第一章　人工智能大模型相關概述
1.1　人工智能基本概述
1.1.1　基本定義
1.1.2　研究內容
1.2　人工智能大模型相關介紹
1.2.1　基本定義
1.2.2　核心作用
1.2.3　主要優(yōu)勢
1.2.4　底層架構
1.2.5　模型實踐
1.3　人工智能大模型核心要素分析
1.3.1　算力
1.3.2　算法
1.3.3　數(shù)據
第二章　2022-2024年中國人工智能大模型行業(yè)發(fā)展環(huán)境分析
2.1　經濟環(huán)境
2.1.1　宏觀經濟概況
2.1.2　工業(yè)經濟運行
2.1.3　固定資產投資
2.1.4　對外經濟分析
2.1.5　宏觀經濟展望
2.2　政策環(huán)境
2.2.1　國家政策支持促進發(fā)展
2.2.2　人工智能服務管理辦法
2.2.3　建設人工智能應用場景
2.2.4　加快人工智能應用創(chuàng)新
2.2.5　國家人工智能產業(yè)綜合標準化體系建設指南
2.2.6　地方人工智能發(fā)展政策
2.3　人工智能產業(yè)環(huán)境
2.3.1　產業(yè)發(fā)展歷程
2.3.2　產業(yè)發(fā)展現(xiàn)狀
2.3.3　市場發(fā)展規(guī)模
2.3.4　細分領域分析
2.3.5　市場競爭格局
2.3.6　應用結構分析
2.3.7　投融資情況分析
2.3.8　產業(yè)面臨挑戰(zhàn)
2.3.9　產業(yè)發(fā)展建議
第三章　2022-2024年中國人工智能大模型行業(yè)發(fā)展分析
3.1　中國人工智能大模型行業(yè)發(fā)展綜述
3.1.1　行業(yè)發(fā)展背景
3.1.2　行業(yè)發(fā)展歷程
3.1.3　行業(yè)戰(zhàn)略意義
3.1.4　行業(yè)發(fā)展作用
3.1.5　行業(yè)應用價值
3.1.6　行業(yè)商業(yè)模式
3.1.7　行業(yè)應用場景
3.2　2022-2024年中國人工智能大模型行業(yè)發(fā)展情況分析
3.2.1　行業(yè)生態(tài)圖譜
3.2.2　行業(yè)發(fā)展狀況
3.2.3　合作研發(fā)動態(tài)
3.2.4　企業(yè)布局情況
3.2.5　主要技術路線
3.2.6　技術演進趨勢
3.3　中國主要人工智能大模型發(fā)展狀況分析
3.3.1　NLP大模型
3.3.2　CV大模型
3.3.3　多模態(tài)大模型
3.3.4　科學計算大模型
3.3.5　模型協(xié)同發(fā)展
3.4　中國人工智能大模型技術專利申請狀況
3.4.1　創(chuàng)新主體排名
3.4.2　創(chuàng)新競爭指數(shù)
3.4.3　技術功效矩陣
3.4.4　行業(yè)應用分布
3.4.5　專利申請狀況
3.5　中國人工智能大模型行業(yè)發(fā)展建議
3.5.1　行業(yè)用戶建議
3.5.2　供應商的建議
3.5.3　行業(yè)發(fā)展建議
3.5.4　行業(yè)發(fā)展戰(zhàn)略
第四章　2022-2024年中國人工智能大模型行業(yè)底層服務支撐層——芯片行業(yè)發(fā)展分析
4.1　中國芯片行業(yè)發(fā)展綜述
4.1.1　行業(yè)發(fā)展特點
4.1.2　行業(yè)發(fā)展背景
4.1.3　行業(yè)發(fā)展意義
4.1.4　行業(yè)政策匯總
4.1.5　行業(yè)政策影響
4.2　2022-2024年中國芯片市場運行情況分析
4.2.1　市場銷售收入
4.2.2　產業(yè)結構分析
4.2.3　產量規(guī)模分析
4.2.4　芯片需求發(fā)展
4.2.5　行業(yè)競爭格局
4.2.6　應用領域結構
4.2.7　行業(yè)發(fā)展挑戰(zhàn)
4.2.8　行業(yè)發(fā)展建議
4.3　2022-2024年中國AI芯片行業(yè)運行情況發(fā)展分析
4.3.1　行業(yè)發(fā)展現(xiàn)狀
4.3.2　市場規(guī)模狀況
4.3.3　芯片數(shù)量需求
4.3.4　企業(yè)競爭格局
4.3.5　主要企業(yè)布局
4.3.6　企業(yè)注冊數(shù)量
4.3.7　行業(yè)融資情況
4.3.8　行業(yè)發(fā)展趨勢
