第一章　人工智能大模型相關介紹
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
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　2021-2023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　對外經濟分析
2.1.3　工業經濟運行
2.1.4　固定資產投資
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　建設人工智能應用場景
2.2.3　加快人工智能應用創新
2.2.4　人工智能服務管理辦法
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　應用結構分析
2.3.6　產業競爭格局
2.3.7　產業布局狀況
2.3.8　產業面臨挑戰
2.3.9　產業發展建議
第三章　2021-2023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　行業商業模型
3.1.7　行業應用場景
3.2　2021-2023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　行業合作動態
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　專利申請概況
3.4.2　專利技術分析
3.4.3　專利申請人分析
3.4.4　技術創新熱點
3.4.5　企業發明專利
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　2021-2023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　2021-2023年中國芯片市場運行情況分析
4.2.1　市場規模狀況
4.2.2　行業產量情況
4.2.3　芯片需求發展
4.2.4　應用領域結構
4.2.5　行業競爭格局
4.2.6　行業發展挑戰
4.2.7　行業發展建議
4.1　2021-2023年中國AI芯片行業運行情況發展分析
4.1.1　行業發展政策
4.1.2　行業發展現狀
4.1.3　市場規模狀況
4.1.4　芯片數量需求
4.1.5　企業注冊數量
4.1.6　企業競爭格局
4.1.7　主要企業布局
4.1.8　行業融資情況
4.1.9　行業投資主體
4.2　中國芯片行業未來發展前景及趨勢分析
4.2.1　行業突破路徑
4.2.2　行業發展機遇
4.2.3　行業發展前景
4.2.4　行業發展趨勢
第五章　2021-2023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　行業投資數量
5.2.4　行業投資輪次
5.2.5　行業投資事件
5.2.6　行業發展趨勢
5.3　2021-2023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　進入成長階段
5.3.3　產業鏈條結構
5.3.4　應用結構占比
5.3.5　行業競爭格局
5.3.6　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預測分析
5.4.1　行業競爭趨勢
5.4.2　轉型發展趨勢
5.4.3　整體發展趨勢
第六章　2021-2023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
6.1.1　算法管理規定
6.1.2　企業競爭格局
6.1.3　區域發展情況
6.1.4　行業應用現狀
6.1.5　應用風險問題
6.1.6　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　基本概述
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
6.3.1　發展成因
6.3.2　困境表現
6.3.3　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　2021-2023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　搜索引擎運作模式
7.1.2　搜索引擎發展價值
7.1.3　搜索引擎發展現狀
7.1.1　搜索引擎市場規模
7.1.2　搜索引擎用戶規模
7.1.3　搜索引擎競爭格局
7.1.4　搜索引擎布局動態
