《沙利文：2023年中国AI技术变革企业服务白皮书（110页）.pdf》由会员分享，可在线阅读，更多相关《沙利文：2023年中国AI技术变革企业服务白皮书（110页）.pdf（110页珍藏版）》请在三个皮匠报告上搜索。

1、1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，头豹研究院保留采取法律措施、追究相关人员责任的权利。头豹研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标，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头豹研究院开展商业活动。头豹研究院2023年中国AI技术变革企业服务白皮书AI助力企业腾飞，变革行业创新发展2023 Whitepaper o

2、n China AI Technology Transformation of Enterprise Services人工智能系列研究洞察|OPPORTUNITY GROWTH INVESTMENT INSIGHTS400-072-55882023年被称为“AI元年”，人工智能、AI大模型概念迅速点燃市场。本篇报告重点关注人工智能相关技术在广泛的企业服务领域所带来的变革应用研究，将洞察中国AI技术如何为企业服务领域带来发展与应用方面的升级和演变，同时分析行业规模、落地应用、未来趋势，提供AI变革企业服务场景应用的理解和解读。研究区域范围：中国研究周期：2022-2023年研究主题：AI变革企业

3、服务此研究将会回答的关键问题：产业链情况：中国AI技术变革企业服务产业洞察核心技术：中国AI技术变革企业服务的核心技术应用场景：AI技术在泛企业服务场景的落地应用从2018年OpenAI提出的参数为1.17亿的GPT算法，到2020年推出参数为1,750亿的GPT-3，参数实现了116倍的增长，跨足千亿级大模型，对2019年的NLP模型构成巨大冲击。随后，OpenAI推出基于GPT-3.5Turbo模型，具备更大参数和更高精度，进一步普及了人工智能。今年，OpenAI在3月15日发布了多模态预训练大模型GPT-4，其技术原理和训练机制与GPT-3.5相似，但引发了公众对AI的极大热情。GPT-

4、4经过升级，提升了ChatGPT的图像识别能力、文字限制扩展至2.5万字、专业性回答的准确性以及风格变换能力。与以往模型相比，GPT-4最显著的创新之一是其多模态能力。01语言大模型的助力下，垂直领域的应用呈现出更高的专业性、高质量的产出以及在特定任务上的卓越表现。目前，这些应用已广泛渗透到金融、政务、交通、医疗、教育等领域。AI大模型在高度渗透的应用领域取得成功的原因在于其拥有丰富高质量的数据、强烈的技术需求和创新要求，以及规范的商业环境。此外，这些领域对客观、理性建议的需求也激励大模型提供更准确、更有逻辑的解决方案，以满足高级决策和战略制定的要求。这一成功不仅推动了行业的发展，也为大模型应

5、用提供了新的机遇和动力。0203AI大模型对各类产业的影响程度各不相同。在服务型产业中，AI能够实现5.8%的显著成本降低，主要集中在客户营销、客户运营、客户服务等获取和转化客户的成本方面，具有高替代潜力。在媒介型产业中，成本降低比例为2.8%，主要表现在销售渠道管理和营销内容等关键领域。对于产品型产业，AI有望减少1.6%的成本，这些企业通常在产品研发设计和市场营销方面投入较多，因此未来将通过自动生成产品模型、外观设计以及宣传材料来重塑工作模式。然而，在制造型和基础源头型产业中，AI大模型的渗透率相对较小，成本下降幅度仅为0.5%。AI大模型在服务型产业中能显著降低成本，推动企业服务创新和提

6、效随着大模型技术成熟，未来大模型有望在各领域广泛应用并实现商业化GPT-4点燃AI发展浪潮，大模型引起社会高度关注研究目的与摘要01行业研读|2023/400-072-5588AI技术变革背景数字经济环境1AI政策环境2AI市场规模3AI赋能企业服务框架4AI发展演变5AIGC发展背景6AIGC技术能力7基础层AI基础设施三大核心要素11产品形态及分类12市场规模13产业链图谱14制约关键点15厂商类型16商业模式17竞争壁垒18AI开发平台定义框架11市场规模12产业链图谱13参与者类型14商业模式15竞争壁垒16企业服务层智能营销智能运营定义及特点11市场规模12产业链图谱13技术逻辑14

7、厂商及服务模式15行业应用及发展16定义及特点11市场规模12产业链图谱13厂商类型14业务部署模式15下游渗透情况16智能客服数字员工定义及产品形态11市场规模12产业链图谱13主要参与者14部署模式15下游应用及行业发展16定义及特点11市场规模12产业链图谱13产品功能分析14商业价值分析15行业发展16模型层AI大模型语言大模型企业服务大模型定义1定义2市场规模13产业链分析14参与者分析15商业价值16行业发展定义11市场规模12参与者类型13商业模式14竞争壁垒定义11业务分析12智能知识助手13产品分析400-072-5588行业研读|2023/09中国：人工智能系列400-07

8、2-5588中国：人工智能系列行业研读|2023/400-072-400-072-5588Chapter 1AI技术变革背景数字经济环境AI政策环境AI市场规模AI赋能企业服务框架AI发展演变AIGC发展背景AIGC技术能力行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09数字产业化和产业数字化的二八分布将促使数字产业化和产业数字化的二八分布将促使AIAI企业为数字化领先产业企业为数字化领先产业提供解决方案提供解决方案，同时也需要关注数字化滞后产业的需求同时也需要关注数字化滞后产业的需求，通过技术传通过技术传递和生态建设递和生态建设，实现实现AIAI技术在全

9、产业范围内的均衡发展技术在全产业范围内的均衡发展中国AI技术变革数字经济环境来源：中国信通院，国务院，人民政府网，头豹研究院，弗若斯特沙利文中国数字经济之产业数字化规模2124.928.831.737.239.345.501020304050602017201820192020202120222025E产业数字化数字产业化单位：万亿元产业数字化在数字经济中持续主导，与不断创新的数字技术紧密融合，其规模和深度迅速提升，成为数字经济增长的引擎在数字经济的舞台上，产业数字化坚定地占据主导地位，与数字技术的创新密切交织。随着数字技术的快速进步，互联网、大数据、人工智能等正与实体经济紧密融合，使得产业数

10、字化在驱动数字经济增长方面显得愈加关键。2022年，中国数字产业化规模达到8.8万亿元，占据数字经济比重达到18.3%。这个数字不仅见证了数量级的迅猛增长，更突显了产业数字化正朝着质量提升的道路前行。与此同时，2022年，产业数字化规模攀升至39.3万亿元，其在数字经济中的比重高达81.7%。预计到2025年，整个数字经济市场规模将达到55.7万亿元。这些数据不仅凸显了产业数字化在纵深发展上的蓬勃进展，更强调了其在数字经济引擎中的核心地位，不仅在规模扩张方面保持着引领性，还在质量升级和深度创新方面发挥着愈发重要的作用，从而为整体经济增长展现出越来越显著的影响。企业名称2020年2025年数宇经

11、济核心产业增加值占 GDP 比重（%）7.8%10软件和信息技术服务业规模（万亿元）8.1614工业互联网平台应用普及率（%）14.745中国“十四五”数字经济发展主要目标（部分截选）400-072-5588中国：人工智能系列行业研读|2023/09中国政府将人工智能产业视为国家战略核心中国政府将人工智能产业视为国家战略核心，在在语言语言大模型方面展现大模型方面展现出积极支持立场出积极支持立场，在信息安全和在信息安全和AIGCAIGC管理方面制定规范管理方面制定规范，整体政策环整体政策环境对人工智能及语言大模型健康发展和应用表现出有利的支持境对人工智能及语言大模型健康发展和应用表现出有利的支持

12、中国AI技术变革AI政策环境来源：头豹研究院，弗若斯特沙利文中国AI政策环境（宏观政策）政策名称颁布日期 颁布主体主要内容及影响关于生成式人工智能服务管关于生成式人工智能服务管理办法（征求意见稿）公开征理办法（征求意见稿）公开征求意见通知求意见通知2023-04网信部首次针对于生成式Al产业发布规范性政策，包括算法、模型、生成文本、图片、声音、视顷、代码等针对生成式人工智能服务出针对生成式人工智能服务出台管理办法台管理办法2023-04网信部该办法支持人工智能算法、框架等基础技术的自主创新、推广应用、国际合作，为语言大模型发展提供了政策支持和技术保障；同时，该办法要求语言大模型在数据来源、算法

13、设计、内容标识等方面遵守法律法规的要求关于加快场景创新以人工智关于加快场景创新以人工智能高水平应用促进经济高质量能高水平应用促进经济高质量发展的指导意见发展的指导意见2022-07科技部该指导意见鼓励在各行业领域深入挖掘人工智能技术应用场景，为语言大模型提供了丰富多样的应用场景，如聊天和文本生成、机器翻译、语音识别与合成关于促进新一代人工智能产关于促进新一代人工智能产业高质量发展的若干措施业高质量发展的若干措施2022-01教育部发挥科技支撑和引领作用，支持有条件的地区和高校、科研机构、企业开展语言智能技术研究，着力在自然语言处理、机器写作、机器翻译、机器评测等领域取得实质成果国家新一代人工智

14、能标准体国家新一代人工智能标准体系建设指南系建设指南2020-07网信办指南规划了新一代人工智能标准体系的总体框架和具体内容，包括标准目录、标准体系结构、标准分类和标准制定程序等中国AI政策环境（地方政策）政策名称颁布日期城市主要内容及影响北京市促进通用人工智能创北京市促进通用人工智能创新发展的若干措施新发展的若干措施2023-05北京针对优化计算资源协调供应、提升高品质数据输入、构建通用人工智能大模型等核心技术要素，推动通用人工智能技术的创新应用场景，同时探索建立审慎包容的监管框架，共提出了21项关键举措深圳市加快推动人工智能高深圳市加快推动人工智能高质量发展高水平应用行动方案质量发展高水平

15、应用行动方案 (2023(2023-20242024年）年）2023-05深圳发布首批 城市+AI 应用场景清单，全面规划设立规模达1,000亿元的人工智能基金群，汇集充足算力、优质政策支持、蓬勃产业生态、卓越人才环境以及丰富应用场景，致力于打造国家级新一代人工智能创新发展试验区和前瞻性智能应用领域上海市加大力度支持民间投上海市加大力度支持民间投资发展若干政策措施（征求意资发展若干政策措施（征求意见稿）见稿）2023-05上海积极引导民营企业积极参与集成电路、生物医药和人工智能等三大战略产业的中坚地位构建，全面推行涉及这三大产业领域的各项资金支持政策，充分发挥人工智能创新发展专项等引导机制作用

16、，为民营企业提供广泛支持，使其深度参与数据、算力等人工智能基础设施建设成都市进一步促进人工智能成都市进一步促进人工智能产业高质量发展的若干政策措产业高质量发展的若干政策措施施(征求意见稿）征求意见稿）2023-06成都明确了促进人工智能算法创新、推动人工智能技术水平提升以及构建完善的人工智能产业生态三个方面的举措400-072-5588中国：人工智能系列行业研读|2023/0920222022年年，中国人工智能行业市场规模达中国人工智能行业市场规模达3 3,716716亿元亿元，占全球人工智能占全球人工智能市场份额约市场份额约2020%，呈现蓬勃增长态势呈现蓬勃增长态势。同时同时，中国企业级中

17、国企业级AIAI解决方案解决方案市场约占中国整体市场约占中国整体AIAI市场的市场的7777%，预计到预计到20272027年将增至约年将增至约8383%中国AI技术变革AI市场规模来源：创新奇智招股说明书，小i机器人招股说明书，头豹研究院，弗若斯特沙利文2022年中国人工智能行业市场规模达3,716亿元，占全球人工智能市场份额约20%，呈现蓬勃增长态势中国人工智能发展受到了多方面的驱动，其中政策环境、技术创新、市场需求、资本支持和人才队伍等因素发挥了重要作用。政府出台了一系列扶持政策，为人工智能产业的快速发展提供了有力的保障；技术创新不断取得突破，为人工智能产业的持续发展提供了强大的支撑；随

18、着中国经济社会的快速发展，对人工智能的需求不断增长，推动了人工智能产业的发展；大量的资金涌入人工智能领域，为企业的研发、市场推广等提供了强有力的支持；中国拥有丰富的人才资源，高校、企业等在人工智能领域的研发力量不断增强，为人工智能产业的发展提供了坚实的人才基础。中国企业级人工智能市场规模，2019-2027E单位（十亿元）100 139 198 285 413 590 837 1,208 1,306 73.0%75.0%76.0%77.0%78.0%79.0%80.0%82.0%83.0%20.0%40.0%60.0%80.0%-500 1,000 1,50020192020202120222

19、023E2024E2025E2026E2027E企业级人工智能占整体人工智能市场百分比2022年中国企业级AI解决方案市场规模达2,853亿元，预计到2027年将达到13,058亿元，年复合增长率为35.6%根据目标群体的不同，人工智能解决方案可以分为两大类：（1）面向公共服务的AI解决方案和（2）面向企业级用户的AI解决方案。相较于公共服务类用户，企业级用户对AI解决方案的应用场景和需求更加多样化，并且明确定义。在中国，企业级AI解决方案的商业环境遵循市场导向，产品和解决方案相对于公共服务类解决方案更为个性化，因此中国的企业级AI解决方案市场预计具备高增长潜力。中国人工智能市场规模，2019

20、-2027E11%12.2%13.8%20.5%22.1%24.7%25.6%26.9%29.6%占全球市场份额137 186 260 372 532 752 1,054 1,473 1,573 05001,0001,50020192020202120222023E2024E2025E2026E2027E单位（十亿元）400-072-5588中国：人工智能系列行业研读|2023/09中国AI技术变革AI赋能企业服务框架来源：专家访谈，头豹研究院，弗若斯特沙利文智能营销智能运营智能客服企业服务层垂直类综合类AIGC工具层AI基础设施AI开发平台基础硬件网络运营及安全数据集数据服务及治理AI芯片算

21、法云计算厂商AI开发平台供应商人工智能厂商基础层图像视频虚拟人游戏文字音频注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业模型层语言大模型AI大模型企业服务大模型400-072-5588中国：人工智能系列行业研读|2023/09OpenAl 发 布 GPT-3.5；Midjourney Stable Diffusion 等 模 型 问 世；Meta&Google分别推出文字生成视频模型Make-A-Video、Imagen video自深度学习突破以来自深度学习突破以来，大型神经网络模型在图像大型神经网络模型在图像、语音语音、自然语言等自然语言等领域取得显著进

22、展领域取得显著进展。GPTGPT、BERTBERT等模型改变了文本处理方式等模型改变了文本处理方式，大模型大模型不断增强性能和规模不断增强性能和规模，促进了促进了AIAI产业的迅猛发展产业的迅猛发展中国AI技术变革AI发展演变来源：头豹研究院，弗若斯特沙利文AI大模型发展历程Google开源了重要的 深 度 学 习 框 架Tensor Flow和AI绘画应用DeepDreamOpenAl和Google分别发布了GPT-1与BERT大模型，预训练大模型成为自然语言处理领域主流OpenAl发布GPT-3具有1.75万亿个参数规模；Dario Amodei推出直接竞品Claude2015年2018年

23、2020年2017年Facebook 开 源 了PyTorch；Google提 出 颠 覆 性 的Transformer架构2019年OpenAl发布了具备零样本多任务能力的GPT-2，展现出翻与阅读理解能力2021年Google发布史上首个万亿级语言模型Switch Transformer；百度发布第三代文心语言大模型2022年2023年中国AI大模型元年；10亿参数规模以上的大模型有79个企业名称模型名称核心功能及亮点百度文心大模型训练数据包括了万亿级网页数据、数十亿的搜索数据和图片数据、百亿级语音日均调用数据，及5,500亿事实知识图谱等腾讯混元大模型使用腾讯太极机器学习平台自研训练框架

24、AngelPTM，单机模型规模达55B，20个节点可容纳万亿级模型，节省45%资源阿里通义大模型已在超过 200 个场景中提供服务，实现 2%10%的应用效果提升。在搜索场景中，可实现以文搜图的跨模态搜索华为盘古大模型使用Encoder-Decoder架构，兼顾语言大模型的理解能力和生成能力，保证了模型在不同系统中的嵌入灵活性京东言犀大模型具备多领域应用、多模态支持、超大规模参数（千亿级别）等特点，为多种产业领域提供丰富应用潜力360360智脑大模型具备生成与创作、多轮对话、代码能力、逻辑与推理、知识问答、阅读理解、翻译、文本改写、多模态等核心能力科大讯飞星火认知大模型在教育、办公、汽车驾驶、

25、数字员工等领域应用，升级智能功能，提升用户体验商汤日日新大模型在自然语言处理、数字人生成、空间重建等领域具备突破性特点，包括输入长度突破、数字人生成提升等创新功能达观数据曹植具有长文本、垂直化和多语言特点，提供文案创作解決方案400-072-5588中国：人工智能系列行业研读|2023/09AIGCAIGC产业的发展来自算法产业的发展来自算法、数据及算力的综合推动数据及算力的综合推动，大模型引起社会大模型引起社会高度关注高度关注。AIGC代表式产品代表式产品ChatGPT文本生成能力强大文本生成能力强大，GPT-4点燃点燃人工智能发展人工智能发展浪潮浪潮中国AI技术变革AIGC发展背景AIGC

26、发展背景来源：CNKI，中国信通院，头豹研究院，弗若斯特沙利文 扩大预训练模型 指示学习和提示学习 提高zero-shot能力 基于Transformer的decoder架构 创新采用多任务训练和微调 进一步扩大预训练模型 采用in-context learning技术 采用人工反馈的强化学习方式RLHF指导模型训练 引入人工标注数据 对话类训练数据数据：参数巨量化算力：内容创造力算法：跨模态融合AIGC：认知交互力提速AI工程化人工智能发展新浪潮低高ChatGPT约1,750亿GPT-2约15亿GPT-1 约 1.17亿2018201920202022 2023参数规模持续增加GPT-3约1

27、,750亿NLP部分任务阅读理解机器翻译问题回答摘要概括阅读理解文本生成自动问答语义推断检索对话能力机器翻译语言生成代码生成信息检索模型能力持续增强在互联网不断演进和人工智能技术迅猛发展的大背景下，AIGC在网络上迅速走红。其产业发展受数据、算法和算力的综合推动AIGC产业发展来自于数据、算法、算力的发展综合推动，其中数据是AIGC的基础“燃料”，大数据为 AIGC 提供数据支撑；算法是AIGC的核心驱动力，AI算法、模型等核心技术突破是AIGC成熟的关键；算力是AIGC应用保障，人工智能的数据巨量化、算法复杂化、场景多元化等特征对算力有更高的要求。AIGC代表式产品ChatGPT再次引爆，G

28、PT-4点燃AI发展浪潮，大模型引起社会高度关注从2018年OpenAI提出的参数为1.17亿的GPT算法，到2020年推出参数为1750亿的GPT-3，参数实现了116倍的增长，跨足千亿级大模型，对2019年的NLP模型构成巨大冲击。随后，OpenAI推出基于GPT-3.5Turbo模型，具备更大参数和更高精度，进一步普及了人工智能。今年，OpenAI在3月15日发布了多模态预训练大模型GPT-4，其技术原理和训练机制与GPT-3.5相似，但引发了公众对AI的极大热情。GPT-4经过升级，提升了ChatGPT的图像识别能力、文字限制扩展至2.5万字、专业性回答的准确性以及风格变换能力。与以往

29、模型相比，GPT-4最显著的创新之一是其多模态能力。400-072-5588中国：人工智能系列行业研读|2023/09AIGCAIGC的技术架构逻辑上分为基础层的技术架构逻辑上分为基础层、技术层技术层、能力层能力层、应用层应用层、终端终端层五大板块层五大板块，其中核心技术层其中核心技术层涵盖涵盖AI技术群和大模型的融合创新技术群和大模型的融合创新，为为各行业领域提供各行业领域提供AIGC产品及服务产品及服务中国AI技术变革AIGC技术能力来源：CNKI，百度文心，头豹研究院，弗若斯特沙利文 在人工智能相关政策规划支撑下，AIGC的技术架构链条逻辑上分为基础层、技术层、能力层、应用层、终端层五大

30、板块。AI技术和大模态的融合创新为各行业深度赋能。目前是AIGC应用落地的阶段，众多厂商入局摸索合适的场景进行商业化落地。（1）大型互联网科技厂商通过打造跨越技术栈的多模态大模型，打造强泛化能力和适应性的大模型能力，实现MaaS；（2）垂直厂商通过探索在垂直领域特定任务上进行微调和训练，打造垂直行业或场景大模型，提供针对性产品及服务。AIGC的技术架构能力层应用层终端层企业级用户政府机构用户大众消费者用户文字生成音频生成图像生成视频生成虚拟人/场景生成代码生成策略生成多模态生成政策基础层生成式人工智能服务管理办法（意见稿）“十四五”数字经济发展规划数字中国建设整体布局规划企业服务零售电商传媒/

31、影视 教育/科研工业游戏医疗政务金融服务数据资源硬件设施技术层人工智能智能语音机器学习计算机视觉知识图谱自然语言理解多模态大模型智能文档理解视觉-语言语音-语言多模态检测与分割CV大模型图像生成图像表征视频表征视频生成图像分类图像与物体检测语义分割因果推断语言大模型语音语义理解多语言模型语言理解与生成多模态对话文本语义与图结构开放域对话信息抽取与检索代码生成和理解AI模型生产工具深度学习框架/开源模型模型训练/AI开发平台预训练大模型AI算力基础外部合规数据数据标注结构化数据整合第三方合规数据网络资源安全资源算力资源储存资源AI芯片云计算与云服务智能计算平台智能服务器400-072-400-0

32、72-5588Chapter 2AI基础设施AI基础设施三大核心要素AI基础设施产品形态及分类AI基础设施行业市场规模AI基础设施产业链图谱AI基础设施制约关键点AI基础设施厂商类型AI基础设施商业模式AI基础设施竞争壁垒行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09AIAI基础设施以高质量网络为重要支持基础设施以高质量网络为重要支持，以数据资源以数据资源、算法框架算法框架、算力算力资源为核心要素资源为核心要素，借助开放平台作为主要驱动力借助开放平台作为主要驱动力，长期为公众提供智长期为公众提供智能化服务的基础架构能化服务的基础架构中国AI技术变革AI基

33、础设施三大核心要素来源：创新奇智招股说明书，头豹研究院，弗若斯特沙利文AI算力是支撑人工智能高速发展的关键要素AI算力包括AI芯片、智算中心、AI云中心等，为人工智能技术和产业发展提供了强有力的算力支撑。当前，以深度学习为代表的的人工智能技术需对海量数据进行处理和训练，对算力提出了较高的要求。传统算力因其地城技术架构限制，处理人工智能计算任务时效率低、能耗大，以AI芯片为基础的AI算力中心针对人工智能的各类算法和应用进行了专门优化，使其能够在终端、边缘端、云端等不同应用领域发挥重要作用。AI数据是推动人工智能落地发展的核心基础数据是人工智能技术应用和发展的基石。人工智能的大规模应用需要利用海量

34、数据对模型进行训练，没有高质量的数据集就没有人工智能的大规模应用。因此，以开放数据集、数据交易平台等数据平台为基础的AI数据基础设施成为AI新基建的重要支撑。AI算法是驱动人工智能创新发展的重要引擎作为人工智能的核心逻辑，算法是产生人工智能的直接工具，AI算法的突破是推动机构人工智能发展的核心要素。一方面，AI算法的发展推动计算机视觉、智能语音、自然语言处理等技术突破商用门槛，实现大规模应用；另一方面，以开源框架为核心的技术研发生态和以开放平台为核心的行业应用生态已经成为人工智能发展与应用的重要基础，并逐渐成为AI新基建的重要发力方向。AI基础设施三大核心要素三大要素算法突破：深度学习持续优化

35、升级的算法模型资源突破：大数据不断收集高质量优质的数据算力突破：AI芯片高性能芯片组成的计算能力深度学习机器学习数据集结构化标定数据量CPUGPUFPGAASIC400-072-5588中国：人工智能系列行业研读|2023/09中国AI技术变革AI基础设施产品形态及分类来源：中国信通院，头豹研究院，弗若斯特沙利文AI基础设施按意图的业务场景分类任务型：有任务目标，且需要参数化请求问答型：有任务目标，无参数化请求AI基础设施按不同意图的业务场景可分为通用型和定制型1.通用型AI基础设施是指为多种不同应用场景和任务设计的基础设施，能够支持广泛的AI算法和应用。如云计算平台如Amazon Web S

36、ervices（AWS）、MicrosoftAzure和Google Cloud，它们提供通用的计算、存储和AI服务，适用于多种应用场景，从自然语言处理到图像识别等。2.定制型AI基础设施是指针对特定领域或应用场景进行设计和优化的基础设施，其硬件、软件、算法等方面的特点都针对某一特定的需求进行了调整和优化。如医疗影像分析平台，如Fujifilm的REiLI平台，专门用于分析医疗影像数据。又如自动驾驶领域的AI基础设施，例如NVIDIA的Drive平台，针对自动驾驶的计算需求进行了定制优化。二者区别：通用型基础设施适用于广泛领域，提供通用功能和支持，而定制型基础设施则专注于特定行业需求，提供更深

37、度的定制和优化。通用型基础设施具有广泛的适用性和共享性，而定制型基础设施更专注于特定领域的精准支持。两者相互补充，推动AI技术在多个领域的应用和创新。AI基础设施按产品形态分类AI基础设施的产品形态包括基础硬件和基础软件1.基础硬件包括高性能的服务器、GPU（图形处理器）、TPU（张量处理器）等专门设计的硬件设备，用于支持大规模的计算和数据处理需求。2.基础软件是指在AI基础设施中用于支持和管理硬件资源的软件组件，包括操作系统、虚拟化技术、容器化平台等。此外，还包括用于分布式计算、数据存储和管理、任务调度和监控等功能的软件工具和框架。从产品形态来看从产品形态来看，AIAI基础设施可划分为基础设

38、施可划分为AIAI基础硬件和基础软件两大类基础硬件和基础软件两大类。而在而在AIAI生态系统中生态系统中，通用型和定制型通用型和定制型AIAI基础设施的相互依赖性促进了基础设施的相互依赖性促进了广泛的广泛的AIAI技术应用技术应用，也为各行业的持续发展提供了关键支持也为各行业的持续发展提供了关键支持01AI基础硬件02AI基础软件通用型AI基础设施模型库与算法开发工具与平台数据支持部署和管理跨领域支持定制型AI基础设施垂直领域适配专业领域数据定制化算法和模型特定工具和界面垂直行业合规和安全400-072-5588中国：人工智能系列行业研读|2023/0920192020202120222023

39、E2024E2025E2026E2027E机器学习技术与平台235.8324.3407.1503.4609.27879831,2291,536数据治理67.389.2135.8201.4269.9362485649870数据基础服务13.81830.34560.782111150202AI芯片122178251368574.18961,3972,1793,40002,0004,0006,0008,000CAGR：39.98%中国AI基础设施行业市场规模，2019年-2027年预测20222022年中国由年中国由AIAI基础设施带动的人工智能市场规模达到基础设施带动的人工智能市场规模达到1 1,