4.4　中國芯片行業(yè)未來發(fā)展前景及趨勢分析
4.4.1　行業(yè)突破路徑
4.4.2　行業(yè)發(fā)展機遇
4.4.3　行業(yè)發(fā)展前景
4.4.4　行業(yè)發(fā)展趨勢
第五章　2022-2024年中國人工智能大模型行業(yè)底層服務支撐層——數(shù)據服務行業(yè)發(fā)展分析
5.1　中國數(shù)據服務行業(yè)發(fā)展政策分析
5.1.1　數(shù)字經濟發(fā)展規(guī)劃
5.1.2　數(shù)字政府建設指導意見
5.1.3　發(fā)揮數(shù)據要素作用意見
5.1.4　地方相關行業(yè)發(fā)展政策
5.2　中國數(shù)據服務行業(yè)發(fā)展分析
5.2.1　行業(yè)發(fā)展意義
5.2.2　行業(yè)發(fā)展態(tài)勢
5.2.3　行業(yè)圖譜分析
5.2.4　服務商市場結構
5.2.5　企業(yè)集中度分析
5.3　2022-2024年中國人工智能基礎數(shù)據服務行業(yè)運行狀況分析
5.3.1　市場規(guī)模狀況
5.3.2　行業(yè)競爭格局
5.3.3　應用結構占比
5.3.4　行業(yè)發(fā)展壁壘
5.3.5　行業(yè)發(fā)展建議
5.4　中國人工智能基礎數(shù)據服務行業(yè)發(fā)展趨勢分析
5.4.1　整體發(fā)展趨勢
5.4.2　行業(yè)發(fā)展趨勢
5.4.3　行業(yè)競爭趨勢
5.4.4　轉型發(fā)展趨勢
第六章　2022-2024年中國人工智能大模型行業(yè)基礎算法平臺層——算法行業(yè)發(fā)展分析
6.1　中國算法行業(yè)發(fā)展綜述
6.1.1　行業(yè)基本概述
6.1.2　算法管理規(guī)定
6.1.3　企業(yè)競爭格局
6.1.4　區(qū)域發(fā)展情況
6.1.5　行業(yè)應用現(xiàn)狀
6.1.6　應用風險問題
6.1.7　算法治理實踐
6.2　中國人工智能算法發(fā)展狀況分析
6.2.1　基本概念
6.2.2　主要分類
6.2.3　提取方法
6.2.4　審查指南
6.2.5　專利體系
6.2.6　審查困境
6.2.7　規(guī)制走向
6.3　數(shù)字時代算法困境發(fā)展分析
6.3.1　發(fā)展背景
6.3.2　發(fā)展成因
6.3.3　困境表現(xiàn)
6.3.4　治理路徑
6.4　中國算法未來發(fā)展建議分析
6.4.1　強化頂層設計
6.4.2　完善治理格局
6.4.3　立足算法特性
6.4.4　強化國際協(xié)調
第七章　2022-2024年中國人工智能大模型行業(yè)應用賦能層發(fā)展分析
7.1　搜索引擎
7.1.1　搜索引擎基本介紹
7.1.2　搜索引擎運作模式
7.1.3　搜索引擎發(fā)展現(xiàn)狀
7.1.4　搜索引擎市場規(guī)模
7.1.5　搜索引擎競爭格局
7.1.6　搜索引擎發(fā)展困境
7.1.7　搜索引擎發(fā)展建議
7.2　對話機器人
7.2.1　對話機器人發(fā)展基礎
7.2.2　對話機器人發(fā)展優(yōu)勢
7.2.3　對話機器人發(fā)展政策
7.2.4　對話機器人市場規(guī)模
7.2.5　對話機器人商業(yè)模式
7.2.6　對話機器人應用占比
7.2.7　對話機器人核心技術
7.2.8　對話機器人發(fā)展策略
7.3　醫(yī)療
7.3.1　醫(yī)療行業(yè)政策發(fā)布
7.3.2　醫(yī)療行業(yè)特色分析
7.3.3　醫(yī)療衛(wèi)生機構數(shù)量
7.3.4　醫(yī)療服務情況統(tǒng)計
7.3.5　醫(yī)療保障事業(yè)狀況
7.3.6　醫(yī)療AI平臺建設分析
7.3.7　典型智能模型應用
7.3.8　醫(yī)療服務發(fā)展方向
7.4　智能遙感
7.4.1　智能遙感基本定義
7.4.2　智能遙感發(fā)展歷程
7.4.3　智能遙感衛(wèi)星發(fā)射
7.4.4　智能遙感主要技術
7.4.5　智能遙感應用領域
7.4.6　遙感模型企業(yè)布局
7.4.7　智能遙感發(fā)展趨勢
7.5　元宇宙
7.5.1　元宇宙政策發(fā)布
7.5.2　元宇宙市場規(guī)模
