2024年中国人工智能产业研究报告

tayun

前言：

研究背景：

作为新一轮科技革命和产业变革的核心引擎，人工智能产业在2024年被中央及各地政府确立为重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，旨在推动产业创新，提升区域经济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月，中共中央总书记、国家主席、中央军委主席习大大在京出席民营企业座谈会并发表重要讲话，强调民营企业的关键角色与发展前景，进一步强调了人工智能产业的战略地位。

2025年初，以DeepSeek为代表的国产开源大模型掀起热潮，其高性能、低成本的特点迅速吸引了国内外开发者和企业的关注，推动了中国AI生态的开放性和竞争力的进一步提升。这一风潮不仅加速了模型层的国产化创新，也为中小企业提供了更易获取的 AI 工具，激发了应用层的创新活力，成为中国AI产业发展的标志性事件。

艾瑞人工智能研究团队延续六年行业研究经验，在第七年聚焦人工智能产业的发展环境、产业进程及产品动态，深入探讨技术驱动、产业机遇、商业模式及挑战等核心议题，为市场提供前瞻性数据与深度洞察。

研究方法：

本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计输出相应研究成果。

核心摘要：

宏观环境

2024年，国家高度重视人工智能发展，将其纳入国家战略，各地政府积极推进科研创新与算力基础设施建设，并因地制宜出台特色政策。尽管GDP增速放缓，AI技术作为新质生产力，凭借其在提升效率和推动产业升级方面的优势，展现出广阔发展前景，政府支撑也为其提供了强劲动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域，基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育，公众接受度显著提升，但就业替代、隐私安全等问题仍引发一定焦虑。技术方面，Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力，同时加速跨模态融合，并在推理效率优化和新型注意力机制等方面持续探索，推动AI产业向更高水平迈进。

产业动态

1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍处于探索阶段。

2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望逐步提高。

3) 工具生态日益完善：分布式AI框架、LLMOps平台和一体机产品等不断发展，深度融合软硬件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。

4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成本的同时，倒逼供应商持续优化产品技术与服务。

5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交等领域有较多突破。

6）DeepSeek掀起开源开放与应用落地的热潮：DeepSeek刷新了市场对大模型现阶段性能的认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的方向迈进，并带动产业链上下游的合作与应用落地。

发展趋势

AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地，其发展需要解决硬件加速和App优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放，推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一代人工智能的安全治理体系至关重要，需要在技术、商业、法律、伦理等多个层面协同发力，以确保人工智能的安全发展。

中国人工智能产业宏观环境

中国人工智能产业政策环境：人工智能新时代的技术引擎，各城市展开地域大模型产业竞速

近年来，国家高度重视大模型产业发展，把“人工智能”纳入国家发展战略，并出台了一系列政策以推动技术创新、资源建设、标准建立与行业应用。随着中央层面人工智能政策的出台，以北京、上海、成都、深圳等代表的各地政府纷纷响应号召，将人工智能及其相关产业发展纳入当地发展规划，以助力新一代人工智能产业生态的形成。2025年初，习大大总书记指出：“中国高度重视人工智能发展，积极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能。并在2月召开中央民营企业座谈会，众多与人工智能相关的民营企业家参会，为中国经济转型与产业升级打下重要基调，也进一步反映出未来中国人工智能产业发展的重要战略意义。

中国人工智能产业资本环境：语言及多模态赛道目前最受瞩目，同时基础层厂商积极入局

从投资轮次的分布情况着眼，战略及股权投资的数量及占比均呈现出显著的上升态势，其中股权投资事件占比高达77.9%。而在应用赛道的投资分布方面，语言及多模态赛道目前已成为最受瞩目的投资领域。与此同时，以AI芯片、AI算力解决方案、算法架构等为代表的基础层投融资数量显著上升，其中AI芯片产品的投资占比约为50%，这表明应用层的快速发展正有力地带动基础层的建设，我国人工智能产业生态也因此得到进一步完善。