40、117117.8 8亿元亿元，随着随着AIAI基础设施逐渐落地各类应用场景基础设施逐渐落地各类应用场景，预计未来预计未来5 5年内年内AIAI基础设施将基础设施将保持高速高速增长保持高速高速增长，CAGRCAGR将达到将达到3939.9898%中国AI技术变革AI基础设施行业市场规模中国AI基础设施行业按要素划分为算力、数据和算法。其中，算力市场规模按算力带动产业产生的价值，主要测算指标为AI芯片，数据市场规模为数据基础服务和数据治理的产值，算法带动的产业产生的价值作为算法的市场规模，其中测算指标为机器学习技术与平台的市场规模。2022年中国AI基础设施行业市场规模为1,117.8亿元，预计2

41、027年将实现跨越式增长，将达到6,008.1亿元2022年中国AI基础设施市场规模为1,117.8亿元，2019-2022年年复合增长率为36%，市场呈现爆发式增长趋势，预计2027年中国AI基础设施将增至6,008.1亿元，2022-2027年年复合增长率达39.98%。中国AI基础设施落地应用领域将带动下游需求的增长AI基础设施未来五年增速将持续加快，主要在于其通用的适用性和广泛的落地应用。随着大型模型和数据应用等产业的不断落地，AI基础设施在更多领域中的应用范围扩大，加速了整个AI市场的发展。通过解决企业级AI能力建设项目，将AI能力赋予下一级企业客户，实现对其产品的AI赋能，进而服务

42、于消费者市场。企业的市场规模和业务规模直接影响AI基础设施的增长速度，AI基设施市场空间将随之扩大。单位：亿元来源：专家访谈，头豹研究院，弗若斯特沙利文中国AI基础设施市场规模测算逻辑算力算法数据AI芯片机器学习技术与平台数据基础服务数据治理中国AI基础设施市场空间400-072-5588中国：人工智能系列行业研读|2023/09中国中国AIAI基础设施行业的产业链上游为各类硬件的原材料制备商基础设施行业的产业链上游为各类硬件的原材料制备商、电信电信运营商运营商，中游为云计算服务商中游为云计算服务商、数据服务商和基础设施硬件提供商数据服务商和基础设施硬件提供商，厂商服务于各行业场景的企业级和消

43、费级终端用户厂商服务于各行业场景的企业级和消费级终端用户中国AI技术变革AI基础设施产业链图谱中国AI基础色设施行业产业链图谱，2023中游下游来源：头豹研究院，弗若斯特沙利文上游自动驾驶平台城市大脑AI平台医疗影像AI平台智能视觉AI平台智能语音平台平台视觉计算平台基础软硬件平台普惠金融平台中国中国AIAI基础设施行业的产业链上游为各类硬件的原材料制备商基础设施行业的产业链上游为各类硬件的原材料制备商、电信电信运营商运营商，中游为云计算服务商中游为云计算服务商、数据服务商和基础设施硬件提供商数据服务商和基础设施硬件提供商，厂商服务于各行业场景的企业级和消费级终端用户厂商服务于各行业场景的企业

44、级和消费级终端用户20%10%7%5%5%4%3.50%4%互联网教育金融医疗制造零售农业政企行业渗透情况数据集网络基础运营商网络安全服务商基础硬件原料制造商云计算服务商AI芯片供应商云计算厂商在AI基础设施中扮演多重角色，为开发者和企业提供了构建、运行和扩展AI应用所需的各种基础设施和服务AI芯片供应商负责设计、制造和提供专门用于人工智能应用的芯片和硬件解决方案注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业大规模数据中心服务商数据服务商算法框架数据服务及数据治理商负责数据的整合、清洗、存储、安全性、合规性、分析和监控，并为企业提供技术和解决方案算法框架商致

45、力于研发、优化和提供创新性的机器学习和深度学习算法框架，以支持模型的训练、优化和部署服务器供应商400-072-5588中国：人工智能系列行业研读|2023/09AIAI基础设施关注将基础设施关注将AIAI芯片与产业结合升级芯片与产业结合升级，包括芯片量产包括芯片量产、降低成本降低成本、构建软件生态构建软件生态，提供优化算法和编程工具提供优化算法和编程工具，实现高效性能实现高效性能，将芯片与将芯片与垂直行业产品化结合垂直行业产品化结合，推动商业闭环推动商业闭环，促进产业增长促进产业增长中国AI技术变革AI基础设施制约关键点中国国内的AI芯片产业目前仍处于早期发展阶段，尤其在商业化方面尚不成熟，

46、市场需求尚未迎来爆发。产业中的主要关注点在于将AI芯片与各自的产业结合，以升级和优化现有产业。其产业与国际水平之间存在巨大差距，不仅体现在硬件方面，也包括软件和生态等领域。芯片量产是AI基础设施发展前提：芯片量产能够实现规模效应，降低芯片成本，推动AI应用的普及和商业化落地。同时，芯片产业链的完善发展，还能够带动相关产业的发展，如封测、材料、设备等，形成良性循环，促进整个产业生态的壮大。中国在AI芯片领域的自主创新和核心技术掌握，不仅能够降低对外部技术的依赖，还能够满足不同领域和应用的个性化需求。目前在EDA领域，Synopsys、Cadence和Siemens EDA这三家巨头联合占据了中国

47、市场约80%的份额，而中国自主研发的EDA厂商份额仅为11.5%。其中，华大九天在中国EDA市场中占有约6%的份额，位列本土EDA企业之首，芯片设计等底层EDA工具还依赖国外技术。芯片实现商业化需构建软件生态：软件生态由软件技术栈、开发者社区和用户构成。构建在芯片之上的软件生态决定芯片的可用性和市场接受度，是芯片商业模式的护城河，并且软件生态可以提供与芯片紧密集成的优化算法、编程模型和工具，帮助开发者充分发挥芯片的潜力，提升性能和效率。通过优化软件来充分利用芯片的硬件特性，可以在保证稳定性的同时提高计算速度和能效。实现价值传递必须将软件生态与具体垂直行业产品化结合：芯片需要与垂直行业融合，而非

48、孤立存在。产业当前面临问题是缺乏产品化，导致项目为主。产品化与项目的区别在于通用性，产品可量产，成本递减，这是芯片商业模式成功的关键。通过强大生态构建产品化，建立商业闭环，实现商业飞轮效应。AI基础设施的核心技术主要在AI芯片来源：昆仑芯科技，头豹研究院，弗若斯特沙利文芯片量产是前提构建软件生态垂直融合与产品化量产生态产品化AI芯片产业化落地的三道窄门400-072-5588中国：人工智能系列行业研读|2023/09云计算厂商提供强大计算能力云计算厂商提供强大计算能力、复杂算法框架和丰富的数据资源复杂算法框架和丰富的数据资源，数数据服务及治理商确保训练数据质量和多样性据服务及治理商确保训练数据

49、质量和多样性，AIAI基础硬件提供商为整基础硬件提供商为整个生态系统提供高效硬件支持个生态系统提供高效硬件支持，共同推动共同推动AIAI技术演进和创新技术演进和创新中国AI技术变革AI基础设施厂商类型中国AI基础设施厂商分类AI基础设施行业产业链中游是提供AI生产要素的硬件及软件服务商，行业呈现头部集中的市场竞争态势，行业主流厂商分为云计算服务厂商、数据服务及数据治理商和AI基础硬件提供商三大类。云计算厂商、数据服务及数据治理商和AI基础硬件厂商协同合作，共同构建了一个相对完整的AI基础设施生态系统云计算服务厂商：具备完善的产品生态、丰富的客户资源和较强的C端产品经验及数据，可反哺产品研发，基

50、于客户需求推动产品创新和落地，其中算法框架和大规模数据中心服务涵盖在云计算服务中，该类厂商在AI基础设施行业中不仅提供了高性能的计算资源，更在技术创新、资源供应、算法研发和平台支持等方面发挥着关键作用，代表厂商有百度、腾讯、阿里巴巴、万国数据等。以百度AI大底座为例，AI大底座整合了百度的昆仑芯2代AI芯片、飞浆和文心大模型生态优势，通过集中资源获得大算力和大数据，支持大模型训练与推理，以及高并发的应用负载。数据服务及数据治理商：数据服务商帮助企业获取、处理和分析数据，为业务决策提供支持；而数据治理商确保数据的质量、安全和合规，促使企业能够更好地利用数据资源。两者合作，为企业提供了全面的数据管

51、理和优化解决方案。数据服务及数据治理商如Labelbox、Scale AI等提供了数据标注和处理平台，帮助用户准备训练数据集。AI基础硬件提供商：专注于开发和提供用于AI任务的芯片和服务器等硬件设备，其中硬件加速器可以显著提升模型的训练和推理速度。著名的硬件提供商包括NVIDIA（生产GPU）、Google（生产TPU）等。这些供应商不仅在硬件性能上不断创新，也在为各类AI任务提供更高效的计算能力方面发挥着关键作用。来源：百度智能云，中国日报网，浪潮信息，头豹研究院，弗若斯特沙利文云计算厂商在AI基础设施中扮演了多重角色，为开发者和企业提供了构建、运行和扩展AI应用所需的基础设施和服务，尤其是

52、算法框架研发和算力服务方面云计算服务商AI基础硬件提供商主要负责开发和提供高性能、高效能的硬件加速器，以支持各种AI计算任务的高效完成AI基础硬件提供商数据服务及数据治理商负责数据的采集、整合、清洗、存储、安全性、合规性、分析和监控，并为企业提供技术和解决方案数据服务及数据治理商400-072-5588中国：人工智能系列行业研读|2023/09AIAI基础设施行业的商业模式多样基础设施行业的商业模式多样，取决于企业的技术实力取决于企业的技术实力、市场定位市场定位和客户需求和客户需求。不同的策略和模式在满足市场需求方面展现了创新不同的策略和模式在满足市场需求方面展现了创新，其其多元化商业生态促进

53、了多元化商业生态促进了AIAI基础设施行业的创新和发展基础设施行业的创新和发展中国AI技术变革AI基础设施商业模式AI基础设施厂商的商业模式AI基础设施商业模式在不同的企业中可能有不同的组合和侧重点，取决于其技术实力、市场定位以及客户需求AI硬件销售：AI硬件销售模式涉及从产品研发、生产、市场推广到销售、交付和售后服务的完整过程。企业需要在不同阶段合理规划，并与客户建立良好的合作关系，以实现产品的成功销售和客户满意度强。主要针对产品包括GPU、专用AI芯片、边缘设备、服务器等。技术授权与合作：将AI基础设施打造成基础服务，通过提供API接口或根据客户要求集成符合客户业务场景的基础服务，客户可选

54、择按需付费的方式对API接口按量付费，或者以定期支付的方式订阅基础服务。软硬件一体化解决方案：解决方案提供商以平台产品或软硬件服务融合应用场景，提供各类解决方案。平台产品方案是根据客户对产品形态的需求，以产品售卖使用为主；而软硬件一体化方案包含软硬件服务及开发运营，相比较而言技术壁垒更高。AI平台即服务：企业可以提供完整的人工智能开发和部署平台，使开发者和企业能够构建、训练、测试和部署自己的人工智能模型和应用程序，而无需自己建立和维护底层的基础设施。这种模式将AI技术和基础设施打包为一种服务，使企业和开发者能够专注于创新和应用开发，而不必担心底层的技术和基础设施问题。AI基础设施行业的主流收费

55、方式行业收费方式包括：1）按使用量或调用次数收费、2）按硬件授权设备量与单价定价、3）按项目需求定制收费三种方式，目前主流收费方式是按使用量和解决方案定价收费。厂商根据软硬件一体化方案及开发服务收费，其中软硬件主要以软件为主，包括产品与授权费用；而开发服务是项目开发运营及方案定制化服务。将整个AI基础设施打包给客户，客户根据自身业务场景需要自由调动。来源：专家访谈，头豹研究院，弗若斯特沙利文AI硬件销售20%技术授权与合作30%35%软硬件一体化解决方案AI平台即服务15%400-072-5588中国：人工智能系列行业研读|2023/09中国中国AIAI基础设施的竞争优势主要在于技术基础设施的

56、竞争优势主要在于技术、数据和生态资源数据和生态资源，其中技其中技术领域集中在分布式计算和高性能计算术领域集中在分布式计算和高性能计算，数据是决定话语权的资本数据是决定话语权的资本，而企业资源和生态系统构建则是实现突破的重要因素而企业资源和生态系统构建则是实现突破的重要因素中国AI技术变革AI基础设施竞争壁垒技术壁垒在AI基础设施领域，技术能力和创新能力是企业竞争的核心。具备先进的算法、模型和优化技术能够为客户提供更准确和高效的解决方案。创新不仅意味着不断研发新技术，还包括对已有技术的持续改进。高性能计算和分布式系统也是技术类壁垒的一部分，因为能够处理大规模数据和复杂计算任务是成功竞争的关键。数

57、据壁垒在AI基础设施行业，数据是至关重要的资源。拥有大量高质量的训练数据和实时数据源对于训练和优化模型至关重要。数据获取和处理能力包括数据采集、清洗、标注和保护等方面。此外，随着数据隐私和合规成为越来越重要的关注点，遵循法规和合规标准以保护用户数据和隐私，也是构建数据类壁垒的一部分。资源和生态系统壁垒AI基础设施行业需要巨大的资源投入，包括资金、时间和人力。拥有足够的资源支持研发、建设、运营和市场推广是成功的关键。同时，建立合作伙伴关系和生态系统也是一个重要的竞争优势。与其他企业、研究机构和行业领袖合作可以共享知识、技术和市场渠道，形成更大规模的影响力。目前只有企业在技术创新、数据资源管理、资

58、源投入和生态建设等方面取得平衡，才得以在激烈的市场竞争中脱颖而出。成功的企业将能够充分利用这些壁垒，不断提升自身的竞争力并满足不断发展的市场需求。来源：中国国情国力杂志，专家访谈，头豹研究院，弗若斯特沙利文中国AI基础设施行业竞争壁垒010302企业本身具备资源，并形成生态系统是制胜的关键技术创新与高性能计算成为AI基础设施领域的竞争核心拥有高质量的训练数据和实时数据源至关重要技术壁垒数据壁垒资源和生态系统壁垒400-072-400-072-5588Chapter 3AI开发平台AI开发平台定义框架AI开发平台市场规模AI开发平台产业链图谱AI开发平台参与者类型AI开发平台商业模式AI开发平台

59、竞争壁垒行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09AI开发平台开发平台（也被称为机器学习平台也被称为机器学习平台）是一个提供整一套是一个提供整一套AI应用开发应用开发流程支持流程支持，帮助开发者降低开发门槛帮助开发者降低开发门槛，并快速集成数据处理并快速集成数据处理、模型搭模型搭建和应用部署的一站式服务工具平台建和应用部署的一站式服务工具平台中国AI技术变革AI开发平台定义框架AI开发平台的定义框架来源：信通院，华为云、阿里云、头豹研究院，弗若斯特沙利文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

60、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。AI开发平台的数据处理环节通常包含数据采集、数据筛选、数据标注、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，根据清洗好后的数据特征，AI开发平台会提供不同的算法模型供开发者选择。AI开发平台的模型搭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：

61、1、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、设置架构及参数：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。数据处理模型搭建模型训练模型评估模型部署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-

62、learn、PaddlePaddle、MindSpore云原生架构：微服务、容器、Serverless、DevOps、AI开发平台流程技术底座400-072-5588中国：人工智能系列行业研读|2023/092022年中国年中国AI开发平台市场规模达开发平台市场规模达257.3亿元亿元，过去五年的过去五年的CAGR达到达到了了62.9%。随着云计算技术的成熟和大模型的应用突破随着云计算技术的成熟和大模型的应用突破，中国中国AI开发开发平台将继续保持高速增长态势平台将继续保持高速增长态势，市场规模在市场规模在2027年达到年达到785.2亿元亿元中国AI技术变革AI开发平台市场规模中国AI开发平

63、台行业市场规模（按营收测算），2017年-2027年预测来源：阿里云、腾讯云、天翼云，头豹研究院，弗若斯特沙利文2017201820192020202120222023E2024E2025E2026E2027EAI创业公司0.050.060.140.440.821.501.92.32.93.74.6云计算大厂22.535.053.593.6155.9257.3321.6402.0502.5628.2785.20100200300400500600700800900云计算大厂AI创业公司单位：亿元中国AI开发平台的市场规模可以切分为云计算科技大厂侧的AI开发平台营收+人工智能创业公司侧的AI开发

64、平台营收。目前，云计算大厂凭借着云计算基础设施服务的优势，是AI开发平台市场营收规模主要的贡献者2022年，中国AI开发平台的市场规模为257.3亿元，行业未来的市场有望继续高速拓宽中国AI开发平台2022年的市场规模为257.3亿元。2017-2022年的复合增长率达到62.9%，增速迅猛。高增速的主要原因有两点：1.AI成为国家重要的发展战略方向，“十三五”、“十四五”规划均指明中国要发展成为人工智能产业强国，需要在各方面加强推进AI在行业的深化。2.云计算技术和硬件基础设施的高速发展为AI开发平台提供了良好的发展土壤。云计算提高了数据的质量、硬件升级加快了AI模型开发的效率。综合两个因素

65、的叠加，AI开发平台的市场规模在过去六年内迅速的攀升。大模型会拓宽AI应用，AI开发平台有望继续保持高速增长随着Chatgpt在大模型的突破，AI在各行业内的应用有望继续拓宽。随着行业逐步踏入百亿千亿的规模，发展速度会相对放缓，未来5年预计会以24.9%的复合增长率增长至2027年的785.2亿元。AI开发平台市场营收规模云计算大厂AI开发平台营收规模AI创业公司AI开发平台营收规模云计算大厂的年营收AI开发平台的业务渗透率AI开发平台的业务渗透率AI创业公司的年营收CAGR：62.9%CAGR：24.9%400-072-5588中国：人工智能系列行业研读|2023/09中国中国AIAI开发平

66、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，下游为使下游为使用用AIAI开发平台的企业级和消费级用户开发平台的企业级和消费级用户中国AI技术变革AI开发平台产业链图谱中国AI开发平台行业产业链图谱，2023年上游下游基础设施云计算基础设施供应商AI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A

67、I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。来源：头豹研究院，弗若斯特沙利文云原生架构持续交付容器微服务无服务服务网格机器学习框架声明式API中游云计算厂商人工智能企业AI开发平台供应商三大电信运营商注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业云计算科技大厂通过打造AI开发平台带动云计算全线条的业务增长，代表企业由

68、阿里云、亚马逊云、华为云等组成。人工智能创业公司通过AI开发平台集成现有的业务优势扩大影响力、吸引开发者、探索商业模式。代表企业有商汤科技、第四范式、明略科技、旷视科技等。400-072-5588中国：人工智能系列行业研读|2023/09中国的中国的AIAI开发平台主要由两类厂商构成开发平台主要由两类厂商构成。第一类是依托于自身基础设第一类是依托于自身基础设施而打造一站式施而打造一站式AIAI开发平台的云计算科技大厂；第二类是注重于某个开发平台的云计算科技大厂；第二类是注重于某个特定技术领域的人工智能创业公司特定技术领域的人工智能创业公司中国AI技术变革AI开发平台参与者类型中国AI开发平台典

69、型厂商分类来源：腾讯云，专家访谈、头豹研究院，弗若斯特沙利文云计算科技大厂人工智能创业公司中国AI开发平台服务供应商分类云计算科技大厂通过打造AI开发平台带动云计算全线条的业务增长中国的AI开发平台主要由两类厂商构成。第一类是依托于自身基础设施而打造一站式AI开发平台的云计算科技大厂，代表企业由阿里云、百度智能云、亚马逊云、华为云等组成。这些企业拥有自己的大规模数据中心和云计算平台，可以提供从基础设施到应用的全套服务。这类企业切入AI开发平台的角度多是带动用户使用自家云计算的全套资源，从而带动多个业务线的营收发展。人工智能创业公司通过AI开发平台集成现有的业务优势扩大影响力、吸引开发者、探索商

70、业模式第二类企业是人工智能相关的创业企业，代表企业有商汤科技、第四范式、明略科技、旷视科技等。这类企业一般注重于某个特定的AI领域，例如商汤科技和旷世科技都是计算机视觉起家的企业，第四范式则是决策AI领域的佼佼者，明略科技则是专注于大数据科技的企业。这类企业切入AI开发平台的角度更多是集成公司的现有业务，通过运用自身领先的相关技术嵌入AI开发平台从而吸引更多的开发者，从而达到业务宣传、商业模式探索、和扩大业内影响力的目的。中国AI创业公司分类计算机视觉智能语音NLP数据科学决策AI注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业400-072-5588中国：人

71、工智能系列行业研读|2023/09AIAI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。按需付费更为按需付费更为灵活灵活，适用于不可预测的场景；按包周期付费性价比更高适用于不可预测的场景；按包周期付费性价比更高，适用于长适用于长期使用的用户期使用的用户。存储存储、计算计算、监控是三个通用的付费触发场景监控是三个通用的付费触发场景中国AI技术变革AI开发平台商业模式中国AI开发平台行业商业模式来源：弗若斯特沙利文，头豹研究院，弗若斯特沙利文AI开发平台的计费方式1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，

72、适用于资源波动，需求量预测难度高的场景。AI开发平台的计费方式2按包周期（包年/包月）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，价格在同样在资源量使用场景下更优惠，更适合长期使用者购买。按需付费灵活调用适用不可预测流量场景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1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

73、，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2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3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程的状态。内容存储计算资源消息通知400-072-5588中国：人工智能系列行业研读|2023/09A

74、IAI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持续获客留存的能力。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、适配适配类型丰富度以及平台使用的简易程度类型丰富度以及平台使用的简易程度中国AI技术变革AI开发平台竞争壁垒中国AI开发平台的竞争壁垒来源：专家访谈，头豹研究院，弗若斯特沙利文010203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

75、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

76、强大竞争壁垒。适配丰富度帮助企业打开市场、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，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

77、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。400-072-400-072-5588Chapter 4AI大模型AI大模型定义AI大模型特点及意义AI大模型市场规模AI大模型产业链分析AI大模型参与者分析AI大模型商业价值AI大模型行业发展行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09AIA

78、I大模型是大模型是AIAI预训练大模型的简称预训练大模型的简称，通过在大规模数据上进行预训练通过在大规模数据上进行预训练，无需大量微调即可支持各种应用无需大量微调即可支持各种应用，具备多层神经网络结构具备多层神经网络结构、高级优化高级优化算法和强大计算资源算法和强大计算资源，显著提升了显著提升了AIAI的通用性和实用性的通用性和实用性中国AI技术变革AI大模型定义AI大模型定义框架强化技术的融合有效集成自然语言处理等多个人工智能核心研究领域的多项技术，实现 1+12 的融合式涌现涌现性解决传统AI痛点大模型能有效支撑智能终端、平台、系统等产品应用落地，解决壁垒多、部署难等问题扩展性增强AI能力

79、在海量通用数据上预训练以具备多种基础能力，摆脱传统人工智能能力碎片化、作坊式开发的局限复合性Transformer、GAN、CNN、RNN等架构通过海量数据进行预训练微调以应用于不同的场景解决各种复杂任务chatGPTLLM（NLP）AI 大模型AGI（以 chatGPT 为例）AI大模型具有涌现性、扩展性、复合性等特征，降低了开发门槛，提高了精度和泛化能力，提升了内容生成质量和效率，实现了对传统AI技术的突破AI大模型具有涌现性、扩展性、复合性等特征，这些特征使得AI大模型在很多方面都表现出了优越的性能。首先，AI大模型能够降低AI开发门槛。传统的AI技术通常需要大量的数据和计算资源，而AI

80、大模型通过自身的学习能力，可以在一定程度上自动地学习和提取数据中的特征，从而降低了AI开发的难度。这使得更多的开发者和企业能够更容易地利用AI技术来解决问题。其次，AI大模型可以提高模型的精度和泛化能力。由于AI大模型具有丰富的表示能力，它可以在训练过程中学习到更多的特征和规律，从而提高模型在处理各种任务时的准确性。此外，AI大模型还可以通过迁移学习等方法，将在一个任务上学到的知识应用到其他任务上，从而提高模型的泛化能力。再者，AI大模型可以提高内容生成的质量和效率。在自然语言处理、图像识别等领域，AI大模型可以根据输入的信息生成更加丰富、准确的内容。这不仅可以提高用户体验，还可以降低企业的运

81、营成本。例如，在新闻撰写、广告创意等方面，AI大模型可以帮助企业快速生成高质量的内容。最后，AI大模型实现了对传统AI技术的突破。传统的AI技术通常局限于某一特定领域或任务，而AI大模型通过其强大的学习能力，可在多个领域和任务之间进行泛化。这使得AI大模型具有更广泛的应用前景，有望推动AI技术在各个领域的广泛应用。总之，AI大模型通过其涌现性、扩展性、复合性等特征，实现了对传统AI技术的突破。这使得AI大模型在降低开发门槛、提高模型精度和泛化能力、提高内容生成质量和效率等方面具有多种价值，为各行各业带来了巨大的发展潜力。来源：专家访谈，张俊林由ChatGPT反思大语言模型（LLM）的技术精要，

82、头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09AIAI大模型的商业价值体现在增强模型的泛化能力大模型的商业价值体现在增强模型的泛化能力、提高内容生成效率提高内容生成效率和质量和质量、降低开发门槛降低开发门槛、提高模型精确度等方面提高模型精确度等方面，这些特点推动着人这些特点推动着人工智能应用和技术进步工智能应用和技术进步，为各行各业创造了更多创新机会为各行各业创造了更多创新机会中国AI技术变革AI大模型特点及意义AI大模型特点及意义分析来源：商汤科技，头豹研究院，弗若斯特沙利文AI大模型的五大特点提高模型精度大模型通过学习大量数据和任务获得广泛知识

83、，捕捉更多细节，更好地泛化到新的数据集和任务中。增强模型泛化能力大模型拥有更多的参数和更深的层次结构，能对复杂的模式和规律进行准确建模，并通过不断学习和更新自己的参数提高性能和准确度大模型的开源性和可复制性可以促进学术研究的发展和技术的普及，加速人工智能技术的进步和应用。开放性大模型通过自动学习更多的特征和规律，减少手动特征工程的需求，使开发者能更轻松地构建高质量的模型。降低开发门槛大模型可以更好地捕捉和分析信息，用于生成高质量的内容，提升生成效率，例如生成对话、摘要、翻译等。提高内容生成质量和效率大模型的基本价值AI大模型降低了开发门槛，提高了精度和泛化能力，提高了内容生成质量和效率，实现了