7.5.3　元宇宙企業(yè)布局
7.5.4　元宇宙專利申請
7.5.5　元宇宙投融資情況
7.5.6　元宇宙行業(yè)發(fā)展建議
7.5.7　元宇宙行業(yè)發(fā)展前景
7.6　智慧城市
7.6.1　智慧城市基本介紹
7.6.2　智慧城市政策發(fā)布
7.6.3　智慧城市市場規(guī)模
7.6.4　智慧城市企業(yè)布局
7.6.5　智慧城市具體應用
7.6.6　智慧城市投融資分析
7.6.7　智慧城市面臨困境
7.6.8　智慧城市發(fā)展展望
第八章　國外典型人工智能大模型——GPT模型發(fā)展分析
8.1　GPT模型發(fā)展綜述
8.1.1　模型本質
8.1.2　模型優(yōu)勢
8.1.3　應用前景
8.2　GPT模型發(fā)展路徑分析
8.2.1　演進歷程
8.2.2　GPT-1
8.2.3　GPT-2
8.2.4　GPT-3
8.2.5　GPT-3.5
8.2.6　GPT-4
8.2.7　GPT-4　Turbo
8.3　GPT-4模型發(fā)展分析
8.3.1　發(fā)生變化分析
8.3.2　理解能力提升
8.3.3　主要局限分析
8.3.4　具體應用領域
8.4　GPT-4　Turbo模型發(fā)展分析
8.4.1　技術原理
8.4.2　主要變化
8.4.3　未來影響
8.5　GPT模型產品——ChatGPT發(fā)展分析
8.5.1　基本概況
8.5.2　主要優(yōu)勢
8.5.3　工作原理
8.5.4　發(fā)展歷程
8.5.5　商業(yè)進程
8.5.6　應用場景
8.5.7　技術路徑
8.5.8　發(fā)展瓶頸
8.5.9　發(fā)展?jié)摿?/span>
第九章　中國典型企業(yè)的人工智能大模型——百度文心大模型發(fā)展分析
9.1　百度文心大模型發(fā)展綜述
9.1.1　發(fā)展歷程
9.1.2　全景圖譜
9.1.3　數(shù)據來源
9.1.4　關鍵模型
9.1.5　主要應用
9.2　百度文心大模型運行現(xiàn)狀分析
9.2.1　模型發(fā)展
9.2.2　模型布局
9.2.3　產品矩陣
9.2.4　生態(tài)體系
9.2.5　市場推廣
9.2.6　所處地位
9.2.7　企業(yè)合作
9.2.8　發(fā)展前景
9.3　百度文心大模型主要產品分析
9.3.1　百度智能云
9.3.2　文心一格
9.3.3　文心百中
9.4　百度文心大模型應用方式分析
9.4.1　文心一言+搜索引擎
9.4.2　大模型API
9.4.3　產品級應用+生態(tài)融合
第十章　中國其他典型企業(yè)的人工智能大模型發(fā)展分析
10.1　華為盤古大模型
10.1.1　模型概述
10.1.2　發(fā)展歷程
10.1.3　主要模型
10.1.4　模型應用
10.1.5　模型發(fā)展
10.1.6　市場推廣
10.1.7　評估情況
10.2　騰訊混元大模型
10.2.1　模型概述
10.2.2　模型應用
10.2.3　模型發(fā)展
10.2.4　市場推廣
10.2.5　評估情況
10.2.6　模型發(fā)布
10.2.7　模型突破
10.2.8　商業(yè)程度
10.3　阿里通義大模型
10.3.1　發(fā)展歷程
10.3.2　模型概述
10.3.3　模型應用
10.3.4　模型發(fā)展
10.3.5　市場推廣
10.3.6　評估情況
10.4　商湯日日新大模型
10.4.1　模型概述
10.4.2　模型發(fā)布
10.4.3　模型發(fā)展
10.4.4　主要產品
10.4.5　市場推廣
10.5　字節(jié)跳動大模型
10.5.1　模型概述
10.5.2　模型應用
10.5.3　模型風險
10.6　其他人工智能大模型分析
10.6.1　昆侖萬維大語言模型
10.6.2　“知海圖AI”中文大模型
10.6.3　科大訊飛星火認知大模型V3.0
10.6.4　多模態(tài)人工智能大模型“AiLMe”
第十一章　人工智能大模型相關技術發(fā)展分析
11.1　深度學習技術
11.1.1　技術基本概述
11.1.2　技術研究進展
11.1.3　技術應用分析
11.1.4　多模態(tài)學習技術
11.1.5　技術發(fā)展瓶頸
11.1.6　技術改進方向
11.1.7　技術發(fā)展趨勢
11.2　自然語言處理技術
