2024AIGC应用层十大趋势CONTENTS序言01一、AIGC技术进步推动产业变革03二、2024年A1GC应用层十大预测05趋势一：应用层创新成为2024A1GC产业发展的确定方向05趋势二：大模型从“赶时髦”到“真有用”，成为提效手段08趋势三：专属、自建模型将在中大型企业涌现12趋势四：多模态大模型塑造“多边形战士”应用1620趋势六：AIGC加速超级入口的形成24趋势七：业务流程迈向“无感智能”27趋势八：应用从云原生走向AI原生30趋势九：AIGC逐步普惠化34趋势十：智能涌现是把双刃剑，需要与之匹配的安全措施37三、IDC建议413.1对终端用户413.2对生态开发企业42四、关于钉钉434.1钉钉产品的价值主张、创新性434.2产品解决方案43邬贺铨中国工程院院士我国正在经历经济发展的重要时刻，以生成式人工智能等为代表的智能经济活动逆势增长，成为我国推动经济持续增长、构筑科技创新和产业升级之基，也成为支撑经济体系现代化的新引擎。工业和信息化部的统计数据显示，1一10月份，我国软件和信息服务业务收入98191亿元，同比增长13.7%。整个行业的增长率要远高于同期GDP的增长率。大模型、A1GC是当前全球数字经济发展的热点和趋势，也是人工智能重要的核心技术。各类科技大公司、创新型公司展开投入竞赛。然而人们往往低估新技术的长期影响力，面对IGC技术，我们既要抓住机遇立即行动，也要为人工智能的长跑做长期打算，从长布局。AIGC的应用落地对于推动我国人工智能产业快速、持续、健康发展具有非常重要的作用。融入企业运营、紧贴应用场景，解决应用落地的最后一公里，才能真正发挥大模型、AIGC等新技术、新产品的作用，实现整个AI产业链和生态的繁荣。大模型、AlGC的应用落地也将创新产业生态模式，MaaS、PaaS将成为智能经济时代的重要业态。目前已有的基础大模型很难直接应用于各行业领域，企业需要结合自身的行业特点和专业知识，研发出可嵌入MaaS和PaaS的适合企业自身的行业大模型、专属大模型或场景大模型。既能避免开发大模型所需要的大量投入和人才，又能充分利用大模型的通用能力，以实现自己个性化的需求。当前，以钉钉为代表的国内A1应用厂商已经在AIGC的应用落地方面做出了有益的尝试，在企业内部推动人机协同、智能决策等先进工作模式的实施，为广大中小企业提供易于使用、功能强大的A!PaS工具和服务，有望进一步增强我国实体企业、软件行业生态在智能经济的繁荣和发展的作用。2024年将是A1的产业年，我们将看到越来越多的创新应用场景和产品形态不断涌现。中国是网络大国，也将是AI应用大国。然而，我们也应清醒地认识到AIGC的发展并非一帆风顺。数据隐私、安全问题、伦理挑战以及法规适应性等问题都需要被予以充分的关注和妥善的解决。这需要政府部门、科研机构、产业界以及各行各业的用户共同参与到AIGC的健康发展进程中来。我们要秉持开放创新的精神，加强跨领域、跨行业的合作，共同构建一个包容、公平、可持续的生态环境。展望未来，AIGC技术必将成为推动我国科技产业变革、提升企业效能、促进实体经济高质量发展的重要引擎。中国有望在人工智能领域实现跨越式发展。《2024A1GC应用层十大趋势》白皮书是对当下最热门的AI研究方向一个很好的呼应，从Al Agent、专属模型、超级入口、多模态大模型、AI原生等维度定义了未来AIGC应用的走向，期望这份白皮书能给读者以启示。01武连峰DC中国副总裁兼首席分析师企业数字化转型进入深海区，加速向广度和深度进发。企业正在将数字化转型扩展至所有业务流程和运营中，这涉及到更深入的数据分析、流程自动化、广泛的协作、智能决策支持等的开发和应用，更加注重于通过技术创新来实现业务模式的重塑和新的价值创造。技术大变革驱动智能数字业务时代来临。