7.1.5　搜索引擎發展困境
7.1.6　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
7.2.1　對話機器人發展優勢
7.2.2　對話機器人發展政策
7.2.3　對話機器人市場規模
7.2.4　對話機器人應用占比
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　對話機器人核心技術
7.2.8　對話機器人發展策略
7.3　醫療
7.3.1　醫療質量安全分析
7.3.2　醫療保障事業狀況
7.3.3　醫療行業特色分析
7.3.4　醫療衛生機構數量
7.3.5　醫療衛生人員總數
7.3.6　醫療平臺整體框架
7.3.7　醫療數據應用情況
7.3.1　醫療服務發展方向
7.3.2　典型智能模型應用
7.4　智能遙感
7.4.1　智能遙感衛星發射
7.4.2　智能遙感主要技術
7.4.3　智能遙感應用領域
7.4.4　智能遙感項目動態
7.4.5　企業產品發展動態
7.4.6　遙感模型研發情況
7.4.1　智能遙感發展趨勢
7.5　元宇宙
7.5.1　元宇宙產業特征
7.5.2　元宇宙產業實踐
7.5.3　元宇宙產業影響
7.5.4　元宇宙發展建議
7.5.5　元宇宙系統發布
7.5.6　模型促進元宇宙
7.5.1　元宇宙發展前景
7.6　智慧城市
7.6.1　智慧城市基本概述
7.6.2　智慧城市發展優勢
7.6.3　智慧城市具體應用
7.6.4　人工智能城市排行
7.6.5　城市大模型的發布
7.6.6　智慧城市面臨困境
7.6.7　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
8.3　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模型產品——ChatGPT發展分析
8.4.1　基本概況
8.4.2　主要優勢
8.4.3　發展歷程
8.4.4　工作原理
8.4.5　發展現狀
8.4.6　應用場景
8.4.7　商業進程
8.4.8　技術路徑
8.4.9　發展瓶頸
8.4.10　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　評估情況
9.2.8　企業合作
9.2.9　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
10.6　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“1+N認知智能大模型”
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　2021-2023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　2021年企業經營狀況分析
12.1.4　2022年企業經營狀況分析
12.1.5　2023年企業經營狀況分析
12.2　谷歌（Google Inc.）
12.2.1　企業發展概況
12.2.2　模型研發動態
12.2.3　2021年企業經營狀況分析
12.2.4　2022年企業經營狀況分析
12.2.5　2023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　企業布局狀況
12.3.3　2021年企業經營狀況分析
12.3.4　2022年企業經營狀況分析
12.3.5　2023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　企業主要產品
12.4.3　GPT模型發展
12.4.4　企業發展動態
12.4.5　企業核心競爭力
第十三章　2020-2023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　企業布局分析
13.1.3　企業發展動態
13.1.4　2021年企業經營狀況分析
13.1.5　2022年企業經營狀況分析
13.1.6　2023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　產品研發進展
13.2.3　2021年企業經營狀況分析
13.2.4　2022年企業經營狀況分析
13.2.5　2023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　產品研發進展
13.3.4　2021年企業經營狀況分析
13.3.5　2022年企業經營狀況分析
