1. AI產業研究框架與海內外生態概覽：
- 基建層：AI硬件及云服務，如NVIDIA的硬件和Azure的云服務。
- 模型層：AI模型及算法，如OpenAI發布的多模態生成模型。
- 中間件：MLOps等AI基礎設施，包括模型訓練、推理等。
- 應用層：B端及C端AI應用，目前B端應用落地較快，C端應用靜待殺手級應用出現。
2. B端應用：
- B端應用在辦公軟件、廣告營銷、平面設計等領域落地較快，付費邏輯簡單，用戶需求明確。
- 合規門檻主要為企業層面，海外企業開始限制ChatGPT等AI服務的使用。
3. C端應用：
- C端應用頭部格局穩定，但用戶需求不明確，往往是供給激發需求。
- 合規門檻主要為政府層面，如意大利監管機構曾禁止ChatGPT在國內使用。
4. 2024年值得期待的AI發展：
- 應用層面，重點關注AI Agent，如OpenAI的GPTs和GPTs Store。
- 模型層面，關注Sora視頻生成模型和GPT-5，后者可能支持多模態輸入并具有更強的個性化和準確性。
報告還提到了一些風險提示，包括技術發展不及預期、競爭加劇以及AI安全和隱私風險。此外，報告還提供了一些海外和國內AI初創公司的融資情況，以及SaaS巨頭在AI領域的商業化進展。最后，報告強調了AI在B端和C端應用的發展前景，以及創業公司在特定垂直領域的機會。
附件：AI應用專題：百花齊放，靜待殺手級應用
國內通用類大模型正在持續拓展應用領域，包括文心一 言、通義千問、星火認知等一批通用大模型正在快速發展,垂直領域專業類大模型也在不斷深化落地
生成式 AI 等創新技術，正在引領未來商業發展的新方向;將 AI 技術和 AI 應用視為增加企業營銷能力的伙伴，共同 生成商業新未來
當Al與勞動高度互補時，互補效應變得強于位移效應，特別是在收入分配的上半部分，導致與低互補情況相比
模型無法做到無限制的創意賦能,隨著海量設計師利用同一模型 進行設計流程的迭代,產品的設計風格可能趨于同化,擴大設計師在 實踐中所創造知識的影響力
訓練與微調成本,該訓練成本僅針對企業應用基礎模型結合行業知識與數據集進行訓練與微調的成本,并非基礎大模型訓練成本,該成本仍然為行業知識壁壘顯著的企業必須承擔的成本
詳細介紹SPG框架的設計原理,技術模塊和應用案例,為讀者提供一個全面了解SPG框架的機會,并激發更多的討論和合作,推動知識圖譜技術的發展和應用
分析了人工智能的根本科學問題,揭示了人工智能科學是人類科學技術發展的必然結果,分析了人工智能科學是現有科學體系所不足于支撐的重大科學問題
梳理研究AI與視覺藝術結合的應用案例和藝術作品,為全面更新數字藝術發展模式,實現數字藝術產業新格局提供參考,助力推動AI藝術創新和產業應用的成果轉化
伴隨基于大模型發展的各類應用的爆發,生成式 AI,為用戶提供突破性的創新機會,打破了創造和藝術是人類專屬領域的局面,大模型擁有了不斷學習和成長的基因
報告介紹了現有的9個基礎教育階段人工智能課程模塊和3大課程類別,第一類為人工智能基礎,第二類為倫理與社會影響,第三類為理解、使用和開發人工智能課程
沉浸式技術和人工智能已經在改變傳統的工作場所,并預示著人才獲取的嶄新時代的來臨,借助AI助手進行招聘工作,并獲取更多數據驅動的技能提升和再培訓
