易觀：盡管2022年人工智能市場發展活躍度不及預期，但2022年對人工智能產業來說無疑是令人激動的一年。年中由DALL-E 2以及其后Stable Diffusion和Midjourney等文本-圖像生成模型引起公眾對人工智能生成內容的大量關注，年末ChatGPT的橫空出世刷新了公眾對人工智能的智能化水平的認知。

一系列現象級的事件預示著人工智能產業正發生著深刻的變革，產業的進步縮小了長久以來我們對人工智能的期待與功能間的差距的同時，也進一步拓展了我們對人工智能的想象空間，為更多智能化應用走進我們的生產生活奠定了堅實的基礎。我們相信變革終將撥開發展迷霧，消弭技術堅冰，讓人工智能真正成為產業發展新篇章的支柱。

易觀通過產業界前沿應用、學術界研究進展與投融資市場情況，結合專家意見、行業觀點、現象級事件與對人工智能產業的研究積累，發布2023年人工智能產業發展趨勢報告。

這份報告從人工智能產業的基礎設施、算法模型、產業應用三方面出發分析各類趨勢的關鍵要素，并深度剖析趨勢的發展節點與核心驅動力。易觀認為人工智能將加速走進千行百業，深度參與數字中國的建設的同時成為產業高端化的核心驅動力之一，而人工智能產業格局也將迎來快速的改變。

1.概述

易觀人工智能AMC模型顯示，圖像分類與圖像語義分割類應用已經較為成熟且有著較為穩定的市場空間，文本處理、語音識別與雙模態等應用正逐漸實現對于市場的滲透。強化學習、因果學習、語言大模型等相關應用通過技術的迭代成功走出實驗室，正不斷摸索其商業模式。圖神經網絡、多模態泛化與自監督學習等應用正加速跨越從試驗研發到產業落地的難關，對擴散模型、量子AI、具身智能等的研究也將孕育智能程度更高、通用性更強的應用。建議短期關注處于市場啟動期與高速發展期之間的應用成熟情況，長期關注處于探索期與市場啟動期的應用研發進展。

2.基礎設施篇

趨勢1 人工智能發展需求將快速提升數據眾包產業規模與專業性

易觀認為人工智能產業的整體發展致使對數據的需求快速增長，而這將刺激數據眾包產業蓬勃發展，同時其對數據質量要求的提升也對數據眾包產業的專業性提出了更高的要求。目前制造業、醫療、工程建筑等行業對智能化應用的功能升級需求較大，因此將推動數據眾包產業在相關行業率先發展。

趨勢2 我國將形成芯片-人工智能產業內循環

我國由龍頭企業與核心科研機構主導的產業生態較為繁榮且頗具韌性，有助于芯片產業的快速發展與迭代。目前我國人工智能產業發展增速居世界前列，基于人工智能產業對芯片的巨大需求，易觀預計其將驅動國產芯片需求量的快速增長。相應地，人工智能應用在電路設計與缺陷檢測等環節已不可或缺，且對芯片工藝改良、生產過程控制等環節具有重大意義，因此易觀認為我國將形成“芯片-人工智能”的產業內循環。

趨勢3 加速對邊緣智能的探索需不同類型參與方進行緊密合作

易觀認為邊緣算力的發展對人工智能產業具有積極影響， 但發展部署在邊緣側的人工智能應用仍需面對適配與優化的問題。由于產業對智能化應用的多樣化需求與人工智能應用開發的工程化需求，需要來自不同行業的、擁有不同核心技術的廠商們形成更加緊密的產業生態才能加速其探索的進程。另外，若想更好地利用邊緣算力帶來的閑置算力，需要人工智能產業界與計算機、通信等學術界進行更加緊密的合作，形成研究-研發-檢驗-應用的產學研用閉環。

3.算法模型篇

趨勢4 文本-圖像生成模型將出現針對細分領域需求的定制化產品

易觀認為構建文本-圖像生成類應用可持續發展的商業模式，應當積極探索向上游圖庫分潤的機制。在工業設計、產品設計等領域存在大量專業屬性非常明顯的細分需求，因此在2年內會出現針對細分需求的文本-圖像類應用，定制化開發也有可能成為下一階段產業界主流的商業模式。

