第一章　人工智能大模型相關概述
1.1　人工智能基本概述
1.1.1　基本定義
1.1.2　研究內容
1.2　人工智能大模型相關介紹
1.2.1　基本定義
1.2.2　核心作用
1.2.3　主要優勢
1.2.4　底層架構
1.2.5　模型實踐
1.3　人工智能大模型核心要素分析
1.3.1　算力
1.3.2　算法
1.3.3　數據
第二章　2022-2024年中國人工智能大模型行業發展環境分析
2.1　經濟環境
2.1.1　宏觀經濟概況
2.1.2　工業經濟運行
2.1.3　固定資產投資
2.1.4　對外貿易分析
2.1.5　宏觀經濟展望
2.2　政策環境
2.2.1　國家政策支持促進發展
2.2.2　人工智能服務管理辦法
2.2.3　建設人工智能應用場景
2.2.4　加快人工智能應用創新
2.2.5　地方人工智能發展政策
2.3　人工智能產業環境
2.3.1　產業發展歷程
2.3.2　產業發展現狀
2.3.3　市場發展規模
2.3.4　細分領域分析
2.3.5　市場競爭格局
2.3.6　應用結構分析
2.3.7　投融資情況分析
2.3.8　產業面臨挑戰
2.3.9　產業發展建議
第三章　2022-2024年中國人工智能大模型行業發展分析
3.1　中國人工智能大模型行業發展綜述
3.1.1　行業發展背景
3.1.2　行業發展歷程
3.1.3　行業戰略意義
3.1.4　行業發展作用
3.1.5　行業應用價值
3.1.6　行業商業模式
3.1.7　行業應用場景
3.2　2022-2024年中國人工智能大模型行業發展情況分析
3.2.1　行業生態圖譜
3.2.2　行業發展狀況
3.2.3　合作研發動態
3.2.4　企業布局情況
3.2.5　主要技術路線
3.2.6　技術演進趨勢
3.3　中國主要人工智能大模型發展狀況分析
3.3.1　NLP大模型
3.3.2　CV大模型
3.3.3　多模態大模型
3.3.4　科學計算大模型
3.3.5　模型協同發展
3.4　中國人工智能大模型技術專利申請狀況
3.4.1　創新主體排名
3.4.2　創新競爭指數
3.4.3　技術功效矩陣
3.4.4　行業應用分布
3.4.5　專利申請動態
3.5　中國人工智能大模型行業發展建議
3.5.1　行業用戶建議
3.5.2　供應商的建議
3.5.3　行業發展建議
3.5.4　行業發展戰略
第四章　2022-2024年中國人工智能大模型行業底層服務支撐層——芯片行業發展分析
4.1　中國芯片行業發展綜述
4.1.1　行業發展特點
4.1.2　行業發展背景
4.1.3　行業發展意義
4.1.4　行業政策匯總
4.1.5　行業政策影響
4.2　2022-2024年中國芯片市場運行情況分析
4.2.1　市場銷售收入
4.2.2　產業結構分析
4.2.3　產量規模分析
4.2.4　芯片需求發展
4.2.5　行業競爭格局
4.2.6　應用領域結構
4.2.7　行業發展挑戰
4.2.8　行業發展建議
4.3　2022-2024年中國AI芯片行業運行情況發展分析
4.3.1　行業發展政策
4.3.2　行業發展現狀
4.3.3　市場規模狀況
4.3.4　芯片數量需求
4.3.5　企業競爭格局
4.3.6　主要企業布局
4.3.7　企業注冊數量
4.3.8　行業融資情況
4.3.9　行業發展趨勢
4.4　中國芯片行業未來發展前景及趨勢分析
4.4.1　行業突破路徑
4.4.2　行業發展機遇
4.4.3　行業發展前景
4.4.4　行業發展趨勢
第五章　2022-2024年中國人工智能大模型行業底層服務支撐層——數據服務行業發展分析
5.1　中國數據服務行業發展政策分析
5.1.1　數字經濟發展規劃
5.1.2　數字政府建設指導意見
5.1.3　發揮數據要素作用意見
5.1.4　地方相關行業發展政策
5.2　中國數據服務行業發展分析
5.2.1　市場規模狀況
5.2.2　行業圖譜分析
5.2.3　區域布局情況
5.2.4　企業排名情況
5.2.5　行業投融資分析
5.2.6　行業發展趨勢
5.3　2022-2024年中國人工智能基礎數據服務行業運行狀況分析
5.3.1　行業發展意義
5.3.2　行業發展態勢
5.3.3　市場規模分析
5.3.4　產業鏈條結構
5.3.5　行業競爭格局
5.3.6　應用結構占比
5.3.7　行業發展壁壘
5.3.8　行業發展建議
5.4　中國人工智能基礎數據服務行業發展趨勢分析
5.4.1　整體發展趨勢
5.4.2　行業競爭趨勢
5.4.3　轉型發展趨勢
第六章　2022-2024年中國人工智能大模型行業基礎算法平臺層——算法行業發展分析
6.1　中國算法行業發展綜述
6.1.1　行業基本概述
6.1.2　算法管理規定
6.1.3　企業競爭格局
6.1.4　區域發展情況
6.1.5　行業應用現狀
6.1.6　應用風險問題
6.1.7　算法治理實踐
6.2　中國人工智能算法發展狀況分析
6.2.1　基本概念
6.2.2　主要分類
6.2.3　提取方法
6.2.4　審查指南
6.2.5　專利體系
6.2.6　審查困境
6.2.7　規制走向
6.3　數字時代算法困境發展分析
6.3.1　發展背景
6.3.2　發展成因
6.3.3　困境表現
6.3.4　治理路徑
6.4　中國算法未來發展建議分析
6.4.1　強化頂層設計