中国人工智能产业技术环境（1/2）：CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础

中国人工智能产业技术环境（2/2）：Scaling Law是否失效？思维链、强化学习、后训练可提升模型训练ROI

自大模型发布以来，Scaling Law成为模型层发展迭代共识，国内大模型基座厂商均通过不断加大参数量级以获得模型能力的优化增强。2024年，随着大模型的训练脚步变缓，人们也开始关注讨论Scaling Law是否存在失效风险。而以国内外头部厂商的技术动态为标杆，大家可以看到大模型的参数规模与数据跨度仍有提升空间，且在多模态能力融合上完成持续突破。但受限于高质量数据、训练资源（算力、电力等）的可获取性及模型资源投入的ROI评估，一些大模型厂商已减缓或停滞了对新一代超大模型的训练投入，此外也在尝试多途技术路径提升大模型能力，如后训练的思维链优化，将Scaling方法由预训练转移到了强化学习推理优化阶段，为大模型能力扩展提供新道路，也对未来大模型的训推参数部署、AI推理算力需求等潜在方案布局带来新变数。

中国人工智能产业价值总览

中国人工智能产业图谱

中国人工智能产业规模：2029年中国人工智能产业规模破万亿，未来五年复合增长率32.1%

2024年，大模型驱动的人工智能市场增长低于预期，主要因为大模型在真实业务场景中的表现未能完全满足部分客户的需求，且建设成本较高，企业需在数据基础、算力资源及组织机制等方面投入较多资源，导致多数项目处于尝试探索阶段，难以规模化落地；另一方面，模型计算成本下降叠加供应商间激烈竞争，模型调用的费用持续降低，进一步限制了市场增长。

2025年初，DeepSeek刷新了市场对大模型现阶段性能的认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的方向迈进。各地政府、央国企等机构积极投入，将大模型与自身职能及业务场景深度融合，为2025年中国AI市场的快速增长奠定了基础。与此同时，大模型在推理、多模态等领域的性能持续增强，叠加MCP等智能体开发协议及工具的成熟，使得可自主完成复杂任务的智能体产品的实用性提升，夯实了AI市场增长的潜力；依托大模型的生成式AI产品也推动着传统小模型的落地应用，基于大小模型协同，为客户构建兼具效果与成本优势的理想方案。总结以上分析，艾瑞测算2025至2029年中国AI产业将保持32.1%的年均复合增长率，在2029年突破1万亿的市场规模。

大模型带动基础层工具产品售卖：分布式开发框架、LLMOps平台、一体机等基础层产品热度渐起

在当前人工智能领域，模型参数规模不断扩张，大模型的分布式训练因此变得愈发普遍。在此背景下，算法框架层面涌现出诸如 DeepSpeed、Megatron、Colossal-AI 等分布式 AI 开发框架。这些框架基于PyTorch框架生态，提供了深度学习优化库，致力于提升大模型分布式训练的训练与推理效率，助力开发者更高质量、更高效地完成大模型的训练及部署工作。从平台的角度来看，在大模型时代，AI 开发平台也在积极探索与升级。与传统AI模型相比，大模型在开发、应用及部署上对算力支撑、数据管理、功能模块及工具库等方面均提出更多要求，MLOps分化出LLMOps，出现面向大模型，提供整个模型生命周期中加速 AI 模型开发、部署和管理的专业平台工具。为了顺应市场热点以及客户需求，各大厂商纷纷推出了各自的一体机产品。一体机作为软硬件集成的大模型实践解决方案，具有显著的优势。它能够降低企业应用大模型的技术门槛，加速大模型在各个行业的落地实施，同时为企业提供安全、高效的 AI 应用开发和部署能力。以DeepSeek为代表的模型，具备开源部署、本地化应用（保障数据隐私）、低成本高质量以及快速定制化交付等优点，精准地满足了政府、金融、医疗以及工业制造等B端行业的特定需求。预计2025年，DeepSeek适配一体机市场将进一步升温，迎来新的市场热潮。随着大模型商业化进程的不断加快，一体机、分布式 AI 开发框架以及LLMOps平台等基础层工具逐渐进入产业视野，成为支撑企业及开发者完成产业端大模型应用建设的重要力量。