13.3.6　2023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　企業研發情況
13.4.3　企業布局分析
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　經營效益分析
13.5.3　業務經營分析
13.5.4　財務狀況分析
13.5.5　核心競爭力分析
13.5.6　公司發展戰略
13.5.7　未來前景展望
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　企業合作動態
13.6.3　經營效益分析
13.6.4　業務經營分析
13.6.5　財務狀況分析
13.6.6　核心競爭力分析
13.6.7　公司發展戰略
13.6.8　未來前景展望
13.7　華為技術有限公司
13.7.1　企業發展概況
13.7.2　經營效益分析
13.7.3　業務經營分析
13.7.4　財務狀況分析
13.7.5　核心競爭力分析
13.7.6　公司發展戰略
13.7.7　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　企業布局分析
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　2021-2023年中國人工智能大模型行業投資動態
14.1.1　西湖心辰完成Pre-A輪融資
14.1.2　面壁智能完成天使輪融資
14.1.3　瀾舟科技完成Pre-A+輪融資
14.1.4　百川智能獲美元股權投資
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行業預測分析
15.3.1　2024-2028年中國人工智能大模型行業影響因素分析
15.3.2　2024-2028年中國人工智能市場規模預測

圖表　大語言模型
圖表　Transformer模型自監督層結構
圖表　Transformer模型架構
圖表　訓練大模型“預訓練+精調”模式
圖表　主要數據集大小匯總
圖表　2018-2022年國內生產總值及其增長速度
圖表　2018-2022年三次產業增加值占國內生產總值比重
圖表　2023年GDP初步核算數據
圖表　2018-2022年貨物進出口總額
圖表　2022年貨物進出口總額及其增長速度
圖表　2022年主要商品出口數量、金額及其增長速度
圖表　2022年主要商品進口數量、金額及其增長速度
圖表　2022年對主要國家和地區貨物進出口金額、增長速度及其比重
圖表　2022年外商直接投資及其增長速度
圖表　2022年對外非金融類直接投資額及其增長速度
圖表　2018-2022年全部工業增加值及其增長速度
圖表　2022年主要工業產品產量及其增長速度
圖表　2022-2023年規模以上工業增加值同比增速
圖表　2023年全國規模以上工業生產主要數據
圖表　2022年三次產業投資占固定資產投資（不含農戶）比重
圖表　2022年分行業固定資產投資（不含農戶）增長速度
圖表　2022年固定資產投資新增主要生產與運營能力
圖表　2022年房地產開發和銷售主要指標及其增長速度
圖表　2022-2023年固定資產投資（不含農戶）月度同比增速
圖表　2023年固定資產投資（不含農戶）主要數據
圖表　人工智能的發展歷程
圖表　2016-2022年中國人工智能市場規模情況
圖表　2021年中國人工智能行業細分市場占比統計
圖表　2017-2022年中國人工智能行業細分市場規模
圖表　中國人工智能下游應用領域占比統計
圖表　2021年度人工智能企業百強榜
圖表　中國主要科技公司人工智能平臺布局
圖表　2021-2026年中國人工智能軟件及應用市場規模預測
圖表　AI大模型推動人機交互方式的升級
圖表　小模型VS大模型
圖表　大模型的投入成本
圖表　中國大模型生態
圖表　部分大模型廠商梳理
圖表　大模型的技術路線主要包含Bert、GPT和混合
圖表　人工智能大模型參數量從億級到百萬億級
圖表　InstructGPT采用不同訓練方法的效果對比圖
圖表　從支持模態來看人工智能大模型的發展歷程
圖表　NLP&CV發展現狀與挑戰對比
圖表　模型+工具平臺+生態"三級協同加速產業智能化
圖表　中國人工智能大模型企業發明專利排行榜
圖表　中國人工智能大模型企業發明專利排行榜-續
圖表　2021、2022年國家層面集成電路行業政策及重點內容解讀
圖表　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　《中國制造2025》關于集成電路行業發展目標
圖表　“十四五”以來集成電路行業重點規劃解讀
