中國AI基礎軟件市場研究報告（2023）目錄關鍵發現點2章節一：中國AI基礎軟件發展背景AI2.0時代到來開啟巨大平臺型機會3龐大的數據基礎為國內AI大模型發展提供根基4章節二：中國AI基礎軟件市場概覽AI基礎軟件市場定義與解讀5AI大模型市場為AI基礎軟件發展注入動力6利好的政策為AI基礎軟件市場提供制度保障7AI基礎軟件市場提供良好的生態土壤8AI基礎軟件具有極高的附加值9章節三：AI基礎軟件廠商競爭格局評估標準及主要成果10附錄11關鍵發現點關鍵發現點在人工智能技術迭代的過程中，AI基礎軟件行業整體格局將逐步成型。科技巨頭生態體系建設疊加中國肥沃的政策和技術土壤，將為業內廠商提供前所未有的發展機遇。本報告將從行業宏觀環境洞察市場需求，從技術規律把握未來趨勢，進而識別出在AI浪潮之下領先的AI基礎軟件廠商，并對其綜合競爭實力進行分析：驅動因素：隨著上游硬件、算力升級以及數據量增加，AI基礎軟件行業下一階段的驅動因素主要包含三個層面。其一，在全球AI政策環境持續優化的趨勢下，中國對大模型技術的宏觀戰略規劃將為行業提供肥沃的成長土壤。北京市政府已明確出臺政策，加快建設算力中心，支撐多模態大模型、科學計算大模型等研發。其二，下游大模型加速滲透應用場景和規模化應用將為行業帶來曙光。從2023年AI預訓練大模型的應用來看，大模型已開始在工業質檢、智慧交通、時尚設計等多個行業中落地，其距離實現預訓練大模型規模化商業化應用仍有一定的距離。其三，頭部科技企業加速布局和產業生態體系垂直整合，將為不同廠商提供多元化的戰略切入點。目前，業內已形成算力、基礎軟件、平臺和服務縱向一體化的共識，從而為云服務企業、AI頭部企業及AI芯片巨頭提供了多環節的戰略布局思路。相關頭部AI企業，有望引領本輪生態體系建設。市場趨勢：在核心驅動因素的催化下，中國AI基礎軟件行業展現出三大主要趨勢，并在這個過程中逐步明晰競爭格局。其一，中國原創技術創新突破加之人工智能政策導向，將推動市場

產學研用融合創新共同體的成型。中國具備全球領先的視覺、自然語言處理、語音識別等智能任務的工程實現水平，人工智能原創技術創新正處于活躍期。大模型的技術突破結合2023年各省發布的支持政策，將引導行業形成連通企業、高校、研究院所、政府等創新主體的共同體生態。其二，大模型應用逐步落地，將帶來行業發展新需求。作為模型生態系統的中堅力量，AI基礎軟件將會成為大模型應用落地的最主要的效率支撐，并通過大模型+小模型的方式，形成模型訓練新范式。基礎軟件的重要性具體表現有三點：一是基礎軟件工程化的易用性、完備性；二是AI基礎軟件要與場景結合，能夠進行完備的運維過程；三是需要具備安全可信保障條件。競爭格局：在競爭格局漸趨明晰的過程中，相關廠商需要跨越技術、人才、資金和品牌四方壁壘，在技術實力、生態規模和功能體驗三大成功要素上展開角逐。來源:弗若斯特沙利文AI2.0時代到來開啟巨大的平臺型機會章節一中國AI基礎軟件發展背景AI2.0時代到來開啟巨大的平臺型機會AI2.0是由大數據、云計算和人工智能技術等多種技術的融合所構成的，是一個巨大的平臺式機會，將AI2.0是由大數據、云計算和人工智能技術等多種技術的融合所構成的，是一個巨大的平臺式機會，將AI2.0其中，AI2.0相關的應用、平臺和基礎設施，將會成為包括產業及投資在內的熱點。AI基礎軟件作為AI2.0AI2.0文字、語言、圖像等多模態數據通用大模型行業小模型行業小模型任務集任務集跨領域知識的“基礎模型”+“行業模型”、海量數據進行基礎訓練AI2.0時代：通用大模型崛起的AI平臺時代AI2.0時代：通用大模型崛起的AI平臺時代文心一言GPT-4

