(参考
消息、作文、专家纪要、调研分享；提高认知及信息差
)
分享市场、行业及公司动态，包括投资策略、行业数据库、专家调研、公司纪要；信息超越
99%
的投资者）微信扫码加入体验）
— 、综述
1.大模型技术趋势与融资现状概览
在中国与国际大模型发展对比中，至2024年2月， 中国已发布了超过130款不同类型的大模型，主 要来源于开源社区、企业私有研发和多元行业应用，涉及互联网科技巨头、云计算企业和Al 专业 公 司等。相比之下，尽管国际上大模型的数量较少，但如OpenAl 的 GPT 系列及Google 最新推出的ChatGPT 等少数几个模型却在全球范围内产生了更为深远的技术引领作用。
大模型技术研发历程显示，基于对历史文献与现有市场产品的剖析，可将大模型归纳为三种核心技术 路径：纯编码器路线、编码-解码器混合路线以及仅解码器路线 。其中，解码器主导的模型数量最多 且更新活跃度最高，原因在于其相对宽松的限制条件、广泛的应用领域以及较低的计算与存储需求。随着解码器技术的不断优化，该类模型在性能表现和精确度上持续攀升。
中国的大型语言模型发展历程起步稍晚于国际，初期主要通过借鉴和深度迭代国际开源模型进行开发。进入2022年后，本土创新大模型层出不穷，产业级大模型和多模态大模型也开始崭露头角 。展望未 来，语言模型、行业定制模型以及多模态模型将是推动中国市场发展的三大主力方向。
2. 全球 Al 融资格局与中美大模型竞争态势
2021年全球 Al 投资迎来热潮， 融资总额高达697亿美元，增速达到6.5%,尽管
2022年有所回落, 预计2024年和2025年将迎来新的增长高峰。从各国融资占比来看，美国占据绝对领先地位， 比例 达59%,随后是中国和英国。尽管电美之间存在一定差距，但随着中国在东南亚等地拓展合作，有望缩 小两国资源分布的不平衡状况。
虽然中国Al 领域的投资在2023年有所下滑，但预期随着整体经济环境改善
， 国内投资前景依旧乐观。值得注意的是，早期A I外项目的投资比例正在增加，揭示了这一行业尚未完全成熟，蕴含着丰富的 市 场机遇。
3.中美欧政策差异深度解读
美国在A I发展政策上倾向于资源配置和技术驱动，依赖企业家和技术人才的自发创新，并尽量减少 直接应法干预；而欧盟和其他国家则更加关注Al的人文属性、可信性和伦理道德问题，重视 Al 的 安全性及其对社会影响和潜在风险。
中国对Al 发展的政策监管力度较强，对于合规性要求较高 。近两年来， 中国推出了一 系列关于互联 网信息和Al 管理的规定，针对开源大模型在商业应用中可能引发的数据隐私问题设定了严格的限制 。在中国，复杂的申报审查流程对Al应用企业的入市速度产生了一定制约。
然而， 中国严格政策监管的正面效应在于确保了Al 发展的可控性，并能有效保护用户隐私和信息 安全。尽管这对中国Al创业者来说可能意味着更严苛的创业环境，导致部分创业者选择在马来西 亚、 新加坡等地寻求发展机会，但同时也提升了中国境内Al 服务的安全稳定水平。
4.国际 Al大模型发展与人才资源比较分析
全球 Al 人才储备方面， 美国占据了超过55%的比例，这与其在投融资领域的优势高度一致，彰显 出 美国在人工智能发展和资源整合上的显著优势。
中国Al人才主要来自学术界，包括清华大学、浙江大学和中国科学院等顶级学府输送的精英。在 Al技术转化过程中， 以清华大学科研团队及其衍生出的创业公司为主导，在自动驾驶等领域展现了强大 的影响力。
中外大模型发展的核心差异体现在政策导向上：美国强调自愿参与和非强制性规定；欧洲则重视人文 关怀、伦理规范；而中国的发展策略最为明确具体，政策执行力度直接影响到发展前景。
5.中外Al 大模型发展模式的独特性对比
全球范围内，大模型呈现少而精的特点，主要由OpenAl 、谷歌和Meta 等公司垄断式引领，代表了 当前全球大模型技术的最前沿 。相较之下， 中国的大模型发展在技术层面较为分散， 虽正努力追赶 全球先进水平，但目前仍处于学习阶段 。实际上， 中国大模型市场竞争激烈，众多大厂和从业人员 参与其 中，人才力量广泛分布。
国际大模型更侧重于C 端市场 ，例如OpenAl 的GPT4 已拥有超过10亿用户 ，增长势头迅猛 。与此 同 时， 中国大模型的发展策略偏向B端市场，重点关注如何为企业提升经济效益，提高产业生产效率 和商业效能 。因此， 国际与国内大模型面向的用户群体和产品定位存在明显差异,尽管部分中国大模 型 正尝试向C 端市场转型。
尽管面临各异的发展环境与趋势， 中国大模型在诸如B端行业大模型这类商业化程度较高的领域中仍 有潜力实现超越，甚至在未来有可能使全球范围内的用户 都接触到并使用由中国自主研发的大模型技 术。
二、 Q&A
Q: 国际如美欧以及中国在Al 大模型发展的政策方向和趋势有何不同?