模型层开源创新推动上层商业化实践：降本增效推动大模型落地，选择微调、蒸馏或RAG等路径达到ROI最大化

2024年，“后训练”和“强化学习”成为大模型技术创新的热点。后训练通常由大模型厂商在预训练模型基础上完成，其流程一般包括：监督微调（SFT），即利用特定任务的标注数据对模型进行微调，使其学习任务模式；奖励模型（RM）训练，通过收集人类反馈数据训练奖励模型，评估输出质量；以及强化学习（RL），利用奖励模型反馈优化模型，最终生成更符合人类偏好的输出等。由于代码、数学等领域更适配模型评估与奖励反馈环节，推理模型在这些领域的深度思考能力更强，而在文学、医药、科研等领域，因存在大量实验数据和非唯一最优解等影响，后训练的效果提升相对有限。从落地质效来看，DeepSeek通过创新的模型结构和训练任务优化，如多令牌预测（MTP）、多头潜在注意力机制（MLA）、GRPO（分组相对策略优化）等，在保持高性能的同时，大幅降低了训练和推理成本。这些低成本、高性能的开源模型（如DeepSeek、阿里QwQ系列）极大推动了大模型的商业化实践，吸引更多需求方拥抱大模型能力底座，并进一步采用微调、蒸馏、RAG工程等方式完成定向优化和应用部署。

应用厂商侧“跑马圈地”态势渐起：价格与流量成为应用层核心竞争策略，大模型实践更加定制化及产品化

2024年，大模型能力变现及商业化进程进入关键期，应用层的产品表现成为兵家必争之地。在成本优化与市占竞争的双重驱力下，国内各家大模型厂商纷纷降价，试图通过价格战构建B端竞争策略。2024年5月15日，字节跳动将其大模型的计价单位从分降至厘，声称价格比同行低99%。同月5月21日，阿里云宣布通义千问最高降价97%，百度宣布两款主力大模型免费。在C端，大模型产品也出现大量买量投流的资金竞争策略。根据有关媒体公开信息报道，截至 10 月 29 日，kimi 智能助手、字节跳动豆包、Tencent元宝等所有 AI 应用 10 月全网广告投放（投流）支出超过 3 亿元人民币。由此可见，无论是B端还是C端，大模型厂商“跑马圈地”态势均渐起。从实践落地角度看，大模型落地应用更加定制化及产品化，尤其面向ToB客户，更加开放底层模型能力与定制化程度，为客户提供Post-pretrain、SFT精调、RLHF等成熟丰富的微调方案，将大模型解决方案深度嵌入企业需求与业务流程。

B端大模型商业化进程：以央国企为需求主力，率先落地在政务、教科、通信、能源等领域

预训练大模型、类Sora模型以及类o1模型的研发训练需要大量的资源投入，大模型厂商面临资源投入与营收压力需探索有效的变现途径。从短期来看，B端项目制落地仍然是大模型基座能力变现的主要方式。2024年8月，月之暗面发布企业级API加码B端，11月，零一万物推出面向零售、餐饮行业的数字人解决方案。招投标数据显示，2024年中国大模型项目数量与金额呈现快速增长趋势，率先落地在政务、教科、通信与能源等领域。在供给侧，科大讯飞、百度、智谱、火山引擎、阿里云和Tencent云等成为主力中标厂商。2025年初，DeepSeek V3与R1的开源模型发布，进一步掀起B端产业生态的合作浪潮，以沐曦、天数智芯为代表的基础层、以阿里云、HUAWEI云为代表的模型平台层、以钉钉、吉利汽车为代表的应用层，纷纷接入DeepSeek生态，借助优质开源模型能力，推动大模型能力在垂直领域的实践落地。