GPT-3.5單一領域數據集，割裂的模型缺乏縱效，勞動密集型數據標注AI1.0單一領域數據集，割裂的模型缺乏縱效，勞動密集型數據標注AI1.0數據集模型 任數據集模型 任GPTAI1.0時代：割裂小模型、人工數據標注的時代“自1980年首次看到圖形用戶界面（graphicaluserinterface）以來，OpenAI的GPT——比爾蓋茨

“AI1.0就像是發明電，AI2.0就是電網。AI2.0時代的來臨，首先它是巨大的平臺式機會，這個機會將比移動互聯網大十倍，而且它是中國的第一次機會。”——創新工場李開復AI2.0智能應用（各行各業的垂類應用，提高社會生產力）AI2.0平臺AI2.0智能應用（各行各業的垂類應用，提高社會生產力）AI2.0平臺（中間層工具）AI基礎設施（）龐大的數據基礎為國內龐大的數據基礎為國內AI大模型發展提供根基數據量的爆發為人工智能的發展注入燃料 中國數據規模將從2021年的18.5ZB增長至2026年的56.2ZB,CAGR為25。2026E2025E2024E2021 202210185714959中國數據規模將從2021年的18.5ZB增長至2026年的56.2ZB,CAGR為25。2026E2025E2024E2021 202210185714959146363996283235202371232722821922425617844北美其他地區2021-2026E(單位：ZB)216中國

合成數據加速高質量數據供給，為AI大模型發展提供基礎合成數據是通過計算機技術人工生成的數據，而非真實事件產生，其將成為大模型數據的主要來源，與收集大型數據集相比，生成合成數據的成本低廉，并且可以支持AI/深度學習模型或軟件測試，2020年，AI生成的合成數據已經超過了真實數據，預計到2030年將進一步擴大。預計到2024年，60用于開發AI和分析項目的數據將都是合成生成的，合成數據有望解除AI的數據掣肘，推動人工智能邁向2.0階段。在此階段，合成數據不僅可以訓練AI模型，通過數據仿真AI可以完成自我學習和進化。到2030年，合成數據將成為AI到2030年，合成數據將成為AI模型訓練使用數據的主要來源合成數據真實數據DatausedforAI中國AI預訓練大模型，2023年DatausedforAI