趨勢5 大規模語言模型在專業領域的商業化方向仍需持續探索

易觀認為未來2年內由于搜索與推薦對通用領域與眾多專業領域知識的要求，大規模語言模型在文本內容生產與編程方面應用的商業模式或將早于搜索與推薦成熟。大規模語言模型在概念的精準與模糊映射、概念間的邏輯關系、概念的推理等方面已具備在多領域進行應用的功能基礎，但大規模語言模型在未來3到5年的商業化方向仍需持續探索。易觀認為至少需要5年時間來探索大規模語言模型訓練數據與參數量級間關系的最優路徑，而最優路徑可以更好地平衡大語言模型的功能與成本，有利于大語言模型的商業化探索。

趨勢6 強化學習應用或將在科研與產業研發領域率先商業化

易觀認為ChatGPT對強化學習的應用為其商業化應用帶來了新的視角，即從對能力的需求出發，探索強化學習的應用方向?；诳茖W研究與產業研發對強化學習在規則、策略、博弈與類人決策方面能力的旺盛需求，易觀認為強化學習的商業化應用將轉向相關市場。雖然科學研究與產業研發的強化學習對專業性要求較高，但由于應用價值更高，因此在3年內將進行商業化推廣。

趨勢7 圖神經網絡各類應用的商業價值均將大幅提升

易觀認為由于功能的大幅提升，圖神經網絡將加速應用滲透。圖的學習方面，通用的模型-任務匹配評估方法與更具表達性的深度圖網絡（DGN）可以提升如營銷人群匹配、三維空間分類分割、輿論影響預測與復合型任務設計等方面的應用效果。圖的生成方面，圖循環神經網絡（GraphRNN）與圖卷積策略網絡（GCPN）在構建知識圖譜、分子結構發現等領域應用效果提升顯著。由于在功能方面有很大可能出現質的飛躍，易觀預計圖神經網絡的相關應用將逐漸推進商業化進程。

趨勢8 擴散模型將在年內應用于設計、建筑、廣告等行業

作為目前文本-圖像生成類任務的主流底層模型，易觀認為擴散模型的性能與功能均有望快速提升。除文本-圖像生成外，易觀認為文本-語音生成、超分辨率、圖像修復等應用有望在1年內實現在設計、建筑、廣告、電影、醫療等行業的商業化探索；如聲波信號處理、點云補全與生成、時間序列補全與預測等擴散模型的應用在3年內將逐漸成熟；對于語義分割、異常檢測等商業空間更大的擴散模型應用， 5年后其成本與效率可以初步滿足商業化的基本要求。

4.產業應用篇

趨勢9 產業界將出現更多結合算法模型原理進行設計的智能化應用

易觀認為科研中從算法模型底層原理出發進行設計的智能化應用，對產業界如何應用人工智能具有很強的參考價值。采用相似方法進行設計的產業智能化應用其潛在市場空間遠大于目前人工智能市場規模，且產業智能化深化發展的需求將促進此類應用的開發，但同時也需要大量高水平跨學科人才以支撐其發展。

趨勢10 科研人工智能作為國家戰略其重要性將進一步提升

易觀認為人工智能在科研領域的應用對于國家發展的戰略意義已經十分明顯且仍將不斷增強。由于科研智能化在發展戰略中的基礎性與重要性，易觀預計人工智能賦能的科研服務將在3年后形成可觀的市場空間，但由于科研服務與人工智能結合帶來的技術門檻，進入相關市場的難度極高，因此需要加速探索更加合理的市場機制。

趨勢11 智能設備在工業領域的應用滲透率將快速提升

目前工業領域對智能設備的需求穩步增長，同時工業智能設備平均單價逐漸下降。易觀預計云邊端協同與工業通信將在5年后實現普及，工業智能設備的智能化水平也將有大幅度提升，工業智能設備的應用價值將迅速放大，因此易觀預計工業領域智能設備的市場規模將在未來5年內穩步增長，而5年后將迎來增長拐點。

趨勢12 消費領域對行動輔助的需求或將促進相關智能設備先行發展

易觀預計5年后因行動姿態估計、增材制造等技術的逐漸成熟，如義肢、運動康復設備與助老設備等行動輔助設備的成本將逐漸降低，而在醫療、康養、養老等方面的相關需求也將出現明顯增長，且相關領域對高客單價的接受度相對較高，因此相較于其他消費領域行動智能設備，行動輔助智能設備的商業化將先行發展。

責任編輯：韓希宇