6.4.2　完善治理格局
6.4.3　立足算法特性
6.4.4　強化國際協調
第七章　2022-2024年中國人工智能大模型行業應用賦能層發展分析
7.1　搜索引擎
7.1.1　搜索引擎基本介紹
7.1.2　搜索引擎運作模式
7.1.3　搜索引擎發展現狀
7.1.4　搜索引擎市場規模
7.1.5　搜索引擎用戶規模
7.1.6　搜索引擎競爭格局
7.1.7　搜索引擎投融資分析
7.1.8　搜索引擎發展困境
7.1.9　搜索引擎發展建議
7.2　對話機器人
7.2.1　對話機器人發展基礎
7.2.2　對話機器人發展優勢
7.2.3　對話機器人發展政策
7.2.4　對話機器人市場規模
7.2.5　對話機器人市場結構
7.2.6　對話機器人商業模式
7.2.7　對話機器人應用占比
7.2.8　對話機器人核心技術
7.2.9　對話機器人發展策略
7.3　醫療
7.3.1　醫療行業政策發布
7.3.2　醫療行業特色分析
7.3.3　醫療衛生機構數量
7.3.4　醫療服務情況統計
7.3.5　醫療保障事業狀況
7.3.6　醫療數據應用情況
7.3.7　醫療AI平臺建設分析
7.3.8　典型智能模型應用
7.3.9　醫療服務發展方向
7.4　智能遙感
7.4.1　智能遙感基本定義
7.4.2　智能遙感發展歷程
7.4.3　智能遙感衛星發射
7.4.4　智能遙感主要技術
7.4.5　智能遙感應用領域
7.4.6　智能遙感項目動態
7.4.7　遙感模型研發情況
7.4.8　遙感模型企業布局
7.4.9　智能遙感發展趨勢
7.5　元宇宙
7.5.1　元宇宙政策發布
7.5.2　元宇宙市場規模
7.5.3　元宇宙企業布局
7.5.4　元宇宙專利申請
7.5.5　元宇宙投融資情況
7.5.6　模型促進元宇宙發展
7.5.7　AI驅動元宇宙系統發布
7.5.8　元宇宙行業發展建議
7.5.9　元宇宙行業發展前景
7.6　智慧城市
7.6.1　智慧城市基本介紹
7.6.2　智慧城市政策發布
7.6.3　智慧城市市場規模
7.6.4　智慧城市企業布局
7.6.5　智慧城市具體應用
7.6.6　智慧城市投融資分析
7.6.7　城市大模型的發布
7.6.8　智慧城市面臨困境
7.6.9　智慧城市發展展望
第八章　國外典型人工智能大模型——GPT模型發展分析
8.1　GPT模型發展綜述
8.1.1　模型本質
8.1.2　模型優勢
8.1.3　應用前景
8.2　GPT模型發展路徑分析
8.2.1　演進歷程
8.2.2　GPT-1
8.2.3　GPT-2
8.2.4　GPT-3
8.2.5　GPT-3.5
8.2.6　GPT-4
8.2.7　GPT-4 Turbo
8.3　GPT-4模型發展分析
8.3.1　發生變化分析
8.3.2　理解能力提升
8.3.3　主要局限分析
8.3.4　具體應用領域
8.4　GPT-4 Turbo模型發展分析
8.4.1　技術原理
8.4.2　主要變化
8.4.3　未來影響
8.5　GPT模型產品——ChatGPT發展分析
8.5.1　基本概況
8.5.2　主要優勢
8.5.3　工作原理
8.5.4　發展歷程
8.5.5　商業進程
8.5.6　應用場景
8.5.7　技術路徑
8.5.8　發展瓶頸
8.5.9　發展潛力
第九章　中國典型企業的人工智能大模型——百度文心大模型發展分析
9.1　百度文心大模型發展綜述
9.1.1　發展歷程
9.1.2　全景圖譜
9.1.3　數據來源
9.1.4　關鍵模型
9.1.5　主要應用
9.2　百度文心大模型運行現狀分析
9.2.1　模型發展
9.2.2　模型布局
9.2.3　產品矩陣
9.2.4　生態體系
9.2.5　市場推廣
9.2.6　所處地位
9.2.7　企業合作
9.2.8　發展前景
9.3　百度文心大模型主要產品分析
9.3.1　百度智能云
9.3.2　文心一格
9.3.3　文心百中
9.4　百度文心大模型應用方式分析
9.4.1　文心一言+搜索引擎
9.4.2　大模型API
9.4.3　產品級應用+生態融合
第十章　中國其他典型企業的人工智能大模型發展分析
10.1　華為盤古大模型
10.1.1　模型概述
10.1.2　發展歷程
10.1.3　主要模型
10.1.4　模型應用
10.1.5　模型發展
10.1.6　市場推廣
10.1.7　評估情況
10.2　騰訊混元大模型
10.2.1　模型概述
10.2.2　模型應用
10.2.3　模型發展
10.2.4　市場推廣
10.2.5　評估情況
10.2.6　模型發布
10.2.7　模型突破
10.2.8　商業程度
10.3　阿里通義大模型
10.3.1　發展歷程
10.3.2　模型概述
10.3.3　模型應用
10.3.4　模型發展
10.3.5　市場推廣
10.3.6　評估情況
10.4　商湯日日新大模型
10.4.1　模型概述
10.4.2　模型發布
10.4.3　模型發展
10.4.4　主要產品
10.4.5　市場推廣
10.5　字節跳動大模型
10.5.1　模型概述
10.5.2　模型應用
10.5.3　模型風險
10.6　其他人工智能大模型分析
10.6.1　昆侖萬維大語言模型
10.6.2　“知海圖AI”中文大模型
10.6.3　科大訊飛星火認知大模型V3.0
10.6.4　多模態人工智能大模型“AiLMe”