84、传统AI技术的突破，加速了人工智能技术的进步和应用AI大模型具有降低开发门槛、提高模型精度和泛化能力、提高内容生成质量和效率等多种价值，实现了对传统AI技术的突破。首先，大模型可以降低机器学习和自然语言处理应用的开发门槛。传统的机器学习和自然语言处理应用通常需要大量的数据和计算资源，以及复杂的算法和模型结构。而AI大模型通过其庞大的参数量和强大的学习能力，可以自动地从海量数据中学习和提取有用的特征，从而简化了应用开发的流程，降低了开发门槛。其次，大模型可以提高模型的精度和泛化能力。在训练过程中，AI大模型可以通过不断地学习和更新自己的参数来提高模型的性能和准确度。此外，由于AI大模型具有丰富的

85、表示能力，它们可以更好地捕捉到数据的复杂模式和规律，从而提高模型的泛化能力。这意味着AI大模型可以更好地处理新的数据集和任务，提高了模型的应用范围。最后，大模型可以提高内容生成的质量和效率。在自然语言处理领域，AI大模型可以根据输入的信息生成更加准确、流畅的内容。例如，在文本摘要、机器翻译、对话系统等方面，AI大模型可以帮助企业快速生成高质量的内容。这不仅可以提高用户体验，还可以降低企业的运营成本。400-072-5588中国：人工智能系列行业研读|2023/092022年年，中国中国AI大模型市场规模达到大模型市场规模达到891.2亿元亿元，随着随着AI技术的成熟技术的成熟和在各行业中的广泛

86、应用和在各行业中的广泛应用，预计到预计到2027年年，市场规模将增至市场规模将增至2,777.5亿元亿元，年均增长率为年均增长率为25.53%中国AI技术变革AI大模型市场规模中国AI大模型市场规模，2020年-2027年预测来源：头豹研究院，弗若斯特沙利文单位：亿元未来缺乏大模型能力的AI企业将难以生存，AI大模型的市场规模将迎来高速增长。目前，语言大模型在大模型中占据了超80%的占比，剩余由CV大模型占据，决策大模型的占比较少，模型尚未成熟2020年，随着智源和百度的语言大模型发布，行业正式进入萌芽期。2022年中国基于语言大模型的人工智能市场规模达到了668.3亿元中国语言大模型的市场规

87、模在2019年开始出现，智源的成立标志着行业进入了萌芽期。2020年9月，语言大模型悟道3.0正式公开发布，开启了语言大模型行业商业化落地的开端。2022年6月，GPT-3.5的发布开始带动行业的高速发展，行业规模在2022年达到了668亿元。由于语言大模型对人工智能产业带来了革命性的影响，预计未来语言大模型的行业将迎来高速增长语言大模型正快速渗透语音与语言行业，很多厂商已嵌入智能客服和文本生成中，五年内渗透率预计超90%。OPENAI推出GPT3.5后，3个月用户超20亿，成为新增用户最快应用。人工智能在搜索、推荐等领域展现巨大潜力，推动行业迅速增长至千亿美金。中国语言大模型预计CAGR将以

88、20.7%的增长速度高速发展。414.5559.6668.3795.1976.81,197.11,439.71,713.2478.3665.4891.21,123.51,416.71,769.52,205.82,777.505001,0001,5002,0002,5003,0002020202120222023E2024E2025E2026E2027E语言大模型视觉大模型多模态大模型中国AI大模型市场规模测算逻辑中国AI大模型市场规模语言大模型市场规模视觉大模型市场规模多模态大模型市场规模CAGR：25.53%400-072-5588中国：人工智能系列行业研读|2023/09中国中国AIAI大

89、模型在上游大模型在上游、中游和下游领域协同发展中游和下游领域协同发展，构建完整技术生态构建完整技术生态。硬件支持硬件支持、算法创新和应用拓展三方面合力推动算法创新和应用拓展三方面合力推动AIAI大模型进步大模型进步。这助这助力了中国力了中国AIAI产业的发展产业的发展中国AI技术变革AI大模型产业链分析上游：硬件基础设施和计算资源视觉基础设施逐步完善技术支持逐渐提升下游：不同的行业应用场景中游：模型构建及算法设计NLP多模态电商娱乐法律医疗金融交通 高性能的 GPU、TPU 等硬件设备 分布式计算平台 强大的计算能力 庞大的数据存储空间数据算法算力其他中国AI大模型产业链分析中国AI大模型上中

90、下游协同发展，共建 AI 大模型技术架构AI 大模型的技术架构通常涉及多个层次，包括硬件基础设施、软件框架和算法设计等。在此基础上，AI 大模型的上中下游发展可以从以下几个方面来描述：上游硬件与基础设施：AI 大模型的上游发展涉及硬件基础设施和计算资源。随着 AI 大模型规模的不断扩大，对计算资源的需求也在增加。因此，高性能的 GPU、TPU 等硬件设备和分布式计算平台成为了支持AI 大模型发展的关键。此外，云计算服务商（如谷歌、亚马逊、微软等）提供了强大的计算能力和庞大的数据存储空间，为 AI 大模型的研究和应用提供了基础支持。中游算法与模型：AI 大模型的中游发展主要涉及算法设计和模型构建

91、。目前，Transformer 架构在 AI 大模型领域占据主导地位，如 BERT、GPT 系列等。这些模型采用预训练和微调的策略，先在大量无标注数据上学习语言或图像的基本表示，然后针对特定任务进行微调。此外，研究人员还在探索其他模型架构和算法，以提高模型的性能和效率。下游应用：AI 大模型的下游应用主要是将预训练好的模型应用于实际场景，包括自然语言处理、计算机视觉、语音识别等领域。这些应用可以进一步细分为文本生成与摘要、机器翻译、情感分析、图像识别与分类、物体检测、人脸识别、语音识别与合成等等。这些应用领域可以为企业和个人提供便捷的服务和功能，推动产业发展。通过各个层面的协同发展，AI大模型

92、不断优化和提升，为实际应用和产业发展带来了巨大的价值。来源：头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09中国中国AIAI大模型的主要参与者分为国际和本土两类大模型的主要参与者分为国际和本土两类。国际阵营涵盖国际阵营涵盖OpenAIOpenAI和和GoogleGoogle等跨国公司等跨国公司，而本土阵营则主要由互联网和科技企而本土阵营则主要由互联网和科技企业如百度业如百度、阿里巴巴阿里巴巴、腾讯腾讯、华为以及商汤科技等组成华为以及商汤科技等组成中国AI技术变革AI大模型参与者分析国外玩家Open AI：GPT-4多模态预训练模型，千亿级的参数，能够

93、支持图像和文本的输入。Anthropic：ClaudeClaude 是 Anthropic 开发的类似ChatGPT 的聊天机器人。Claude使用的是constitutional AI的偏好模型。Google：PaLM-EPaLM-E是一种多模态视觉语言模型（VLM），具有 5620 亿个参数，集成了可控制机器人的视觉和语言能力。Naver：HyperCLOVA与三星电子合作的，超过 2000 亿个参数的超大规模模型；97%使用的是韩文语料，计划23H1基于大模型推出Search GPTKakao：KoGPT预训练大模型，专注于开发基于 AI 的图像创建技术和医疗保健技术。LG：Exaone

94、拥有3000亿参数，使用图像和文本数据的多模态模型，是目前韩国参数规模最大的模型,用于生物医药和智能制造行业。Meta：SAM、LLaMA视觉模型SAM：通过精细标注，识别分割画面上的指定物体。大型语言模型LLaMA：包括7B、13B、33B、65B这4 种参数规模。中国AI大模型参与者分析本本土土玩玩家家互联网公司互联网公司科技公司科技公司创业公司创业公司高校高校硬件公司硬件公司浪潮信息：源1.0大模型NLP预训练模型，2457亿参数，全球最大规模的中文语料AI模型阿里巴巴：通义大模型NLP、CV、多模态大模型华为：盘古大模型盘古气象大模型、盘古矿山大模型、盘古OCR大模型腾讯：混元大模型N

95、LP、CV、多模态模型，应用于能源、金融、航天、制造等百度：文心大模型NLP大模型，CV大模型，跨模态模型，应用于能源、金融、航天、制造等领域商汤科技：书生大模型多模态多任务通用大模型，可为自动驾驶、机器人等通用场景任务提供高效精准的感知和理解能力支持。昆仑万维：昆仑天工大模型旗下模型包括图像、音乐、文本、编程等多模态内容生成能力澜起科技：孟子大模型能力相较于其他同类技术更为灵活，面向垂直领域，赛道落地更加聚焦科大讯飞：大模型快手：K7大模型百亿级多模态内容理解大模型 Pluto，高效视频相似度计算王慧文离开美团后创立北京光年之外科技有限公司；商汤员工离职创业的公司minimax；创业黑马子公

96、司数智云科与阿里巴巴达摩院签订战略合作协议，致力于打造对标ChatGPT的中国本土化大模型实验室实验室来源：头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09中国AI技术变革AI大模型商业价值AI大模型商业价值分析来源：商汤科技，头豹研究院，弗若斯特沙利文AI大模型将成为从数据飞轮升级到智慧飞轮的关键驱动力。通过与人类的互动和自动化标注，它能够更高效地获取和利用数据，从而输出更高质量的智慧内容在现有AI体系中，数据获取和标注过程存在时间和成本问题，同时人工标注会导致模型效果受限。AI大模型体系采用智慧飞轮升级，通过人机互动和自动标注降低成本，推动数据迭

97、代和提供高质量内容。此外，这一升级还促进了人机共治的发展，让人类更好地参与模型的训练和决策，推动AI技术的应用和社会进步。AIAI大模型的不断学习将引领从数据驱动到知识驱动的升级演进大模型的不断学习将引领从数据驱动到知识驱动的升级演进，推动推动系统的智能和高效系统的智能和高效。这一发展将缩小人机鸿沟这一发展将缩小人机鸿沟，实现人机共治的愿景实现人机共治的愿景，具有巨大的商业价值具有巨大的商业价值AI大模型将实现从数据飞轮到智慧飞轮的升级演进，最终将迈向人机共治 数据飞轮：现有AI体系主要从前端获取大量数据并进行人工标注，通过更新后的模型反馈到前端，以获取高质量的数据，但具有时间长和成本高等痛点

98、 智慧飞轮：AI大模型体系则将实现人与模型的互动，基模型将不断理解人的意图以解锁更多技能，并能实现自动化标注，成本约 AI 体系的 1%，有助于推动数据进行快速迭代与优化，以输出更高质量的智慧内容AI大模型 和 AI 体系的对比AI多模态多任务Prompt+多模态多模态数据+任务描述注释：在 AGI 体系中，任务描述能够用语言来覆盖长尾问题和主观描述AI大模型数据飞轮智慧飞轮数据飞轮算法模型数据循环互动级 升基模型1.解锁更多技能2.Align with Human智慧内容的生成智慧内容：AIGC，AI Generated Content智慧飞轮400-072-5588中国：人工智能系列行业研

99、读|2023/09AIAI大模型未来发展将走向通用化和专用化并行大模型未来发展将走向通用化和专用化并行，具备多领域通用性和具备多领域通用性和灵活性灵活性，同时有更多针对任务和领域的优化模型同时有更多针对任务和领域的优化模型。通用模型侧重统一通用模型侧重统一架构架构、模态和任务模态和任务，专用模型通过通用预训练满足业务需求专用模型通过通用预训练满足业务需求中国AI技术变革AI大模型行业发展从算法只能基于一种模态学习并只能应用于该模态到可以学习并应用于多种模态表征学习迁移学习多任务处理多模态编码统一模型框架多模态单模态从算法只能处理一种模态到可处理多种模态单模态向多模态的转变AI大模型发展趋势分析

100、AI 大模型未来发展将趋于通用化与专用化并行。通用化是指模型能够适用于多个领域和任务，而专用化则是指模型被设计用于特定领域或任务。大型的 AI 模型将逐渐实现在多个领域和任务中的通用性和灵活性，并且也会有更多的模型被设计和优化用于特定的任务和领域通用大模型偏重统一架构、统一模态、统一任务。例如，GPT 系列模型在自然语言处理领域的多个任务中都取得了非常好的表现，包括文本生成、问答、摘要、翻译等任务。同样，BERT 模型也被证明可应用于多种自然语言处理任务中，包括文本分类、命名实体识别、问答等专用大模型则通过通用预训练和专用预训练实现业务场景应用。例如，近期彭博社发布了专门为金融领域打造的大型语

101、言模型（LLM）BloombergGPT。BloombergGPT 是专门为金融领域开发的一种语言模型，可以更好地处理金融领域的数据和任务统一架构：使用统一的模型架构，并采用相同的学习模式统一模式：构建可适用于多种模态的通用词表统一任务：将所有任务统一成序列到序列任务业务场景应用专用领域预训练通用预训练应用需求基础框架专用大模型通用大模型反哺技术技术落地来源：CNCF，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09（接上页行业发展）来源：OpenAI，头豹研究院，弗若斯特沙利文大模型平台化与简易化并进全能、简易开发服务平台微调工具部署工具场景适配便

102、捷微调能力低参数调优能力开发工具模型开发数据增强和清洗能力并行计算能力存储优化能力自适应分布式训练能力弹性容错训练能力推理部署大模型和小模型无缝联动能力自适应分布式推理能力自动化压缩能力加密部署能力AI大模型未来趋向平台化与简易化，形成全能简易开发服务平台，推动模型与各领域深度融合AI大模型未来将平台化与简易化并进，形成全能简易开发服务平台。平台化提供完整解决方案，如OpenAI的GPT-3 Playground，为开发者和研究者提供了在线使用GPT-3模型的平台。在AI加持下，GPT内部插件带来的用户体验优于直接使用外部的原生应用，用户的使用场景得以迁移到GPT模型内部。目前插件商店内部的应

103、用主要由OpenAI邀请的第三方开发，包括办公协作、电商、旅游等。随着外部成熟应用的交互圈层扩大，GPT与用户日常生活将结合得更加紧密，参考移动互联网时代的端转手趋势，主流应用即将展开向AI平台的迁移，即迅速适应并布局GPT内的AI插件，探索AI加持下自身应用的新场景。这些应用可以依赖GPT的AI技术提高用户体验，而GPT则借助这些应用吸引更多用户，网络效应进一步加强了这种相互促进的趋势，从而提升GPT平台的生态价值。大模型的简易化指使模型的使用变得更加简单易懂。传统的AI模型通常只针对一个或一类任务进行优化，而AI大模型通过大规模的参数量提升了表达能力，可以更好地建模海量训练数据中包含的通用

104、知识。通过“预训练+微调”的方法，AI大模型已经具备了强大的通用性。例如，ChatGPT 3.0通过prompt-tuning免去了微调步骤，为开发者和用户提供了更加便捷的AI技术应用方式。综上所述，AI大模型未来将朝着平台化与简易化方向发展。平台化意味着提供完整的AI模型开发和应用解决方案，使开发者和用户可以更轻松地使用和部署模型。同时，大模型的简易化使得模型的使用更加简单易懂，为用户提供了更便捷的AI技术应用方式。这将进一步提升AI大模型平台的生态价值，推动AI技术的广泛应用和发展。400-072-400-072-5588Chapter 5语言大模型语言大模型定义语言大模型市场规模语言大模

105、型参与者类型语言大模型商业模式语言大模型竞争壁垒行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09自然语言处理自然语言处理（NLP）大模型是一种利用深度学习技术来理解大模型是一种利用深度学习技术来理解、解释解释和生成人类语言的高参数模型和生成人类语言的高参数模型。语言大模型通过编码解码的方式模仿语言大模型通过编码解码的方式模仿人类处理语言的过程从而达到进行自然语言文本输出的能力人类处理语言的过程从而达到进行自然语言文本输出的能力中国AI技术变革语言大模型定义语言大模型底层Transfromer架构的技术原理图来源：信通院，华为云、阿里云、头豹研究院，弗若斯特

106、沙利文接收听或看到的语言信息大脑进行理解输出要说的语言语言模型通过模仿人类处理语言的方式，通过解码器、编码器和注意力机制进行文字内容产出自然语言处理（NLP）大模型是一种利用深度学习技术来理解、解释和生成人类语言的复杂模型。这些大型模型通常由数十亿甚至数万亿个参数组成，使它们能够从大量文本数据中捕获语言的复杂模式和微妙含义。语言大模型在诸如机器翻译、文本摘要、情感分析和问答系统等任务上展现出卓越的性能。语言大模型模仿人类的处理过程，由三个主要部分组成。首先，通过输入层将文本转化为数值的输入向量，为模型提供可处理的信息；其次，在处理层，模型通过复杂的注意力机制捕捉语句内的依赖关系，以理解句子结构

107、和含义；最后，在输出层，模型生成输出向量，利用这些信息完成特定的语言任务，如文本分类、翻译或问答等。输出向量残差连接&层归一化多头注意力机制前馈线性层人类处理语言文本的方式残差连接&层归一化多头注意力机制残差连接&层归一化前馈残差连接&层归一化多头注意力机制残差连接&层归一化自然语言输出结果Softmax函数输入向量大模型处理语言文本的方式位置编码位置编码400-072-5588中国：人工智能系列行业研读|2023/092022年中国基于语言大模型的人工智能市场规模达到了年中国基于语言大模型的人工智能市场规模达到了668亿元；由亿元；由于语言大模型对人工智能产业带来了革命性的影响于语言大模型对

108、人工智能产业带来了革命性的影响，预计未来这一行预计未来这一行业将迎来高速增长业将迎来高速增长，CAGR将达到将达到20.7%中国AI技术变革语言大模型市场规模基于语言大模型的人工智能市场规模，2020年-2027年预测来源：头豹研究院，弗若斯特沙利文单位：亿元语言大模型带动的人工智能市场规模AI大模型带动的人工智能市场规模语言大模型在AI大模型的渗透率未来缺乏大模型能力的AI企业将难以生存，基于AI大模型的人工智能市场规模将迎来高速增长。目前，语言大模型在大模型中占据了超80%的占比，剩余由CV大模型占据，决策大模型的占比较少，模型尚未成熟2020年，随着智源和百度的语言大模型发布，行业正式进

109、入萌芽期。2022年中国基于语言大模型的人工智能市场规模达到了668亿元中国语言大模型的市场规模在2019年开始出现，智源的成立标志着行业进入了萌芽期。2020年9月，语言大模型悟道3.0正式公开发布，开启了语言大模型行业商业化落地的开端。2022年6月，GPT-3.5的发布开始带动行业的高速发展，行业规模在2022年达到了668亿元。由于语言大模型对人工智能产业带来了革命性的影响，预计未来语言大模型的行业将迎来高速增长语言大模型正快速渗透语音与语言行业，很多厂商已嵌入智能客服和文本生成中，五年内渗透率预计超90%。OPENAI推出GPT3.5后，3个月用户超20亿，成为新增用户最快应用。人工

110、智能在搜索、推荐等领域展现巨大潜力，推动行业迅速增长至千亿美金。中国语言大模型预计CAGR将以20.7%的增长速度高速发展。414 560 668 795 977 1,197 1,440 1,713 04008001,2001,6002,0002020202120222023E2024E2025E2026E2027ECAGR：26.9%CAGR：20.7%400-072-5588中国：人工智能系列行业研读|2023/09中国的语言大模型参与者众多中国的语言大模型参与者众多，互联网科技厂商优化产品体验互联网科技厂商优化产品体验、人工人工智能企业创新跨领域应用智能企业创新跨领域应用、大数据服务商提

111、供定制方案大数据服务商提供定制方案、创业企业开创业企业开发新颖模型发新颖模型、高校研究院深入理论研究高校研究院深入理论研究中国AI技术变革语言大模型参与者类型语言大模型的供应商分类来源：36氪，财经、CSDN、头豹研究院，弗若斯特沙利文语言大模型参与者众多，当前按照的参与者可分为互联网科技厂商、人工智能企业、大数据服务商、大模型创业企业以及高校研究院五大类在OpenAI掀起语言大模型的浪潮后，中国众多厂商纷纷入局，先后研发推出自身的语言大模型。从参与者的类别汇总分析，当前市面较为领先的语言大模型来自于五类厂商，分别是互联网科技厂商、人工智能企业、大数据服务商、大模型创业企业以及高校研究院。各类

112、厂商拥有不同的竞争优势，其中互联网科技厂商如百度和华为依托强大的计算资源和数据，集成到自身产品中提升体验；人工智能企业如科大讯飞专注于语言模型的创新和跨领域应用；大数据服务商如星环科技提供定制化行业解决方案；大模型创业企业以灵活性和创造性开发新颖模型；高校研究院则深入探索理论并培养人才。互联网科技厂商人工智能企业大模型创业企业高校研究院大数据服务商互联网科技人工智能企业大数据服务商大模型创业公司高校研究院优势拥有强大的计算资源和数据规模专注于人工智能领域的研究与开发，具有较强的自然语言技术能力沉淀拥有优质的行业专项和标注数据集以大模型为核心业务的创业公司，具有较高的灵活性与创造性具备较高的学术

113、水平和影响力，可深入探索大模型原理和机制注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业400-072-5588中国：人工智能系列行业研读|2023/09语言大模型的商业主要有两种方式：一是作为智能系统组成部分增效语言大模型的商业主要有两种方式：一是作为智能系统组成部分增效，如微软将如微软将GPT嵌入搜索引擎；二是将大模型打造为基础服务嵌入搜索引擎；二是将大模型打造为基础服务，如如OpenAI通过通过API或直销提供或直销提供，消费者可按需付费或月订购消费者可按需付费或月订购中国AI技术变革语言大模型商业模式语言大模型的核心商业模式来源：阿里云开发者社区、北大

114、金融杂志、头豹研究院，弗若斯特沙利文语言大模型的商业模式之一是通过提供API接口，将大模型打造成基础资源向第三方提供模型服务第二种是将大模型是将大模型打造成基础服务，通过提供API接口或直接售卖的方式向第三方提供模型服务。OpenAI就通过提供API接口或直接售卖服务的方式向消费者提供商业服务，消费者可以以按需付费的方式对API接口按量付费，或者以20美金每月的方式进行服务订阅购买。当前拥有API接口需求的使用者可以分为三类：1.企业领域自用的大模型需求。企业在自用的场景下，需要对语言大模型进行二次微调，从而达到可以输出满足企业需求的领域大模型；2.结合知识图谱的专用领域大模型需求。企业通过获

115、取专业数据公司提供的垂直行业数据结合知识图谱进行训练更适用于垂直领域的领域大模型；3.企业进行完全的大模型私有化部署。在部分场景中，语言大模型服务商可将模型底层文件售卖给用户，从而帮助用户达到完全的私有化部署从而打造更加专属的领域大模型。另一种核心商业模式是通过将语言大模型作为增值服务嵌入在智能系统中，从而实现系统和流程降本增效的目的第二种应用方式是将大型自然语言处理模型集成到智能系统中，从而提升环节之间的协同效率和价值增效。例如，微软已将GPT嵌入其搜索引擎服务中，利用GPT语言大模型的能力帮助用户进行更精准的检索。通过将语言大模型融入工作流程或服务销售过程，企业可以实现更高的增值效益和降本

116、提效的目标。这不仅优化了现有的服务体验，还为企业带来了创新的业务模式和增长潜力。将大模型打造成基础服务，通过提供API接口或是直接售卖的方式向第三方提供模型服务API基础服务70%30%将语言大模型作为智能系统中的一个组成部分，进行价值产出嵌入式服务400-072-5588中国：人工智能系列行业研读|2023/09算法技术和数据质量构建了模型的竞争壁垒算法技术和数据质量构建了模型的竞争壁垒。构建语言大模型的关键构建语言大模型的关键技术集中在提示学习和强化学习算法上技术集中在提示学习和强化学习算法上。底层数据质量取决于生态底层数据质量取决于生态、数据标准等因素数据标准等因素，在代码撰写数据方面在

117、代码撰写数据方面，中国与海外差距明显中国与海外差距明显中国AI技术变革语言大模型竞争壁垒语言大模型的竞争壁垒来源：专家访谈、头豹研究院，弗若斯特沙利文语言大模型算法调优是重要的竞争壁垒构建之一构建语言大模型的主要技术焦点集中在提示学习算法和强化学习算法上，这两个因素现已成为影响大模型表现的核心要素和顶尖大模型的技术壁垒。提示学习算法通过专注化的任务提示，可显著提升模型学习的效率和精确性，赋予模型在复杂环境下的灵活性和效能。强化学习作为一种以反馈为导向的训练策略，在大模型中得到广泛运用。通过人类评分作为奖励信号，强化代理可优化预估参数，从而使模型输出与人类语言逻辑更加吻合。相较于国际先进水平，中

118、国大模型在这两个领域的技术实现上存在一些差距，这一差异在推理和泛化能力上有所体现。展望未来，提示学习和强化学习有望成为构建语言大模型技术壁垒的关键技术组成部分。语言大模型的底层数据质量是重要的竞争壁垒构建之一语言大模型的底层数据质量已逐渐成为竞争壁垒的核心组成部分之一。精准的筛选和处理底层数据不仅能提高模型训练的效率和准确率，还能确保模型在复杂场景下的稳定性和可信度。以ChatGPT为案例分析，该模型在编程代码撰写方面表现卓越，效率和精确度远超中国部分语言大模型，超出50%以上。这一显著优势的背后，部分归因于微软对Github的底层数据源的访问。作为全球领先的编程代码社交平台，Github积累

119、了大量的优秀代码样本。相较之下，中国厂商在这一数据领域的资源相对缺乏，从而在代码撰写方面与ChatGPT有一定差距。算法模型参数调优方式以及算法成熟度数据训练用底层数据质量和维度50%50%400-072-400-072-5588Chapter 6企业服务大模型企业服务大模型定义企业服务大模型业务分析企业服务大模型（智能知识助手）企业服务大模型产品分析行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09中国企业服务大模型训练流程企业大模型是在通用大模型的基础上企业大模型是在通用大模型的基础上，通过精细训练通过精细训练、优化调整和扩优化调整和扩展展，增强了储存记

120、忆增强了储存记忆、适配和调度能力适配和调度能力，并结合多领域专业知识并结合多领域专业知识，形形成系统化的企业服务成系统化的企业服务中国AI技术变革企业服务大模型定义来源：专家访谈，中国软件协会，头豹研究院，弗若斯特沙利文企业服务大模型综合多重要素，包括知识融合、功能拓展、训练效率提升和自主功能集成，形成了全面的智能化支持，为企业提供高效、个性化的解决方案企业服务大模型融汇上下文记忆、知识/库表索引、prompt工程、Agent执行以及通用工具集等多重要素，以独特的方式扩充存储记忆、适应应用场景与调度执行能力。此融合还融入了财税、人力、供应链、研发等领域的专业知识，从而构筑起一个全面而系统的企业

121、服务大模型框架。此外，不仅着眼于功能拓展，更深刻关注训练效率和成本效益。通过集成丰富的开发工具和优化算法，企业服务大模型大幅提升了训练速度，同时也在实际应用中降低了成本压力。更为引人注目的是其自主开发的数据管理、大模型精调、评估优化、推理以及插件服务等功能，为大模型的构建和应用提供了稳固可靠的支持。在这个前沿领域，企业服务大模型显然成为了企业智能化的一项核心资源，为各行各业提供了高效、个性化和卓越的支持。这种创新的企业服务大模型将不断引领着企业适应和应对日益复杂的商业环境，为企业提供了一个智能化、灵活性强且高度个性化的解决方案，有助于推动企业的业务发展和创新驱动。从数字化转型到智能决策，企业服