2020 2030場景1場景2場景1場景2模型1模型2場景n模型n預訓練微調&部署迭代來源:弗若斯特沙利文科學計算大模型 文本NLP大模型視頻音樂 CV大模型多模態大模型圖片AI基礎軟件市場定義與解讀章節二中國AI基礎軟件市場概覽AI基礎軟件市場定義與解讀關鍵發現AI基礎軟件包含一系列企業級AI應用所需的平臺軟件產品及解決方案，是為大模型應用落地的最主要的效率支撐，AI基礎軟件的發展決定了人工智能發展的深度、高度、廣度，其催化大模型應用快速發展，推動政府和企業AI規模化應用。AI基礎軟件包含一系列企業級AI應用所需的平臺軟件產品及解決方案，是為大模型應用落地的最主要的效率支撐，AI基礎軟件的發展決定了人工智能發展的深度、高度、廣度，其催化大模型應用快速發展，推動政府和企業AI規模化應用。AI基礎軟件定義與解讀AI2.0時代的到來，讓各行業對大模型應用的需求日漸提升，對大模型對于業務的支撐力也更為重視，但大多數企業存在工程、技術等能力不足的問題。AI基礎軟件作為AI基礎設施的重中之重，為企業客戶提供全方位的AI調度以及模型服務，包含機器學習平臺等一站式模型平臺，以及數據智能平臺、實時決策中心、數據湖、數據倉庫等服務于AI的數據平臺，從而降低各行業客戶訓練自己人工智能模型的門檻，實現降本增效。AI2.0智能應用 金融 通信政府行業小模型制造能源電力交通AI多模態大CV大模型NLP大模型模型基礎大模型2.0平科學計算臺大模型AI基礎設施AI基礎軟件機器學習平臺實時決策中心基礎框架及算法開源框架數據智能平臺算法（開源學習、因果習 ）算力數據傳輸蓬勃的AI大模型市場為AI基礎軟件發展注入動力蓬勃的AI大模型市場為AI基礎軟件發展注入動力2006年之前2006年~2011年 2006年之前2006年~2011年 年~2017年 2017年今 以監督學習為主。這一階段表現較優的神經網絡算法為支持向量機（SVM），SVM采用監督學習神經網絡向深層次發展應用場景更多，由于數量不夠，因此非監督學習成為這一時期的主流學習方法CNN的發展促進監督學習再次成為主流Transformer模型的發展使得AI進入大模型時代，無監督和半監督學習方法興起這一階段應用場景較為簡單，人工智能模型僅需要少量的數據就可以實現神經網絡向深層次發展，其適用的應用場景更多，因此需要更多的數據進行學習這一階段數據量被認為是提升AI智能水平的關鍵，開源標注數據量快速興起訓練辦法自編碼器隱馬爾可邏輯回歸 夫模型圖神經自編碼器隱馬爾可邏輯回歸 夫模型圖神經遷移學習網絡卷積神經網絡決策樹樸素貝葉斯自監督學習支持向量機Transformer模型隨機森林ViT模型生成對抗網絡BERT模型GPT模型AI模型的演進AIGC在技術層面，生成式AIAI因此，幫助企業自建AI模型的AI基礎軟件成為大勢所趨

來源:弗若斯特沙利文利好的政策為利好的政策為AI基礎軟件市場提供制度保障加快數字化發展，建設數字中國加快數字化發展，建設數字中國優勢，充分發揮海量數據出要加強關鍵數字技術創新應用：聚焦高端芯片、操作系統、人工智能關鍵算法、傳感器等關鍵領域；建設重點行業人工智能數據集，發展算法推理訓練場景———《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》15個創新平臺2022年國家新一代人工智能開放國家積極布局人工智能產業在國家監管層面，中國積極布局人工智能產業，競跑“未來賽道”。隨著各行業、各領域對人工智能需求的日益增長，與實體經濟深度融合的新模式不斷涌現，形成了具有中國特色的研發體系和應用生態，引領著經濟社會各領域從數字化、網絡化向智能化躍升。以“大模型”為代表的技術爆發，加速了人工智能產業的發展。如何抓住這一輪技術變革的浪潮，促進區域以及產業發展，北京、上海、深圳等地紛紛出臺相關政策舉措。北京更是聞風而動，一天之內發布兩項政策，沖刺“人工智能第一城”。最新地方政策文件中均重點提到了算力端發展，加大算力基礎設施的投資力度，同時強調了人工智能的高質量發展，拓展AI創新應用場景的深度與廣度。國家及地方出臺的多項AI產業支持政策將給產業發展帶來助推力，更進一步推動數字經濟與實體經濟的融合發展。

來源：第十三屆全國人大四次會議支持支持人工智能算法庫、工具集等研發。加快發展新型機———《“十四五”軟件和信息技術服務業發展規劃》數據優勢算法推理數據優勢算法推理智能服務平臺建設算力中心大算力中心大模型賦能將新增算力建設項目納入算力伙伴計劃，加快推動海淀區、朝陽區建設北京人工智能將新增算力建設項目納入算力伙伴計劃，加快推動海淀區、朝陽區建設北京人工智能公共算力中心、北京數字經濟算力中心，形成規模化先進算力供給能力，支撐千億級參數量的大型語言模型、大型視覺模型、多模態大模型、科學計算大模型等研發.———《北京市促進通用人工智能創新發展的若干措施》來源：北京市人民政府 2022年國家人工智能創新應用先導區8個