第十一章　人工智能大模型相關技術發展分析
11.1　深度學習技術
11.1.1　技術基本概述
11.1.2　技術研究進展
11.1.3　技術應用分析
11.1.4　多模態學習技術
11.1.5　技術發展瓶頸
11.1.6　技術改進方向
11.1.7　技術發展趨勢
11.2　自然語言處理技術
11.2.1　技術基本概述
11.2.2　技術發展過程
11.2.3　關鍵技術分析
11.2.4　主流技術思路
11.2.5　關鍵前沿技術
11.2.6　技術應用場景
11.2.7　未來發展方向
11.3　計算機視覺技術
11.3.1　技術基本概況
11.3.2　技術原理分析
11.3.3　技術發展歷史
11.3.4　主要技術分析
11.3.5　技術研究內容
11.3.6　技術研究進展
11.3.7　圖像處理方法
11.3.8　具體應用分析
11.3.9　技術發展趨勢
第十二章　2021-2024年國際人工智能大模型行業重點企業發展分析
12.1　微軟（Microsoft Corp.）
12.1.1　企業發展概況
12.1.2　模型研發動態
12.1.3　2022財年企業經營狀況分析
12.1.4　2023財年企業經營狀況分析
12.1.5　2024財年企業經營狀況分析
12.2　谷歌（Alphabet Inc.）
12.2.1　企業發展概況
12.2.2　模型研發動態
12.2.3　2022年企業經營狀況分析
12.2.4　2023年企業經營狀況分析
12.2.5　2024年企業經營狀況分析
12.3　Meta Platforms, Inc.
12.3.1　企業發展概況
12.3.2　模型發展進程
12.3.3　2022年企業經營狀況分析
12.3.4　2023年企業經營狀況分析
12.3.5　2024年企業經營狀況分析
12.4　Open AI
12.4.1　企業發展概況
12.4.2　企業營收情況
12.4.3　產品研發動態
12.4.4　企業核心競爭力
12.4.5　企業融資動態
第十三章　2020-2024年中國人工智能大模型行業重點上市企業經營狀況分析
13.1　百度集團股份有限公司
13.1.1　企業發展概況
13.1.2　企業合作動態
13.1.3　2022年企業經營狀況分析
13.1.4　2023年企業經營狀況分析
13.1.5　2024年企業經營狀況分析
13.2　阿里巴巴集團控股有限公司
13.2.1　企業發展概況
13.2.2　政企合作動態
13.2.3　2022財年企業經營狀況分析
13.2.4　2023財年企業經營狀況分析
13.2.5　2024財年企業經營狀況分析
13.3　騰訊控股有限公司
13.3.1　企業發展概況
13.3.2　企業發展優勢
13.3.3　企業合作動態
13.3.4　2022年企業經營狀況分析
13.3.5　2023年企業經營狀況分析
13.3.6　2024年企業經營狀況分析
13.4　科大訊飛股份有限公司
13.4.1　企業發展概況
13.4.2　業務布局分析
13.4.3　企業合作動態
13.4.4　經營效益分析
13.4.5　業務經營分析
13.4.6　財務狀況分析
13.4.7　核心競爭力分析
13.4.8　公司發展戰略
13.4.9　未來前景展望
13.5　商湯集團股份有限公司
13.5.1　企業發展概況
13.5.2　企業合作動態
13.5.3　2022年企業經營狀況分析
13.5.4　2023年企業經營狀況分析
13.5.5　2024年企業經營狀況分析
13.6　北京抖音信息服務有限公司
13.6.1　企業發展概況
13.6.2　企業營收情況
13.6.3　專利申請情況
13.6.4　企業合作動態
13.6.5　投資并購進展
13.7　華為投資控股有限公司
13.7.1　基本信息簡介
13.7.2　企業經營狀況
13.7.3　企業合作動態
13.7.4　公司發展戰略
13.7.5　未來前景展望
13.8　昆侖萬維科技股份有限公司
13.8.1　企業發展概況
13.8.2　業務布局分析
13.8.3　經營效益分析
13.8.4　業務經營分析
13.8.5　財務狀況分析
13.8.6　核心競爭力分析
13.8.7　公司發展戰略
13.8.8　未來前景展望
第十四章　2024-2028年中國人工智能大模型行業投資潛力分析