122、务大模型以其多元的能力，正日益成为塑造未来企业竞争优势的重要支柱。49.0%46.0%35.0%30.0%28.0%20.0%18.0%15.0%运营部门IT部门市场部门管理部门销售部门生产部门财务部门客服部门数据知识库Prompt工程Agent执行通用工具集训练扩充大模型通用知识运营部门IT部门市场部门管理部门销售部门生产部门财务部门客服部门企业数据来源专业能力体系化企业服务大模型算力算剧算法云计算平台预训练模型数据管理大模型精调大模型优化大模型推理插件服务基础层功能层400-072-5588中国：人工智能系列行业研读|2023/09企业服务大模型充分利用知识助手企业服务大模型充分利用知识助

123、手、数据洞察分析和情感交互等创新数据洞察分析和情感交互等创新技术技术，为智能营销为智能营销、运营运营、客户服务和数字员工等四大核心业务场景客户服务和数字员工等四大核心业务场景提供高效的赋能提供高效的赋能，提升企业在市场竞争中的敏捷性和创新力提升企业在市场竞争中的敏捷性和创新力中国AI技术变革企业服务大模型业务分析来源：专家访谈，中关村科金，头豹研究院，弗若斯特沙利文中国企业服务大模型业务架构智能客服智能营销企业服务大模型智能运营四大企服领域数字员工知识洞察情感 自动化业务场景捕获客户流量转化人机交互提升体验AI客户关系管理客户画像洞察 优质内容生成 智能推荐客户AI客户数据洞察人机共同决策 精

124、准客户转化 客户体验反馈AI在线客服语音客服 智能质检 辅助机器人AI企业IP形象客户情绪分析AI迎宾大使虚拟助手企业大模型融合知识、洞察、情感和自动化的强大能力，为智能营销、企业运营、智能客服和数字员工等四大企业服务领域提供高效赋能企业服务大模型赋能智能营销：企业服务大模型在客户关系管理、客户画像洞察、内容生成、智能推荐以及决策洞察等五个方向实现创新应用。特别是在内容生成领域，大模型的基础能力为营销赋能，成为最具潜力的探索方向。在实际营销场景中，该能力有效满足文本和图片生成需求，极大提高了文案与海报的创作效率，将高执行力和广泛使用相结合，为营销活动带来卓越支持企业服务大模型赋能智能运营：智能

125、运营将数据转化为业务洞察，支持智能决策和服务优化，实现运营效率提升和客户体验改善，通过人与机器的合作达到最佳效果，精准触达客户，实时反馈市场需求，提高客户满意度和竞争力企业服务大模型赋能智能客服：企业服务大模型在智能客服领域具有显著优势，可自动回答问题、解决问题并提供支持，有效减轻人工客服的压力企业服务大模型赋能数字员工：企业服务大模型借助高度知识储备的虚拟助手，优化智能营销、运营和客服领域的互动体验，引导个性化产品推荐、实时运营监测以及自动化客服问答，从而协助企业实现更智能、高效的运营模式400-072-5588中国：人工智能系列行业研读|2023/09（接上页企业服务大模型业务分析）产品领

126、域识别所需服务、线上业务引导办理、服务建议统一形象IP、数字人媒体展示数字人知识问答交互用户数据资产构建全渠道引流获客全域内容仓库客户标签灵活加工精准圈取目标人群多维度洞察分析多数椐源怏速接入配置自动化工作流360全方位客户洞察智能分析与优化全渠道跨触点获客自动生成营销文案辅助内容创作者业务流程导航、坐席话术推荐实时后台监控、辅助客服人员多种客服产品质量检测智能检测内容合规性智能账单营销催收智能咨询消息通知客户问题咨询回答客户在线问题回答客户业务自动办理陪伴式闲聊对话了解市场和客户需求调整用户运营策略优化用户转化效果提高用户满意度人机共同决策实现感性和理性平衡可视化抽象数据用户行为洞察赋能营销

127、、运营、客服、研发等场景中国企业服务大模型产品级业务架构企业服务大模型在智能营销、企业运营、智能客服和数字员工业务细分领域的赋能，全面提升了业务效能、客户体验和运营效率智能营销业务领域：企业服务大模型在智能营销领域赋能客户关系管理、客户数据平台、营销自动化和营销内容生成。它支持全渠道引流、精准目标人群圈定、自动化工作流配置，还能自动生成营销文案，提升市场竞争力和增长效率智能运营业务领域：企业服务大模型在智能运营中具有实时反馈数据、人机共同决策和可视化抽象数据等优势。这些优点有助于企业了解市场和客户需求、优化运营策略、提高用户满意度，提升品牌价值智能客服业务领域：企业服务大模型在智能客服业务领域

128、赋能多个关键方面，包括在线客服、语音客服、智能质检以及辅助机器人。通过在线客服，它实现了客户问题的实时回答、自动办理业务以及提供陪伴式闲聊对话。在语音客服方面，它能够应用于智能账单营销催收、消息通知以及客户问题咨询的回答。智能质检方面，大模型支持多种客服产品质量检测，同时还能智能检测内容的合规性。辅助机器人则在业务流程导航、坐席话术推荐、实时后台监控以及辅助客服人员等方面提供卓越支持，实现了客户服务效率的提升与优化数字员工业务领域：企业服务大模型借助多模态交互和服务引导，进一步提升数字员工的服务体验。数字员工在外部能够塑造一致的企业形象IP，内部则充当卓越的员工，提升知识问答的交互体验来源：专

129、家访谈，中关村科金，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09企业普遍需要知识库企业普遍需要知识库，但面临如何直接回答用户问题的技术挑战但面临如何直接回答用户问题的技术挑战。通通过文档解析过文档解析、智能搜索和大语言模型的结合智能搜索和大语言模型的结合，可为企业知识库提供精可为企业知识库提供精准问答准问答，创造新的知识应用方式创造新的知识应用方式中国AI技术变革企业服务大模型（智能知识助手）来源：专家访谈，中关村科金，头豹研究院，弗若斯特沙利文中国企业服务大模型智能知识助手业务价值分析（以中关村科金ChatPilot知识助手为例）企业文档库企业

130、数据库企业业务库企业AI知识库生成提示词提供给大模型企业服务大模型智能知识助手、智能知识管理问答、总结辅助、培训高效准群交互 可校验 可更新 可溯源功效高效快捷用提问置换检索，信息获取时间下降50%KILL无效人力无需QA团队进行测试，自动构建知识库，准确应答拓展强基于知识库及prompt工程，更低成本延伸上层应用如机器人问答能力、虚拟知识员工、RPA摘要、营销助手知识加工扩写企业大模型智能知识助手框架企业智能知识库使用者询问解答文档上传智能文档处理，形成知识库企业服务大模型文档解析+大模型Prompt工程各上层应用四大核心功能知识问答知识构建知识归纳知识推荐作为企业虚拟助手，利用大模型能力理

131、解用户问题，提供智能答案，查找文档，解决问题通过文档理解能力，用户上传文档后直接向量化生成AI知 识库，无需人工整理，自动可提供问答，推荐等智能能力根据已有知识，自动生成知识报告或摘要，提升知识运用效率无需人工干预，自动基于当前文档整合高质量QA知识等 知识类型，便于人员培训或机器人训练行政营销客服IT运维产品人力资源研发项目运营400-072-5588中国：人工智能系列行业研读|2023/09来源：中关村科金，头豹研究院，弗若斯特沙利文（接上页智能知识助手）智能知识助手以高效、精准和拓展性为特点，突破传统企业知识库的限制，提供快速准确的信息获取，并在多个业务领域实现智能化的创新应用首先，智能

132、知识助手能够有效解决传统企业知识库的痛点。传统知识库存在许多问题，如使用单一、检索繁琐、维护成本高等。而智能知识助手则能够通过智能提问等手段，将知识获取时间缩短50%，大大提高了效率，同时降低了无效的人力浪费。此外，智能知识助手还能自动构建知识库并提供准确的应答，有效降低了维护的时间和资源成本。其次，智能知识助手的拓展性极强，能够催生机器人问答能力的提升、虚拟知识员工的创新实践、RPA摘要的高效提炼，甚至延伸至营销助手的知识加工扩写领域。这意味着企业能够将智能知识助手无缝嵌入多个业务环节，进一步提升生产效率和客户满意度，以更灵活、更高效的方式驱动业务增长。最后，智能知识助手的商业价值不仅仅局限

133、于解决现有问题。它还能够为企业搭建一个智能化未来的坚实基石。通过自动基于当前文档整合高质量QA知识等知识类型，便于人员培训或机器人训练；根据已有知识，自动生成知识报告或摘要，提升知识运用效率；利用大模型能力理解用户问题，提供智能答案，查找文档，解决问题等。这些功能使得智能知识助手成为企业迈向更加智能化、高效化未来的重要工具。中国企业服务大模型智能知识助产品功能分析（以中关村科金ChatPilot知识助手为例）快速、准确地处理大量文档，节省文档处理时间 无需对接QA、格式转换 全面支持pdf、word、excel、csv、ppt、txt、云文档等多种格式文档问答 支持文档批量上传，支持按文件夹管

134、理文件，自动根据文档内容生成标签，也可手动调整文档标签，方便管理 上传文档后，自动向量化生成统一的面向全域非结构化数据处理的AI知识库，避免重复投入智能分析复杂文档，实时给出解答（快速理解问题，从复杂的文档中提取有效信息，辅助您更快速、更高效的阅读并理解文档）提供文档检索、智能摘要、实时解答；提取快速准确，1 分钟完成 100 页文档关键信息提取，文档信息提取准确率超 90%拥有单文档问答、知识库问答、选定文档问答等功能；可针对事实性问题、总结性问题、推理性问题进行回答 无需低效检索、反复查找，直接向AI提问，得到答案 具备答案溯源、会话分段等能力，可自主对系统参数、Prompt进行配置，实现

135、个性化效果调优400-072-5588中国：人工智能系列行业研读|2023/09企业服务大模型整合卓越的数据分析分析能力企业服务大模型整合卓越的数据分析分析能力、高效的营销与客服服高效的营销与客服服务务、智能化的知识管理和虚拟数字人互动智能化的知识管理和虚拟数字人互动，持续提升客户体验并增进持续提升客户体验并增进业务效率业务效率中国AI技术变革企业服务大模型产品分析来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利文中国企业服务大模型产品企业服务大模型融合强大的分析能力、高效的营销和客服服务，以及智能化的知识管理和虚拟数字人互动，持续优化客户体验并提升业务效率腾讯企点的企点分析AI助手以“对话

136、式分析”为特色，帮助企业业务人员从海量数据中快速提取所需图表结果和业务见解，从而支持高效决策。百度营销为珍爱网带来了超卓的曝光和优质线索，总曝光超过1.3亿次，品牌咨询指数同比增长4003%，优质线索量达到2000条以上，广告触达用户数高达787万，品牌检索环比提升6.98%。中关村科金的大模型知识助手ChatPilot使知识管理更加便捷，包括知识归纳、构建、问答和推荐，显著提高信息获取效率。容联七陌通过赤免大模型和生成式一体化智能客服平台的新功能升级，增强了X-Bot智能客服机器人的能力，新增文档生成应答、文档问答抽取和文案润色等功能，提升了客户服务质量。追一科技与大连市税务局合作，利用多模

137、态AI技术推出了“塔可思”(TAX)虚拟数字人，为近百万纳税人和缴费人提供高效的咨询、办理、查询、预约和诉求响应服务。这些企业的产品特点集中展示了企业服务大型模型在不同领域的应用创新，通过智能化技术赋能营销、客服和知识管理，不仅提升了客户体验，还显著提高了业务效率。玩家产品及模型名称产品功能特点及应用旗下企点分析AI助手具备强大“对话式分析”功能，企业业务人员只要提出业务分析问题，就可秒级从海量数据中提取所需图表结果，并生成对应的数据以及业务洞察结论腾讯企点混元大模型得助大模型基于得助大模型打造的知识助手ChatPilot可轻松实现知识归纳、构建、问答、推荐等，可精准获取有效信息，大量节省文档

138、检索时间，提升工作和学习效率在赤免大模型、生成式一体化智能客服平台等新能力的加持下，再次升级X-Bot智能客服机器人，推出文档生成应答、文档问答抽取、文案润色三大功能容联七陌赤兔大模型追一科技博文大模型百度营销文心大模型百度营销为珍爱网带来超强曝光和优质线索牌全网总曝光1.3亿+，品牌咨询指数同比提升4003%，优质线索量2,000条+，触达用户数787W+品牌检索环比提升6.98%中关村科金追一科技与大连市税务局合作，为约63万纳税人和数百万缴费人提供服务。利用多模态AI技术推出了“塔可思”(TAX)虚拟数字人提供咨询、办理、查询、预约和诉求响应等服务400-072-400-072-5588

139、Chapter 7企业服务之智能营销智能营销定义及特点智能营销市场规模智能营销产业链图谱智能营销技术底层逻辑智能营销厂商及服务模式智能营销行业应用与发展行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09智能营销是应用人工智能技术智能营销是应用人工智能技术，对数字营销的全链路进行智能化升级对数字营销的全链路进行智能化升级的新型营销方式的新型营销方式。智能营销的主要目的是提高营销效率和效果智能营销的主要目的是提高营销效率和效果，创造创造新的消费者交互场景体验新的消费者交互场景体验，以及发现和创造消费需求以及发现和创造消费需求中国AI技术变革智能营销定义及分类中国

140、智能营销工作流程数据驱动的市场营销和决策过程将为企业带来更好的业务结果和竞争优势中国智能营销是利用人工智能技术，对市场营销活动进行自动化处理和分析的一种新型营销方式。通过对数据的深度挖掘和分析，智能营销能够更加精准地定位目标客户，并快速响应市场变化，提高企业的市场竞争力。搜索引擎营销、社交媒体营销、内容营销和电商营销是四大的营销应用场景。搜索引擎营销和社交媒体营销可以精准定位目标受众，但成本较高；内容营销成本低、传播面广，但难以量化效果；而电商营销则可以在电商平台上进行产品推广与销售，提高品牌知名度和销售量。企业可以根据自身的需求和预算选择适合的营销策略，或者结合多种方式进行综合营销。1.1.

141、数据数据收集与处理收集与处理2.2.消费者消费者画像画像3.3.情感分析情感分析4.4.个性化个性化营销营销5.5.数据挖掘数据挖掘与预测与预测 数据收集与处理收集客户行为、竞争对手、行业趋势等数据，以了解目标市场的需求和行业动态。消费者画像分析数据，对目标消费者进行标签化处理，了解他们的特征、喜好、需求等。情感分析了解消费者的情感需求和情感状态，以此为基础进行品牌定位和营销策略制定。个性化营销根据消费者的历史数据和行为模式，为其提供个性化的产品和服务。数据挖掘与预测利用大数据技术和机器学习算法，进行数据挖掘和预测，以预测消费者行为和市场趋势。智能化决策通过数据分析和人工智能技术，为企业提供智

142、能化的决策支持，以提高决策效率和精准度。来源：知萌，百度，头豹研究院，弗若斯特沙利文可以精准定位目标受可以精准定位目标受众、但成本较高众、但成本较高用户量庞大、流量多样用户量庞大、流量多样化，但流量成本较高化，但流量成本较高成本低、效果长久、传播成本低、效果长久、传播面广、但难以量化效果面广、但难以量化效果可在电商平台上进行推广可在电商平台上进行推广与销售、提高品牌知名度与销售、提高品牌知名度中国智能营销按应用场景分类电商营销搜索引擎营销社交媒体营销内容营销400-072-5588中国：人工智能系列行业研读|2023/09智能营销有多样性品牌营销智能营销有多样性品牌营销、数字技术的赋能以及品牌

143、与消费者的互数字技术的赋能以及品牌与消费者的互利共生等特点利共生等特点。AIAI技术赋能营销领域核心意义在于将营销从平面拉升技术赋能营销领域核心意义在于将营销从平面拉升到立体到立体，同时也能将泛泛而谈的营销变为千人千面的精准营销同时也能将泛泛而谈的营销变为千人千面的精准营销中国AI技术变革智能营销特点及意义品牌营销多样性智能营销基于数据分析，以服务换数据，从众多平台获取数据，为用户提供精准服务，口碑营销有利于品牌描绘用户画像和丰富营销手段数字技术贯穿营销过程智能营销依据消费者使用和消费记录实时汇总数据，区分客户群体消费偏好，经过数据整理和分析，为消费者提供精准品牌营销，提高营销时效性和转化率品

144、牌与消费互利共生的生态模式智能营销在大数据分析消费者的同时，消费者也利用智能技术充分展现个性化需求，对产品质量和外包装提出新标准和要求，推动品牌与消费者不断互动、共同提升，提升品牌新时代内涵中国智能营销的特点智能营销通过多样化的品牌体验、高效的数字技术应用和建立互利共生的品牌消费者生态模式，提升品牌营销效果和商业价值创造首先，智能营销可以实现品牌营销的多种多样，让消费者在购买过程中享受到不同的体验。其次，数字技术贯穿整个营销过程，大大提高了营销的时效性和转化率，从而让品牌商可以更快地触达目标客户。此外，智能营销也创造了一种品牌与消费者互利共生的生态模式，让品牌商可以更加深入地了解消费者，从而为

145、他们提供更加符合需求的产品和服务，从而创造更高的商业价值。AI技术可以生成准确的消费者数据画像，支持立体化数据分析和跨场景营销，从而实现精准的营销转变，满足每个消费者的需求AI技术能准确识别消费者需求和习惯，生成多维数据画像，为商家提供从二维到立体的分析视角。立体化数据分析可即时洞察消费画像和意图，为品牌营销推广提供有效支持。跨场景营销需基于精准识别每位消费者在不同场景下的购买需求和能力，实现营销效果最大化。随着人工智能时代的到来，每一个消费者都成为了一个独特的个体。营销推广的创意基于数据分析的准确对接，为每个消费者量身定制。不同场景下的营销创意也各不相同，从而实现了从“千人一面”到“千人千面

146、”的精准营销转变，以最终满足每个消费者的需求。中国智能营销的意义从平面营销到立体化营销从一致性营销到个性化销售来源：知萌，阿里巴巴，头豹研究院，弗若斯特沙利文智能营销400-072-5588中国：人工智能系列行业研读|2023/09165209231275302.5335.5368.5399.3432.390114126150165183201217.8235.84557637582.591.5100.5108.9 117.9030060090020192020202120222023E2024E2025E2026E2027E媒体类第三方（数据和系统）内容创意类单位：亿元CAGR：9.47%随

147、着数字营销向智能化转型随着数字营销向智能化转型，预计到预计到20272027年年，中国智能营销市场规模中国智能营销市场规模将达到将达到786786亿元人民币亿元人民币，年复合增长率为年复合增长率为9 9.4747%。未来市场增长的下一未来市场增长的下一个关键点在于完善的基础投放系统在传统行业的渗透个关键点在于完善的基础投放系统在传统行业的渗透中国AI技术变革智能营销市场规模来源：头豹研究院，弗若斯特沙利文中国智能营销行业根据厂商类型可分为媒体类、第三方数据和系统类，以及内容创意类。鉴于当前趋势，可以预见媒体类智能营销厂商将借助其自身流量优势，逐渐整合智能营销的各个环节。预计未来，这些媒体类厂商

148、的市场占有率将超过70%。2022年中国智能营销市场规模达500亿元，预计，2027年将达到786亿元。智能化营销的增长取决于市场渗透率提升和对智能化营销的需求增加2022年中国智能营销市场规模达500亿元，预计，2027年将达到786亿元。智能化营销的增长主要源自市场渗透率的提升和对智能化营销的需求增加。市场渗透率的提升意味着智能化营销在各个行业中得到更广泛的应用。智能化营销逐渐成为营销过程中必需的服务，如果客户不使用这些配套服务，可能会导致效率下降和整体成本增加。中国智能营销领域的基础投放系统将是增长最快的部分，其次是数据，其他因素的增长相对平均在智能营销领域中，首先需要关注基础服务，其中

149、基础投放系统是一种普及性产品。将来，投放系统在客户中的覆盖渗透率将大幅提升，成为增长最快的部分。其次，数据的价值将日益突出，尤其在自动化营销中，数据的重要性将更加明显，相对于创意等因素，数据具有更强的影响力和作用。中国智能营销市场空间（亿元）（垂直市场的专业化不断加强（垂直市场的专业化不断加强 ）第三方30%数据类厂商系统类厂商媒体类55%媒体流量所赋予的智能营销功能环节的价值实现程度（媒体类厂商将越来越倾向于独（媒体类厂商将越来越倾向于独自完成智能营销所有环节）自完成智能营销所有环节）中国智能营销市场规模测算逻辑内容创意类15%为智能营销提供内容创意价值中国智能营销行业市场规模，2019年-

150、2027E年预测400-072-5588中国：人工智能系列行业研读|2023/09中国智能营销行业产业链主要包含上游技术提供商中国智能营销行业产业链主要包含上游技术提供商、中游智能营销服中游智能营销服务商务商、下游广告主下游广告主。在下游环节在下游环节，智能营销服务覆盖了多个行业智能营销服务覆盖了多个行业，其其中对互联网服务行业的渗透率最高中对互联网服务行业的渗透率最高，达到了达到了9898%中国AI技术变革智能营销产业链图谱中国智能营销行业产业链图谱中游综合类智能营销厂商垂直类智能营销厂商覆盖智能营销领域的全部或多个环节，将渠道资源和技术优势整合，为客户提供高效、精准、可持续的智能营销服务.

151、凭借其较强的技术优势和客户经验积累，在智能营销领域的垂直环节深耕，包括数据管理、客户关系管理以及营销自动化等.来源：专家访谈，头豹研究院，弗若斯特沙利文下游下游应用企智能营销的下游为网服、医疗、教育、汽车、新零售、游戏、金融以及其他。广告主可以享受到一系列的优质服务和智能化的营销解决方案。医疗教育网服游戏工业金融汽车新零售其他98%78%55%50%49%49%48%35%6%互联网服务游戏电商新零售教育医疗金融汽车工业行业渗透注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业上游技术基础计算机视觉自然语言处理机器学习400-072-5588中国：人工智能系列行

152、业研读|2023/09市场营销的核心目标是创造消费者价值并管理消费者关系市场营销的核心目标是创造消费者价值并管理消费者关系，智能营销智能营销的技术底层逻辑的技术底层逻辑，正是基于对消费者的全方位数据学习和分析正是基于对消费者的全方位数据学习和分析。然后然后在营销的各个服务环节高效赋能在营销的各个服务环节高效赋能中国AI技术变革智能营销技术底层逻辑数据营销不同诉求创造更多营销场景触点挖掘更多、更精准用户更好地与用户进行沟通更有效率地生产营销内容提升营销投放ROI点击交互搜索Query商品属性标签竞品信息用户画像用户浏览社会属性兴趣爱好功能价值品牌信息行业知识价格爱好数据 特征 机器处理 工程 学

153、习通用AI 系统认知AI 系统预测泛化决策营销的各类应用智能洞察智能经营智能场景智能沟通智能投放营造沉浸式个人体验AI创意更“破圈”预见消费者下一步智能投放动态优化长情陪伴长效服务智能家居智能出行虚实融合图像识别/特效语音识别人脸识别人体动作识别AR互动用户画像分析用户决策行为分析品牌洞察行业洞察智能定向智能出价智能创意智能优化智能经营工具/平台数字人营销AI+小程序算法智能学习有关“消费者的一切”中国智能营销行业技术底层逻辑来源：知萌，百度，头豹研究院，弗若斯特沙利文智能营销的底层逻辑：标签化消费行为数据，利用机器学习实现个性化营销智能营销技术的底层逻辑为，首先，将消费者在消费过程中的各种抽

154、象行为标签化，然后利用人工智能技术对这些标签化数据进行机器学习，最终将人工智能技术高效应用于营销服务的各个环节。这一过程旨在让企业更好地了解消费者的需求和喜好，并以此为基础制定个性化的营销策略，从而提高营销效率和广告主满意度。400-072-5588中国：人工智能系列行业研读|2023/09智能营销厂商可按照所提供服务不同分为数据类智能营销厂商可按照所提供服务不同分为数据类、媒体类媒体类、内容创意内容创意类以及系统类类以及系统类。其中数据类主要提供其中数据类主要提供CDPCDP和和CRMCRM服务；媒体类主要做服务；媒体类主要做渠道投放；内容类提供内容创意；系统类提供自动化营销系统渠道投放；内

155、容类提供内容创意；系统类提供自动化营销系统中国AI技术变革智能营销厂商分类来源：专家访谈，头豹研究院，弗若斯特沙利文智能营销行业厂商分类目前，媒体类智能营销服务商已经能够覆盖智能营销的各个环节，凭借其数据资源和直接触达客户的流量优势，其在市场中占据了55%的份额。随着流量头部效应越来越明显，媒体类智能营销服务商将综合更多的营销服务环节，为广告主提供更高效的营销效果和增值效应。因此，其市场份额预计将上升至70%以上。CDP客户数据平台数据类媒体类渠道投放私域运营系统类MA营销自动化线索推荐与筛选CDP 是一种数据管理平台，用于集中整合和管理多个渠道和来源的客户数据 CRM是一种管理和优化客户关系

156、的工具，通过有效的客户数据分析和沟通，提升客户满意度CRM（客户关系管理）渠道投放是利用智能技术和数据分析，精准地选择和优化广告投放渠道私域运营是利用智能化工具和数据分析，在自有渠道中建立和管理客户关系内容创意设计内容创意设计是利用智能技术和数据洞察，以个性化、创新和优质的方式设计和生产营销内容营销自动化是利用技术和软件平台，自动化执行和管理营销活动 线索推荐与筛选是通过智能算法和数据分析，自动化地识别、筛选和推荐潜在客户线索注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业中国智能营销行业营销环节厂商图谱400-072-5588中国：人工智能系列行业研读|20

157、23/09以图像以图像、视觉视觉、自然语言处理和机器学习为技术基础自然语言处理和机器学习为技术基础，智能营销服务智能营销服务模式通过构建服务生态模式通过构建服务生态，结合大数据赋能结合大数据赋能，提供平台云和定制化解决提供平台云和定制化解决方案方案，为各行业的营销活动赋能为各行业的营销活动赋能中国AI技术变革智能营销厂商服务模式技术底座功能生态大数据赋能通用解决方案图像技术视觉技术自然语言处理机器学习全栈营销平台汽车行业客户资产解决方案跨境商业解决方案园区智能营销数字化生态创新平台新零售营销解决方案全行业通用解决方案网络服务行业解决方案金融业客户资产运营解决方案院校智能营销产教融合平台教育行业