C端AI产品生态位分析：AI阶段性产品壁垒仍然非常低，终极产品形态及生态优势尚未形成

2024年，中国AI产品在C端发展迅速，产品类型涵盖内容创作、智能对话、情感陪伴、效率工具及音视频生成等，应用场景广泛。从商业模式来看，中国AI产品在C端产品主要采取“免费+订阅制”的商业模式，视觉模态类产品的商业步伐会稍快于语言类产品，如剪映、美图等产品的会员制AI功能，或无界AI、触手AI等产品的会员制订阅及资源购买。整体来看，大多数C端 AI产品仍然面临用户黏性不足，收费持续性不足的问题，产品形态尚未稳定，生态壁垒尚未建立。相较于互联网较为稳定的生态格局，AI产品的头号位交椅仍是悬念。

深层产品洞察：AI Coding

强化推理提升可靠coding能力，coding for everyone将改变什么？

AI Coding产品是指利用人工智能和机器学习技术，通过理解人类语言描述来自动生成代码的工具，具备提升编码效率、减少人为错误及简化开发流程等产品优势。2024年6月20日，Anthropic 企业发布 Claude-3.5-Sonnet 模型，该模型在编程能力上取得重大突破，显著推动了业界 Cursor、Devin、Windsurf 等标杆产品的破圈应用。AI Coding 产品的发展可极大地提升专业开发者的编程效率，使其能够将重复性工作交给 AI 处理，把更多精力投入到创造性工作中。此外，随着 Sonnet、GPT o 系列等模型能力的不断提升，AI Coding产品的属性正逐步从辅助性 Copilot 向自主性 Agent 演进。这种演进不仅有望进一步降低编程的门槛，使更多泛开发者、非专业人士能够进入编程行业，推动编程的民主化，为后续的App开发、产品交互及流量生态带来新的发展可能性。

深层产品洞察：AI Agent

弥合大模型能力与场景应用的鸿沟，多元化厂商生态驱动产品应用创新

AI Agent是一种能够自主感知环境、作出决策并实行行动的智能体产品。受益于强化学习、后训练等技术突破，大模型已展现出优秀的逻辑推理及规划能力，然而，其与应用需求侧之间仍存在一定 “Gap”。Agent 作为“桥梁” 角色，可支撑大模型落地到各类具体应用之中，补足其精准对接业务需求、上下文记忆、主动规划实行以及多任务协作等多方面能力。

当前，Agent市场呈现出厂商生态分化的态势。互联网科技巨头与垂直领域科技厂商常借助Agent能力赋能原有产品，提升其使用体验与智能化水平。同时，各类厂商依据自身优势，针对特定客户群体，推出不同模式的Agent产品，如一站式Agent服务、Agent搭建平台及Agent应用：2024年10月，智谱华章推出自主智能体AutoGLM，覆盖手机、浏览器、电脑等不同场景，可理解超长指令，实行超长任务；2025年3月，蝴蝶效应推出通用型AI助手Manus，可实现企业研究、旅行规划、课程设计等多场景的任务规划与流程操作。

深层产品洞察：AI硬件

AI能力输入到终端硬件，端侧AI寻求规模效应突破，承载更多流量入口

2024年，AI成为手机与电脑的主力卖点，如HUAWEI、荣耀、小米、VIVO、OPPO等国产手机纷纷打造手机端侧大模型，在AI消除、AI搜索对话、生活助手等功能已提供较好用户落地体验，10月，荣耀Magic7系列携带全新的YOYO智能体发布，可在手机侧实现一句话点咖啡、一句话取消订阅等功能。字节跳动豆包也在10月推出首款AI智能体耳机Ola Friend，接入豆包大模型进军AI硬件。以科大讯飞为代表的AI学习机产品在大模型技术加持下不断更新迭代，在教育产品内预装大模型能力，精准提升教学能力同时配备AI助手提升引导交互能力。除现有硬件对AI能力的融合，也有大厂及创业厂商探索形态交互更加新颖的新一代硬件设备，如Rabbit R1、AI Pin等新产品，但由于技术不成熟、场景未规模化渗透等原因，尚未出现破圈效应。