14.1　2022-2024年中國人工智能大模型行業投資動態
14.1.1　企眾數信科完成Pre-A輪融資
14.1.2　極�？萍脊�司完成B輪融資
14.1.3　月之暗面公司完成融資
14.1.4　智譜AI公司完成B輪融資
14.1.5　智子引擎完成天使+輪融資
14.2　中國人工智能大模型行業投資壁壘分析
14.2.1　技術壁壘
14.2.2　數據壁壘
14.2.3　人才壁壘
14.2.4　資金壁壘
14.3　中國人工智能大模型行業投資風險分析
14.3.1　技術風險
14.3.2　數據風險
14.3.3　市場風險
14.3.4　政策風險
14.4　中國人工智能大模型行業投資機會分析
14.4.1　應用場景廣泛
14.4.2　技術不斷進步
14.4.3　產業生態完善
14.4.4　國家政策支持
14.4.5　巨大市場需求
第十五章　中投顧問對2024-2028年中國人工智能大模型行業發展前景及趨勢預測
15.1　中國人工智能大模型行業未來發展前景分析
15.1.1　算力瓶頸漸至
15.1.2　硬件需求承壓
15.1.3　聚焦路線優化
15.1.4　未來商業模式
15.1.5　發展格局展望
15.2　中國人工智能大模型行業未來發展趨勢
15.2.1　大小模型協同進化
15.2.2　通用性能持續加強
15.2.3　逐漸趨于產業落地
15.3　中投顧問對2024-2028年中國人工智能大模型產業預測分析
15.3.1　2024-2028年中國人工智能大模型產業影響因素分析
15.3.2　2024-2028年中國人工智能產業規模預測

圖表1　大語言模型
圖表2　Transformer模型自監督層結構
圖表3　Transformer模型架構
圖表4　訓練大模型“預訓練+精調”模式
圖表5　主要數據集大小匯總
圖表6　2023年GDP初步核算數據
圖表7　2018-2023年GDP同比增長速度
圖表8　2018-2023年GDP環比增長速度
圖表9　2022-2023年規模以上工業增加值同比增長速度
圖表10　2022-2023年固定資產投資（不含農戶）同比增速
圖表11　2023年中國經濟預測
圖表12　2024年世界經濟預測圖譜
圖表13　人工智能產業相關的政策文件
圖表14　人工智能的發展歷程
圖表15　2018-2022年中國人工智能市場規模變化
圖表16　中國人工智能行業細分市場占比統計
圖表17　2023人工智能企業百強榜TOP10
圖表18　中國人工智能下游應用領域占比統計
圖表19　2018-2023年人工智能行業投資情況統計
圖表20　2021-2026年中國人工智能軟件及應用市場規模變化
圖表21　AI大模型推動人機交互方式的升級
圖表22　小模型VS大模型
圖表23　大模型的投入成本
圖表24　中國大模型生態
圖表25　部分大模型廠商梳理
圖表26　大模型的技術路線主要包含Bert、GPT和混合
圖表27　人工智能大模型參數量從億級到百萬億級
圖表28　InstructGPT采用不同訓練方法的效果對比圖
圖表29　從支持模態來看人工智能大模型的發展歷程
圖表30　NLP&CV發展現狀與挑戰對比
圖表31　“模型+工具平臺+生態”三級協同加速產業智能化
圖表32　AI大模型專利企業創新主體排名
圖表33　中國AI大模型高價值專利及創新競爭指數排名
圖表34　AI大模型主要創新主體技術功效矩陣
圖表35　AI大模型主要創新主體行業應用分布
圖表36　2021-2022年國家層面集成電路行業政策及重點內容解讀
圖表37　2021-2022年國家層面集成電路行業政策及重點內容解讀-續
圖表38　《中國制造2025》關于集成電路行業發展目標
圖表39　“十四五”以來集成電路行業重點規劃解讀
圖表40　2017-2022中國集成電路產業銷售額
圖表41　2022年中國集成電路市場結構
圖表42　2023年中國集成電路市場結構
圖表43　2022-2023年中國集成電路月度產量及增長情況
圖表44　2022-2023年中國集成電路累計產量及增長情況
圖表45　2021年中國芯片下游應用銷售額占比
圖表46　國家層面芯片行業相關政策
圖表47　2018-2024年中國AI芯片市場規模變化
圖表48　2020-2023年全球AI芯片數量變化