圖表　2017-2023年中國芯片市場規模預測趨勢圖
圖表　2017-2023年中國芯片產量預測趨勢圖
圖表　2021年中國芯片下游應用銷售額占比統計
圖表　中國AI芯片行業相關政策匯總一覽表
圖表　2017-2023年中國AI芯片市場規模趨勢圖
圖表　2020-2023年全球AI芯片數量趨勢圖
圖表　2017-2023年中國AI芯片企業注冊量統計
圖表　中國AI芯片企業格局
圖表　中國AI芯片重點企業分析
圖表　中國科技巨頭人工智能芯片業務布局
圖表　2016-2023年中國人工智能芯片行業融資整體情況
圖表　2016-2023年中國人工智能芯片行業單筆融資情況
圖表　2020-2023年中國人工智能芯片行業投資主體分布
圖表　部分省市數據服務行業相關政策
圖表　2015-2024年中國大數據服務市場規模
圖表　2015-2022年我國數據服務行業投資事件數統計
圖表　2021年中國數據服務行業各月度投資事件數統計
圖表　2021年中國數據服務行業各月投資金額數統計
圖表　截至2022年我國數據服務行業投資事件倫次分布
圖表　2022年我國數據服務行業投資具體事件
圖表　人工智能基礎數據服務需求變化及市場情況
圖表　人工智能基礎數據服務產業鏈
圖表　2022-2027年中國人工智能基礎數據服務下游應用占比
圖表　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　基礎數據服務模式
圖表　中國人工智能基礎數據服務行業競爭趨勢
圖表　人工智能發展趨勢示意圖
圖表　AI自動標注發展趨勢
圖表　自動駕駛布局情況
圖表　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　數據合規相關法律法規及標準體系
圖表　AI人工智能基礎數據服務業務流程競爭壁壘
圖表　2023胡潤中國數字技術算法算力百強榜TOP10
圖表　算法在金融商業領域的應用
圖表　分治算法的設計過程圖
圖表　搜索引擎的核心運作模式
圖表　2017-2025年我國搜索引擎市場規模及預測情況
圖表　2015-2022年中國搜索引擎用戶規模統計
圖表　主流搜索引擎比較
圖表　深度學習的實現路徑-數據為模型訓練提供底層支撐
圖表　對話機器人行業基礎數據服務分類
圖表　對話機器人行業基礎數據服務技術需求趨勢
圖表　中國對話機器人行業相關政策梳理
圖表　2019-2025年中國對話機器人行業市場規模
圖表　2022年我國對話機器人下游市場分布情況
圖表　2022年我國對話機器人行業市場結構（按業務模式）
圖表　2022年我國對話機器人行業市場結構（按受益方）
圖表　對話機器人行業商業模式
圖表　自然語言處理技術的核心任務
圖表　自然語言處理技術的處理流程
圖表　全雙工語音與其他語音交互模式的對比
圖表　基于FAQ（常見問題集的問答系統）知識庫建立圖
圖表　基于知識圖譜的知識庫建立圖
圖表　基于機器閱讀理解的流程圖
圖表　人工流程與“AI+RPA技術”的操作類比圖
圖表　產品方案的開發流程及對話機器人工廠的實現功能
圖表　情感智能的應用模型、應用價值與應用瓶頸
圖表　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　2012-2021年職工醫保參保人員結構
圖表　2012-2021年職工醫保享受待遇人次
圖表　2012-2021年職工醫保次均住院費用和住院率
圖表　2012-2021年居民醫�；�金收支情況
圖表　2012-2021年居民醫保享受待遇人次
圖表　2012-2021年居民醫保次均住院費用和住院率
圖表　2016-2021年全國醫院、社區衛生服務中心（站）、鄉鎮衛生院數
圖表　2020-2021年全國醫療衛生機構及床位數
圖表　2018-2022年年末衛生技術人員人數
圖表　2021年中國醫療大數據應用開展情況
圖表　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　GPT大模型對醫保信息化的影響
圖表　兩層神經網絡示意圖
圖表　U-net架構示意圖
圖表　代表性元宇宙建設企業
圖表　中國2022年元宇宙投資狀況（按類別）
圖表　近五年人工智能TOP10城市排名變化
圖表　冰城-百度•文心大模型圖示
圖表　GPT模型演進歷程
圖表　GPT-4發生的新變化
圖表　GPT-4多個核心理解能力提升
圖表　運用GPT-4解決法語物理問題
圖表　GPT-4多語言功能強大
圖表　GPT-4單次處理詞數更多
圖表　GPT-4在多類考試中表現更優
圖表　不被允許內容和敏感內容的錯誤行為率
圖表　大模型訓練成本及參數量
圖表　NLP大模型訓練資源估算