A: 国际的Al政策体现 ，尤其在欧洲和北美，主要主张人工智能的准确、可靠、安全、无歧视性 。其 核心担心放在人文和可信赖和道德伦理这个层面 。然而在政策推动上，不同国家有不同的特点 。不同 于其他国家 ， 美国的A I政策有较强的滞后性 ，缺少 直观指向性的政策 ， 大多依靠企业家或技术家的主动性以及社会文化支撑 。欧洲的愿景则更看重人 工智能的风险防控以及对整个社会
发展的影响 。相 比之下 ， 中国的A I政策具有更强的指向性和规范 性 。例如近两年内推出的“ 互联网信息算法推荐管理规定”等政策，基于数据隐私保护的立场对一 些商业行为设置了阻碍 。对于使用到生成式人工智能Al 应用的企业，政策要求进行严格的申报和审核。
A: 这样的政策环境对用户隐私和信息数据的保护较好 ，可以防止用户信息被恶意利用 。对使用者 来说，我们的安全性及稳定性更有保障 。但从另一方面看，对于科技创业者而言，严格的政策环境 可能 不如美国等今年松 。故有一部分科技创业者可能选择在马来西亚、新加坡等地发展 ， 以获取较 快的市 场机会 。总的来说， 中国的政策环境可能让前期发展较为稳定，对于国家长期发展更有利。
A: 根据公认 的 全 面 性Al 人 才榜 单Al 人 才2000 , 美 国在排名 的2000位人 才 中 占超过 了55%, 这 与 美 国在投融资方面所占的份额吻合度极高 ，显示出人才和投融资的相关性 。根据这个数据，我们可 以看 出美国在人工智能的发展和资源方面处于领先地位 。然后是中国以及英国 ， 而在中国，清华大 学是人 才产出的主要核心，并且在一些领先的技术转化成果中，也牵引了许多知名的团队和项目。例如， 自动驾驶这个 Al 技术领域基本上被清华大学的创业团队所垄断。
A: 总结来看， 中外大模型发展的三大核心点分别为：国家政策的发展不同，人才资源的分布以及产 业转化的成果。每个国家的政策都各有特色 。例如，美国的政策重自愿性和非约束性，主要由一些组织和工会进行整体推进，没有特
定的指向，对整体技术性发展存在许多空白。相对于技术指导，美国 更注重人文道德和伦理的限制与发展。然而， 中国的政策在结构性指导方面是全球最强的，对整个发 展的脉络和细节都有非常精确的把控。在中国，如果能够做到与国家政策目标的吻合，那么发展前景 是相当不错的。欧美的技术和公司的竞争力相对滞后，其主要从伦理道德的角度， 出于一种"世界人 民警察"的角度去参与Al 的发展。
Q:Al 大模型在全球的发展状况如何， 中国与国外在此领域的发展有何异同?
A:Al 大模型在全球范围内的发展呈现出地域化的特点。国际在这个领域的发展主要集中在少量但 技术高度集中的公司之中， 具有明显的垄断特征， 比如 OpenAl、谷歌和Meta 等，这们代表了目前 全球大模型的顶尖技术。中国的发展环境相较复杂，技术相对分散，尽管与全球的差距正在逐渐缩短 , 但 目前更多是在学习借鉴的阶段。同时， 中国的大模型发展竞争非常激烈。人才分散在许多不同的 头部公司之间，这就形成了与国际发展状况截然不同的局面