圖表49　2023 AI芯片企業排行
圖表50　AI芯片行業部分重點企業及相關對比
圖表51　2018-2023年中國AI芯片相關企業注冊量統計
圖表52　2016-2023年中國AI芯片行業投融資情況分析
圖表53　2022年中國AI芯片行業投融資情況
圖表54　2023年中國AI芯片行業投融資事件情況
圖表55　部分省市數據服務行業相關政策
圖表56　2015-2024年中國大數據服務市場規模變化
圖表57　惠州市首批數據服務商綜合評審結果
圖表58　2022大數據服務TOP20
圖表59　2015-2022年我國數據服務行業投資事件數統計
圖表60　2021年中國數據服務行業各月度投資事件數統計
圖表61　2021年中國數據服務行業各月度投資金額數統計
圖表62　截至2022年我國數據服務行業投資事件倫次分布
圖表63　2022年我國數據服務行業投資具體事件
圖表64　人工智能基礎數據服務需求變化及市場情況
圖表65　2017-2023年中國人工智能基礎數據服務市場規模變化
圖表66　人工智能基礎數據服務產業鏈
圖表67　人工智能基礎數據服務商市場份額占比及核心能力分析
圖表68　2022-2027年中國人工智能基礎數據服務下游應用占比
圖表69　AI人工智能基礎數據服務業務流程競爭壁壘
圖表70　基礎數據服務模式
圖表71　中國人工智能基礎數據服務行業競爭趨勢
圖表72　人工智能發展趨勢示意圖
圖表73　AI自動標注發展趨勢
圖表74　自動駕駛布局情況
圖表75　自動駕駛基礎數據服務不同下游客戶數據處理需求量占比示意圖
圖表76　數據合規相關法律法規及標準體系
圖表77　算法算力所在類別分布
圖表78　地區分布
圖表79　主營行業分布
圖表80　企業性質
圖表81　《2023胡潤中國數字技術算法算力百強榜》TOP20
圖表82　算法在金融商業領域的應用
圖表83　分治算法的設計過程圖
圖表84　搜索引擎過程圖
圖表85　全文搜索引擎工作原理
圖表86　搜索引擎產業鏈結構
圖表87　中國搜索引擎行業發展歷程
圖表88　搜索引擎的核心運作模式
圖表89　2017-2025年我國搜索引擎市場規模及預測情況
圖表90　2021-2023年搜索引擎用戶規模及使用率
圖表91　2022年中國搜索引擎行業各服務商市場份額
圖表92　SWOT分析
圖表93　2016-2022年中國搜索引擎行業投融資情況
圖表94　2021年中國搜索引擎行業投資數量及金額統計情況
圖表95　截至2022年中國搜索引擎行業投融資輪次分布
圖表96　2022年中國搜索引擎行業典型投融資事件
圖表97　深度學習的實現路徑-數據為模型訓練提供底層支撐
圖表98　對話機器人行業基礎數據服務分類
圖表99　對話機器人行業基礎數據服務技術需求趨勢
圖表100　中國對話機器人行業相關政策梳理
圖表101　2019-2025年中國對話機器人市場規模及增速
圖表102　2022年我國對話機器人行業市場結構（按業務模式）
圖表103　2022年我國對話機器人行業市場結構（按受益方）
圖表104　對話機器人行業商業模式
圖表105　2022年我國對話機器人下游市場分布情況
圖表106　自然語言處理技術的核心任務
圖表107　自然語言處理技術的處理流程
圖表108　全雙工語音與其他語音交互模式的對比
圖表109　基于FAQ（常見問題集的問答系統）知識庫建立圖
圖表110　基于知識圖譜的知識庫建立圖
圖表111　基于機器閱讀理解的流程圖
圖表112　人工流程與“AI+RPA技術”的操作類比圖
圖表113　產品方案的開發流程及對話機器人工廠的實現功能
圖表114　情感智能的應用模型、應用價值與應用瓶頸
圖表115　對話機器人廠商不斷豐富產品形式以搶奪業務增長點
圖表116　2017-2022年全國醫院、社區衛生服務中心（站）、鄉鎮衛生院數
圖表117　2021-2022年全國醫療衛生機構及床位數
圖表118　2017-2022年全國醫療衛生機構診療量
圖表119　2021-2022年全國醫療服務工作量
圖表120　2017-2022年全國醫療衛生機構住院量
圖表121　2022-2023年全國醫療衛生機構醫療服務量
圖表122　2023年各地區醫院和鄉鎮衛生院醫療服務量
圖表123　2022-2023年病床使用情況