158、生源管理解决方案营销云全渠道、全链路智能营销销售云私域客户数字化运营管理平台,私域客户资产价值最大化云计算一站式智能营销云平台行业分析数据自动化策略用户裂变 营销工具智能营销全景展示 营销分析智能推广全域整合 定向营销数据中台智慧学院标签管理 高效变现自动化策略云直播高并发安全稳定跨平台智能客服多轮交互 问题识别全渠道接入舆情分析实时预警 语义分析智能洞察大数据计算服务实时计算智能推荐数据可视化易用多种计算稿型稳定功能强大精准高可用权限管控自助分析快速、完全托管的数仓解快速、完全托管的数仓解决方案，提供完备的数据决方案，提供完备的数据导入方案及分布式计算模导入方案及分布式计算模型，更加快速的解

159、决用户型，更加快速的解决用户海量数据计算问题。海量数据计算问题。基于基于FlinkFlink构建的一站式构建的一站式、高性能实时大数据处理高性能实时大数据处理平台平台，广泛用于流式数广泛用于流式数据处理据处理、离线数据处理离线数据处理、DataLakeDataLake计算等场景计算等场景。采用深度学习等数十种算采用深度学习等数十种算法，同时针对不同行业特法，同时针对不同行业特点进行深度优化，有效提点进行深度优化，有效提升转化率、点击率、留存升转化率、点击率、留存率等业务核心指标。率等业务核心指标。自助自助BI BI报表分析和制报表分析和制作可视化数据大屏的作可视化数据大屏的强大工具强大工具，组

160、件丰富组件丰富，开箱即用开箱即用，无需无需SQLSQL和任何编码和任何编码。中国智能营销服务模式示意图来源：企业官网，头豹研究院，弗若斯特沙利文线索挖掘数据智能大数据拓客移动办公 高效协同自动结算实时分析全行业全渠道销售管理市场管理客户管理协同办公400-072-5588中国：人工智能系列行业研读|2023/09中国智能营销服务模式结构分析来源：专家访谈，头豹研究院，弗若斯特沙利文（接上页厂商服务模式）大客户倾向定制化的智能营销解决方案对于大客户而言，他们通常需要量身定制的智能营销解决方案，综合考虑其品牌诉求、产品需求以及线下业务体系等多个方面。这种解决方案可能需要提供针对用户、销售和营销活动

161、等多个层面的智能营销服务，以满足大客户的特定需求。为了提供个性化的解决方案，我们需要对客户的特定情况进行全面分析和评估。中小客户的需求基于行业属性进行划分中小客户的需求通常基于其行业属性进行划分。例如，招商加盟行业可能更关注获取潜在客户的线索，而本地生活行业可能更注重在线咨询和购买产品的用户体验。针对中小客户，通常会通过整合智能营销系统提供服务，以满足其行业属性方面的需求，并为其提供智能营销支持。大客户小客户招商加盟本地生活其他中国智能营销收入结构分析互联网大厂80%的客户属于中小型客户对互联网大厂的客户中约有80%属于中小型客户，他们的单体客户价值相对较低，但在行业或特征上具有相似性。因此，

162、我们可以采用标准化的智能营销系统或营销产品来帮助这些客户解决问题。垂直类厂商营收结构中大客户的比例更高对于一些垂直类厂商，如纯粹的广告公司或程序化广告平台，大客户在其营收结构中往往占据较高比例。这是因为这些平台通常专注于为大客户提供广告解决方案，并具备满足其广告需求的能力和规模。收入结构分析各业务场景定价规则业务类型定价规则投放类按照使用量和按照账户，前者基于媒体流量使用量，后者基于投放系统功能模块。系统类按使用量定价，如SaaS或按需使用；另一种是一次性买断，提供私有化部署的系统。数据类数据定价涉及数据量和数据价值两个维度，其中数据价值包含时效性、准确性以及贡献度。内容创类根据内容创意服务量

163、确定价格，根据客户需求提供特定数量的创意。大型厂商垂直类厂商400-072-5588中国：人工智能系列行业研读|2023/09目前目前，中国智能营销行业在网络服务领域达到中国智能营销行业在网络服务领域达到9898%的渗透率的渗透率，紧随其紧随其后的是游戏行业后的是游戏行业，其渗透率高达其渗透率高达7878%。此外此外，电商电商、新零售新零售、教育教育、医疗和金融行业的渗透率都在医疗和金融行业的渗透率都在5050%左右左右，工业行业的渗透率仅为工业行业的渗透率仅为6 6%中国AI技术变革智能营销行业应用分析智能营销行业下游行业渗透率来源：专家访谈，头豹研究院，弗若斯特沙利文98%78%55%50

164、%49%49%48%35%6%0%30%60%90%120%互联网服务游戏电商新零售教育医疗金融汽车工业当前，中国各行业中的智能营销渗透率存在差异。互联网服务和游戏行业由于对智能营销的高度认知和接受度，达到98%和78%的渗透率当前，中国智能营销行业在网络服务领域的渗透率达到了惊人的98%。这一高渗透率表明智能营销已经成为网络服务行业的主流趋势，为企业提供了广泛的营销机会和优化策略的选择。同时，游戏行业也展现出相当高的智能营销渗透率，达到了78%。游戏行业的特点是用户活跃度高、社交性强，因此智能营销在游戏领域的应用具有巨大的潜力，能够有效吸引和保留用户，提升游戏体验和盈利能力。此外，电商、新零

165、售、教育、医疗和金融行业的智能营销渗透率都在50%左右，这些行业的数字化转型进程和消费者行为的变化使得智能营销成为不可或缺的营销手段。通过智能营销的个性化推荐、精准广告投放和数据分析等功能，这些行业能够更好地满足消费者需求，提升用户体验，增强市场竞争力。然而，工业行业的智能营销渗透率相对较低，仅为6%。工业行业的特点是注重传统销售模式和供应链管理，对于数字化转型的接受度相对较低。尽管如此，随着智能制造和物联网技术的发展，工业行业也将逐渐认识到智能营销的潜力，并逐步应用于市场推广和销售管理中。实施智能营销系统时，客户的接受程度和系统融合性是关键，建设完善的基础设施和优化现有系统是实现自动化营销成

166、功的关键因素营销在实施智能营销系统时，客户的接受程度和系统的融合性是关键因素，对于实现成功的自动化营销至关重要。客户的接受程度涉及其对智能营销概念的理解和认同，以及对技术解决方案的接受程度。同时，客户的系统融合性也至关重要，即智能营销系统与客户现有的IT基础设施和业务流程的无缝衔接程度。使用自动化营销系统需要客户具备一定的基础设施，包括稳定可靠的IT系统、高质量的数据资源以及完善的用户管理系统等。这些基础设施的存在和良好运行对于实现全面自动化营销至关重要。如果客户自身的系统建设不完善，可能会出现数据不准确、系统不稳定等问题，进而影响到自动化营销的效果和效率。400-072-5588中国：人工智

167、能系列行业研读|2023/09通过精准的用户洞察和智能投放通过精准的用户洞察和智能投放，实现更短的转化路径；提升用户运实现更短的转化路径；提升用户运营思维能力和高效的客户转化；通过全场景的资源整合能力营思维能力和高效的客户转化；通过全场景的资源整合能力，实现品实现品牌的最大化价值牌的最大化价值，以及企业和智能营销厂商共建智能营销生态以及企业和智能营销厂商共建智能营销生态中国AI技术变革智能营销行业发展中国智能营销未来发展趋势一中国智能营销未来发展趋势二消费端技术创新(33,8)营销自动化(8,0)智能营销技术AI MKT（25.4）智能合约数据确权Data Right Blockcbain(-

168、2)识别数据链路(40,3)打破用户数据孤岛窘境，有效收集数据建立营销机制，提升用户个性化与定制化服务深耕内容，线上和线下相结合多场最IP想合，全效触达用户多元化品牌与用户的互动渠道和营销模式，全链路提升用户转化率“引流+营销”相结合，形成有效的闭合链路，提升转化率线上和线下全场景覆盖营销，增强体验式营销采用“技术+模式”全链路提升营銷效能 Al智能营销场景化设计 AI智能数据分析，异化定制商业方案 AI智能管理容户，优化反应机制 Al全面增值客户触点营销效果智能决策预测性AI多维分析和BI360度客户画像建立私域数据池决策辅助AI引擎基于ONE ID的数据打通营销运用原始数据来源：专家访谈，

169、知萌，阿里巴巴，头豹研究院，弗若斯特沙利文智能营销将帮助企业定制个性化的营销活动，实现市场的精细化运营Al在智能营销的新阶段中，人工智能（AI）扮演着极为重要的角色。利用AI，企业可以定制个性化的营销活动，实现更为精细的市场运营，从而提高业务效率和客户满意度。AI不仅是智能营销的“智慧大脑”，还是其“发动机”，为企业提供更快、更准确、更精细的决策支持。通过AI技术，企业可以将大量的数据信息转化为有价值的商业智能，从而更好地把握市场动态和客户需求，实现更为高效的营销决策和资源配置。总之，AI的应用将推动智能营销向更高层次的发展，为企业带来更为广阔的商业机遇。智能营销将从消费端技术创新、数据识别链

170、路以及营销自动化三个维度助力品牌新基建随着5G技术和物联网应用的不断发展和普及，智能营销已经成为推动品牌营销全面智能化、多元化、一体化生态建设的重要力量。通过AI、大数据、云计算等技术的应用，智能营销正在快速地转变传统的营销模式，带来更加精准和高效的营销体验。在这个全新的营销生态中，品牌需要与时俱进，快速迭代营销思维和能力，才能在竞争激烈的市场中实现新的价值增长。只有通过创新和变革，才能在新的格局中打破重围，获得更多的机遇和发展空间。同时，随着消费者需求的日益多元化和个性化，品牌需要更加精细化地运营市场，针对不同的目标用户，提供更加个性化、定制化的服务和体验。400-072-5588中国：人工

171、智能系列行业研读|2023/09中国智能营销未来发展趋势四来源：专家访谈，知萌，阿里巴巴，头豹研究院，弗若斯特沙利文（接上页行业发展）中国智能营销未来发展趋势三数据管理中心智能营销中心客户管理中心客户全周期管理客户画像CRM管理系统全域数据采集大数据建模数据清洗千人千面营销营销流程自动化智能数据匹配全场景生态流量覆盖丰富流量场景为覆盖丰富流量场景为企业营销提供企业营销提供生态流量池生态流量池增长前置保障增长为保障增长为前提使企业前提使企业营销增长更营销增长更安心安心全智能匹配精准高效匹精准高效匹配目标人群配目标人群提升转化提升转化核心环实时自动化释放企业释放企业营销人力营销人力智能增长引擎增量

172、获客品牌认同进阶环智能营销在客户、数据以及营销管理三个层面助力企业重构营销全链路企业针对企业智能营销的平台基建，主要包含三大运营中心：客户管理中心、数据管理中心以及智能营销中心。这三大中心相互融合，形成了一个完美的闭环。客户管理中心主要监测客户的生命周期活动，从而实现更加精细化、个性化的客户管理。数据管理中心则扮演着赋能智能营销中心策略落地的重要角色，将大量的数据进行归纳、分析和加工，从而为营销决策提供有力的支撑。而智能营销中心则是整个平台的核心，通过对数据进行智能分析和处理，以及基于客户管理中心的数据，实现了更加精准、高效的营销策略。同时，营销中心的反向推动也促进了客户管理和数据科学的不断重

173、构，从而构建起一个完整的营销全链路体系，实现营销过程的全面智能化。智能增长引擎将成为企业营销标准配件，实现全场景流量池、精准转化智能营销的应用范围正在不断拓展，其核心理念是基于数据驱动的营销策略，通过人工智能等技术手段，实现精细化运营，提高营销效果和ROI。企业可以通过智能营销平台对数据进行收集、分析、建模、预测和决策，进而实现对用户的全生命周期管理。在这个过程中，客户管理中心、数据管理中心和智能营销中心三大运营中心相互配合，形成完美闭环，实现营销全链路的智能化。同时，智能营销还可以结合5G技术和物联网等新技术手段，构建全场景生态流量池，提高数据获取的精度和实时性，使企业的智能营销增长更加可靠

174、和高效。随着智能营销在市场上的不断普及和应用，越来越多的企业正在意识到其重要性，并将其作为重要的营销战略之一。智能营销的应用可以帮助企业在市场上站稳脚跟，保持竞争优势，提升品牌知名度和忠诚度，同时也可以为企业带来更高的营销效率和ROI。可以预见的是，智能营销将成为企业营销的标配，未来也必将成为企业智能增长引擎的重要组成部分。400-072-5588中国：人工智能系列行业研读|2023/09来源：专家访谈，知萌，阿里巴巴，头豹研究院，弗若斯特沙利文（接上页行业发展）中国智能营销未来发展趋势五0201智能营销厂商应该将自身业务与企业传统业务体系，实现营销与业务的高度关联通过人工智能、大数据分析、物

175、联网等技术手段，智能营销可以更好地洞察消费者需求，优化营销策略和产品设计，并且实现全流程智能化。同时，智能营销的融合还可以使企业在营销过程中更好地整合资源、管理风险，提高市场响应速度，增强企业的核心竞争力。因此，智能营销的融合已成为企业未来发展的必然趋势，智能营销体系将成为企业数字化转型的重要组成部分，为企业实现可持续发展打下坚实的基础。企业和平台方应共建开放智能营销平台，实现数据系统互通、数据共享企业和行业平台方的共同参与，即在平台共建过程中，企业可以贡献其自身数据，如用户信息和业务数据等，而平台则拥有其自身的数据系统。这些数据可以在自动化营销中发挥重要作用，包括优化系统和辅助决策等。未来，

176、这种系统将更加开放，企业将能够融入到系统建设的过程中，而不仅是使用方。企业可以贡献更多的数据，使系统的数据完整性更为全面，从而提高服务质量。这种开放的系统将不仅仅局限于互联网平台，而是面向各种传统行业客户。将智能营销融入企业传统业务体系企业和平台方共建开放智能营销平台融合智能营销厂商业务企业传统业务数据互通、数据共享400-072-400-072-5588Chapter 8企业服务之智能运营智能运营定义及特点智能运营市场规模智能运营产业链图谱智能运营厂商类型智能运营业务部署模式智能运营下游渗透情况行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09智能运营是指

177、通过运用大数据智能运营是指通过运用大数据、人工智能等先进技术人工智能等先进技术，助力企业实现助力企业实现运营过程的自动化和智能化运营过程的自动化和智能化，从而提高运营效率从而提高运营效率。智能运营注重如何智能运营注重如何有效地将技术赋能企业日常运营有效地将技术赋能企业日常运营，为企业带来切实商业价值为企业带来切实商业价值中国AI技术变革智能运营定义及分类来源：专家访谈，神策数据，头豹研究院，弗若斯特沙利文中国智能运营工作流程决策实现感性与理性的平衡，通过人与机器的共同决策，达到最优的智能运营效果和最佳的客户体验感知将抽象的数据转化为具体的业务和客户洞察，以此为基础，支持智能化决策和优化，从而实

178、现运营效率的提升和服务质量的提高反馈通过实时数据反馈，企业可以及时了解市场和客户需求，调整策略，优化运营效果，提高客户满意度和市场竞争力行动基于数据进行全方位智能触达手段，使得企业能够更精准、更有效地与客户进行互动和沟通02030401数据基础中国智能运营分类（根据智能运营业务面向对象）80%20%面向企业面向用户主要面向的是广大的消费者群体核心考虑如何提升消费者复购率目标用户客户关系注重用户体验和快速响应，消费者购买决策通常比较感性和快速核心价值价值体现在提供的产品或服务关注市场供需和消费者心理预期用户需求用户需求多样化，需提供多样的服务以满足不同消费者的需求目标用户主要面向企业群体，核心目

179、标为分析企业偏好，提升业务持续性客户关系需长时间的跟进和进行业务流程的梳理，客户群体定位比较聚焦核心价值价值体现在提供的产品或服务能够帮助企业提高效率或降低成本用户需求业务流程和需求通常比较复杂，需要提供专业的解决方案核心关注企业客户更注重产品和服务能为其创造的商业价值，例如提高效率、节省成本等核心关注消费者对产品和服务的用户体验有很高的要求，需要提供优质的用户体验400-072-5588中国：人工智能系列行业研读|2023/09通过运用大数据和人工智能等先进技术通过运用大数据和人工智能等先进技术，智能运营能有效提升运营效智能运营能有效提升运营效率并加强市场竞争力率并加强市场竞争力。其中其中，

180、数据构成了这一过程的基础核心数据构成了这一过程的基础核心，而客而客户体验则是关注的重点户体验则是关注的重点中国AI技术变革智能运营特点及意义中国智能运营的意义中国智能运营平台特点客户体验03客户体验是数字化运营的核心增加社交互动倾听用户需求需求理解千人千面口碑维护数据驱动03数据是智能运营的核心基础运营监控用户分析商业决策产品升级体验升级指标升级弹性组织03弹性组织是智能运营的保障生态宽松氛围轻松高效沟通03柔性流程是智能化运营的引擎资源整合高效透明柔性流程流程智能扁平管理智能运营借助大数据与人工智能，以数据和客户体验为导向，通过弹性组织和柔性流程提升企业效率和竞争力借助大数据和AI技术，智能

181、运营全面引导企业实现数字化革新，以提升运营效率并强化竞争优势。数据在这一过程中起着核心作用，为智能化决策提供关键信息。客户体验在智能运营中具有至关重要的地位，通过深度分析客户数据，企业可以更好地理解客户需求，进而提供更高质量的产品和服务。实现智能运营的关键依赖于弹性的组织架构和灵活的流程，这些要素使企业能够迅速适应环境和业务需求的变化，确保运营的稳定性和效率。此外，通过持续的学习和优化，智能运营将帮助企业在不断变化的市场环境中取得持久的竞争优势。全链条数据打通的有机体运营模式，通过实现信息共享和提升决策效率，使企业能够以更少的投入实现更大的用户增长传统企业运营模式以层级和流程为主，各部门和岗位

182、有明确职责，如同一台精细的机器。虽然这保证了稳定性和可控性，但也可能导致信息孤岛、决策滞后。信息孤岛是由于数据和信息在各部门间的隔离，影响决策效率和反应速度。决策滞后则源于流程化决策和对市场变化反应的延迟。相比之下，智能运营模式则打破了这种传统的框架。它就像一个有机体，各部门和岗位之间的数据自由流动，信息共享，决策更加迅速，反应更加灵敏。全链条数据打通的有机体运营模式，还可以让企业实现更高效的资源分配，通过更少的投入实现更大的用户增长。企业组织转型、运营转型来源：专家访谈，神策数据，头豹研究院，弗若斯特沙利文投入精力用户增长普通运营用户增长投入精力智能运营400-072-5588中国：人工智能

183、系列行业研读|2023/0912.59.386.253.1314.4717.3620.832531.2535.9440.2546.2951.8405010020192020202120222023E2024E2025E2026E2027E单位：亿元CAGR：15.07%20222022年中国智能运营市场规模达到年中国智能运营市场规模达到2525亿元人民币亿元人民币，预测至预测至20272027年年，市市场规模将扩大至场规模将扩大至5151.8484亿元亿元，复合年增长率达复合年增长率达1515.0707%。在流量红利逐渐在流量红利逐渐消退的背景下消退的背景下，未来五年未来五年，该行业将迎来巨大

184、的发展空间该行业将迎来巨大的发展空间中国AI技术变革智能运营市场规模来源：头豹研究院，弗若斯特沙利文中国的智能运营行业包括数据、广告、内容和区域四类厂商。数据类厂商占据了40%的市场份额。借助大数据技术和对客户业务的深入理解，这些厂商能够更有效地满足企业的运营需求2022年中国智能运营行业的市场规模达到25亿元人民币。预计到2027年，该行业的市场规模将增长至51.84亿元人民币，年复合增长率15.07%随着互联网用户规模的逐渐饱和，流量见顶成为了一个不可忽视的现象。这意味着企业不能再依赖于获取新用户来实现增长，而需要通过提高用户的活跃度和购买频次，即提高用户的生命周期价值来实现增长。这就需要

185、企业进行更精细化的运营，而智能运营正是实现这一目标的有效手段。由于互联网大厂裁员导致的人才流向中小企业，以及这些人才在智能运营方面的贡献，将推动中国智能运营行业持续快速增长近年来，随着互联网行业的调整，一些大型互联网公司开始进行裁员，使得大量的互联网人才开始流向中小企业。这些从大厂流出的人才，拥有丰富的行业经验和技术能力，为中小企业使用智能运营提供了强大的人才支持。这些人才的加入，使得中小企业有能力和资源进行智能运营，从而提高运营效率，优化用户体验。中国智能运营行业市场规模，2019-2027年预测数据类广告类内容类区域类400-072-5588中国：人工智能系列行业研读|2023/09中国智

186、能运营行业的产业链结构中中国智能运营行业的产业链结构中，上游由数据科技和人工智能技术上游由数据科技和人工智能技术供应商构成供应商构成，中游是智能运营服务提供商中游是智能运营服务提供商，而下游则包括各个应用领而下游则包括各个应用领域域，如电子商务如电子商务、零售零售、金融和汽车等金融和汽车等中国AI技术变革智能运营产业链图谱中国智能运营行业产业链图谱上游技术基础中游综合类智能运营厂商垂直类智能运营厂商下游下游应用AI大模型类来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利文大数据自然语言处理类医疗教育文娱政务工业金融汽车零售其他100%100%90%85%55%50%25%25%15%电商零售

187、保险银行汽车教育旅游医疗工业智能运营主要集中在高复购率的行业，尤其是电商和零售行业。金融行业也紧跟其后，而在教育和汽车行业，由于在线教育和电动车的兴起，智能运营的应用也日益增多注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业400-072-5588中国：人工智能系列行业研读|2023/09在中国的智能运营行业中在中国的智能运营行业中，数据类厂商占据了主导地位数据类厂商占据了主导地位，拥有约拥有约4040%的市场份额的市场份额。其中其中，大数据分析类厂商因多年深耕行业大数据分析类厂商因多年深耕行业，对特定领域对特定领域数据的深度挖掘和分析能力数据的深度挖掘和分析

188、能力，使其在市场上占据了重要的地位使其在市场上占据了重要的地位中国AI技术变革智能运营厂商类型分析中国智能运营厂商类型来源：专家访谈，头豹研究院，弗若斯特沙利文中国智能运营行业主要由数据类厂商、大数据分析类厂商、大数据广告公司、内容提供商和区域服务类厂商组成在中国的智能运营行业，数据类供应商占据了主导地位，拥有约40%的市场份额。其中，大数据分析类供应商凭借其多年对特定行业的投入，以及对垂直领域数据的深度挖掘和分析能力，在市场上占据了重要的地位。此外，大数据广告公司占据了30%的市场份额，从最初的广告投放服务逐渐扩展到提供全方位的运营服务，以满足客户的需求，并通过销售一套标准化的产品来提升运营

189、效果。内容提供商占据了20%的市场份额，利用其渠道优势提供内容分发和推广服务，通过精准的内容定位和高效的分发策略，帮助客户提升品牌影响力和知名度。最后，区域服务类供应商占据了10%的市场份额，他们以在某个区域长期服务某个行业为优势，例如某公司在浙江地区为众多券商提供定制化服务，随着业务的发展，逐渐形成了自有产品线，并将这些产品进行区域化包装，在特定行业内进行销售。这些各类供应商的存在和发展，共同构成了中国智能运营行业的多元化格局。他们各自凭借自身的优势和特色，满足了不同类型客户的需求，推动了整个行业的进步和发展。无论是数据类供应商的深度数据分析，还是大数据广告公司的全方位运营服务，或是内容提供

190、商的精准内容推广，以及区域服务类供应商的定制化服务，都在为客户提供更优质的服务，提升客户的品牌影响力和市场竞争力。智能运营厂商分类数据平台，20%数据分析，80%数据类，40%区域厂商，10%广告商，30%内容类，20%数据类厂商以腾讯企点等拥有渠道和广大用户为代表的互联网大厂以神策数据为代表的大数据分析厂商非数据类厂商大数据广告公司：大数据广告公司从广告投放服务扩展到全方位运营服务，以满足客户需求。销售标准化产品提升运营效果，以定制化为主要模式内容服务提供商：内容提供商利用其渠道优势，通过提供内容分发和推广服务，占领市场份额，并通过精准的内容定位和高效的分发策略，助力客户提升品牌影响力和知名

191、度区域服务类厂商：以在某个区域长期服务某个行业为优势。例如，某公司在浙江地区为众多券商提供定制化服务，随着业务的发展，逐渐形成了自有产品线，并将这些产品进行区域化包装，在特定行业内进行销售400-072-5588中国：人工智能系列行业研读|2023/09混合云70%公有云25%私有云5%在智能运营中在智能运营中，混合云的部署模式占主导地位混合云的部署模式占主导地位，私有云主要应用于数私有云主要应用于数据敏感的行业据敏感的行业，而混合云则在客户数量和交易额方面占据优势而混合云则在客户数量和交易额方面占据优势，以满以满足各种业务需求和行业规定足各种业务需求和行业规定中国AI技术变革智能运营业务部署

192、模式来源：专家访谈，头豹研究院，弗若斯特沙利文中国智能运营业务部署（从交易金额划分）中国智能运营业务主要采用混合云部署，结合公有云的成本效益和私有云的数据安全性，以满足不同业务需求和法规要求在中国，智能运营行业的业务部署模式中，大约70%的企业选择使用混合云。这主要是因为在运营过程中，企业需要处理大量的数据，这些数据既包括从公共渠道获取的非敏感数据，也包括从私有渠道获取的敏感数据。公有云因其成本效益和弹性，适合处理大规模的非敏感数据，如用户的公开行为数据、公开的市场研究数据等。而私有云则因其高度的数据安全性，适合处理敏感数据，如用户的个人信息、交易记录等。混合云结合了公有云和私有云的优点，可以

193、根据数据的敏感性和业务需求进行灵活部署。尤其是在金融行业，由于其业务的特性，需要处理大量的敏感数据，如客户的财务信息、交易记录等，这些数据通常需要高度的数据私密性。因此，金融行业中有大约95%的企业选择使用私有云进行业务部署。私有云可以提供更高的数据安全性，确保敏感数据的私密性。同时，私有云也可以提供更高的定制化和控制权，满足金融行业对高性能和高可用性IT基础设施的需求。总而言之，无论是混合云还是私有云，其在中国智能运营行业的应用，都是对业务需求、数据安全性和法规要求的综合考虑的结果。这种灵活和适应性的部署模式，使得企业能够更好地利用数据，实现智能运营，提升业务效率和用户体验。80%领域属性，

194、数据需要高度保密65%30%5%银行保险其他通用数据部署在公有云20%核心数据部署于私有设备400-072-5588中国：人工智能系列行业研读|2023/09100%100%90%85%55%50%25%25%15%电商零售保险银行汽车教育旅游医疗工业在智能运营的下游行业中在智能运营的下游行业中，那些以客户为中心且具有高复购率的行业那些以客户为中心且具有高复购率的行业是智能运营的主要应用领域是智能运营的主要应用领域。其中其中，电商和零售行业的智能运营渗透电商和零售行业的智能运营渗透率最高率最高，紧随其后的是金融和汽车行业紧随其后的是金融和汽车行业中国AI技术变革智能运营下游渗透情况来源：专家访