各省份激勵AI基礎軟件產業發展各省份相關政策名稱區域《數字經濟全產業鏈開放發展行動方案》北京市《建設杭州國家人工智能創新應用先導區行動年)》 各省份相關政策名稱區域《數字經濟全產業鏈開放發展行動方案》北京市《建設杭州國家人工智能創新應用先導區行動年)》 浙江省《數字經濟發展規劃(2020-2025)》湖南省《廣東省數字經濟發展指引1.0》廣東省《智慧海南總體方案(2020-2025年)》海南省《上海市促進人工智能發展條例》 上海市 《“十四五”新型基礎設施建設規劃》四川省單位：個171718202021 2022 2023E來源：中關村數智人工智能產業聯盟來源:弗若斯特沙利文開源演進為開源演進為AI基礎軟件市場提供良好的生態土壤1991年，LinusTorvalds在Minix和GUN成果的基礎上開發了Linux操作系統（Linux0.01）。1985年1991年，LinusTorvalds在Minix和GUN成果的基礎上開發了Linux操作系統（Linux0.01）。1985年，RichardStallman發表《GUN宣言》，吸收“前UNIX”和BSD的開源成果，開發推出Emacs編譯器等自由軟件（FreeSoftware）。同年，自由軟件基金會（FSF）正式成立。開源概念最早可以追溯到1970年，這一年也元年”。從中國開源發展階段的維度看開源發展的變化：圍繞產品操作系統及其生態，解決“缺芯少魂”短板；圍繞基于開源的深度信息技術（大數據、云原生、區塊鏈、人工智能等）發展與應用，為第四次世界工業革命做準備；圍繞開發/編制開源軟件供應鏈以保障其安全，并保障其上游的網絡安全，國家關鍵基礎設施的安全。1999，中科紅旗、中軟網絡在引進RedHat公司Linux發行版的基礎上，分別推出了最早的1999，中科紅旗、中軟網絡在引進RedHat公司Linux發行版的基礎上，分別推出了最早的中文版本。1991年，中國與AT&TBelllabsUSL/USG合作，引進UNIXSVR4.2版UNIX公司。1999年至今，中國開源已經發展了32年。這32年的開源發展大致可以分為三個階段：第一階段，主要圍繞企業產品的操作系統及其生態建設；第二階段，主要結合研發基于開源的深度信息技術（如大數據、云原生、區塊鏈、人工智能等）及其應用；物料表格式樣的開源代碼，保障其安全。中國開源發展現狀中國開源項目技術領域分布6%3%3%

前端領域

開源對AI基礎軟件的意義降低AI開源代碼通常是免費提供的，企業和個人可以不用支付7%14%

19%

26%23%

人工智能領域云原生領域大數據領域數據庫領域中間件領域

高昂的許可費，降低了獲取成本。開源的文檔使得開發者可以更容易地學習和理解AI算法和模型，降低了開發門檻，使更多的人能夠參與到開發中。在AI基礎軟件領域，開源項目允許研究人員、工程師和931括GitHub\Gitee\GirLab\openl中國開源項目貢獻者和星量統計位貢獻者注：此數據未進行去重中國開源生態圖譜中項目共獲得顆星（Star）

開發者共享他們的算法、模型和技術，鼓勵全球志愿者協助開發、修復其源代碼，凝聚人才，集結大眾智慧，促進了全球范圍內的協作和創新以及集體智慧的發揮。擴大AI開源協同建設生態和供應鏈，加速AI開發創新。開源已成為全球流行的創新和協同模式。開源為廣大開發者提供了高度靈活和可定制的基礎，使他們能夠根據具體應用場景來定制和優化解決方案，滿足各種不同行業和應數據說明：中國開源項目貢獻者和星量統計數據來源于托管在GitHub上的870個項目3月數據統計

用的需求。

來源:弗若斯特沙利文位于產業鏈中游的AI基礎軟件具有極高的附加值位于產業鏈中游的AI基礎軟件具有極高的附加值AI基礎軟件主要位于產業鏈的中游。其產業鏈由上游基礎設施與資源提供商、中游AI基礎軟件平臺與一站式AI開發平臺和下游應用領域企業構成。上游是人工智能軟件部署的基礎，為AI基礎軟件提供算力支撐。中AI基礎軟件產業鏈