圖表124　2013-2022年職工醫保參保人員結構
圖表125　2013-2022年職工醫保享受待遇人次
圖表126　2013-2022年職工醫保次均住院費用
圖表127　2013-2022年居民醫�；�金收支情況
圖表128　2013-2022年居民醫保享受待遇人次
圖表129　2013-2022年居民醫保次均住院費用
圖表130　2021年中國醫療大數據應用開展情況
圖表131　懷遠縣增強重大傳染病等突發公共衛生事件早期監測預警
圖表132　GPT大模型對醫保信息化的影響
圖表133　人機交互的學習范式
圖表134　特征學習階段的監督學習范式
圖表135　兩層神經網絡示意圖
圖表136　U-net架構示意圖
圖表137　中國元宇宙行業政策匯總一覽表
圖表138　2021-2030年全球元宇宙市場規模變化
圖表139　2021-2027年中國元宇宙市場規模變化
圖表140　2020-2024年中國元宇宙新增企業數量變化
圖表141　2023年胡潤中國元宇宙潛力企業榜
圖表142　2022年全球元宇宙相關專利申請數量占比情況
圖表143　2018-2022年中國元宇宙行業投融資情況統計圖
圖表144　中國智慧城市相關政策匯總一覽表
圖表145　2018-2024年中國智慧城市市場規模變化
圖表146　2021-2024年中國智慧城市人工智能平臺市場規模變化
圖表147　中國主要互聯網科技公司與傳統地產公司智慧城市布局情況
圖表148　2018-2024年中國智慧交通市場規模變化
圖表149　2016-2023年中國智慧城市行業投融資情況
圖表150　2023年中國智慧城市行業投融資情況
圖表151　2023年中國智慧城市行業投融資事件情況
圖表152　冰城-百度•文心大模型圖示
圖表153　GPT模型演進歷程
圖表154　GPT-4發生的新變化
圖表155　GPT-4多個核心理解能力提升
圖表156　運用GPT-4解決法語物理問題
圖表157　GPT-4多語言功能強大
圖表158　GPT-4單次處理詞數更多
圖表159　GPT-4在多類考試中表現更優
圖表160　不被允許內容和敏感內容的錯誤行為率
圖表161　大模型訓練成本及參數量
圖表162　NLP大模型訓練資源估算
圖表163　OpenAI、微軟Azure云API調用費用
圖表164　微軟office接入GPT-4
圖表165　三大視覺學習方法
圖表166　CLIP（對比性語言-圖像預訓練）
圖表167　視覺表征對比學習框架
圖表168　T2I生成技術發展歷程
圖表169　GPT-4-turbo支持更長上下文窗口
圖表170　GPT-4 Turbo價格較GPT-4更低
圖表171　GPT-3.5 Turbo新模型價格更低
圖表172　GPT-3.5 Turbo微調新模型價格更低
圖表173　英偉達主要AI芯片和AMD MI系列芯片參數情況
圖表174　英特爾和高通在AI PC芯片上的布局
圖表175　各大廠自研AI芯片和CPU產品情況
圖表176　英偉達H100和H200算力和存力對比
圖表177　海力士HBM實現帶寬提升&功耗下降
圖表178　交互類App用戶破億用時
圖表179　ChatGPT特點
圖表180　ChatGPT的局限性
圖表181　AI自然語言處理發展歷程
圖表182　RLHF人類反饋強化學習模型原理
圖表183　生成型AI應用領城
圖表184　ChatGPT的發展歷程
圖表185　ChatGPT在游戲中的應用
圖表186　ChatGPT應用探索
圖表187　ChatGPT撰寫房源信息
圖表188　各平臺從0到100萬用戶速度
圖表189　文心大模型發展歷程
圖表190　百度文心大模型全景圖
圖表191　文心•NLP大模型系列產品
圖表192　ERNIE在GLUE Benchmark上排名第五
圖表193　ERNIE 3.0多范式統一預訓練框架
圖表194　ERNIE 3.0多范式統一預訓練框架
圖表195　百度文心行業大模型
圖表196　百度文心行業大模型全景
圖表197　文心大模型產品矩陣
圖表198　中國大模型市場2022年評估結果——百度文心
圖表199　首批加入文心一言生態圈的部分伙伴
圖表200　百度智能云業務新架構
圖表201　“云智一體3.0”架構