195、谈，头豹研究院，弗若斯特沙利文中国智能运营在各行业渗透情况（以配置智能运营系统为测算依据）智能运营主要应用于客户中心且复购率高的行业，如电商、零售、金融和汽车，而在单次消费高且购买周期长的行业，如旅游、医疗和工业，其应用较少电商和零售行业因其高复购率和数据丰富性，使得智能运营在流量高峰期能有效提升用户转化，同时，大数据为智能运营提供了深度挖掘的可能。金融行业的智能运营则主要体现在精细化的风险管理和个性化服务，如信贷风险评估和保险风险预测，以及根据客户需求进行的个性化产品和服务定制。汽车和教育行业的智能运营则更侧重于维护长期的客户关系。车企不仅要销售汽车，还需提供售后服务，如维修和保养；教育机构

196、需要陪伴学生完成从入学到毕业的整个学习过程。在线教育和新能源汽车行业则是通过产业变革来推动智能运营的发展。在线教育通过线上渠道触达客户，数据充沛；新能源汽车从经销商模式转变为直销，车企需要运营维护用户粘性和自身形象。然而，旅游、医疗和工业行业的智能运营面临的挑战主要来自于高单次消费和长购买周期。这些行业的产品或服务通常需要客户一次性投入大量资金，这可能会导致客户在短期内无法或不愿意再次购买。消费类复购率高：电商和零售行业的复购率高，智能运营在流量达到峰值时能有效提升用户转化率数据丰富：电商和零售行业是数据密集型行业，每一次用户的浏览、点击、购买等行为都会产生大量的数据金融类风险管理：银行和保险

197、行业需进行复杂的风险管理，如银行的信贷风险评估和保险公司的保险风险预测个性服务：银行和保险行业的产品和服务通常需要根据每个客户的具体情况进行个性化定制长期客户关系类长期的客户关系：汽车公司不仅要销售汽车，还需提供售后服务，如维修和保养；教育机构需陪伴学生完成从入学到结业的整个学习过程产业变革：在线教育通过线上渠道触达客户电子化数据充沛；新能源汽车从经销商模式转变为直销，车企需运营维护用户粘性和自身形象低复购率类高单次消费：旅游行业的旅行套餐、医疗行业的治疗费用、工业行业的设备采购，都需客户一次性投入大量资金这种高单次消费可能会导致客户在短期内无法或不愿意再次购买长购买周期：旅游、医疗和工业行业

198、的购买周期通常较长。例如，旅游客户几年才出行一次；医疗服务用户在一次治疗后长时间无需再次服务；工业设备的使用寿命长400-072-400-072-5588Chapter 9企业服务之智能客服智能客服定义及产品形态智能客服市场规模智能客服产业链图谱智能客服主要参与者智能客服部署模式智能客服下游应用情况智能客服行业发展行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09中国AI技术变革智能客服定义借助新一代智能技术的赋能，客服中心正朝着AI数字化运营的方向迈进新一代智能技术的赋能推动了客服中心向AI数字化运营转型。这一转变带来了智能化客户服务、高效问题解决和个性化

199、用户体验等优势。引入智能客服系统使得客服中心能够应对多渠道沟通、自动化处理和实时数据分析等挑战。数字化运营提高了客服中心的灵活性和效率，增强了用户满意度，为企业创造更大商业价值。客服智能化转型过程中，AI大模型和云技术发挥了关键作用随着人工智能技术的不断发展，AI大模型已经成为客户服务领域的新兴力量。AI大模型利用深度学习和自然语言处理技术，能够提供智能化的客户服务，并且理解和回答复杂的用户问题，甚至进行自主决策。在客服中心中引入AI大模型，不仅可以提高客户服务的智能化水平，而且能够大幅提升客服中心的效率。通过云技术处理大规模的数据和请求，AI大模型能够实现快速响应和即时互动，无论是通过语音、

200、文字还是其他形式的交流。AI大模型的引入可以帮助客服中心更好地了解客户需求，识别客户问题，并快速给出解决方案。同时，AI大模型可以通过数据分析和自主学习，不断优化自身的服务能力和效率，进一步提升客服中心的服务质量。智能客服技术和应用架构配置模块机器人座席平台配置管理模块接待维护通知客户工单表报绩效客服优化调度统计渠道支撑模块帐号管理权限管理日志管理系统金融政务电商医疗交通教育泛娱乐人工智能技术机器学习深度学习AI大模型通用语音识别语义识别计算机视觉感知自然语言处理知识图谱认知大数据技术挖掘计算管理分析建模应用云计算虚拟化分布式云原生灵活技术层运营层产品层应用层官网、电话、APP、小程序、社交软

201、件、公众号、短信、第三方平台、工单系统、邮件语音客服营销外呼用户回访事件通知账单催收在线客服语义理解多轮对话人机协作任务场景数字人客服多模态相融合提升用户体验智能质检合规审查客情侦测风控预警综合分析辅助机器人赋能坐席业务能力来源：专家访谈，企业官网，中国信通院，头豹研究院，弗若斯特沙利文新一代智能技术正与客服系统及互联网融合新一代智能技术正与客服系统及互联网融合，利用利用AI技术提供智能化技术提供智能化的客户服务的客户服务，通过自动化处理通过自动化处理、实时数据分析和个性化交互实时数据分析和个性化交互，提升客提升客服中心的效率和用户体验服中心的效率和用户体验400-072-5588中国：人工智

202、能系列行业研读|2023/09智能客服产品分类（按功能）智能客服可以分为语音客服智能客服可以分为语音客服、在线客服在线客服、辅助机器人辅助机器人、智能质检以及智能质检以及数字人客服数字人客服。其中其中，语音和在线客服是客服领域的基础产品语音和在线客服是客服领域的基础产品，提供实提供实时交互时交互，其余客服产品重点在提升客服体验其余客服产品重点在提升客服体验中国AI技术变革智能客服产品形态及分类根据其功能不同，智能客服可以分为语音、在线和数字人客服以及智能质检和辅助机器人语音客服（30%）利用最先进的语音识别技术，自动语音应答系统，在电话上提供交互式解决问题服务，使客户能够高效地解决他们的问题；

203、在线客服（30%）通过网页聊天、即时通讯工具或社交媒体等在线平台，以文字形式提供客服服务和沟通，使客户能够快速地解决他们的问题；数字人客服（10%）是基于AI技术创建的虚拟人物，具备自然语言处理和人机交互能力，可以模拟人类对话并提供客服服务，使客户能够获得高效、便捷的客服服务；智能质检（25%）是对客服服务质量进行监督和评估，以确保客服人员能够提供高质量的服务，并提升客户满意度；辅助机器人（5%）提供精准客户画像信息，推荐话术、导航业务流程和实时质检，协助坐席高效完成问答、提升转化率，并实现智能化的新办公模式。语音客服和在线客服是最为基础的客服产品，数字人客服是数字化客服的创新性产品，而辅助机

204、器人和智能质检则是对客服人员和客服服务质量进行专业提升的产品。这些客服产品共同推动客服向数字化、智能化转型，提升效率、用户体验和服务质量。服务前在线客服语音客服辅助机器人智能质检数字人客服交互方式关键技术适用场景文本、图片、表情语音通话语音、文字语音、文字视频知识图谱多轮对话自然语言处理语音识别语音合成自然语言处理自然语言处理关键词识别语音识别知识图谱多轮对话自然语言处理视频分析图文转换电商咨询业务办理闲聊对话营销催收消息通知问题咨询业务流程导航坐席话术推荐实时后台监控多种客服产品质量检测业务办理消息通知问题咨询30%5%应用占比25%10%30%服务前服务后坐席培训全渠道接入及工单分配机器人

205、与人工接入服务回访坐席服务考核辅助机器人数字人客服、在线客服、语音客服智能质检来源：专家访谈，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09中国智能客服行业以智能客服软件为主导中国智能客服行业以智能客服软件为主导，约占市场份额的约占市场份额的8080%。20222022中国智能客服市场规模达到中国智能客服市场规模达到6666.8 8亿元亿元，随着智能客服应用场景边随着智能客服应用场景边界的不断扩展界的不断扩展，预计到预计到20272027年年，市场规模有望增长至市场规模有望增长至181181.3 3亿元亿元中国AI技术变革智能客服市场规模中国的智能

206、客服行业主要包括综合解决方案厂商和智能客服解决方案厂商。市场规模按产品服务的业务模式划分为软件、硬件和支持服务。软件部分占据市场总规模的80%，包括SaaS服务和定制化解决方案中的软件AI算法部分。硬件和支持服务分别占8%和12%，其中硬件包括服务器和终端设备，支持服务包括专家开发服务。中国智能客服行业市场不断增长，软件部分占主导地位，提供创新解决方案和优质服务，助力企业提升客户体验和业务效率。2022年中国智能客服行业市场规模为66.8亿元，预计2027年将达到181.3亿元中国智能客服行业在2022年的市场规模达到了66.8亿元。预计智能客服应用场景边界的不断拓宽至营销、销售等场景，市场将

207、继续呈现快速增长的态势，到2027年预计将达到181.3亿元的规模，年复合增长率高达22.1%。随着AI大模型的不断开发和应用，中国智能客服行业的市场规模有望出现爆发式增长AI大模型的出现为智能客服行业带来了巨大的创新潜力。大模型赋能下，智能客服能够实现更精准、更智能个性化的客户交互。随着AI大模型的不断开发和应用，中国智能客服行业的市场规模有望持续增长。中国智能客服行业市场规模，2019年-2027年预测中国智能客服行业市场空间（亿元）（应用场景边界持续拓宽）（应用场景边界持续拓宽）（软件占比约（软件占比约80%80%）智能客服硬件市场空间中国智能客服市场规模测算逻辑客服软件市场空间在线&语

208、音客服，60%智能质检，25%辅助机器人，5%数字人客服，10%（硬件占比约（硬件占比约8%8%）智能客服支持服务市场空间（支持服务占比约（支持服务占比约12%12%）来源：头豹研究院，弗若斯特沙利文12.8 24.1 39.0 53.4 69.5 76.0 82.0 106.6 145.0 1.3 2.4 3.9 5.3 7.0 7.6 8.2 10.7 14.5 1.9 3.6 5.8 8.0 10.4 11.4 12.3 16.0 21.8 16.0 30.1 48.7 66.8 86.9 95.0 102.5 133.3 181.3 05010015020020192020202120

209、222023E2024E2025E2026E2027E软件产值硬件产值支持服务产值单位：亿元CAGR：22.1%400-072-5588中国：人工智能系列行业研读|2023/09中国智能客服行业产业链上游为基础设施与智能技术厂商中国智能客服行业产业链上游为基础设施与智能技术厂商，为整个产为整个产业链提供技术和基础设施支持业链提供技术和基础设施支持，中游智能客服厂商通过采用中游智能客服厂商通过采用SaaSSaaS（软软件即服务件即服务）和人工智能技术和人工智能技术，不断拓宽下游应用领域的边界不断拓宽下游应用领域的边界中国AI技术变革智能客服产业链图谱中国智能客服行业产业链图谱，2023年上游技术

210、基础电信运营商人工智能芯片厂商云通讯服务商深度学习引擎IaaS云服务商来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利文下游行业应用教育交通物流医疗消费金融工业电商政务泛娱乐100.0%90.0%80.0%80.0%80.0%70.0%65.0%65.0%55.0%48.0%金融电商物流消费政务泛娱乐教育交通医疗工业注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业智能语音技术提供商AI大模型开发商数据服务商中游综合解决方案厂商智能客服解决方案厂商厂商具备强大的自然语言处理、语音识别、深度学习、知识图谱等底层技术能力，可为企业提供智能客服机器人、数字人、智能质

211、检等多个产品及场景支持厂商通过深入了解各行业企业客户对于客户服务的需求，提供高度场景化和高复用度的成熟解决方案，并支持定制化与可拓展，帮助企业持续创造业务价值400-072-5588中国：人工智能系列行业研读|2023/09综合解决方案厂商致力于为更广泛的客户提供智能客服解决方案，提供标准化的解决方案，以满足不同客户的需求智能客服解决方案厂商对行业的理解深入，在特定行业提供智能客服解决方案能够提供个性化需求的解决方案智能客服厂商主要分为综合解决方案厂商和智能客服解决方案厂商智能客服厂商主要分为综合解决方案厂商和智能客服解决方案厂商。前者通常是互联网巨头前者通常是互联网巨头，提供广泛而全面的客户

212、服务解决方案提供广泛而全面的客户服务解决方案。后者后者则专注于提供智能客服相关的解决方案则专注于提供智能客服相关的解决方案，通常是专门的技术公司通常是专门的技术公司中国AI技术变革智能客服主要参与者中国智能客服厂商类型综合解决方案厂商具备广泛的技术和业务能力，而智能客服解决方案厂商专注于创新和定制化的解决方案综合解决方案厂商在智能客服领域具有多领域的技术和业务能力，这使得他们能够提供更广泛和综合的客户服务解决方案。他们拥有丰富的客户服务经验和资源，能为客户构建整体智能客服平台、开发智能对话系统，并提供客户数据分析和优化等综合服务。智能客服解决方案厂商则专注于特定领域的技术或产品开发，如先进的语

213、音识别技术、强化学习算法或自动化聊天机器人。他们通常是专门的技术公司或初创企业，具备较高的技术创新能力和市场洞察力。这使得他们能够更快速地响应市场需求并提供更专业化、精细化的智能客服解决方案。由于专注于特定领域，智能客服解决方案厂商能够提供定制化的解决方案。来源：专家访谈，头豹研究院，弗若斯特沙利文追一科技百度智能云阿里云腾讯企点中关村科金云知声科大讯飞京东云网易七鱼沃丰科技循环智能智齿科技京东云百应科技环信百应科技容联七陌科大讯飞腾讯企点腾讯企点金融政务电商消费交通医疗教育物流泛娱乐工业注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业400-072-5588

214、中国：人工智能系列行业研读|2023/09智能客服部署模式主要包括公有云智能客服部署模式主要包括公有云、私有云和混合云部署私有云和混合云部署。其中其中，公公有云部署模式具有较低的建设成本和较短的周期有云部署模式具有较低的建设成本和较短的周期，而私有云部署模式而私有云部署模式则具有较高的建设成本则具有较高的建设成本，但是能够提供更好的隐私和安全保障但是能够提供更好的隐私和安全保障中国AI技术变革智能客服部署模式中国智能客服部署方式对比来源：专家访谈，头豹研究院，弗若斯特沙利文公有云部署私有云部署混合云部署特点规模大，安全性低 规模定制化，安全性强规模中等，安全性较强数据灵活性和可扩展性高性能灵活

215、性和可扩展性中等灵活性和可扩展性高成本较低，仅承担软件费用（1,000-5,000元不等）较高，需自建运营团队（十万元甚至上百万元级别）中等，介于前两者之间70%其他行业部署占比30%VS私有云公有云私有云政府处理的大量数据中包含许多敏感信息，如个人信息、国家安全数据等私有云允许政府集中管理资源，确保关键应用程序的高可用性和性能100%政府部署占比金融行业对于客户数据的安全和隐私有着严格的要求，如防止信息泄露等方面金融行业对于智能客服的服务可用性和响应速度有较高的要求80%金融部署占比20%公有云提供了一种灵活的按需付费模式，可以让非金融和政府行业根据业务需求快速扩展或缩减资源金融公有云平台提

216、供快速部署和配置的能力，可以迅速启动智能客服解决方案。这对于非金融和政府行业在面对紧急需求或短期项目时非常有利公有云平台通常具有先进的技术和创新工具，可以为智能客服提供更好的性能和功能。非金融和政府行业可以从云平台的持续更新和改进中受益，无需自己投入大量资源来保持竞争力公有云私有云政府和金融领域的智能客服业务更倾向于采用私有云部署模式，以保证私密性和安全性，而其他行业多选择公有云部署模式考虑到成本因素在政府和金融领域的智能客服业务中，由于对私密性和安全性的高要求，80%以上的部署模式采用私有云。而其他行业由于成本考虑，更倾向于采用公有云部署模式。这种差异的原因在于政府和金融领域对数据保护和隐私

217、有更高的关注，而其他行业则更注重成本效益。因此，在选择智能客服业务部署模式时，需根据行业特点和安全需求进行综合评估和决策。400-072-5588中国：人工智能系列行业研读|2023/09数据可得性技术成熟度应用重要程度场景渗透率目前目前，智能客服在金融智能客服在金融、电商电商、物流以及政务领域的应用程度较高物流以及政务领域的应用程度较高。智能客服的兴起源于其卓越的效率和便利性智能客服的兴起源于其卓越的效率和便利性，为各行业提供了更高水为各行业提供了更高水平的服务和支持平的服务和支持中国AI技术变革智能客服下游应用情况来源：专家访谈，头豹研究院，弗若斯特沙利文智能客服在金融和电商领域的客服业务

218、场景中已经实现了90%以上的渗透这种高渗透的实现主要归功于人工智能技术的发展，以及在客服业务中使用人工智能技术的不断优化。智能客服能够通过自然语言处理技术、语音识别技术和机器学习技术等手段，自动回答客户的问题，并提供个性化的服务。然而，尽管智能客服已经实现了很高的渗透，但在某些情况下，人工客服仍然是必要的。例如，当客户需要更复杂的帮助或支持时，或者当客户需要更人性化的服务时，人工客服能够提供更好的解决方案。因此，在未来，智能客服和人工客服之间的平衡将是一个重要的问题。金融机构和电商平台需要找到一种平衡，既能够提供高质量的服务，又能够降低成本和提高效率。智能客服领先厂商在各应用领域的渗透情况，2

219、023年100.0%90.0%80.0%80.0%80.0%70.0%65.0%65.0%55.0%48.0%金融电商物流消费政务泛娱乐教育交通医疗工业金融政务电商消费交通医疗教育物流泛娱乐工业智能客服下游应用场景综合分析注：数据可得性（面积越大越可得）；技术成熟度（面积越大越成熟）；应用重要程度（面积越大越重要）；场景渗透率（面积越大渗透越强）400-072-5588中国：人工智能系列行业研读|2023/09智能客服技术的发展趋势在于通过人工智能技术提升客户体验智能客服技术的发展趋势在于通过人工智能技术提升客户体验，利用利用大数据技术提高服务质量大数据技术提高服务质量，并借助新兴技术实现客服

220、中心的升级并借助新兴技术实现客服中心的升级，使使智能客服更加个性化智能客服更加个性化、高效高效、安全和透明安全和透明中国AI技术变革智能客服行业发展（技术端）中国智能客服行业技术发展趋势智能客服技术发展趋势大数据技术提升服务质量人工智能技术提升客户体验新兴技术实现客服中心升级利用自然语言技术提升服务效率。自然语言处理技术是智能客服中心中的关键技术之一，它在准确理解客户问题和快速提供解决方案方面起着重要作用利用人工智能技术提供个性化服务。智能客服中心可以利用人工智能技术对客户进行分析，从而提供更加个性化的服务。通过分析客户的历史交互记录和行为数据，智能客服中心可以更好地了解客户的需求和偏好，并根

221、据这些信息提供定制化的服务运用区块链技术保障客户信息安全。在智能客服中心中，区块链技术可以用于保障客户的个人信息和交易记录的安全，从而提高客户对智能客服中心的信任度和忠诚度运用虚拟现实技术提供更加生动的服务体验。在智能客服中心中，虚拟现实技术可以用于创造一个虚拟的客户服务环境，让客户可以更加直观地了解产品或服务的特点以及产品的使用方法利用数据分析技术赋能预测分析，提前预防问题。预测性分析技术在智能客服中心的应用能够通过历史数据和模型来预测未来事件的发生概率和趋势，从而为企业提供重要的决策依据和行动计划利用数据挖掘技术发现潜在需求。数据挖掘技术在智能客服中心的应用能够通过分析客户的历史交互数据和

222、行为数据，发现客户的潜在需求和偏好，从而提供更加个性化的服务智能客服的发展趋势为，利用人工智能、大数据、区块链和虚拟现实等技术，不断提升服务体验和服务质量智能客服的发展方向是利用人工智能技术、大数据分析、区块链技术和虚拟现实技术，以提高服务效率和客户满意度。通过自然语言处理技术，智能客服可以更准确地理解客户的问题，并利用深度学习技术提高自身的性能。同时，利用区块链技术，智能客服可以建立去中心化的数据存储和交换平台，确保客户数据的隐私和安全，增强客户数据的安全性和透明度。此外，虚拟现实技术也可以用于创造更加生动的客户服务体验，让客户可以更加直观地了解产品或服务的特点和使用方法。综合而言，智能客服

223、的技术发展方向的核心是提高服务效率和客户满意度。来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09随着人工智能技术的不断发展和应用随着人工智能技术的不断发展和应用，智能客服需求端的发展趋势也智能客服需求端的发展趋势也愈发明显愈发明显。其中包括核心数据识别其中包括核心数据识别、数字化和服务能力发展数字化和服务能力发展、适合的适合的开发和部署选择以及重视厂商的可持续服务能力等方面开发和部署选择以及重视厂商的可持续服务能力等方面中国AI技术变革智能客服行业发展（需求端）中国智能客服需求端发展趋势识别核心数据和价值增值部分定义数字化能

224、力和服务能力选择适合的系统开发和部署方式重视厂商可持续服务能力企业需要了解自身客服业务环节中的核心数据，并挖掘其潜在的价值增值部分。通过数据分析和挖掘，企业可以发现客户需求和行为的模式企业客服服务的核心竞争力已经从传统的产品能力转变为服务能力、数字化能力和产品能力的综合竞争。因此，企业需要明确定义并发展这些关键能力在选择系统开发环境供应商时，企业应综合考虑开发周期、维护成本、系统性能和可迁移性等因素。同时，在选择系统和数据部署方式时，应综合考虑成本预算和安全等级等因素在选择智能客服与营销软件的供应商时，企业应重视厂商的可持续服务能力。这包括考察厂商的案例数量和质量，规模和长期投入能力，以及在企

225、业所在行业的积累和经验企业在选择智能客服供应商时需要综合考虑需求匹配、开发周期、维护成本、系统性能、可迁移性和可持续服务能力企业在选择智能客服供应商时，需要综合考虑多个因素以确保选择与自身需求和特点相匹配的系统开发环境的供应商。首先，企业应考虑开发周期，确保供应商能够提供合理的时间表和交付承诺。其次，维护成本是一个重要的考虑因素，企业应评估供应商在长期支持和维护方面的能力和成本效益。系统性能也是决策的关键要素，企业需要确保供应商的智能客服解决方案能够满足业务需求，并具备高效、稳定的性能。此外，可迁移性是一个重要的考虑因素，企业应选择能够灵活适应未来发展和变化的供应商。除了以上因素，企业还应重视

226、供应商的可持续服务能力。这包括考察供应商的经验和案例数量，以了解他们在智能客服领域的专业能力和市场认可程度。企业还应评估供应商的主营业务规模，确保他们有足够的资源和投入来支持长期合作。数字化层面选择厂商层面来源：专家访谈，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09智能客服供给端的未来发展趋势主要包括构建企业的价值闭环智能客服供给端的未来发展趋势主要包括构建企业的价值闭环、深入深入挖掘客户体验场景挖掘客户体验场景、横向拓展商业场景横向拓展商业场景，以及超越传统的以及超越传统的 答疑答疑 范畴范畴，向营销领域拓展向营销领域拓展中国AI技术变革智能客

227、服行业发展（供给端）“构建企业价值闭环”通过全域数据整合和营销功能拓展，实现数据驱动的精准营销和持续增长“超越传统的“答疑”范畴，向营销领域拓展”通过数据标签的运用，可以对消费行为和趋势进行预测“深入挖掘客户体验场景”客服不仅仅是回答问题，更是解决问题的关键，例如客户体验和营销等领域“横向拓展商业场景”智能客服不再是单独的模块化产品，而是全场景功能的综合服务智能客服供给端发展趋势中国智能客服供给端发展趋势智能客服供给端未来发展趋势主要涵盖全场景功能覆盖和提升企业使用体验（1）构建企业的价值闭环：智能客服将通过全域数据的整合和营销功能的拓展联动，实现企业的价值闭环。传统客服记录用户相关数据，但不

228、同数据之间缺乏互通，导致数据无法转化为企业的核心资产。智能客服致力于打通全渠道数据，通过数据分析和洞察，实现精准营销。同时，营销积累的客户群体又为企业提供新鲜的数据，形成良性循环，构建数据价值闭环，与企业及行业生态联动，推动企业营收增长（2）客服功能向营销方向拓展：智能客服将突破传统的答疑边界，逐步成为企业营收的直接推动力。在智能客服对全域数据的整合、计算与分析基础上，客服功能将拓展至营销领域。通过数据标签，实现对消费行为和趋势的预判，从而进行更为精准的营销。一些智能客服供应商已经在客服营销职能上进行了探索。（3）进一步挖掘客户体验场景：客户体验将成为客服行业下一个爆发的市场。智能客服不仅仅回

229、答客户的问题，还能解决客户的问题。客服未来的场景将涵盖客户体验和营销等多个方面。许多客服团队已经开始重视体验，这个市场正在不断扩大。为企业提供更多的价值，以提升业务水平成为关键。（4）商业场景横向拓展和全场景产品服务：智能客服产品将进一步横向拓展商业场景，提供丰富完善的全场景产品服务。随着各行业企业对智能客服需求的扩大，智能客服产品将呈现精细化发展趋势，不再是单一模块化产品。它将覆盖服务过程中的全场景功能，提高企业的使用体验。不再需要单独采购在线客服、CRM、OA、工单等独立产品，避免内部服务孤岛问题的出现。来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利文400-072-400-072-5

230、588Chapter 10企业服务之数字员工数字员工定义及特点数字员工市场规模数字员工产业链图谱数字员工产品功能分析数字员工商业价值分析数字员工行业发展行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09数字员工是指利用人工智能数字员工是指利用人工智能、自然语言处理自然语言处理、机器学习等技术机器学习等技术，通过通过数字渠道数字渠道（如网站如网站、社交媒体社交媒体、电子邮件电子邮件、电话等电话等）提供自动化或半提供自动化或半自动化的客户服务形式自动化的客户服务形式中国AI技术变革数字员工定义及分类中国数字员工工作流程用户与数字人的交互过程包括用户输入处理、信息

231、抽取、对话内容生成、意图识别和反馈优化五个步骤数字人系统通过音频和视频结构化解析技术处理用户输入，并使用自然语言处理和机器学习等技术分析用户意图，生成相应的对话内容，并通过动态的音视频画面提供更加丰富和生动的交互体验，最终实现智能、高效、个性化的服务体验，为企业带来更大的商业价值和发展潜力。来源：头豹研究院，弗若斯特沙利文中国数字员工按应用场景分类020304用户与数字人对话0501将音视频结构化结果送到对话引擎通过对话引擎对接第三方业务平台对话引擎返回需要呈现给用户的内容渲染引擎进行渲染并呈现结果给用户用户与数字人对话在用户与数字人对话的场景中，需要使用ASR（语音识别）和视频的结构化分析技