圖表　OpenAI、微軟Azure云API調用費用
圖表　微軟office接入GPT-4
圖表　交互類App用戶破億用時
圖表　ChatGPT特點
圖表　ChatGPT的局限性
圖表　AI自然語言處理發展歷程
圖表　RLHF人類反饋強化學習模型原理
圖表　生成型AI應用領城
圖表　ChatGPT的發展歷程
圖表　GLM-130B與GPT-3、OPT-1 75B對比
圖表　谷歌公司的產業布局
圖表　ChatGPT在游戲中的應用
圖表　ChatGPT應用探索
圖表　ChatGPT撰寫房源信息
圖表　各平臺從0到100萬用戶速度
圖表　文心大模型發展歷程
圖表　百度文心大模型全景圖
圖表　文心•NLP大模型系列產品
圖表　ERNIE在GLUE Benchmark上排名第五
圖表　ERNIE 3.0多范式統一預訓練框架
圖表　ERNIE 3.0多范式統一預訓練框架
圖表　百度文心行業大模型
圖表　百度文心行業大模型全景
圖表　文心大模型產品矩陣
圖表　中國大模型市場2022年評估結果—百度文心
圖表　首批加入文心一言生態圈的部分伙伴
圖表　百度智能云業務新架構
圖表　“云智一體3.0”架構
圖表　百度AI大底座
圖表　2022年中國人工智能公有云服務市場份額
圖表　中國對話式AI市場綜合競爭表現
圖表　文心一格創作過程
圖表　文心一格部分作品
圖表　產業級搜索系統文心百中的搜索場景圖譜
圖表　文心百中三步搭建搜索系統
圖表　文心百中提供體驗版和正式版兩個版本
圖表　文心百中搜索結果示例
圖表　集成ChatGPT的Bing
圖表　百度搜索引擎在國內的市場份額情況
圖表　文心大模型提供的大模型API
圖表　ERNIE-ViLG AI作畫大模型套餐類型
圖表　基于Prompt“一只貓在曬太陽，卡通”生成的圖片
圖表　PLATO的對話效果達到了世界領先水平
圖表　PLATO的API調用服務暫不可用
圖表　盤古模型基于ModelArts平臺進行開發設計
圖表　盤古大模型進化路徑
圖表　盤古系列大模型
圖表　盤古系列模型應用場景和領域
圖表　HunYuan-tvr在5個公開數據集上排名第一
圖表　HunYuan-NLP1T模型在CLUE總榜、分類榜和閱讀理解榜登頂
圖表　HunYuan大模型及解決方案
圖表　騰訊廣告多媒體AI技術研究與應用情況
圖表　騰訊智能創作助手功能一覽
圖表　騰訊游戲AI路網生成模型
圖表　騰訊混元助手項目組織架構
圖表　HunYuan-1T參數規模處于行業領先水平
圖表　阿里通義大模型發展歷程
圖表　阿里巴巴通義大模型系列架構
圖表　阿里巴巴深度語言模型Alice Mind
圖表　阿里巴巴通義-視覺大模型
圖表　鳥鳥分鳥基于通義大模型系列
圖表　鳥鳥分鳥15天訓練流程
圖表　多模態深度生成學習主要研究內容
圖表　面向小樣本學習的視覺語言模型——Flamingo
圖表　自然語言處理近期模型規模發展史
圖表　2020-2021年微軟綜合收益表
圖表　2020-2021年微軟分部資料
圖表　2020-2021年微軟收入分地區資料
圖表　2021-2022年微軟綜合收益表
圖表　2021-2022年微軟分部資料
圖表　2021-2022年微軟收入分地區資料
圖表　2022-2023年微軟綜合收益表
圖表　2022-2023年微軟分部資料
圖表　2022-2023年微軟收入分地區資料
圖表　2020-2021年谷歌綜合收益表
圖表　2020-2021年谷歌分部資料
圖表　2020-2021年谷歌收入分地區資料
圖表　2021-2022年谷歌綜合收益表
圖表　2021-2022年谷歌分部資料
圖表　2021-2022年谷歌收入分地區資料
圖表　2022-2023年谷歌綜合收益表
圖表　2022-2023年谷歌分部資料
圖表　2022-2023年谷歌收入分地區資料
圖表　2020-2021年Meta綜合收益表
圖表　2020-2021年Meta分部資料
圖表　2020-2021年Meta收入分地區資料
圖表　2021-2022年Meta綜合收益表
圖表　2021-2022年Meta分部資料
圖表　2021-2022年Meta收入分地區資料
圖表　2022-2023年Meta綜合收益表
圖表　2022-2023年Meta分部資料
圖表　2022-2023年Meta收入分地區資料
圖表　GPT模型對基礎模型架構的更改較小
圖表　GPT在Transformer基礎上進行了簡化
圖表　2020-2021年百度綜合收益表
圖表　2020-2021年百度分部資料
圖表　2020-2021年百度收入分地區資料
圖表　2021-2022年百度綜合收益表
圖表　2021-2022年百度分部資料
圖表　2021-2022年百度收入分地區資料