圖表202　百度AI大底座
圖表203　2022年中國人工智能公有云服務市場份額
圖表204　中國對話式AI市場綜合競爭表現
圖表205　文心一格創作過程
圖表206　文心一格部分作品
圖表207　產業級搜索系統文心百中的搜索場景圖譜
圖表208　文心百中三步搭建搜索系統
圖表209　文心百中提供體驗版和正式版兩個版本
圖表210　文心百中搜索結果示例
圖表211　集成ChatGPT的Bing
圖表212　百度搜索引擎在國內的市場份額情況
圖表213　文心大模型提供的大模型API
圖表214　ERNIE-ViLG AI作畫大模型套餐類型
圖表215　基于Prompt“一只貓在曬太陽，卡通”生成的圖片
圖表216　PLATO的對話效果達到了世界領先水平
圖表217　PLATO的API調用服務暫不可用
圖表218　盤古模型基于ModelArts平臺進行開發設計
圖表219　盤古大模型進化路徑
圖表220　盤古系列大模型
圖表221　盤古系列模型應用場景和領域
圖表222　HunYuan-tvr在5個公開數據集上排名第一
圖表223　HunYuan-NLP1T模型在CLUE總榜、分類榜和閱讀理解榜登頂
圖表224　HunYuan大模型及解決方案
圖表225　騰訊廣告多媒體AI技術研究與應用情況
圖表226　騰訊智能創作助手功能一覽
圖表227　騰訊游戲AI路網生成模型
圖表228　騰訊混元助手項目組織架構
圖表229　HunYuan-1T參數規模處于行業領先水平
圖表230　阿里通義大模型發展歷程
圖表231　阿里巴巴通義大模型系列架構
圖表232　阿里巴巴深度語言模型Alice Mind
圖表233　阿里巴巴通義-視覺大模型
圖表234　鳥鳥分鳥基于通義大模型系列
圖表235　鳥鳥分鳥15天訓練流程
圖表236　多模態深度生成學習主要研究內容
圖表237　面向小樣本學習的視覺語言模型——Flamingo
圖表238　自然語言處理近期模型規模發展史
圖表239　2021-2022財年微軟綜合收益表
圖表240　2021-2022財年微軟分部資料
圖表241　2021-2022財年微軟收入分地區資料
圖表242　2022-2023財年微軟綜合收益表
圖表243　2022-2023財年微軟分部資料
圖表244　2022-2023財年微軟收入分地區資料
圖表245　2023-2024財年微軟綜合收益表
圖表246　2023-2024財年微軟分部資料
圖表247　2023-2024財年微軟收入分地區資料
圖表248　2020-2021年谷歌綜合收益表
圖表249　2020-2021年谷歌收入分部門資料
圖表250　2020-2021年谷歌收入分地區資料
圖表251　2021-2022年谷歌綜合收益表
圖表252　2021-2022年谷歌收入分部門資料
圖表253　2021-2022年谷歌收入分地區資料
圖表254　2022-2023年谷歌綜合收益表
圖表255　2022-2023年谷歌收入分部門資料
圖表256　2022-2023年谷歌收入分地區資料
圖表257　2020-2021年Meta Platforms綜合收益表
圖表258　2020-2021年Meta Platforms分部資料
圖表259　2020-2021年Meta Platforms收入分地區資料
圖表260　2021-2022年Meta Platforms綜合收益表
圖表261　2021-2022年Meta Platforms分部資料
圖表262　2021-2022年Meta Platforms收入分地區資料
圖表263　2022-2023年Meta Platforms綜合收益表
圖表264　2022-2023年Meta Platforms分部資料
圖表265　2022-2023年Meta Platforms收入分地區資料
圖表266　2020-2021年百度綜合收益表
圖表267　2021-2022年年百度綜合收益表
圖表268　2022-2023年年百度綜合收益表
圖表269　2022-2023年年百度綜合收益表
圖表270　2021-2022財年阿里巴巴綜合收益表
圖表271　2021-2022財年阿里巴巴分部資料
圖表272　2022-2023財年阿里巴巴綜合收益表
圖表273　2022-2023財年阿里巴巴分部資料