当前的技术变革，特别是人工智能、机器学习、云计算和大数据等领域的快速发展，已经开启一个全新的智能数字业务时代，即充分发挥数据作为生产要素的价值，实现业务流程创新、客户体验创新、产品服务创新、商业模式创新和社会责任的创新，使得企业能够以更高的灵活性和效率来应对市场变化，进而实现高质量可持续发展。生成式正在“听、说、读、写、看、画、思、动”等诸多方面延伸人的能力，行业用户已经开始加速部署。生成式正在沿着“智能实习生、个人数字助理、咨询顾问专家、优秀数字员工”方向演进，以钉钉代表的技术厂商推出Al Agenti类应用是当前生成式Al落地的一条主流路径，成为多行业用户优先尝试的落地方式。生成式正在重塑所有的行业和企业，其应用范围从跨行业应用场景如知识管理、市场营销、客户服务、代码生成、艺术设计等逐渐向行业专属的应用场景过渡，如金融行业的投资策略优化、政府行业的政策模拟与预测、制造行业的产品研发与设计、零售行业的虚拟试衣与产品展示、医疗行业的诊断辅助与医疗建议生成等。DC调研显示，35%的中国企业正在做大模型的初步测试和概念验证，24%的中国企业已经在生成式A1方面投入了大量资金'。为了在智能数字业务时代保持竞争力，企业必须开启一次重构之旅。从业务和组织层面，涉及到重新考虑和设计企业的产品服务、业务流程、管理结构及企业文化。从技术层面，需要考虑重构基础设施、业务应用、交互模式、数据价值、生态伙伴。总之，这次重构不仅意味着引入新技术，还包括建立一种以数据和数字工具为核心的运营理念，以及培养一种创新和适应性强的企业文化，以帮助企业更好地利用智能技术，创新产品和服务，最终实现在智能数字业务时代的成功。《2024A1GC应用层十大趋势》从产业方向、应用形态、市场影响的维度给出了生成式A1应用层的十大趋势，让我们认识到2024年是生成式A1的真正落地年，生成式A正在工具化，大模型也将向多模态、通用化和行业专属化发展。A!Aget作为大模型落地业务场景的主流形式，也将与业务流程无缝融合，有效提升企业生产力。A1原生应用的大幕也已开启，生成式AI将变得更加普惠。此白皮书适合企业业务与技术管理者阅读，对普通业务与数字化技术人员也颜具参考价值。数据来源：Future Enter prise Resiliency&Spending Survey Wave10,IDC,ow202302AIGC技术进步推动产业变革综述2023年，A1GC所代表的通用人工智能(AG)技术引发全球范围内的持续激荡。AIGC在短时间里经历了三波进步浪潮：第一波是以GPT为代表的大模型涌现，形成了生成式人工智能(GenAl)发展的重要基础。第二波是应用层的快速创新，以生产力场景为最佳承载，使智能化从Chat向Wok转化。第三波则是深度业务场景的应用，打通业务数字化全流程，服务实体经济。预训练大模型的出现为当前A领域的突破提供了新的通用化解决方案，让人们真正看到了A技术大规模普惠落地的可能。大模型与广泛的业务场景有望实现深度集成，推动产业模式产生巨大变革。以大模型为基础的通用人工智能将作为一个元能力引擎，深度影响从劳动力市场到知识发展、内容创作、协同交互等商业、工作、生活的方方面面，让每个人都能够触达到“AI无处不在”的未来智能时代。在技术方面，大模型带来了认知智能技术跨越式发展“。在应用方面，大模型可以为人类提供更加精准和高效的服务。在商业化方面，大模型将会带来软件入口级的颠覆，并显著促进上层生态的发展。DC认为，大模型作为政府和企业推进人工智能产业发展的重要抓手，已经具备较高的识别准确率和较强的场景迁移性，未来将会进入大模型应用跑马圈地的阶段。大模型将带动新的产业和服务应用范式，在类ChatGPT等应用的推动下，基于上层应用开发和SaaS服务的商业模式将会逐渐阴晰，迎来人工智能的新业2:AGC全称为人工智能生成内容(Al-Generated Content),ChatGPT.