11.2.1　技術基本概述
11.2.2　技術發(fā)展過程
11.2.3　關鍵技術分析
11.2.4　主流技術思路
11.2.5　關鍵前沿技術
11.2.6　技術應用場景
11.2.7　未來發(fā)展方向
11.3　計算機視覺技術
11.3.1　技術基本概況
11.3.2　技術原理分析
11.3.3　技術發(fā)展歷史
11.3.4　主要技術分析
11.3.5　技術研究內容
11.3.6　技術研究進展
11.3.7　圖像處理方法
11.3.8　具體應用分析
11.3.9　技術發(fā)展趨勢
第十二章　2022-2024年國際人工智能大模型行業(yè)重點企業(yè)發(fā)展分析
12.1　微軟（Microsoft　Corp.）
12.1.1　企業(yè)發(fā)展概況
12.1.2　模型研發(fā)動態(tài)
12.1.3　2022財年企業(yè)經營狀況分析
12.1.4　2023財年企業(yè)經營狀況分析
12.1.5　2024財年企業(yè)經營狀況分析
12.2　谷歌（Alphabet　Inc.）
12.2.1　企業(yè)發(fā)展概況
12.2.2　模型研發(fā)動態(tài)
12.2.3　2022年企業(yè)經營狀況分析
12.2.4　2023年企業(yè)經營狀況分析
12.2.5　2024財年企業(yè)經營狀況分析
12.3　Meta　Platforms,　Inc.
12.3.1　企業(yè)發(fā)展概況
12.3.2　模型發(fā)展進程
12.3.3　2022年企業(yè)經營狀況分析
12.3.4　2023年企業(yè)經營狀況分析
12.3.5　2024財年企業(yè)經營狀況分析
12.4　Open　AI
12.4.1　企業(yè)發(fā)展概況
12.4.2　企業(yè)營收情況
12.4.3　產品研發(fā)動態(tài)
12.4.4　企業(yè)核心競爭力
12.4.5　企業(yè)融資動態(tài)
第十三章　2022-2024年中國人工智能大模型行業(yè)重點上市企業(yè)經營狀況分析
13.1　百度集團股份有限公司
13.1.1　企業(yè)發(fā)展概況
13.1.2　企業(yè)合作動態(tài)
13.1.3　2022年企業(yè)經營狀況分析
13.1.4　2023年企業(yè)經營狀況分析
13.1.5　2024年企業(yè)經營狀況分析
13.1.6　未來業(yè)務戰(zhàn)略布局
13.2　阿里巴巴集團控股有限公司
13.2.1　企業(yè)發(fā)展概況
13.2.2　政企合作動態(tài)
13.2.3　2023財年企業(yè)經營狀況分析
13.2.4　2024財年企業(yè)經營狀況分析
13.2.5　2025財年企業(yè)經營狀況分析
13.3　騰訊控股有限公司
13.3.1　企業(yè)發(fā)展概況
13.3.2　企業(yè)發(fā)展優(yōu)勢
13.3.3　企業(yè)合作動態(tài)
13.3.4　2022年企業(yè)經營狀況分析
13.3.5　2023年企業(yè)經營狀況分析
13.3.6　2024年企業(yè)經營狀況分析
13.4　科大訊飛股份有限公司
13.4.1　企業(yè)發(fā)展概況
13.4.2　業(yè)務布局分析
13.4.3　經營效益分析
13.4.4　財務狀況分析
13.4.5　核心競爭力分析
13.4.6　公司發(fā)展戰(zhàn)略
13.4.7　未來前景展望
13.5　商湯集團股份有限公司
13.5.1　企業(yè)發(fā)展概況
13.5.2　企業(yè)合作動態(tài)
13.5.3　2022年企業(yè)經營狀況分析
13.5.4　2023年企業(yè)經營狀況分析
13.5.5　2024年企業(yè)經營狀況分析
13.6　北京抖音信息服務有限公司
13.6.1　企業(yè)發(fā)展概況
13.6.2　企業(yè)營收情況
13.6.3　企業(yè)合作動態(tài)
13.6.4　投資并購進展
13.6.5　大模型領域業(yè)務進展
13.7　華為投資控股有限公司
13.7.1　基本信息簡介
13.7.2　企業(yè)經營狀況
13.7.3　企業(yè)合作動態(tài)
13.7.4　公司發(fā)展戰(zhàn)略
13.7.5　未來前景展望