圖表274　2023-2024財年阿里巴巴綜合收益表
圖表275　2023-2024財年阿里巴巴分部資料
圖表276　2020-2021年騰訊綜合收益表
圖表277　2020-2021年騰訊分部資料
圖表278　2021-2022年騰訊綜合收益表
圖表279　2021-2022年騰訊分部資料
圖表280　2021-2022年騰訊收入分地區資料
圖表281　2022-2023年騰訊綜合收益表
圖表282　2022-2023年騰訊分部資料
圖表283　2020-2023年科大訊飛股份有限公司總資產及凈資產規模
圖表284　2020-2023年科大訊飛股份有限公司營業收入及增速
圖表285　2020-2023年科大訊飛股份有限公司凈利潤及增速
圖表286　2021-2022年科大訊飛股份有限公司營業收入分行業、產品、地區、銷售模式
圖表287　2022-2023年科大訊飛股份有限公司營業收入分行業、產品、地區
圖表288　2020-2023年科大訊飛股份有限公司營業利潤及營業利潤率
圖表289　2020-2023年科大訊飛股份有限公司凈資產收益率
圖表290　2020-2023年科大訊飛股份有限公司短期償債能力指標
圖表291　2020-2023年科大訊飛股份有限公司資產負債率水平
圖表292　2020-2023年科大訊飛股份有限公司運營能力指標
圖表293　2020-2021年商湯集團股份有限公司綜合收益表
圖表294　2020-2021年商湯集團股份有限公司收入分地區資料
圖表295　2021-2022年商湯集團股份有限公司綜合收益表
圖表296　2021-2022年商湯集團股份有限公司收入分地區資料
圖表297　2022-2023年商湯集團股份有限公司綜合收益表
圖表298　2022-2023年商湯集團股份有限公司收入分地區資料
圖表299　2015-2022年字節跳動歷年投資并購事件及金額統計
圖表300　2015-2022年字節跳動歷年投資輪次占比
圖表301　2022年字節跳動投資行業分布
圖表302　2015-2022年字節跳動歷年投資行業及數量統計
圖表303　2022年字節跳動投資輪次分布
圖表304　2022年字節跳動部分投資案例
圖表305　2020-2021年華為投資控股有限公司綜合收益表
圖表306　2021-2022年華為投資控股有限公司綜合收益表
圖表307　2022-2023年華為投資控股有限公司綜合收益表
圖表308　2020-2021年華為投資控股有限公司銷售收入分部資料
圖表309　2021-2022年華為投資控股有限公司銷售收入分部資料
圖表310　2020-2021年華為投資控股有限公司銷售收入分地區
圖表311　2021-2022年華為投資控股有限公司銷售收入分地區
圖表312　2020-2023年昆侖萬維科技股份有限公司總資產及凈資產規模
圖表313　2020-2023年昆侖萬維科技股份有限公司營業收入及增速
圖表314　2020-2023年昆侖萬維科技股份有限公司凈利潤及增速
圖表315　2021-2022年昆侖萬維科技股份有限公司營業收入分行業、產品、地區
圖表316　2023年昆侖萬維科技股份有限公司主營業務分產品或服務
圖表317　2020-2023年昆侖萬維科技股份有限公司營業利潤及營業利潤率
圖表318　2020-2023年昆侖萬維科技股份有限公司凈資產收益率
圖表319　2020-2023年昆侖萬維科技股份有限公司短期償債能力指標
圖表320　2020-2023年昆侖萬維科技股份有限公司資產負債率水平
圖表321　2020-2023年昆侖萬維科技股份有限公司運營能力指標
圖表322　國外主流大模型訓練規模所需算力情況
圖表323　GPU顯存增長趨勢明顯慢于大模型規模演化
圖表324　業界主流GPU集群網絡技術路線的選擇可以考量多類因素，從而為大模型訓練提效
圖表325　騰訊采用ZeRO優化策略來充分利用機器存儲，降低成本
圖表326　飛天智算平臺基于優化的技術架構，提供全鏈路智能服務
圖表327　百舸AI異構計算平臺采用軟硬協同思路，助力模型訓練加速
圖表328　盤古大模型大幅降低微調難度，提升大模型行業應用效率
圖表329　中投顧問對2024-2028年中國人工智能產業規模預測