AI应用与海内外大模型发展情况如何？

AI产品百花齐放，访问量稳中有升逐渐普及。

1、 AI 应用：通过 AI 大模型开发的应用产品，应用途径百花齐放

AI 应用产品通过 AI 大模型开发而来，可满足消费者多样的需求。AI 应用是在 AI 大模型的基础上，借助 AI 大模型开发的产品。AI 应用产品从应用途径来看，可 以分为 AI 聊天机器人、AI 文本产品、AI 图像、AI 语音等应用途径，可满足消费者 多样的需求，应用途径百花齐放。

 AI 聊天机器人：应用逐渐普及，访问量持续上升

AI 聊天机器人可应用于多个领域，海内外厂商积极推出相关产品。2022 年 11 月，美国 AI 公司 OpenAI 发布旗下 AI 聊天机器人程序 ChatGPT，该程序基于大型 语言模型 GPT-3.5，是一种功能强大的自然语言处理技术，可以应用于多个领域，如 智能客服、自然语言理解、智能写作、机器翻译等。随着 ChatGPT 的推出，在随后 的时间内海内外厂商积极跟进，相继推出基于 AI 大模型的 AI 聊天机器人产品。

AI 聊天机器人应用逐渐普及，访问量持续上升。据 SimilarWeb 数据，2024 年 4 月 kimi 总访问量达 1957 万次，MoM+60.67%，文心一言总访问量达 1683 万次， MoM+13.79%，国内部分 AI 聊天机器人总访问量达 5333 万次，MoM+37.29%。

 AI 文本产品：AI 文本产品功能侧重不同，访问量稳中有升

AI 文本产品功能侧重不同，访问量稳中有升。从 AI 文本产品的功能来看，NotionAI 具有辅助写手（修改文本、生成文本、续写文本）、语气修改、文本处理、文字秘 书等功能；秘塔写作猫具有智能文本纠错、改写润色、自动续写、智能配图等功能； Grammarly 具有单词错误拼写纠正、英语语法校正、标点符号纠正等功能； LanguageTool 具有语法检测、风格检测等功能。2024M5 部分 AI 文本工具 Web 总访 问量达 2.47 亿次，从 2023M12 到 2024M5 来看，部分 AI 文本工具 Web 月度总访问 量稳中有升。

 AI 图像赛道：AI 图像产品用途多样，月度总访问量维稳

AI 图像产品用途多样，月度总访问量维稳。Canva 具有海报、LOGO、简历等 多场景图像设计功能，Fotor 具有图片编辑、拼图等功能，可帮助使用者完成各种图 片编辑需求，SeaArt 可以生成各种风格和场景的图片，支持生成二次元、卡通、游 戏、摄影等不同风格的图像。据 SimilarWeb 数据，2024M5 部分 AI 图像工具 Web 总访问量达 295 万次，接近 300 万次。

2、 AI 大模型：链接算力和应用的核心，向着多模态、端侧模 型发展

2.1、 AI 大模型：AI 大模型是神经网络模型，是链接算力和应用的核心

AI 大模型是具有数以亿计参数的神经网络模型，是链接底层算力和上层应用的 重要一环。AI 大模型通常指的是具有数以亿计参数的神经网络模型，它们可以在大 规模数据集上学习复杂的表示和知识，从而实现高度自动化的智能功能；而从 AI 产 业结构来看，据中商产业研究院，产业链上游为基础层，包括算力等，中游为算法 和模型层，下游为应用层，大模型是链接上游算力和下游应用的核心。

2.2、 海外大模型发展情况：向着多模态、端侧模型发展

2.2.1、 OpenAI：已发布多模态大模型 GPT-4o，向着多模态、端侧应用发展

已发布多模态大模型 GPT-4o，人机交互更接近人与人的自然交流。2024 年 5 月 14 日，美国人工智能研究公司 OpenAI 推出新旗舰模型“GPT-4o”，其中“o”代 表“omni”（是全面、全能的意思），该模型是一个多模态模型，可以支持文字、图 像、语音和视频的输入和输出，甚至是 GPT-5 的一个未完成版。“GPT-4o”将向所 有用户开放，同时语音延迟将大幅降低，能在 232 毫秒内回应音频输入，平均为 320 毫秒，此前使用语音模式与 ChatGPT 进行交流，平均延迟为 2.8 秒（GPT-3.5）和 5.4 秒（GPT-4）。

GPT-4o 向着端侧应用发展。据钛媒体报道，在 2024 年 5 月 OpenAI 春季发布 会上，OpenAI 运用了大量的篇幅，去介绍 GPT-4o 在移动端与人类交互的先进程度； 同时，据 21 世纪经济报报道，在此次发布会上，OpenAI 发布会呈现的新模型多基 于手机端场景，并且 IDC 中国研究总监卢言霞表示，GPT-4o 意味着大模型在端侧的 落地更进一步。

2.2.2、 Google：多模态大模型进一步拓展，拓展至 200 万 tokens

多模态大模型进一步升级，推出 Gemini 1.5 Pro。Google 于 2023 年发布多模态 大模型 Gemini，2024 年 2 月，Google 发布了 Gemini 1.5 Pro，Gemini 1.5 Pro 是一个 多模态模型，可以上传各种文件、图片、视频等文件，并最高支持 100 万 tokens 的 上下文，2024 年 5 月，Google 突破上下文窗口限制，将 Gemini 1.5 Pro 的上下文窗 口拓展至 200 万 tokens。

2.2.3、 Meta：发布多模态 AI 模型 Chameleon，引领多模态革命

Meta 发布多模态 AI 模型 Chameleon，引领多模态革命。2024 年 5 月，Meta 团队发布了“混合模态”AI 大模型 Chameleon，最大特点在于采用统一的 Transformer 架构，将文本、图像和代码等不同模态的信息作为离散标记进行处理，与以往的模 型不同，Chameleon 摒弃了针对不同模态的单独编码器或解码器，通过“早期融合” 方法将所有模态从一开始就投影到一个共同的表示空间中，实现了跨模态的无缝推理和生成，并刷新了当前的技术标准（SOTA）。

2.3、 国内大模型：正处于快速发展期，加速追赶海外大模型

国内大模型正处于快速发展期。自 2022 年 11 月 30 日 ChatGPT 发布以来，AI 大模型在全球范围内掀起了有史以来规模最大的人工智能浪潮。国内学术和产业界 在过去一年也有了实质性的突破，大致可以分为三个阶段：准备期（ChatGPT 发布 后国内产学研迅速形成大模型共识）、成长期（国内大模型数量和质量开始逐渐增长）、 快速发展期（各行各业开源闭源大模型层出不穷，形成百模大战的竞争态势）。

国内大模型发展迅速，持续追赶海外头部大模型。中文通用大模型综合性测评 基准（SuperCLUE）是针对中文可用的通用大模型的一个测评基准，据 SuperCLUE 测试结果，海外大模型 GPT-4 Turbo 以 79.13 分的优势领跑基准测试，同时，国内大 模型发展迅速，但与 GPT-4 仍存在差距，例如百度文心一言 4.0、Baichuan3 和 GLM-4 与 GPT-4 Turbo 均相差 5 分以上。