13.8　昆侖萬維科技股份有限公司
13.8.1　企業(yè)發(fā)展概況
13.8.2　業(yè)務布局分析
13.8.3　經營效益分析
13.8.4　財務狀況分析
13.8.5　核心競爭力分析
13.8.6　公司發(fā)展戰(zhàn)略
13.8.7　未來前景展望
第十四章　2024-2028年中國人工智能大模型行業(yè)投資潛力分析
14.1　中國人工智能大模型行業(yè)投資動態(tài)
14.1.1　企眾數(shù)信科融資狀況
14.1.2　極�？萍既谫Y狀況
14.1.3　月之暗面融資狀況
14.1.4　智譜AI融資狀況
14.1.5　智子引擎融資狀況
14.2　中國人工智能大模型行業(yè)投資壁壘分析
14.2.1　技術壁壘
14.2.2　數(shù)據壁壘
14.2.3　人才壁壘
14.2.4　資金壁壘
14.3　中國人工智能大模型行業(yè)投資風險分析
14.3.1　技術風險
14.3.2　數(shù)據風險
14.3.3　市場風險
14.3.4　政策風險
14.4　中國人工智能大模型行業(yè)投資機會分析
14.4.1　應用場景廣泛
14.4.2　技術不斷進步
14.4.3　產業(yè)生態(tài)完善
14.4.4　國家政策支持
14.4.5　巨大市場需求
第十五章　中投顧問對2024-2028年中國人工智能大模型行業(yè)發(fā)展前景及趨勢預測
15.1　中國人工智能大模型行業(yè)未來發(fā)展前景分析
15.1.1　算力瓶頸漸至
15.1.2　硬件需求承壓
15.1.3　聚焦路線優(yōu)化
15.1.4　未來商業(yè)模式
15.1.5　發(fā)展格局展望
15.2　中國人工智能大模型行業(yè)未來發(fā)展趨勢
15.2.1　大小模型協(xié)同進化
15.2.2　通用性能持續(xù)加強
15.2.3　逐漸趨于產業(yè)落地
15.3　中投顧問對2024-2028年中國人工智能大模型產業(yè)預測分析
15.3.1　2024-2028年中國人工智能大模型產業(yè)影響因素分析
15.3.2　2024-2028年中國人工智能大模型產業(yè)規(guī)模預測

圖表1　大語言模型
圖表2　Transformer模型自監(jiān)督層結構
圖表3　Transformer模型架構
圖表4　訓練大模型“預訓練+精調”模式
圖表5　主要數(shù)據集大小匯總
圖表6　2024年GDP初步核算數(shù)據
圖表7　2019-2024年GDP同比增長速度
圖表8　2019-2024年GDP環(huán)比增長速度
圖表9　人工智能產業(yè)相關的政策文件
圖表10　人工智能的發(fā)展歷程
圖表11　近年來中國人工智能核心產業(yè)規(guī)模變化
圖表12　中國人工智能行業(yè)細分市場占比統(tǒng)計
圖表13　2023人工智能企業(yè)百強榜TOP10
圖表14　中國人工智能下游應用領域占比統(tǒng)計
圖表15　近年來中國人工智能領域融資情況
圖表16　2021-2026年中國人工智能軟件及應用市場規(guī)模變化
圖表17　AI大模型推動人機交互方式的升級
圖表18　小模型VS大模型
圖表19　大模型的投入成本
圖表20　中國大模型生態(tài)
圖表21　部分大模型廠商梳理
圖表22　大模型的技術路線主要包含Bert、GPT和混合
圖表23　人工智能大模型參數(shù)量從億級到百萬億級
圖表24　InstructGPT采用不同訓練方法的效果對比圖
圖表25　從支持模態(tài)來看人工智能大模型的發(fā)展歷程
圖表26　NLP&CV發(fā)展現(xiàn)狀與挑戰(zhàn)對比
圖表27　“模型+工具平臺+生態(tài)”三級協(xié)同加速產業(yè)智能化
圖表28　AI大模型專利企業(yè)創(chuàng)新主體排名
圖表29　中國AI大模型高價值專利及創(chuàng)新競爭指數(shù)排名
圖表30　AI大模型主要創(chuàng)新主體技術功效矩陣
圖表31　AI大模型主要創(chuàng)新主體行業(yè)應用分布
圖表32　《中國制造2025》關于集成電路行業(yè)發(fā)展目標
圖表33　“十四五”以來集成電路行業(yè)重點規(guī)劃解讀
圖表34　中國芯片下游應用銷售額占比
圖表35　2018-2024年中國AI芯片市場規(guī)模變化