中国人工智能产业商业进程

语音模态

语音识别与生成能力持续增强，重点关注端到端的语音大模型技术架构

在语音识别能力方面，ASR模型数据量和参数量逐步增大，且大模型可为ASR提供上下文内容理解，在识别率、说话人分离、多方言覆盖等方面继续进行有效提升；在语音合成能力上，基于AI语音设计、AI音乐创作等技术方向，音频能力正由被动生成发展到主动创作；在语音交互能力上，更多厂商在语音大模型架构中，可由ASR-LLM-TTS的级联式架构升级为端到端的语音交互大模型，显著提升人机语音交互的响应速度、流畅度、打断性等。2024年5月，OpenAI发布端到端语音架构的GPT 4o系列，在语音交互能力表现优异，8月，科大讯飞更新星火语音大模型，采用端到端语音架构，在响应速度上有了显著提升，使得对话更加自然流畅。而与大小模型应用融合逻辑类似，目前两类语音交互模型架构仍各有优势，级联式架构具备可控性与准确性等优点，端到端语音大模型虽然提升交互效果，但会带来幻觉问题，因此落地实践上仍需根据应用场景选择合适的语音模型架构。

语音生成类产品涌现更多创新机会，以海外创企为代表进行市场试水

传统市面AI语音产品可分为两类，在过往AI产业浪潮中走在产品化与商业化前列，一类是AI语音转写产品，应用在办公、翻译等领域，一类是AI语音交互产品，以语音机器人为代表，应用在办公、客服、营销等领域。而近两年，以Elevenlabs、Suno AI等为代表的语音生成厂商在TTS技术、扩散模型的创新融合，让2024年海内外生成式语音产品市场出现变革性进步，AI语音产品在原本语音生成的功能属性上，在音色度、内容性、创作性上添加更多生成式的变量元素，AI配音、AI音色克隆、AI有声书阅读、AI音乐生成等产品商业化步伐提速明显。

视觉模态

Transformer架构为技术主旋律，持续演进ViT与DiT两类技术路线

Transformer架构最早在2017年由谷歌研究团队Vaswani等人提出，而后在语言领域取得了革命性突破。借鉴语言领域的成功经验， Transformer架构同样可将图像分割为多个小块（patch），应用自注意力机制，从而大幅提升视觉CV大模型的泛化能力、理解能力及处理模糊复杂影像能力。而在生成领域，融入Transformer架构的DiT模型为扩散模型带来新思路，相较于U-Net传统卷积神经网络，DiT架构模型能够更好地处理图像的潜在表示，并捕捉图像的长距离依赖关系，以生成高质量的图像。2024年初，在Sora产品验证DiT路线的涌现能力之后，主流SD模型、Flux模型及国内视频生成模型多延续此技术架构，并在生成模型的真实性、可控性、可编辑性上持续发力，更大程度释放模型链接需求的技术生产力。

产品定位清晰，以功能为出发点分别面向G端、大B、中小B、C端市场

艾瑞将主流视觉模态产品分为AI图像/视频分析产品、AI图像/视频生成编辑产品、AI视觉搜索问答产品三类。其中AI图像/视频分析产品定位为早期计算机视觉、CV判别产品，以商汤、云从、海康及HUAWEI等厂商为代表，率先进军大B端与G端市场，掀起第一波人工智能产业浪潮，在安防、金融、医疗及工业等领域开展落地。2024年，大模型Transformer与传统小模型CNN的架构融合为该类产品注入强心剂，在厂商格局保持稳定的情况下，重点在央国企市场实现项目拓展与架构升级。而AI图像/视频生成编辑产品、AI视觉搜索问答产品更多定位在生成式AI路径，在AIGC浪潮中涌入云厂商、AI厂商、业务厂商及创业厂商等诸多市场参与者，面向电商、零售、设计、游戏等行业，设计师、博主及C端等消费者开展产品试水升级与商业化实践。

