2024人工智能开源大模型生态体系研究报告-甲子光年-.pptx

;

Transformer;

算力;;;

开源大模型是指基于开源软件模式，由全球开发者共同参与、共同维护、共同发展的机器学习模型。开源大模型的特点是开放性、共享性和可扩展性，这使得开源大模型在全球范围内得到了广泛的应用和推广。目前，开源大模型已经成为全球人工智能领域的重要发展趋势。

模型开源生态不仅加速了人工智能技术的创新，而且推动了其在各个行业的广泛应用。通过开源大模型，企业能够更快地实现任务部署和技术落地，这对于人工智能产业的发展起到了关键作用。随着更多的开源大模型案例和应用的发布，我们可以预见人工智能将在未来的经济社会发展中扮演更加重要的角色。;;

时间;;;

MOSSXGen

ClaireBloomLM

GPT-JBERTChatGLMFalconXVERSEGPT-Neo

ERNIE1.0PanguAlphabaichuanYiQwenYuan2.0;;

千帆AI原生应用工作平台;;;

资金紧缺

?大模型训练开发成高昂，其成本主要由模型开发成本、训练成本、算力成本、数据成本、运维成本等构成，仅训练成本便动辄高达数百万美元。以Meta大语音模型LLaMA为例，在多达1.4万亿的数据集上，使用2000多个英伟达A100GPU，训练了21天，花费或高达1000万美元。

根据华为公布的消息，开发和训练一次人工智能大模型的成本高达1200万美元。

?大模型巨大的资金投入，更是将很多小型研究机构和中小型企业拒之门外，导致大模型研发都集中在头部企业和研发机构，加剧了不平等现象。

?在大模型的投资方面，根据美国斯坦福大学2022年的报告，美国和中国位列全球投资总额的前两位，但美国的投资是中国的3倍，中国在资金投入方面还有较大差距。;

针对大模型技术，国内企业与欧美国家存在差距，主要体现在底层架构设计和硬件技术方面。在底层架构设计方面，国内尚无类似的底层架构，

大模型的预训练方面只能“在别人的地基上盖房子”；在硬件技术方面，美国占据绝对领先地位，我国自研能力不足，??美国进口依赖程度高，存在“卡脖子”风险。

在人才方面，国内大模型人才数量严重不足，与美国相比顶尖人才数量少，制约了大模型研发的快速发展。具体表现为人才数量不足、人才质量不够高和人才外流严重。针对以上挑战，需要加强国内大模型技术的研发，提高自研能力，降低对美国进口的依赖程度；同时，需要加强人才培养，提高人才质量，减少顶尖人才的流失。;

Part03人工智能开源大模型的创投情况分析;

7.56

3.96

3.45

1.23

0.37;

3.2人工智能开源大模型的重点投资领域

开源模型总融资事件数量和融资规模

融资事件数量（件）融资规模（亿美元）;

1;;

北京

?智普AI：ChatGLM

?百川智能：baichuan

?春田知韵（抖音）：BuboGPT;

据统计，截至2024年6月，我国10亿参数规模以上的大模型厂商及高校院所共计254家，分布于20余省市/地区，其中北京有122家，数量居

全国首位，约占全国的一半按模型类型分析，北京拥有通用大模型厂商及高校院所37家，占比30%，以百度、智谱华章、百川智能等为代表;行业大模型85家，以第四范式、云知声、远科技等为代表。

北京大模型的厂商及高校院所可大致分为四类:

?人工智能领域的头部企业，以百度、抖音、360等为代表，在数据、技术、工程化、场景、资金等多方面具备优势。

?人工智能领域的高校和科研机构，清华大学、智源研究院、中国科学院等单位的基础研究实力强，聚焦技术创新引领。

?人工智能领域的独角兽企业和初创公司，其中智谱华章、云知声、旷视等AI独角兽企业，已跑通自研大模型的闭环全流程，可提供