圖表36　2020-2023年全球AI芯片數(shù)量變化
圖表37　2023 AI芯片企業(yè)排行
圖表38　AI芯片行業(yè)部分重點企業(yè)及相關對比
圖表39　2020-2024年國AI芯片相關企業(yè)注冊量統(tǒng)計情況
圖表40　2016-2024年中國AI芯片行業(yè)投資數(shù)量
圖表41　2016-2024年中國AI芯片行業(yè)投資金額
圖表42　人工智能基礎數(shù)據服務需求變化及市場情況
圖表43　2024年中國AI基礎數(shù)據服務產業(yè)圖譜
圖表44　AI基礎數(shù)據服務產業(yè)的供需合作鏈條
圖表45　2023年中國AI基礎數(shù)據服務供給方的市場份額
圖表46　2023年中國AI基礎數(shù)據服務行業(yè)CR4及代表廠商
圖表47　2022-2028年中國AI基礎數(shù)據服務市場規(guī)模
圖表48　人工智能基礎數(shù)據服務商市場份額占比及核心能力分析
圖表49　2022-2027年中國人工智能基礎數(shù)據服務下游應用占比
圖表50　AI人工智能基礎數(shù)據服務業(yè)務流程競爭壁壘
圖表51　基礎數(shù)據服務模式
圖表52　中國人工智能基礎數(shù)據服務行業(yè)競爭趨勢
圖表53　人工智能發(fā)展趨勢示意圖
圖表54　AI自動標注發(fā)展趨勢
圖表55　自動駕駛布局情況
圖表56　自動駕駛基礎數(shù)據服務不同下游客戶數(shù)據處理需求量占比示意圖
圖表57　數(shù)據合規(guī)相關法律法規(guī)及標準體系
圖表58　算法算力所在類別分布
圖表59　地區(qū)分布
圖表60　主營行業(yè)分布
圖表61　企業(yè)性質
圖表62　《2023胡潤中國數(shù)字技術算法算力百強榜》TOP20
圖表63　算法在金融商業(yè)領域的應用
圖表64　分治算法的設計過程圖
圖表65　搜索引擎過程圖
圖表66　全文搜索引擎工作原理
圖表67　搜索引擎產業(yè)鏈結構
圖表68　中國搜索引擎行業(yè)發(fā)展歷程
圖表69　搜索引擎的核心運作模式
圖表70　SWOT分析
圖表71　深度學習的實現(xiàn)路徑-數(shù)據為模型訓練提供底層支撐
圖表72　對話機器人行業(yè)基礎數(shù)據服務分類
圖表73　對話機器人行業(yè)基礎數(shù)據服務技術需求趨勢
圖表74　中國對話機器人行業(yè)相關政策梳理
圖表75　2019-2025年中國對話機器人市場規(guī)模及增速
圖表76　對話機器人行業(yè)商業(yè)模式
圖表77　2022年我國對話機器人下游市場分布情況
圖表78　自然語言處理技術的核心任務
圖表79　自然語言處理技術的處理流程
圖表80　全雙工語音與其他語音交互模式的對比
圖表81　基于FAQ（常見問題集的問答系統(tǒng)）知識庫建立圖
圖表82　基于知識圖譜的知識庫建立圖
圖表83　基于機器閱讀理解的流程圖
圖表84　人工流程與“AI+RPA技術”的操作類比圖
圖表85　產品方案的開發(fā)流程及對話機器人工廠的實現(xiàn)功能
圖表86　情感智能的應用模型、應用價值與應用瓶頸
圖表87　對話機器人廠商不斷豐富產品形式以搶奪業(yè)務增長點
圖表88　懷遠縣增強重大傳染病等突發(fā)公共衛(wèi)生事件早期監(jiān)測預警
圖表89　GPT大模型對醫(yī)保信息化的影響
圖表90　人機交互的學習范式
圖表91　特征學習階段的監(jiān)督學習范式
圖表92　兩層神經網絡示意圖
圖表93　U-net架構示意圖
圖表94　中國元宇宙行業(yè)政策匯總一覽表
圖表95　2021-2030年全球元宇宙市場規(guī)模變化
圖表96　2021-2027年中國元宇宙市場規(guī)模變化
圖表97　2020-2024年中國元宇宙新增企業(yè)數(shù)量變化
圖表98　2023年胡潤中國元宇宙潛力企業(yè)榜
圖表99　2022年全球元宇宙相關專利申請數(shù)量占比情況
圖表100　2018-2022年中國元宇宙行業(yè)投融資情況統(tǒng)計圖
圖表101　中國智慧城市相關政策匯總一覽表
圖表102　2023-2027年中國智慧城市市場預測
圖表103　2021-2024年中國智慧城市人工智能平臺市場規(guī)模變化
