生成式人工智能应用发展报告（2024）（附下载）

生成式人工智能：现状、挑战与未来

中国互联网络信息中心2024年11月30日发布了《生成式人工智能应用发展报告（2024）》。

下面我们一起看下《报告》主要内容。

发展综述：快速崛起的技术新星

生成式人工智能基于算法、模型和规则生成各类内容。它的发展历经多个阶段，早期受计算能力和数据资源限制，进展缓慢。但深度学习的出现带来了转机，2014年生成对抗网络概念的提出更是重要里程碑。2022年ChatGPT的推出，让生成式人工智能走进大众视野，引发全球关注，随后众多企业积极投入研发。

【生成式人工智能发展历程的时间轴，图片来源：网络，侵删，本来想使用报告中图片，但是图片比较模糊，现图片表达内容基本一致，可参考原文】

在产业方面，我国人工智能产业规模不断扩大，体系更加全面，相关企业超4500家，核心产业规模接近6000亿元。生成式人工智能产品百花齐放，截至2024年7月，我国备案上线的服务大模型达190多个。而且，该技术与各行各业加速融合，从智能语音助手到智慧城市建设，应用广泛。

【备案信息，图片来源：报告原文】

从地域上看，北京、上海、广东等地凭借优势，成为生成式人工智能产业的领头羊，其备案产品数量占比较高。在融资方面，生成式人工智能备受青睐，OpenAI估值大幅增长，我国政府引导基金、民间资本和大型企业纷纷投入资金，推动行业发展。

【2024 年 1-9 月我国人工智能相关投融资案例分布情况，图片来源：报告原文】

政策环境：国内外协同规范发展

在政策方面，我国政府一直高度重视人工智能产业。早期出台了一系列发展规划和人才培养政策，近年来则侧重标准建设和行业规范，如《生成式人工智能服务管理暂行办法》等。地方政府也积极行动，多地发布相关政策，营造良好发展环境。

【2016年至今我国人工智能领域主要政策，图片来源：报告原文】

国际上，欧美亚各国政策差异明显。欧盟采取全面严格的立法策略，《人工智能法案》已生效。美国注重安全治理、创新和国际合作。英国强调人工智能在政府治理中的作用。日本、韩国、新加坡等亚洲国家也在积极制定政策，推动人工智能发展。

技术生态：创新驱动技术升级

技术生态上，新的IT技术栈架构为生成式人工智能提供了有力支撑。芯片层性能影响模型效能，推动芯片专业化发展；框架层降低模型开发门槛；模型层是核心，多种大模型不断涌现；应用层将技术转化为经济效益，形成发展闭环。深度学习框架在其中起到关键作用，促进了软硬件的协同发展。数据飞轮则通过闭环反馈系统，持续优化大模型性能。

多模态大模型的出现，拓展了生成式人工智能的应用场景。它融合多种数据类型，提升语义理解和跨模态处理能力，在自动驾驶等领域展现出巨大潜力。理解、生成、逻辑、记忆这四项基础能力，是迈向通用人工智能的关键。

智能体的繁荣推动了多领域智能化发展。智能体具有自主性，能在工业生产、科技研发、公共安全等多个领域发挥重要作用。同时，生成式人工智能技术的发展让无代码编程成为可能，普通用户也能创建智能体，未来围绕智能体将构建起更庞大的人工智能生态。

应用情况：用户与企业端全面开花

在应用方面，生成式人工智能在用户端和企业端都有出色表现。用户端以“AI助手”等形态与传统互联网产品融合，提供智能化体验。我国有2.3亿人使用过生成式人工智能产品，中青年、高学历网民使用更普遍。国产品牌应用更广泛，用户主要用于回答问题、办公、娱乐和创作等。

【各年龄段网民使用生成式人工智能产品比例，图片来源：报告原文】

企业端，各行业积极应用生成式人工智能实现智能化升级。降本增效是主要驱动力，在智慧交通、农业、科研等领域都取得了显著成效。例如，贵阳利用智能信控提升交通通行效率，中国农业大学发布“神农大模型2.0”助力农业发展。《报告》中详细介绍了应用场景，建议可以查阅原文详细了解。

从应用环节看，研发与服务环节率先升级，生产制造等环节虽面临挑战，但也在逐步推进。多模态能力拓展了应用边界，智能体成为连接用户与服务的新桥梁，在政务服务、企业运营等领域发挥重要作用。

发展难点：挑战重重待突破

然而，生成式人工智能的发展也面临诸多难点。算力瓶颈是首要问题，高性能芯片进口受限，国产芯片有差距，算力基础设施分布不均衡，模型应用的算力管理难度大。

高质量数据集相对匮乏，数据完整性和标注存在问题，数据产业生态不健全，企业间数据孤岛现象严重。行业应用场景也需进一步扩展，部分前沿领域探索不足，企业对大模型技术和安全性存在顾虑，智能化转型经验不足。

专业人才培养任重道远，新兴技术发展导致人才缺口加大，高校人才培养与实际需求有差距，未成年人相关教育不足。安全伦理问题也不容忽视，虚假信息、版权纠纷和误用滥用等风险对社会秩序构成威胁。

发展建议：多方举措共促发展

针对这些问题，我们有一系列应对建议。在算力芯片产业发展方面，要加强技术创新和研发投入，推动国际合作，提升算力集群管理调度能力。

数据资源开放共享上，建立公共数据利用制度，激发产业活力，保障数据安全。产业引导方面，对创新应用场景放宽准入，鼓励公有云应用，打造行业标杆。

人才教育培养上，高校开展实用性教育，中小学普及人工智能知识，完善海外人才引进机制。安全体系完善方面，动态完善监管体系，加强安全技术研究，注重公众宣传教育。

生成式人工智能发展前景广阔，但也面临诸多挑战。我们需要各方共同努力，突破技术瓶颈，规范行业发展，让这一技术更好地服务社会，创造美好的未来。

可关注公众号AI启智汇回复【GAI报告2024】获取pdf全文。