语言模态及多模态

多模态架构仍会侧重在生成或理解的单一路径，未来期待技术深度融合

作为大模型架构的先行模态，大语言模型的技术进展主要聚焦于预训练的scaling law、后训练思维链优化的推理模型等，在第一章的技术环境中已做展开。本页主要探讨多模态大模型的定义范围、技术进展及发展趋势。市面上，多模态大模型的定位范围多有不一。从定义来看，多模态大模型是能够处理和理解多种不同类型数据（文本、图像及音视频等）输入输出，实现跨模态的理解和生成任务的人工智能模型。从分类来看，艾瑞认为，多模态大模型可分为“以DiT架构为代表的生成向”和“以MLLM架构为代表的理解向“两类。其中，DiT架构的生成向多模态大模型同样为视觉模态中提到的生成路径模型，如Sora、通义万相、VIDU、可灵等模型产品。MLLM则广泛应用于AI搜索问答对话产品，以支撑多模态信息的输入输出，如ChatGPT、豆包、kimi等C端产品。然而目前，生成向产品通常无法提供多模态信息的处理分析，理解类产品无法提供视频生成功能，两类产品的技术路径与模型能力尚未达到底层融合。未来，基于AGI角度出发，如何更好地整合不同模态的生成和理解，将是多模态模型发展的关键方向。多模态大模型能力的技术路径达到融合，兼具多模态的生成向与理解向能力，将进一步扩大多模态大模型能力的应用范围与场景价值。

以大语言模型为技术基础的AI产品多在大厂射程内，尤其是C端领域生态

因多模态生成产品已放在视觉产品去讲，本页产品主要聚焦语言类产品及以MLLM架构为主的多模态产品。而从LLM及MLLM技术基础的产品类型来看，中国AI语言及多模态的典型产品大致包括AI搜索问答翻译产品、AI情绪陪伴产品、AI Coding产品、To B的企业员工及To C的个人助手几类。从市场厂商参与者角度来看，大厂凭借技术、数据、资金资源和市场理解等多方面的优势，在多类型产品占据了主导地位，尤其是To C领域。艾瑞认为，未来更多AI创业机会或诞生出小而美的To B市场，面向垂域需求，深耕业务理解与工作流优化，打造基于AI产品能力的一体化解决方案，在前期实现市场开拓与资源积累。

AI产品商业模式解析

AI产品变现路径暂以项目制与订阅制为主流，新产品或伴随新商业模式

当下，大模型在G端与B端落地仍以招投标的项目制部署为主，由运营商、云厂商、AI厂商等几股供给侧力量主导，在国央企率先开展AI大模型的实践落地。虽然AI产品使用成本是按量/次调用的模式，但目前除项目制外，AI产品较少会以按量付费方式（部分AI图像生成、视频生成产品会开启按生成次数付费的窗口）向用户收费，而是更多采用用户更熟悉接受的SaaS订阅制，初期以免费体验为渗透点，慢慢引导用户接受AI产品的付费订阅。而AI产品的订阅制收费逻辑可分为三类：1）对AI功能模块的额外收费；2）添加AI功能的整体产品价格上调；3）AI原生应用的产品收费。展望未来，AI产品或更多主张提供按效果付费的模式，并以AI Agent形式为企业提供个性化产品服务，在用户订阅数量减少、客户IT支出缩减的大环境下完成更多AI产品拓展与用户付费转化，当然这种新商业模式对企业现金流、AI产品效果、价值定价评估均提出了更高要求。此外，AI让C端产品玩法更加多样，尝试添加更多AI功能点，以单点形式花样吸引用户付费，提供更多产品付费点与转化变现渠道。

AI产品出海化尝试

出海成为企业扩市场扩营收的关键性策略，产品方向与生存法则为何？

2024年，在国内厂商卷价格、卷应用、卷生态的同时，不少企业将目光放向海外市场。以阿里云、字节跳动、Minimax为代表等大模型厂商出海动作频频，其中，阿里云主要聚焦2B电商的AI赋能与数据中心建设，字节跳动在AI图片生成、AI视频编辑、AI社交、AI教育等领域进行了多方产品布局，而Minimax与零一万物等大模型创企也下注在图像视频与AI社交等赛道。此外，一些垂直业务厂商及出海创企表现同样亮眼，如图像编辑厂商恒图科技、以插件工具切入的Monica.AI、以NSFW（Not Safe For Work）切入的Crushon.AI等。从产品方向来看，目前AI对话、问答、搜索等用户流量仍把控在ChatGPT、Perplexity等主流产品当中，AI出海产品大多落在AI图像/视频、AI社交/情感陪伴两大赛道，在下载量、活跃度、留存时长均处于榜单前列。然而这两类产品也是面临支付渠道限制与监管合规风险的重要品类，出海厂商需在版权水印、违禁词审查、风控警戒等方面做严格管理，确保AI产品在海外的长久健康运营。