圖表104　中國主要互聯(lián)網科技公司與傳統(tǒng)地產公司智慧城市布局情況
圖表105　2016-2023年中國智慧城市行業(yè)投融資情況
圖表106　2023年中國智慧城市行業(yè)投融資情況
圖表107　2023年中國智慧城市行業(yè)投融資事件情況
圖表108　GPT模型演進歷程
圖表109　GPT-4發(fā)生的新變化
圖表110　GPT-4多個核心理解能力提升
圖表111　運用GPT-4解決法語物理問題
圖表112　GPT-4多語言功能強大
圖表113　GPT-4單次處理詞數(shù)更多
圖表114　GPT-4在多類考試中表現(xiàn)更優(yōu)
圖表115　不被允許內容和敏感內容的錯誤行為率
圖表116　大模型訓練成本及參數(shù)量
圖表117　NLP大模型訓練資源估算
圖表118　OpenAI、微軟Azure云API調用費用
圖表119　微軟office接入GPT-4
圖表120　三大視覺學習方法
圖表121　CLIP（對比性語言-圖像預訓練）
圖表122　視覺表征對比學習框架
圖表123　T2I生成技術發(fā)展歷程
圖表124　GPT-4-turbo支持更長上下文窗口
圖表125　GPT-4 Turbo價格較GPT-4更低
圖表126　GPT-3.5 Turbo新模型價格更低
圖表127　GPT-3.5 Turbo微調新模型價格更低
圖表128　英偉達主要AI芯片和AMD MI系列芯片參數(shù)情況
圖表129　英特爾和高通在AI PC芯片上的布局
圖表130　各大廠自研AI芯片和CPU產品情況
圖表131　英偉達H100和H200算力和存力對比
圖表132　海力士HBM實現(xiàn)帶寬提升&功耗下降
圖表133　交互類App用戶破億用時
圖表134　ChatGPT特點
圖表135　ChatGPT的局限性
圖表136　AI自然語言處理發(fā)展歷程
圖表137　RLHF人類反饋強化學習模型原理
圖表138　生成型AI應用領城
圖表139　ChatGPT的發(fā)展歷程
圖表140　ChatGPT在游戲中的應用
圖表141　ChatGPT應用探索
圖表142　ChatGPT撰寫房源信息
圖表143　各平臺從0到100萬用戶速度
圖表144　文心大模型發(fā)展歷程
圖表145　百度文心大模型全景圖
圖表146　文心•NLP大模型系列產品
圖表147　ERNIE在GLUE Benchmark上排名第五
圖表148　ERNIE 3.0多范式統(tǒng)一預訓練框架
圖表149　ERNIE 3.0多范式統(tǒng)一預訓練框架
圖表150　百度文心行業(yè)大模型
圖表151　百度文心行業(yè)大模型全景
圖表152　文心大模型產品矩陣
圖表153　中國大模型市場2022年評估結果——百度文心
圖表154　首批加入文心一言生態(tài)圈的部分伙伴
圖表155　百度智能云業(yè)務新架構
圖表156　“云智一體3.0”架構
圖表157　百度AI大底座
圖表158　2022年中國人工智能公有云服務市場份額
圖表159　中國對話式AI市場綜合競爭表現(xiàn)
圖表160　文心一格創(chuàng)作過程
圖表161　文心一格部分作品
圖表162　產業(yè)級搜索系統(tǒng)文心百中的搜索場景圖譜
圖表163　文心百中三步搭建搜索系統(tǒng)
圖表164　文心百中提供體驗版和正式版兩個版本
圖表165　文心百中搜索結果示例
圖表166　集成ChatGPT的Bing
圖表167　百度搜索引擎在國內的市場份額情況
圖表168　文心大模型提供的大模型API
圖表169　ERNIE-ViLG AI作畫大模型套餐類型
圖表170　基于Prompt“一只貓在曬太陽，卡通”生成的圖片
圖表171　PLATO的對話效果達到了世界領先水平
圖表172　PLATO的API調用服務暫不可用
圖表173　盤古模型基于ModelArts平臺進行開發(fā)設計
圖表174　盤古大模型進化路徑
圖表175　盤古系列大模型
圖表176　盤古系列模型應用場景和領域
圖表177　HunYuan-tvr在5個公開數(shù)據集上排名第一
圖表178　HunYuan-NLP1T模型在CLUE總榜、分類榜和閱讀理解榜登頂
圖表179　HunYuan大模型及解決方案