圖表　2022-2023年百度綜合收益表
圖表　2022-2023年百度分部資料
圖表　2022-2023年百度收入分地區資料
圖表　2020-2021年阿里巴巴綜合收益表
圖表　2020-2021年阿里巴巴分部資料
圖表　2020-2021年阿里巴巴收入分地區資料
圖表　2021-2022年阿里巴巴綜合收益表
圖表　2021-2022年阿里巴巴分部資料
圖表　2021-2022年阿里巴巴收入分地區資料
圖表　2022-2023年阿里巴巴綜合收益表
圖表　2022-2023年阿里巴巴分部資料
圖表　2022-2023年阿里巴巴收入分地區資料
圖表　2020-2021年騰訊綜合收益表
圖表　2020-2021年騰訊分部資料
圖表　2020-2021年騰訊收入分地區資料
圖表　2021-2022年騰訊綜合收益表
圖表　2021-2022年騰訊分部資料
圖表　2021-2022年騰訊收入分地區資料
圖表　2022-2023年騰訊綜合收益表
圖表　2022-2023年騰訊分部資料
圖表　2022-2023年騰訊收入分地區資料
圖表　2020-2023年科大訊飛總資產及凈資產規模
圖表　2020-2023年科大訊飛營業收入及增速
圖表　2020-2023年科大訊飛凈利潤及增速
圖表　2022年科大訊飛主營業務分行業
圖表　2022年科大訊飛主營業務分地區
圖表　2020-2023年科大訊飛營業利潤及營業利潤率
圖表　2020-2023年科大訊飛凈資產收益率
圖表　2020-2023年科大訊飛短期償債能力指標
圖表　2020-2023年科大訊飛資產負債率水平
圖表　2020-2023年科大訊飛運營能力指標
圖表　2020-2023年商湯科技總資產及凈資產規模
圖表　2020-2023年商湯科技營業收入及增速
圖表　2020-2023年商湯科技凈利潤及增速
圖表　2022年商湯科技主營業務分行業
圖表　2022年商湯科技主營業務分地區
圖表　2020-2023年商湯科技營業利潤及營業利潤率
圖表　2020-2023年商湯科技凈資產收益率
圖表　2020-2023年商湯科技短期償債能力指標
圖表　2020-2023年商湯科技資產負債率水平
圖表　2020-2023年商湯科技運營能力指標
圖表　2020-2023年字節跳動總資產及凈資產規模
圖表　2020-2023年字節跳動營業收入及增速
圖表　2020-2023年字節跳動凈利潤及增速
圖表　2022年字節跳動主營業務分行業
圖表　2022年字節跳動主營業務分地區
圖表　2020-2023年字節跳動營業利潤及營業利潤率
圖表　2020-2023年字節跳動凈資產收益率
圖表　2020-2023年字節跳動短期償債能力指標
圖表　2020-2023年字節跳動資產負債率水平
圖表　2020-2023年字節跳動運營能力指標
圖表　2020-2023年華為總資產及凈資產規模
圖表　2020-2023年華為營業收入及增速
圖表　2020-2023年華為凈利潤及增速
圖表　2022年華為主營業務分行業
圖表　2022年華為主營業務分地區
圖表　2020-2023年華為營業利潤及營業利潤率
圖表　2020-2023年華為凈資產收益率
圖表　2020-2023年華為短期償債能力指標
圖表　2020-2023年華為資產負債率水平
圖表　2020-2023年華為運營能力指標
圖表　2020-2023年昆侖萬維總資產及凈資產規模
圖表　2020-2023年昆侖萬維營業收入及增速
圖表　2020-2023年昆侖萬維凈利潤及增速
圖表　2022年昆侖萬維主營業務分行業
圖表　2022年昆侖萬維主營業務分地區
圖表　2020-2023年昆侖萬維營業利潤及營業利潤率
圖表　2020-2023年昆侖萬維凈資產收益率
圖表　2020-2023年昆侖萬維短期償債能力指標
圖表　2020-2023年昆侖萬維資產負債率水平
圖表　2020-2023年昆侖萬維運營能力指標
圖表　國外主流大模型訓練規模所需算力情況
圖表　GPU顯存增長趨勢明顯慢于大模型規模演化
圖表　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　騰訊采用ZeRO優化策略來充分利用機器存儲，降低成本
圖表　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　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　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　中投顧問對2024-2028年人工智能市場規模預測