中国人工智能产业趋势洞察

AI Agent的进阶：模型能力、工具生态、市场需求协同共振，持续推动Agent的通用性演进

随着人工智能技术的不断发展，大模型推理能力与工具调用生态的迭代升级，叠加市场对可自主决策、规划并实行多步骤任务的智能体（Agent）的迫切需求，AI Agent迈入从认知到实行的突破性拐点。当前，AI Agent已初步实现跨域任务整合（如单指令触发多领域任务协同）、任务链自主拆解及深度决策支撑等场景应用，但实行成果仍面临挑战，可能存在大模型幻觉、规划逻辑稳健性不足、工具调用能力有限等问题。值得期待的是，迈入拐点已激活市场创新动能：开源生态蓬勃发展，DeepSeek、Qwen等优质开源模型释放技术红利；推动大模型与外部数据源、工具和服务进行高效标准化连接的MCP等工具协议的生态加速扩容，自2024年11月Anthropic发布MCP（模型上下文协议）以来，已超1100个社区服务器与官方集成落地。未来，在模型能力、工具生态、市场需求的协同共振下，AI Agent将向复杂任务持续演进，加速走向“决策-实行-反思”的自主闭环能力顶点。

物理AI：作为融合数字智能与物理世界的桥梁，物理AI正成为下一代AI竞争高地

物理AI作为融合数字智能与物理世界的创新范式，除硬件设备和App系统的发展外，其AI发展核心在于构建具备多模态感知与具身行动能力的智能系统，以保障物理实体行为的反应速度、操作精度、决策智能度等。这一领域发展需解决传统AI在具身交互中的瓶颈——软硬件技术升级、跨行业生态协作、伦理规范等问题，以推动人工智能从虚拟助手向实体协作伙伴演进。目前，物理AI已经在机器人动作表现、工业机器操控等场景初步体现，物理AI甚至可在老年陪护、家庭管家等场景进一步发挥普惠作用。

DeepSeek的产业价值：推动技术普惠与平权，加速大模型向产业端和消费端的应用渗透

DeepSeek让开源模型以低成本、高性能的方式进入公众视野，其影响不仅在于工程、算法层面的突破，更重要的是重构了技术扩散的路径，促进人工智能在应用层面的落地。在技术路径方面，DeepSeek进一步推动了对于AGI的探索，有可能带来AI技术范式从监督微调向自我推理的演进，以及竞争范式向“以效率换规模、以创新换算力”的转变。DeepSeek不仅通过开源的方式加速了技术迭代，其高效的技术架构还显著降低了大模型的训练和推理成本，使得中小企业和个人开发者能够更容易地应用大模型技术。技术侧与应用侧的双螺旋进化将促进人工智能的普惠与平权，推动行业迈向开放、繁荣的应用生态。

人工智能安全治理体系的构建：安全是产业发展的红线，需构建面向新一代人工智能的治理框架

随着人工智能技术的快速迭代，其潜在风险已从理论威胁演变为现实挑战。相关治理体系在应对生成式AI、自动驾驶等高复杂度场景时，仍存在标准缺失、监管滞后等诸多问题。人工智能的安全风险包括内生安全和应用安全两部分，其中内生安全聚焦技术层的数据与算法风险，应用安全覆盖更广泛的社会影响与伦理挑战。构建动态、前瞻的治理框架，可以考虑从技术、商业、法律、伦理等多角度协同发力，通过政策引导、行业自律与国际协作，确保在释放人工智能技术红利的同时，守护安全发展的底线。

来源：36kr