圖表180　騰訊廣告多媒體AI技術研究與應用情況
圖表181　騰訊智能創(chuàng)作助手功能一覽
圖表182　騰訊游戲AI路網生成模型
圖表183　騰訊混元助手項目組織架構
圖表184　HunYuan-1T參數(shù)規(guī)模處于行業(yè)領先水平
圖表185　阿里通義大模型發(fā)展歷程
圖表186　阿里巴巴通義大模型系列架構
圖表187　阿里巴巴深度語言模型Alice Mind
圖表188　阿里巴巴通義-視覺大模型
圖表189　鳥鳥分鳥基于通義大模型系列
圖表190　鳥鳥分鳥15天訓練流程
圖表191　多模態(tài)深度生成學習主要研究內容
圖表192　面向小樣本學習的視覺語言模型——Flamingo
圖表193　自然語言處理近期模型規(guī)模發(fā)展史
圖表194　2021-2022財年微軟綜合收益表
圖表195　2021-2022財年微軟分部資料
圖表196　2021-2022財年微軟收入分地區(qū)資料
圖表197　2022-2023財年微軟綜合收益表
圖表198　2022-2023財年微軟分部資料
圖表199　2022-2023財年微軟收入分地區(qū)資料
圖表200　2021-2022年谷歌綜合收益表
圖表201　2021-2022年谷歌收入分部門資料
圖表202　2021-2022年谷歌收入分地區(qū)資料
圖表203　2021-2022年Meta Platforms綜合收益表
圖表204　2021-2022年Meta Platforms分部資料
圖表205　2021-2022年Meta Platforms收入分地區(qū)資料
圖表206　2022-2023財年阿里巴巴綜合收益表
圖表207　2022-2023財年阿里巴巴分部資料
圖表208　2021-2022年騰訊綜合收益表
圖表209　2021-2022年騰訊分部資料
圖表210　2021-2022年騰訊收入分地區(qū)資料
圖表211　2022-2023年騰訊綜合收益表
圖表212　2022-2023年騰訊分部資料
圖表213　2021-2024年科大訊飛股份有限公司總資產及凈資產規(guī)模
圖表214　2021-2024年科大訊飛股份有限公司營業(yè)收入及增速
圖表215　2021-2024年科大訊飛股份有限公司凈利潤及增速
圖表216　2021-2024年科大訊飛股份有限公司營業(yè)利潤及營業(yè)利潤率
圖表217　2021-2024年科大訊飛股份有限公司凈資產收益率
圖表218　2021-2024年科大訊飛股份有限公司短期償債能力指標
圖表219　2021-2024年科大訊飛股份有限公司資產負債率水平
圖表220　2021-2024年科大訊飛股份有限公司運營能力指標
圖表221　2021-2022年商湯集團股份有限公司綜合收益表
圖表222　2021-2022年商湯集團股份有限公司收入分地區(qū)資料
圖表223　2022-2023年商湯集團股份有限公司綜合收益表
圖表224　2022-2023年商湯集團股份有限公司收入分地區(qū)資料
圖表225　2021-2024年昆侖萬維科技股份有限公司總資產及凈資產規(guī)模
圖表226　2021-2024年昆侖萬維科技股份有限公司營業(yè)收入及增速
圖表227　2021-2024年昆侖萬維科技股份有限公司凈利潤及增速
圖表228　2021-2024年昆侖萬維科技股份有限公司營業(yè)利潤及營業(yè)利潤率
圖表229　2021-2024年昆侖萬維科技股份有限公司凈資產收益率
圖表230　2021-2024年昆侖萬維科技股份有限公司短期償債能力指標
圖表231　2021-2024年昆侖萬維科技股份有限公司資產負債率水平
圖表232　2021-2024年昆侖萬維科技股份有限公司運營能力指標
圖表233　國外主流大模型訓練規(guī)模所需算力情況
圖表234　GPU顯存增長趨勢明顯慢于大模型規(guī)模演化
圖表235　業(yè)界主流GPU集群網絡技術路線的選擇可以考量多類因素，從而為大模型訓練提效
圖表236　騰訊采用ZeRO優(yōu)化策略來充分利用機器存儲，降低成本
圖表237　飛天智算平臺基于優(yōu)化的技術架構，提供全鏈路智能服務
圖表238　百舸AI異構計算平臺采用軟硬協(xié)同思路，助力模型訓練加速
圖表239　盤古大模型大幅降低微調難度，提升大模型行業(yè)應用效率