力且容易产生疏漏。AI开发平台可以帮助金融行业在业务端达成重复性数据整理自动化，削减人工成本的同时提高效率和准确率。再者，金融行业的现金流较为充足。金融行业是典型的轻资产、高回报行业，企业账面拥有充足的现金流，因此服务支付能力更高。最后，金融行业在AI应用使用的伦理阈值相对较低，AI出错带来的风险伤害远低于医疗、交通等行业，在商业化落地时的阻力相对较小。综上所述，金融行业成为AI开发平台的重度应用行业之一。金融行业的大型公司在金融行业的大型公司在AIAI开发平台的应用偏后期开发平台的应用偏后期，前期数据标注和模型训练应用前期数据标注和模型训练应用较少较少。小型公司更注重小型公司更注重AIAI开发平台全链路的使用开发平台全链路的使用金融行业的大型公司如大型商业银行，地产保险等对AI开发平台的使用更偏后期。由于数据是金融行业的命脉，大型企业更偏向进行私有化部署，将数据和模型训练在私有服务器上进行，在AI开发的前期使用AI开发平台服务较少，更多是在后期依托AI开发平台的算力环境进行测试和部署。中小型公司受制于其规模体量，更注重AI开发的性价比。因此，中小型公司在AI开发平台的使用覆盖面更广更平均。银行保险企业证