232、术将音视频结构化结果送到对话引擎通过信息抽取、对话内容生成、意图识别、对话管理和输出反馈等技术，实现数字人与用户交互通过对话引擎对接第三方业务平台例如在银行场景中用户要查余额，对话系统就需要对接银行的第三方业务系统获取查询结果对话引擎返回需要呈现给用户的内容通过数字人搭载仿真人表情和声音，将用户所需要的内容返回渲染引擎进行渲染并呈现结果给用户数字人可以以高度逼真的形式展示给用户，为用户提供更加沉浸式的交互体验客服沟通类通过文本或语音为客户提供快速、便捷的答疑服务。其特点在于快速反应和即时解决问题。数字员工客户服务类通过文本或语音为客户提供个性化服务体验。其特点在于能够根据客户需求提供个性化服务

233、。营销推广类通过文本或图像向潜在客户推广产品或服务。其特点在于通过智能算法和数据分析实现精准营销推广。400-072-5588中国：人工智能系列行业研读|2023/09数字人工客服提供了仿真人类数字人工客服提供了仿真人类、智能化以及全天候的服务特性智能化以及全天候的服务特性。它有它有助于企业塑造鲜明的品牌形象助于企业塑造鲜明的品牌形象，实现全方位触达的客户服务实现全方位触达的客户服务，并创造并创造有情感连接的用户体验有情感连接的用户体验中国AI技术变革数字员工特点及意义中国数字员工的特点来源：企业官网，头豹研究院，弗若斯特沙利文中国数字员工的意义数字员工以其高效、精准和人性化的服务，成为企业与

234、客户沟通的重要工具数字员工能够识别客户的文字和语音，并利用先进的人工智能技术，对客户需求进行深度分析和挖掘，提供业务咨询和理财建议。数字员工具有多种功能，如智能问答、语音识别、自然语言处理等，能够满足客户多样化的需求。同时，数字员工还具有24小时全天候服务、多渠道沟通等特点，使得客户服务更加便捷和高效。数字员工3大特点拟人化具有虛拟人形象，身着企业全套制服，结合手势，表情等拟人化动作。让客户体验更加真实，更有温度智能化能够识别客户的文字和语音，精确把握客户服务需求，并提供专业的业务咨询全天候7*24小时全天候随时随地为客户提供服务高辨识的品牌形象建立可视化的数字人企业IP形象能提升科技创新能力

235、，扩大IP效应吸引客户，助于构建线上线下服务能力数字员工的意义多触点的客户服务数字人可用于客服、导购和趣味互动等多个场景，实现全渠道应用，通过多触点覆盖提供全新的服务体验有温度的用户体验数字人通过模拟面对面的交流形式，增加单次交互传递的信息量，支持用户随时发问和打断400-072-5588中国：人工智能系列行业研读|2023/091.873.524.846.277.819.2411.3313.816.8205101520253020192020202120222023E2024E2025E2026E2027E单位：亿元CAGR：21.03%考虑到人工智能技术的突飞猛进以及消费者对优质客服体验需

236、求的持考虑到人工智能技术的突飞猛进以及消费者对优质客服体验需求的持续增长续增长，预计到预计到20272027年年，该行业的市场规模将高达该行业的市场规模将高达1616.8282亿元人民币亿元人民币。在未来五年里在未来五年里，该行业的年复合增长率将达到该行业的年复合增长率将达到2121.0303%。中国AI技术变革数字员工市场规模来源：头豹研究院，弗若斯特沙利文中国智能客服行业涵盖了在线客服、语音客服、辅助机器人客服、数字员工和智能质检五大类产品，其中数字员工占比为11%。这些产品种类丰富，能够适应不同场景和用户需求，随着技术的不断进步和市场需求的不断扩大，这个行业的前景将更加广阔。2022年中

237、国数字员工行业的市场规模已经达到6.27亿元人民币。预计到2027年，该行业的市场规模将增长至16.82亿元人民币，年复合增长率21.03%中国数字员工行业的市场规模在迅猛增长，这主要受到人工智能技术发展的推动。其中，技术提升、垂直领域应用的拓宽，以及客户体验的显著提升，都发挥着至关重要的作用。首先，随着人工智能技术的发展，市场已经见证了数字员工处理能力的显著增强。例如，借助自然语言处理（NLP）和深度学习等技术，数字员工能够更准确和有效地处理大量的信息和数据。消费者对于客服体验的需求已经从简单的解决问题，转变为更为丰富和个性化的体验消费者对客服体验的需求正在转变，对高效、个性化、高质量的服务

238、提出更高要求。数字员工在满足这些需求方面具有优势。消费者喜欢即时响应，80%愿意与个性化企业互动，高质客服能提高20%客户满意度。中国数字员工行业市场规模，2019年-2027E年预测中国数字员工市场空间（亿元）中国智能客服市场规模中国数字员工市场规模测算逻辑（渗透率来自数字员工产品在智能（渗透率来自数字员工产品在智能客服领域的占比客服领域的占比 ）中国智能客服行业市场规模对数字员工行业的渗透率（中国智能客服行业市场规模（中国智能客服行业市场规模=智智能客服软件市场规模（能客服软件市场规模（80%80%）+智能智能客服硬件市场规模（客服硬件市场规模（8%8%）+智能客智能客服支持性服务市场规模

239、（服支持性服务市场规模（12%12%）400-072-5588中国：人工智能系列行业研读|2023/09在中国数字员工行业的产业链构造中在中国数字员工行业的产业链构造中，上游是基础设施和智能技术服上游是基础设施和智能技术服务提供商务提供商，中游是数字员工服务供应商中游是数字员工服务供应商，而下游则是各应用领域而下游则是各应用领域，包包括政务括政务、金融金融、教育等教育等中国AI技术变革数字员工产业链图谱中国数字员工行业产业链图谱上游下游技术基础中游综合类数字员工厂商数字员工厂商在数字员工领域，综合类数字员工厂商整合多种渠道资源和技术优势，提供高效、个性化、智能化的服务，帮助客户更好地解决问题在

240、数字员工领域，数字员工厂商凭借其丰富的行业知识、垂直赛道客户的积累，可解决系列个性化的问题，提供高效服务下游应用数字员工的下游应用广泛涉及到多个行业，包括但不限于零售、银行、保险、电信、旅游和医疗健康等。数字员工能够提供24/7的服务，解答常见问题，提供个性化的客户体验，甚至进行复杂的任务在零售行业，全球75%的零售商计划在2023年之前投入使用AI客服；在银行和金融行业，2022年全球银行业机器人的交易额将达到1.2万亿美元；在医疗健康行业，AI聊天机器人预计在2025年将节省医疗机构将近200亿美元的成本AI芯片类智能语音技术类AI大模型类来源：专家访谈，企业官网，头豹研究院，弗若斯特沙利

241、文数据类自然语言处理类健康教育文娱政务居家金融交通零售其他注：图谱中所展示logo顺序及大小无实际意义，不涉及排名，仅展示部分行业代表性企业400-072-5588中国：人工智能系列行业研读|2023/09数字员工不仅带来了类似于人与人交流的体验数字员工不仅带来了类似于人与人交流的体验，更加是通向元宇宙的更加是通向元宇宙的窗口窗口，它为用户交流互动模式和品牌传播带来了全新的变革它为用户交流互动模式和品牌传播带来了全新的变革，这不仅这不仅是技术的进步是技术的进步，更是未来发展的趋势更是未来发展的趋势中国AI技术变革数字员工产品功能分析来源：专家访谈，追一科技，头豹研究院，弗若斯特沙利文中国数字员

242、工功能分析数字人的交互方式被我们称为多模态交互，它融合了语音、语义和视觉技术，以最接近人与人之间交流的方式，为我们带来逼真而自然的体验，成为情感化表达的理想载体，展现出更人性化的一面。相比其他人机交互方式，如语音和文本等，其独特性和不可替代性得以凸显交流自然亲切沟通多维有效赋予品牌新内涵考虑到交互效率，文本和语音都存在一定的缺陷。文本交互依赖于打字，而语音可能在嘈杂的环境下丢失信息。然而，数字人具备听、看、说的能力，它整合了身份识别、手势识别、情感识别等多元信息，使信息的采集、互动和传输更为丰富和全面，具有更高的场景适应性企业和政府可以根据用户需求和自身的品牌特质，打造独特的数字人IP形象，从

243、而创造更加丰富的品牌传播形式，以更潜移默化的方式传递品牌理念。特别是对于年轻消费者而言，智能化的数字人形象可以使品牌更酷炫、更年轻化，更容易与他们建立情感的纽带数字人，借助于语音、语义、视觉技术的集成，可实现更高效的互动交流和提供更优质的客户体验随着体验经济的兴起，现代消费者越来越注重购买和服务过程的体验，他们对于产品价格和功能的关注已经逐渐转向“自我满足”的情感需求。为了满足这一趋势，提供基于生活和情境的感官体验，使用户在购物和服务中获得更大的愉悦感，成为了提升客户满意度的关键。特别是在新冠疫情期间，数字渠道的使用比例大幅增加，设计创新和多样化的用户体验旅程更显重要。86%的客户愿意为更好的

244、体验支付溢价，而有32%的客户表示，一旦有过糟糕的体验，他们会立即停止使用该企业的产品和服务。在中国，高达87%的消费者会在购买决策中受到客户体验的影响。数字人，作为融合了语义、语音、视觉技术的多模态解决方案，无疑将用户交互体验推向新的高度。虽然2C领域的偶像型数字人备受关注，但在2B领域，数字人在直播、服务、营销、培训等场景也表现出广泛的应用潜力，它不仅带来了全新的感官体验，也推动了企业和政府部门的智能化转型进程。400-072-5588中国：人工智能系列行业研读|2023/09数字员工以其超越现实的新视觉体验数字员工以其超越现实的新视觉体验、2424小时在线服务小时在线服务、优化人力资优化

245、人力资源使用源使用、提高企业运营效率提高企业运营效率、提升品牌形象以及扩大客户群体等优势提升品牌形象以及扩大客户群体等优势，正在颠覆传统的客服服务模式正在颠覆传统的客服服务模式中国AI技术变革数字员工商业价值分析来源：专家访谈，IBM，头豹研究院，弗若斯特沙利文中国数字员工商业价值分析数字员工是企业数字化转型的重要一环，能为企业带来更多的商业价值（1）提高客户满意度：数字员工能够实现24小时不间断的服务，可随时为客户提供帮助，从而提高了客户的满意度（2）节约人力成本：引入数字员工可以降低企业的客服成本。相比传统的客服，智能客服不需要额外的培训和管理，只需简单的运维和更新，同时可以处理更多的客户

246、服务请求，提高了企业的效率。（3）提高企业效率：数字员工能够快速、准确地处理客户的咨询和问题。数字员工通过数据分析和挖掘客户的咨询和问题，可以提供有针对性的解决方案，帮助企业优化产品和服务，提高客户体验和满意度。（4）提高品牌形象：数字员工可以通过虚拟形象和语音交互，为企业带来新的视觉体验和情感互动，提高客户对企业的印象和认知度。（5）扩大客户群体：数字员工可在企业网站、微信公众号、APP等多个渠道接入，让更多的客户可以使用智能客服服务，用多种语言沟通交流，扩大了企业的市场。提高满意度提高平台形象提高企业效率提高客户体量数字员工使企业客户满意度提高99%；客服人员满意度平均提高了 20%企业客

247、服处理每个问题的时间平均缩短15%；每一次客户对话可节省 5.5 美元的成本数字员工可以根据每位用户的行为数据和偏好提供个性化服务数字员工可多渠道接入，不受工作时间限制，全年365天无休减少人力成本某药商通过引入数字人外呼功能，为每个坐席每天节省60分钟时间；某数字员工厂商能够为企业人工客服分流80%以上的访客咨询公司需要维持一个20人的客服队伍，每名客服人员的平均月薪为10,000元，一年人力成本就需要240万元。然而，通过引入数字员工，仅需8,000元制作费用和一年的系统使用费8万多元。企业可以节省逾200万元的成本400-072-5588中国：人工智能系列行业研读|2023/09中国的数

248、字员工行业主要竞争壁垒是技术能力和业务经验中国的数字员工行业主要竞争壁垒是技术能力和业务经验。技术壁垒技术壁垒涵盖了自然语言处理涵盖了自然语言处理、机器学习等复杂技术机器学习等复杂技术。业务经验壁垒要求深入业务经验壁垒要求深入理解行业和精准把握客户需求理解行业和精准把握客户需求中国AI技术变革数字员工行业发展来源：专家访谈，量子位，头豹研究院，弗若斯特沙利文任何有意进入的参与者都需要在计算机视觉、语音交互以及自然语言处理这三个关键领域拥有深厚的技术实力，并能将这三者融合得天衣无缝人工智能技术是进入该行业的关键门槛，因为对于每个想要进入该行业的参与者来说，他们需要在一些关键领域具备深厚的技术积累

249、。在计算机视觉、语音交互和自然语言处理方面，都需要他们有足够的专业知识和能力。在这些技术中，计算机视觉、语音交互和自然语言处理是尤其重要的。计算机视觉是一种将图像和视觉信息转化为计算机可理解数据的技术，它能够帮助机器更好地理解和分析现实世界。语音交互则是让机器能够与人类进行有效的交流，通过语音识别和理解技术，将人类的语音转化为计算机可操作的指令。而自然语言处理则是让机器能够理解和生成人类语言，让机器能够进行更高级别的信息处理和决策。此外，认知智能的提升已被视为数字员工的发展关键，因为它涵盖了感知到行为的全方位智能化。同时，为了实现更优质的客服体验，数字员工还需要在灵活性、个性化、情感化以及动作

250、细腻度等方面进行进一步的技术提升。这些都是该领域未来发展的关键趋势和重要挑战。中国数字员工行业壁垒分析硬件配置和渲染能力无论是服务器渲染、云端渲染，还是手机端渲染，都需要保证产品在当前环境下有快速的响应能力算法效率算法效率直接限制了是否可以进行实时渲染，进一步影响了数字人的应用技术的普及化通过采用相关技术，降低数字员工产品的使用复杂性和门槛，使其更易于企业用户接入和使用外观展示效果涉及CG建模及驱动模型的精细程度。在超写实外观方面，技术公司的主导地位仍然不可替代交互流畅度只有在研发上投入大量资源的公司才能拥有强大的NLP对话模型定制化程度数据的迭代以及个性化的设计等因素，会决定数字员工能否有效

251、地适应和满足不同客户的独特需求技术门槛400-072-5588中国：人工智能系列行业研读|2023/09来源：专家访谈，量子位，头豹研究院，弗若斯特沙利文（接上页行业发展）仅有深入理解客户需求，数字员工厂商才能更便捷地推出创新业务并发掘技术可以解决的需求场景数字员工业务的成功依赖于对客户的深入了解，只有通过深入了解客户业务系统，才能更好地理解客户的需求和痛点。通过积累丰富的行业专业知识，数字员工厂商能够针对不同行业的特殊需求进行深度定制，从而提高用户的满意度。此外，丰富的行业专业知识还可为数字员工厂商带来更多的商业机遇。通过对不同行业的深度了解，企业可以开辟新的市场，并与各行业客户建立更深入的

252、合作。这种基于深入了解客户的做法可以帮助数字员工厂商更好地连接背后的业务系统，并提升产品附加值。通过不断积累行业专业知识，数字员工厂商可以更好地满足现有技术的场景需求，并创造更多创新性的业务机会。中国数字员工行业壁垒分析客户熟知度业务系统集成行业knowhow只有在深入了解客户的基础上，数字员工厂商才能更容易地开发出创新性的业务，并找到现有技术能够满足的场景需求通过深入了解客户业务系统，数字员工厂商才能更加熟悉客户的需求和痛点，从而更好地连接背后的业务系统。这将有助于提升产品附加值，为现有技术提供更多的应用场景，并创造更多创新性的业务机会业务门槛只有丰富的行业专业知识积累才能使产品具备深度定制

253、的可能，满足各行业的特殊需求，从而提升用户的满意度。此外，这种知识积累也能助推企业开辟新的市场，带来更多的商业机遇，以及与各行业客户深度合作的可能性400-072-400-072-5588Chapter 11AI技术变革典型企业百度智能云商汤科技中关村科金腾讯企点巨量引擎容联七陌行业研读|2023/400-072-5588中国：人工智能系列行业研读|2023/09百度智能云致力于打造卓越百度智能云致力于打造卓越AIAI基础设施基础设施，覆盖全面覆盖全面AIAI发展要素发展要素，提供提供一揽子一揽子AIAI解决方案解决方案。百度百度BMLBML为企业提供高性价比的算力资源为企业提供高性价比的算力

254、资源。而百而百度文心专注于自然语言的理解与生成度文心专注于自然语言的理解与生成，提供精准语言处理能力提供精准语言处理能力百度智能云全栈自研AI大底座，创造产业价值浪潮百度智能云-AI大底座来源：百度智能云，头豹研究院，弗若斯特沙利文百度AI大底座，作为中国AI领域首个源于产业深度实践的基础设施，提供了一站式的解决方案，以高性能计算、大规模存储、数据处理及AI技术支持为基础，以全面涵盖AI发展要素、通用化和模块化特性、降本增效、快捷应用及产业应用推广等显著优势为目标，帮助企业简化和加速AI应用的开发和部署，降低成本并提升效果，实现核心产业的智能化升级。在制造、能源、水务等多个领域的核心场景中，百

255、度AI大底座已成功推出了一系列标杆性案例，为产业的智能化升级提供了强有力的支持昆仑二代AI芯片中国首款采用GDDR6显存的通用AI芯片飞浆业内首个动静统一的框架和通用易购参数服务器架构文心大模型涵盖36种大模型，并构建业界规模最大的产业大模型体系90%+千卡加速比70%+资源利用率100%+开发效率提升百度智能云-AI开发平台体系架构数据采集数据清洗数据扩充数据标注模型构建部署应用在线服务批量预测离线服务端云协同服务预置模型调参BML CodeLaB作业建模可视化建模自动化建模模型仓库模型评估模型优化模型转化模型导入模型管理数据处理400-072-5588中国：人工智能系列行业研读|2023/

256、09来源：百度智能云，头豹研究院，弗若斯特沙利文（接上页百度智能云）百度智能云BML机器学习平台是一个一站式AI开发平台，提供从数据预处理、特征工程、模型训练、模型发布到模型管理等功能，同时提供高性价比的算力资源，以支持高效构建、部署和扩展AI应用。该平台采用分布式计算技术，支持多种编程语言和框架，具备出色的易用性。此外，百度智能云BML机器学习平台也高度重视用户数据的安全性，采用多种安全措施，确保数据的安全可靠BML依托自研技术，提供基于飞桨框架和文心大模型的优质全流程开发套件数据方面，百度BML提供端云一体的数据采集方案，具备强大的数据清洗、数据质检机制，相比于传统方式，可在线提高80%的

257、采集/标注效率提升。模型方面，百度BML提供80+自研高精度的预训练模型，包括文心大模型、飞桨高精度模型等等。在线部署方面，百度BML支持弹性伸缩、自动启停，适配30+不同的AI芯片，全面支持一站式AI开发。BML提供优质的服务质量，确保模型运行的稳定性百度BML平台提高了超过99.99%服务级别协议的覆盖，能够保证企业AI模型在进行预测服务时保持高度的稳定性。此外，BML提供基于云原生技术的服务编排、流量管控等高级功能，能够降低模型运行和预测的成本。百度智能云-文心一言语言大模型2,600亿参数百亿研发投入规模研发资金投入13年深耕NLP领域NLP研究经验模型参数量百度文心一言作为中国最早发

258、布的语言大模型之一，具备多模态、多语言以及生态融合等多能力，是中国领先的语言大模型百度文心一言是一个基于深度学习的语言大模型，专门设计用于理解和生成自然语言，以完成诸如问答、文本创作和代码编写等多种任务。首先，文心一言具有跨模态和跨语言的能力，可以处理各种数据类型，如文本、图像和音频，并支持中英等多种语言的输入输出；其次，依托百度的庞大数据资源，它作为一个知识增强型模型，能够持续吸收新知识，进一步提升表现；再者，它具备多场景生成能力，可以按用户需求自动生成相关短文本，如名言或美文。作为百度智能云的服务，用户可以轻松地通过API、SDK或千帆大模型平台接入和体验此模型。400-072-5588中

259、国：人工智能系列行业研读|2023/09商汤科技以商汤科技以AIAI开发平台和大模型为切入点开发平台和大模型为切入点，将将AIAI技术广泛应用于各产技术广泛应用于各产业业，提供全面的数字化和智能化解决方案提供全面的数字化和智能化解决方案。其紧密结合技术和产业其紧密结合技术和产业，开启新市场开启新市场，走在走在AIAI技术变革产业前沿技术变革产业前沿商汤科技“大模型+大装置”先行者，引燃AI新范式商汤科技-AI开发平台体系架构商汤科技云开发机AICL依托云计算技术，为AI开发者提供全链路的开发服务，核心包括挂载云存储获取数据与模型信息、调用算力池进行模型训练、代码调试，以及链接商汤AI服务获取可

260、视化等功能商汤云开发机AICL融合了强大的计算能力与高效的深度学习框架支持，采用高性能GPU加速，能够快速处理大规模数据与复杂深度学习算法，从而显著缩短了训练和推理的时间，加速了AI应用的开发与部署速度。同时，商汤云开发机AICL建立了多样化的AI应用场景和开放的生态系统，支持用户自定义模型和算法，实现与其他平台和工具的无缝集成。全托管的云原生运营环节提高了效率，与多个商业合作伙伴的合作为用户提供了多类协同服务AI算法构建基于开发机内置算法组件与模型，根据业务和落地需求，调整相关backbone，head，neck等网络部分，并进行调试AI模型训练基于开发机内置训练框架和算力资源，对构建的算法

261、发起训练、调参，可链接AI训练池发起大规模的任务AI模型评测基于本地、在线导入的新数据集，对已训练的模型，或开发机内置模型发起评测，调试测试代码AI模型编译对训练出的模型进行格式转化，根据目标部署的设备与架构，进行算子的编译和模型的量化、压缩0102040503AI服务封装将编译转化后的模型，根据实际业务落地需求，进行前后处理、AI服务的编排和封装，用于最后的AI应用来源：商汤科技，头豹研究院，弗若斯特沙利文商汤科技-AI大装置核心架构模型层模型工厂OpenMMLab开源框架OpenDILab开源平台深度学习平台视觉算法训练框架AI计算中心AI芯片及边缘设备传感器及ISP芯片计算基础设施商汤科

262、技的AI大装置是一项创新的人工智能基础设施，构建了高度集成的三位一体智能业务引擎，实现了全面的端到端架构，从而显著降低了人工智能生产成本，为客户提供高效、成本效益和可扩展的人工智能场景应用创新的基础设施。这一前沿结构的实现为高效、成本效益和可扩展的人工智能创新和赋能提供了坚实基础。商汤的AI大装置擅长处理特殊客户和场景，具备流水线工厂式的特点，可以以较低边际成本实现新场景的规模化覆盖，在AI领域的技术进展中发挥着关键作用，为智能化时代的到来提供了强大支持400-072-5588中国：人工智能系列行业研读|2023/09来源：专家访谈，量子位，头豹研究院，弗若斯特沙利文（接上页商汤科技）商量具有

263、千亿级的参数量级，并在文本生成的基础上加入PDF文件阅读、代码助手以及健康咨询助手等工具商汤商量是商汤科技在2023年4月发布的千亿级自然语言处理模型，它在大量数据训练的基础上充分考虑了中文语境，能够更好地理解和处理中文文本。商汤商量不仅具备通用的对话能力，还基于语言大模型打造了PDF文件阅读助手、AI代码助手、健康咨询助手等工具，为用户提供个性化的服务和解决方案。多语言环境输入是商汤商量的竞争优势之一，可流畅进行中、英、日三种语言翻译与切换商汤商量模型是一种基于深度学习的多语言识别技术，能自动识别、翻译和切换中、英、日三种语言，为用户提供流畅的跨语言沟通体验。其突出优势在于，模型能根据上下文

264、智能选择并实时转换为最合适的目标语言，免去用户手动切换。用户因此可在多语言环境中，无缝输入与交流。另一优势在于，商汤商量模型利用其强大的AI平台和大量多语言数据，持续优化翻译质量和准确性。模型能根据不同场景调整翻译策略，并通过用户反馈实现自我进化和优化。商汤商量语言大模型超过五年大模型的研发经验拥有上千张A100显卡的并行计算能力1200亿参数的自然语言处理模型研发算力参数商量2.0 大模型400-072-5588中国：人工智能系列行业研读|2023/09中关村科金依托领域大模型中关村科金依托领域大模型、大数据分析大数据分析、多模态交互三大核心技术多模态交互三大核心技术，构建构建“人机协同人机

265、协同”智能平台智能平台，为企业提供开箱即用为企业提供开箱即用、系统无缝衔接系统无缝衔接、成成本可负担的专属领域大模型本可负担的专属领域大模型，助推企业智能化升级助推企业智能化升级中关村科金大模型应用创新，为企业服务安装核动力 中关村科金在企业服务大模型前沿领域拥有多项核心能力，已成功申请受理330项专利并获得390项软件著作权。尤其在智能外呼、智能助手、智能客服等人工智能领域，技术位居行业前沿中关村科金是领先的对话式AI技术解决方案提供商，通过对话式AI技术构建人机协同的新型生产关系，助推企业打造拥有分析决策能力的“超级员工”，推动强大人工智能应用的实现。其核心技术包括领域大模型、大数据分析和

266、多模态交互，产品矩阵覆盖数字化洞察与营销、数字化服务与运营、数“智”底座等领域，全面升级云呼叫中心、智能客服、智能外呼、质检陪练、智能音视频等产品，协助企业高效赢得客户，实现数智化转型升级。已服务900余家企业的200多个应用场景，推出AIGC应用如营销助手、知识助手、客服助手、投顾助手等，为企业提供领域大模型支持，助力实现数智化转型的“最后一公里”。这些领域大模型应用在金融、政务、零售等领域，取得了显著成效，提升了客服系统准确率、加速营销文案生成、并实现了针对性问题的实时回答。中关村科金领域大模型能力全景图01大模型工程优化领域大模型实现单周迭代、单卡推理03大模型适配微调自动归纳话术流程最

267、佳实践，较人工效率提升百倍02海量全域数据超过万亿的token总量公域数据，每日处理30万通私域人工及150万通私域机器对话数据来源：中关村科金，头豹研究院，弗若斯特沙利文银行保险信托证券基金互金零售电商汽车快消大健康公用事业政务制造业行业数字化洞察与营销数字化服务与运营视频矩阵SCRM智能助手营销自动化活动/权益管理外呼机器人文本机器人智能IVR云呼叫中心音视频中台积分商城系统智能质检用户行为分析ABTest平台客户洞察平台可回溯系统RPA+智能财务智能培训智能招聘场景应用提示实验提示工程效果统计多模型适配数据源组件组件管理AI能力组件场景组件doc2flow流程规划log2flow流程画布