游是產業鏈的核心，以模擬人的智能相關特征為出發點，構建應用技術路徑，主要包括以基礎開源框架、技術開放平臺為代表的AI基礎軟件。下游主要為AI基礎軟件在各細分場景的應用，主要包括制造、安防、金融、醫療、零售、交通、等領域。上游上游中游下游基礎設施與資源提供商：上游主體包括芯片與傳感器等基礎零部件供應商，與數據提供商等 芯片 基礎設施與資源提供商：上游主體包括芯片與傳感器等基礎零部件供應商，與數據提供商等 芯片 傳感器 數據中心及服務 、、覆蓋數據準備、模型開發訓練AI部署應用全流程，在同一平臺環境中滿足算法開發與生產的全生命周期需求一站式AI開發平臺用戶根據實際需求配置功能包模型部署插件、計算引擎等，更易上手、更加輕量AI基礎軟件平臺應用領域企業：中國AI開放平臺的主要下游應用領域包括金融、安防、制造、醫療與教育等行業智能教育智能營銷智能交通智能客服智能醫療智能金融智能安防智能制造上游基礎運算加速升級，賦能AI基礎軟件發展。基礎運算作為AI基礎軟件的產業上游，主要為人工智能提供算力和數據的支持。中游應用技術趨于成熟，行業格局基本形成，主要包括AI基礎軟件平臺與一站式AI開發平臺。云廠商傾向于向客戶提供端到端的整體解決方案，期望整體捆綁客戶。相比之下，目前領先的AI基礎軟件平臺能夠以模塊化的方式嵌入客戶云的體系中，能夠充分滿足客戶的自主性和可控性的要求，例如，九章云極采用“云中云”的戰略部署，將自身軟件

技術嵌入天翼云的生態當中，以獨立第三方的身份專注提供AI服務，對于大型客戶來說更可控更獨立。下游行業與應用場景深度融合，賦能行業加速發展。目前，主流AI基礎軟件已逐步應用于各類行業場景中，模擬人類解決實踐問題。ResNet、GPT-3等模型不斷提升視覺處理、閱讀理解等基礎智能任務水平，語音識別、自然語言處理和計算機視覺等感知類任務上的應用技術成就可直接應用于實踐產品，帶來了廣闊產業應用前景。評估標準及主要成果評估標準及主要成果評估標準AI（半徑）距離衡量AI基礎軟件廠商在大數據管理、云安全治理、云原生架構、產品應用能力、可視化開發和底層框架等方面的技術能力，半徑越大，AI基礎軟件廠商的技術能力越強。AI基礎軟件廠商的“合作生態“用圓心與坐標原點到Y正軸的夾角（角度）表示：角度衡量AI基礎軟件廠商在國內市場各應用領域（主要包括政務、金融、醫療、交通、制造等）方面的合作伙伴和頭部廠商的數量，角度越大，AI基礎軟件廠商的合作生態力越強：360度即表示合作生態力滿分。AI圖標大小衡量AI基礎軟件廠商在應用領域廣度、易用性、客戶服務和定價策略的市場表現力，每家廠商的競爭力都適用于代表不同服務能力的四個規模等級之一。服務和定價策略主要評估結果

在應用領域廣度、易用性、客戶服務和定價策略方面中表現突出

客戶服務和定價策略方面中的某一項中處于劣勢

市場表現力有待發展九章云極、亞馬遜云科技、華為云、阿里云、騰訊云、Databricks和百度云被評為國內AI基礎軟件市場的"領導者"。這類廠商用大模型、云原生技術等提升應用數據安全、技術兼容性和AI基礎軟件開發部署能力，使應用體驗更具安全性、先進性和易用性。此外，這些廠商DataRobot、商湯、第四范式、星環科技和創新奇智被評為國內AI基礎軟件市場的"挑戰者"。這類廠商通過增加產品應用價