268、模板集市大模型路由效果评估工具调用版本管理知识辅助提示工程平台文档切片嵌入多文档多路召回知识溯源图表问答推理领域知识库领域预训练领域指令微调子任务协同增益在线持续学习领域大模型MaaS调用开源模型部署模型评测工具集模型压缩基础大模型领域大模型工厂三方数据舆情新闻数据交互行为数据实时直播实时通话通话录音文本消息语音消息图片视频一方业务数据客户端数据服务器日志业务数据库文档资料数据平台400-072-5588中国：人工智能系列行业研读|2023/09来源：中关村科金，头豹研究院，弗若斯特沙利文（接上页中关村科金）中关村科金以低部署成本和标准化解决方案为竞争优势，为企业提供全方位的智能客服中心解决方

269、案。该解决方案包括电话客服、智能客服、多媒体人工客服、视频客服和工单客服等多种服务渠道，能够满足不同客户需求和业务场景，提供最适合的服务方式中关村科金采用云端部署方式，企业只需使用云服务即可实现智能客服系统的部署和使用，降低了部署和维护成本，采用按需付费模式，根据客户的实际使用情况进行计费，提高效率，灵活控制成本。此外，中关村科金可根据不同行业的经验和最佳实践，定制化解决方案，帮助企业快速部署和启动智能客服系统，减少复杂性和时间成本，节省企业资源，进而使企业能够在市场竞争中取得优势地位。中关村科金智能客服解决方案架构客户服务业务咨询视频客服工单客服移动客服业务场景统一工作台会话转接访客邀请排队

270、邀请三方会话业务能力会话接听会话强插智能辅助服务转销售会话转工单渠道管理智能路由智能策略访客邀请规则自动应答提醒管理能力快捷语管理满意度关键词高亮状态管理表情管理业务小结会话统计大屏监控会话质检知识管理会话监听移动APP坐席警告敏感词管理OpenAPI机器人客服+人工客服机器人客服全时段服务人工客服企业微信全渠道接入服务号短信/邮件APP电话网页视频01部署成本低，快速对接拥有自研软交换平台，并与多个营销系统深度融合02标准化方案，开箱即用具有众多垂直行业标准化解决方案，贯穿整个客服业务场景03特色能力，高度适配拥有AI会话监听、视频客服、预测外呼等多个特色功能400-072-5588中国：人

271、工智能系列行业研读|2023/09腾讯企点以混元大模型为支撑腾讯企点以混元大模型为支撑，引领企业营销引领企业营销、运营及客服领域迈向运营及客服领域迈向智能化新纪元智能化新纪元。依托卓越数据依托卓越数据、强大强大AIAI技术和广泛渠道优势技术和广泛渠道优势，助推企助推企业全面实现智能化升级业全面实现智能化升级，开拓全新商业价值高峰开拓全新商业价值高峰腾讯企点以混元大模型为支撑，开拓全新商业价值腾讯企点利用“全域经营”这条无边界的“金线“将企业内部、企业外部、企业外部之外的参与者紧密连接起来，腾讯企点凭借腾讯集团丰富的资源和技术能力，能够深入洞察消费者的需求、偏好和行为，通过精准的人群洞察和预测，

272、提供个性化、定向化的营销解决方案。同时，企点通过数据驱动的分析和优化，不断提升营销决策的准确性和效果，为企业带来更大的商业价值和持续增长。腾讯企点营销基于腾讯海量用户数据的智能营销平台，通过全模块产品能力和人群洞察，帮助企业实现增长腾讯企点营销是基于腾讯海量用户数据的智能营销平台，通过提供全模块产品能力，围绕用户全生命周期，实现营销的智能化和精准化。借助腾讯AI和大数据能力，企点实现用户全息洞察，包括人群洞察、人群精选和人群预测，帮助企业了解用户需求、用户圈层划分和用户偏好预测。腾讯企点提供营销全链路一体化的全域智能营销平台，为客户实现全域营销增长和用户转化腾讯企点营销是全域智能营销平台，通过

273、全链路一体化方案和精细化运营帮助企业实现全域营销增长，整合公私域联动和营销自动化能力，提升用户触达和转化，以个性化内容丰富用户互动。来源：腾讯企点，头豹研究院，弗若斯特沙利文腾讯企点智能营销架构人群洞察 人群精选 人群预测交叉分析对比分析趋势分析智能优选：新客首购、老客户复购、沉睡促活、会员招算、分享裂变人群圈选：基础属性、兴想爱好、生活方式商品价值预测商品关联性预测 营销偏好预测偏好预测:SPU偏好、类目偏好、商品属性偏好通过面像报告，进一通过面像报告，进一步去做用户分析和精步去做用户分析和精细化人群运营细化人群运营通过查看容户的画像通过查看容户的画像特征，针对性设计活特征，针对性设计活动内

274、容动内容通过在受众精选，自通过在受众精选，自动提取潜力新客，进动提取潜力新客，进行营销触达行营销触达通过在受众精选，自通过在受众精选，自动提取潜力老客，进动提取潜力老客，进行营销触达行营销触达通过客户价值算法模型，通过客户价值算法模型，衡量活动效果，挑选高衡量活动效果，挑选高价值客户做二次营销价值客户做二次营销分析客群对商品分析客群对商品/品类品类的喜好程度，辅助新的喜好程度，辅助新品开发品开发数据腾讯企点营销全渠道数据全渠道数据融合标签数据 行为数据 属性数据 会员信息数据 交易数据 特征中心算法中心特征注册 特征分类 特征计算 特征管理 特征推理LGB DNN NMOE LTV ZLIN算

275、法模型100+数据计算量10亿+算法数据计算引擎数据实时训练数据离线训练数据样本自动更新计算优先级管理算子更新计算资源调度实时预测.面像报告：基础属性、兴趣爱好、生活方式确定用户面像 确定营销活动主題 促进新客购买 促进老客户复购 助力研发新品 洞察活动效果400-072-5588中国：人工智能系列行业研读|2023/09（接上页腾讯企点）腾讯企点智能客服解决方案架构全场景智能微信&在线-在线机器人语音域-语音机器人客服工作台-智能辅助客服工作台-智能交易运营管理-智能质检行业知识包/图谱在线客服呼叫中心智能工单语音机器人在线机器人智能辅助智能询报价系统模块方案设计落地应用对外服务体验要满意度

276、对内业务运营要效率指标提升1.全渠道服务覆盖3.智能化提效2.行业化连接微信域微信公众号微信小程序微信视频号微信支付凭证微信搜一搜专栏在线域官网商城H5商城自建APP语音域服务热线外呼服务QQ域统一画像会员画像/标签订单记录联络记录流程协作工单&电商订单客户联络&CRM客户联络&业务系统对接公域&私域行业连接QTrade腾采通 网印通聚好单货代Q宝腾讯企点基于行业大模型，全面升级新一代智能客服产品，实现企业客服更高的效率、更智能化的体验腾讯企点全新一代智能客服引入了大模型能力，具备强大的推理和自然语言处理能力，针对对话交互、人工辅助和知识构建三个层面进行有效提升。企点客服能帮助企业通过全渠道触

277、达客户，连接公私域及企业内外部，建立全面的客户连接。智能化产品融合升级，大模型智能化场景的拓展：全渠道服务覆盖，全场景触达客群，打通公私域客户全旅程智能化产品客服-辅助-工单-质检-客服知识中台全场景融合和升级，通过全场景的智能化覆盖，帮助企业应对海量咨询，解决高频服务需求；同时智能化的主动服务可以提升满意度和获客、转化效率；最后将AI赋能到客服，提升接待效率和内部业务运营效率。行业化连接：智能服务平台结合行业Know-How，助力传统行业实现数字化与企业客户数据的打通，可以解决了多场景下客户身份识别，实现统一客户画像；通过工单与企业业务订单打通，公域与私域联动，实现企业多部门与客服联络中心的

278、协作；在部分行业场景中，通过实现询报价智能化，业务流程可视化；帮助客户解决商机客源少的问题。来源：腾讯企点，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09巨量引擎以强大的数据分析和巨量引擎以强大的数据分析和AIAI技术技术，帮助广告主实现精准定位帮助广告主实现精准定位、个个性化推荐和实时投放性化推荐和实时投放，从而提高广告效果和转化率从而提高广告效果和转化率。其开放平台整合其开放平台整合了多个渠道和资源了多个渠道和资源，为广告主提供一站式的服务为广告主提供一站式的服务巨量引擎用智能赋能创意，以数据驱动企业升级基于O-5A人群资产经营模型，巨量引擎通

279、过整合营销和经营全链路，从策略到投放全流程，以实用的方法论为品牌提供高效直观的营销与经营整合能力。通过特定场景下的平台串联和重点能力适配，帮助品牌实现高效决策和增长提效。巨量引擎提供丰富的产品矩阵，助广告主实现全域、全局、全链路的智能营销巨量引擎提供了九大核心能力，分别涵盖了客户数据洞察、内容创意管理、营销智能投放、客户互动管理、营销效果分析、开放平台、服务市场、群峰伙伴和产品矩阵。这些能力可以帮助广告主实现全域、全局、全链路的智能营销，提升广告主ROI，实现业务增长。其中，客户数据洞察、内容创意管理、营销智能投放是巨量引擎的核心能力，是实现数字化营销的基础。巨量引擎通过开放平台，提供开放接口

280、和标准化服务，帮助广告主与第三方合作伙伴进行数据对接和业务协同巨量引擎通过开放平台，实现开放接口和标准化服务，促进广告主与第三方合作伙伴的数据对接和业务协同；同时通过服务市场，提供多元化的专业服务资源，帮助广告主解决各领域和层面的营销问题。竞争亮点01数据赋能精准营销拥有业界领先的庞大数据资源和数据分析模型02产品矩阵丰富九大核心产品从数据、内容和投放环节助力广告主03开放平台的整合建立了开放的营销平台，集成了多个渠道和资源巨量引擎智能营销架构来源：巨量引擎，头豹研究院，弗若斯特沙利文星图平台千川平台抖店AD平台百应企业号首页仪表盘大促蓄水新品发布内容种草自定义场景营销场景封装人群内容商品触点

281、营销度量数据工厂行业洞察达人优选投放结案商品追踪媒介组合优选度量实验室商品舆情自动化营销机会人群洞察5A人群资产触点分析行业特色自定义人群分析0-5A人群运营内容资产自定义内容洞察资产概览创意管理 品牌UCG内容创意灵感舆情管理行业内容洞察TA内容洞察创意前测口碑分析舆情监控字节域内融合域标签工厂自定义分析表建模预测数据融合(darahub广告主版)洞察+度量优化c人群：人群包触点：达人列表创意：采买优化400-072-5588中国：人工智能系列行业研读|2023/09容联七陌以容联七陌以AIAI、通讯和数据为动力通讯和数据为动力，以客户服务为核心以客户服务为核心，构建增长型构建增长型智能服务

282、体系智能服务体系，不断拓展服务的边界不断拓展服务的边界，推动全行业的数智化转型和客推动全行业的数智化转型和客户服务生态创新户服务生态创新容联七陌以客户服务为核心，助力行业数智化转型来源：容联七陌，头豹研究院，弗若斯特沙利文容联七陌智能客服解决方案架构容联七陌以技术创新为核心，推出了一系列智能系统产品，旨在满足不同行业的客户服务需求。其中包括全场景智能客服、智能客服机器人X-Bot和AICall、多渠道在线客服、智能工单等。这些产品广泛应用于互联网、电商零售、医疗健康、教育、汽车出行、O2O和物流等行业，为企业提供全方位的智能客户服务解决方案。容联七陌通过创新AI技术，实现快速、准确的信息响应以

283、强大的对自然语言的理解、表达、知和推理能力实现产品变革，通过自主研发的AI能力、运用大数据技术和机器学习算法能力，实现智能文本/语音机器人、智能辅助、行为分析等，在智能客服场景中呈现主动、预测、规律的分析，提升理解和决策能力，提供准确应答交互，保障客户优质服务体验。容联七陌持续扎根全行业，全面赋能企业数字化转型容联七陌持续深耕智能客服领域，服务过众多行业标杆企业，沉淀了多年的智能化数字化客服技术与服务能力，为企业提供较前沿、实战的客户服务转型经验，通过容联七陌智能客服全链路解决方案，企业成功搭建起智能化、高效化客户服务体系平台，推动全行业的数智化转型和客户服务生态创新。竞争亮点01专业AI技术

284、研发聚焦NLP和智能决策方向，依托容联云技术和资源支持，沉淀AI应用能力0203服务矩阵创新产品创新研发，打通全渠道、AI辅助座席、服务运营管理，构成营销、运营、服务的全链路闭环行业konwhow与最佳实践积累丰富的行业服务经验，深谙行业痛点，摸索针对不同行业需求的差异化解决方案PaaS能力通讯能力CRM对接OA对接隐私通话闪信短信号码认证解决方案互联网家装行业零售电商政企行业医疗健康企业服务汽车出行O2O教育行业SaaS产品视频客服实时转写移动客服CRM即时通讯风控系统大屏监控拓展产品客服云在线客服文本机器人语音机器人全渠道智能客服协同工单AI训练师智能质检服务管理数据报表场景获客转化营销拓

285、客售后服务自助问答销售漏斗内部协作远程会议绩效考核风控管理数据运营核心技术能力PSTN，Volte，RTC，IM，音视频编码优化，可靠消息传输，声纹比对One Data，One ID，One Model，数据采集，抽象原子化模型，行为&业务数据打通NLP，行业模型，图谱，行业语料，意图识别，情绪分析，语义模型，标注训练通讯数据智能400-072-400-072-5588Chapter 12未来趋势展望未来发展趋势展望（行业应用）未来发展趋势展望（基础设施）未来发展趋势展望（语言大模型）未来发展趋势展望（通用人工智能）行业研读|2023/400-072-5588中国：人工智能系列行业研读|202

286、3/09AIAI大模型大模型对各类产业产生的影响程度不同对各类产业产生的影响程度不同，在服务型产业中能够实现在服务型产业中能够实现显著成本降低显著成本降低，但在制造型和基础源头型产业中的影响较小但在制造型和基础源头型产业中的影响较小。此外此外，AIAI技术落地前景取决于技术应用的价值空间和部署可行性技术落地前景取决于技术应用的价值空间和部署可行性中国AI技术变革未来趋势展望（行业应用）AI大模型应用趋势分析来源：专家访谈，头豹研究院，弗若斯特沙利文技术服务型行业媒介型行业产品型行业制造型行业基础源头行业成本下降幅度5.8%2.8%1.6%0.5%0.5%智能营销智能运营智能客服数字员工低渗透高

287、渗透AI大模型对各行业影响不同，服务型和媒介型产业成本下降，而产品型和制造型影响较小，成功应用取决于潜在价值和可行性AI大模型对各类产业的影响程度各不相同。在服务型产业中，广泛应用AI能够实现显著5.8%的成本削减，主要得益于AI在客户营销、客户运营和客服服务等领域具备高度替代潜力。在媒介型产业，成本下降比例为2.8%，主要体现在销售渠道管理和营销内容等关键领域。在产品型产业，AI预计能够降低1.6%的成本。这些企业通常在产品研发设计和市场营销方面投入较多，因此他们将通过自动生成产品模型、外观设计以及宣传材料来改变工作方式，降低成本。然而，最后，在制造型和基础源头型产业中，AI的渗透率较低，成

288、本下降幅度仅为0.5%。这是因为这些产业更注重生产和资源开发，对技术的依赖相对较低。AI大模型技术的未来发展前景取决于两个核心要素。首先，应该充分认识到该技术的应用潜力，即通过提升效率来实现成本节约的幅度。其次，针对不同行业，必须考虑企业快速采纳和部署这项技术的可行性。此外，实现AI大模型技术的大规模普及还需要考虑其他关键因素。首先，行业的数字化水平将直接关系到该技术的应用成熟度和可行性。其次，任务容错率，即技术在处理错误或异常情况时的稳定性。最后，安全合规要求将决定技术在不同行业中的可行性，因为某些行业对数据隐私和安全有着极高的要求。400-072-5588中国：人工智能系列行业研读|202

289、3/09AIAI大模型基础层的发展趋势展现出大模型基础层的发展趋势展现出“大力出奇迹大力出奇迹”策略策略。通过不断增强通过不断增强通用且可扩展的计算能力通用且可扩展的计算能力，推动了推动了AIAI领域的进步领域的进步。这种计算能力的提这种计算能力的提升可带动算法和数据的同步发展升可带动算法和数据的同步发展中国AI技术变革未来趋势展望（基础设施）中国AI基础层算力发展趋势分析来源：中国信通院，头豹研究院，弗若斯特沙利文01优化算力05大模型公司应优化算力、共享资源、考虑替代芯片、合理分配资源和进行需求预测规划。这些策略可降低GPU需求、提高计算效率，确保资源有效利用。此外，公司还可以积极与硬件供

290、应商合作，寻求定制化的GPU解决方案02建立稳固的基础架构团队建立稳固的基础架构团队具有举足轻重的意义。此团队应具备超越模型团队的实力，因为其负责支撑整个模型在训练和部署过程中的运行。基础架构团队肩负着优化计算流程、确保数据的有效管理以及提升系统可伸缩性的重要使命03深厚经验的Scaling Law团队优秀的Scaling团队精通模型结构和训练，能够有效避免无效训练，节省计算资源和时间。Scaling团队通过监控和分析，及时发现训练中的异常情况，并迅速采取纠正措施，如调整学习率、优化器设置、正则化参数等。这样可以确保训练过程高效顺利04细节和经验深入掌握相关论文和行业最佳实践对于应对GPU资源

291、稀缺问题至关重要。细节和经验的积累有助于团队避免不必要的错误和偏差，从而实现工作效率的提升技术创新创新技术是解决GPU资源短缺问题的关键所在。例如，稀疏计算技术可以通过优化计算模式实现神经网络的稀疏化，从而显著提高计算效率。因此，团队应该积极探索并应用此类创新技术中国AI基础层数据要素发展趋势分析以公共数据为突破口，加强数据要素的供需基础加速建设数据流通和数据交易的规则体系数据市场的生态系统逐渐健全公共数据的充分供给和有效利用可激发更多社会数据的融合应用，提高数据要素的流通活跃性。为实现这一目标，需要明确公共数据的定义与范围、建立监督管理体系、充分激励各类市场主体积极参与公共数据的加工、挖掘、

292、运营、应用等市场化的数据交易有助于满足多样化的数据流通需求，激发市场参与主体的积极性，但要实现这一目标，需要明确统一的数据交易规则体系、规范数据交易所的设立，以及区分场内外数据交易市场的建设思路为了释放数据要素的价值，需加强制度建设，完善法律法规，鼓励市场创新，探索数据跨境的安全可信机制；培育多元丰富数据要素流通服务生态，提升数据服务商专业能力；利用现有技术，加快推进数据要素流通关键基础设施建设400-072-5588中国：人工智能系列行业研读|2023/09TransformerTransformer架构打破传统语言模型限制架构打破传统语言模型限制，训练速度更快且可记忆长久训练速度更快且可记

293、忆长久的输入数据的输入数据。以以DecoderDecoder-onlyonly架构为核心的架构为核心的GPTGPT-3 3在发布后展现出超在发布后展现出超强语言泛化能力强语言泛化能力，逐渐成为现今语言大模型的主流技术架构逐渐成为现今语言大模型的主流技术架构中国AI技术变革未来趋势展望（语言大模型）语言大模型的技术架构发展趋势以注意力机制为核心的编码器+解码器Transformer架构打破传统NLP模型限制，训练速度更快且可以记忆长久的输入数据Transformer架构为NLP领域带来了划时代的改变，主要因为其并行计算能力和自注意力机制。与传统的RNN相比，它可以同时处理整个序列，极大地提高了训

294、练速度。自注意力让模型能够查看整个输入序列，从而更好地捕捉长距离依赖关系。Transformer的可扩展性和灵活性使其适用于各种NLP任务，其预训练和微调的范式提供了强大的通用模型，推动了许多NLP任务的进展。以Decoder-only架构为核心的GPT-3在发布后展现出超强语言泛化能力，逐渐成为现今语言大模型的主流技术架构相比于BERT模型的双向编码架构的早期繁荣，以GPT为代表的Decoder-only架构在早期表现较差，在业界受关注度较低。但在2021年GPT-3发布后，其强大的语言泛化和逻辑推理能力震惊业界，使得Decoder-only的架构成为语言大模型的发展主导。而与此同时，以BE

295、RT为代表的双向编码架构模型的关注度逐渐消失。Decoder-only架构的结构更简单，推理速度更快，在同样的模型规模下，参数相较于BERT模型减少了一半以上。同时，Decoder-only架构避免了双向架构诸多训练难点，包括不同权重初始化、信息瓶颈等。而由于Decoder-only架构脱离了输入信息的限制，其上下文自监督的机制使得其更适合适合生成式任务以及推理型任务。编码器编码器+解码器解码器(Encoder+DecoderEncoder+Decoder)只用解码器只用解码器（DecoderDecoder-only)only)语言大模型架构路线 代表模型：BERT、ELMo、BioBERT、

296、XLM、T5 运行方式：判别式(Discriminive)，通过预测遮蔽词的方式形成结果 优势：能够更好地处理输入和输出之间复杂的映射关系，在机器翻译、文章问答系统表现良好 代表模型：GPT、LLaMA、OPT、GLM、LaMDA、GLaM 运行方式：生成式（Generative)，通过预测下一个单词在当前语境下出现概率的方式形成结果 优势：结构简单，训练和推理的速度更快、具备上下文自监督特性，在纯生成类任务表现良好来源：专家访谈，头豹研究院，弗若斯特沙利文400-072-5588中国：人工智能系列行业研读|2023/09通用人工智能通用人工智能（AGIAGI）是是AIAI技术变革的终极目标技

297、术变革的终极目标，具有巨大的商业价具有巨大的商业价值和应用前景值和应用前景。AGIAGI具备与人类相似的智慧和自主决策具备与人类相似的智慧和自主决策、学习学习、执行执行的能力的能力，能能1 1:1 1模拟人类解决社会生产环节中的各种问题模拟人类解决社会生产环节中的各种问题中国AI技术变革未来趋势展望（通用人工智能）AI大模型时代迈向AGI时代关键因素分析AGIAGI要能够在复杂、动态的物理和社要能够在复杂、动态的物理和社会环境中执行的任务种类无限多会环境中执行的任务种类无限多，且任务在没有预先定义的情况下出现。目前，人工智能研究主要集中在数据驱动的统计建模和学习，而不是解决具备广泛任务能力的通

298、用智能体问题AGIAGI需要具备自主定义任务的能力，需要具备自主定义任务的能力，能够像人类一样主动产生和完成任能够像人类一样主动产生和完成任务。务。目前，大多数人工智能系统需要人类预先定义任务和目标，缺乏自主性和主动性。因此，发展自主任务生成和执行的技术对于实现通用智能体的目标至关重要AGIAGI能力和行为应该由内在价值能力和行为应该由内在价值和外部因果关系驱动。和外部因果关系驱动。目前，大部分人工智能系统缺乏对内在价值的理解，行为仅基于统计模式匹配。因此，强调因果推理的发展是构建具有内在价值驱动的智能体的关键完成无限任务自主定义任务内在价值驱动完备的认知架构完备的测试环境AGI还需具备两大完

299、备性要素AI COMPLETENES通用人工智能应具备一种完整的认知架构，能应对各种不同的任务和问题。该架构应具足够的灵活性，以映射和解决任何复杂的AI任务。此外，该认知架构还应能分析任务的复杂程度，以便为不同任务分配适当资源通用人工智能需具完备测试环境，其中可模拟各种复杂的物理和社会场景。这些测试环境应能复现人类可能遇到的各种任务和挑战，包括但不限于各种日常生活和工作情境。此外，应确保其在不同情境下的鲁棒性和适应性社会智能是人类在复杂社会情境中所展现的社会认知能力，包括社会感知、心智理论和社交交互。解决社会智能问题有助于设计具有人类特征的交互智能体AI大模型时代迈向AGI时代需解决的问题社会

300、智能社会智能来源：北京通用人工智能研究院，头豹研究院，弗若斯特沙利文可解释性可解释性通用人工智能需要解决可解释性问题，即如何使智能体以可理解、人机互动的方式与相关方进行有效沟通，解释其行为和决策，以赢得人类信任并满足监管要求人机互信人机互信人机互信关键在于信任，包括对智能体的能力和价值的信任。这种信任涉及人类暴露自己的脆弱性，需要通过合同来规范风险底线110方法论 沙利文及头豹研究院布局中国市场，深入研究10大行业，54个垂直行业的市场变化，已经积累了近50万行业研究样本，完成近10,000多个独立的研究咨询项目。研究院依托中国活跃的经济环境，研究内容覆盖整个行业的发展周期，伴随着行业中企业的

301、创立，发展，扩张，到企业走向上市及上市后的成熟期，研究院的各行业研究员探索和评估行业中多变的产业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。研究院融合传统与新型的研究方法，采用自主研发的算法，结合行业交叉的大数据，以多元化的调研方法，挖掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的发展趋势，在研究院的每一份研究报告中，完整地呈现行业的过去，现在和未来。研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。研究院秉承匠心研究，砥砺前行的宗旨，从战略的角

302、度分析行业，从执行的层面阅读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。行业研读|2023/09中国：人工智能系列400-072-5588111行业研读|2023/09中国：人工智能系列400-072-5588 本报告著作权归沙利文及头豹所有，未经书面许可，任何机构或个人不得以任何形式翻版、复刻、发表或引用。若征得头豹同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“头豹研究院”，且不得对本报告进行任何有悖原意的引用、删节或修改。本报告分析师具有专业研究能力，保证报告数据均来自合法合规渠道，观点产出及数据分析基于分析师对行业的客观理解，本报告不受任何第三方授意或影响。本报告所

303、涉及的观点或信息仅供参考，不构成任何投资建议。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。在法律许可的情况下，头豹可能会为报告中提及的企业提供或争取提供投融资或咨询等相关服务。本报告所指的公司或投资标的的价值、价格及投资收入可升可跌。本报告的部分信息来源于公开资料，沙利文及头豹对该等信息的准确性、完整性或可靠性不做任何保证。本文所载的资料、意见及推测仅反映头豹于发布本报告当日的判断，过往报告中的描述不应作为日后的表现依据。在不同时期，头豹可发出与本文所载资料、意见及推测不一致的报告和文章。沙利文及头豹不保证本报告所含信息保持在最新状态。同时，沙利文及头豹对本报告所含信息可在不发出通知的情形下做出修改，读者应当自行关注相应的更新或修改。任何机构或个人应对其利用本报告的数据、分析、研究、部分或者全部内容所进行的一切活动负责并承担该等活动所导致的任何损失或伤害。法律声明