与AGC均为大模型的应用场量之一。AGC可以分为生成文本、生成图像、生成视频等应用场景，本白皮书的关注重点在于风GC应用。IDC定义的A1应用均是基于机器学习算法。3:生成式A(Generative A0是计算机科学的一个分支，沙及无监督和半监督慎法，使计算机能够使用之前创建的内溶（如03IDC预测，2023年全球在日渐显著的预见性趋势下，企业T支出向人工智能的倾斜和转移将是快速企业将在生成式人工智而巨量的，这几乎即将影响到未来的每一个行业和应用。IDC预计，到能(GenAl)解决方案2025年，全球2000强(G2000)企业将把40%以上的核心1T支出用于人上投资160亿美元，到工智能相关计划，从而使产品和流程创新的速度达到两位数的增长。2027年，这一支出预计从繁荣经济和商业的共识性目标出发，人工智能未来实现大规模落地的发将超过1400亿美元，年力点必然聚焦在应用层创新。AIGC作为一条为用户、企业、社会带来切实复合增长率超过70%，价值的AI规模化落地路径，将在与企业个人业务的深度融合过程中撒起一大约是整个人工智能T场应用的“A革命”，并带来从应用产品形态、开发模式到价值理念的一系支出的3倍，几乎是全列全新变化。球同期T支出年复合增长率的13倍5。图1大模型价值实现路线图实践案例业务影响核心技术关键举措>行行业应用实文本代码生成频图像回代码生成和测试☑企业技术再培训生产力实思个性化的员工入职和培训企业内基础设施和平台信任与监督来源：IDC,20235:1DC《全球人工智能系统支出指南》N2,2023年)：预计2023年全球企业将在人工智能解决方案上授资1560亿元。到2027年，这一支出将以269%的复合04趋势一应用层创新成为2024AIGC产业发展的确定方向产业方向05围绕AIGC的应用层创新将成就一大批未来创新型企业。大模型所具备的强大通用智能，正在显现巨大的行业变革力，使AIGC在不同的应用领域体现出“力量倍增”效应。AIGC必然会通过应用创新过程融入到企业业务中，并构建出大量的新场景，A1GC也会借助应用价值链的延伸，改变行业运行业态，对商业模式和利益格局产生深远影响。IDC就AIGC应用对诸多行业用户展开调研，所有受访企业均表示，或多或少都开始了对AIGC相关应用的投入与尝试。图2企业现阶段对于AIGC的投入情况■尚未有相关投入，在未来两年内也没有此类投入计划23.09%■正在做相关投入的路线规划，已有实行时间表34.09%■我们的相关投入尚处于实施和落地的早期■我门的相关投入已见成效，具体能力正在稳步发展■我们的相关投入和能力发展在行业中接近或者处于领先位置43.09%来源：1DC,2023应用创新是AIGC技术落地、链接用户价值的关键路径从历史上看，一项新技术能否获得成功的规模化实践，很大程度上取决于其在解决实际行业问题时的价值潜力，以及在改变行业发展态势的过程中能否构建出商业价值上的闭环。事实上，AIGC技术已经在政务、金融、企业办公、文化创意、生产管理等多个领域中挖掘出强需求场景。在持续强化大模型通用智能能力的基础上，AIGC也产生了与更多实际场景深度融合的预期。对于一大批A1技术实践的创新型企业来说，找准落地场景是发挥AIGC实践价值的重要前提。大模型既可以通过日渐活跃的应用创新体系显现出巨大的业务价值，同时也能够显著提升应用软件自身的开发和部署效率，提升已部署应用的准确度。在可预见的一段时期内，随着大模型基础服务的日渐普及，行业用户将加速构建和部署定制化的A1应用，实现A1GC技术的多点开花。在即将到来的强人工智能时代，智能化应用将出现爆发式增长的态势。无处不在的应用开发有助于企业以业务场景为切入点快速满足智能创新需求。IDC预测，到2024年，数字经济的发展将在全球范围内孕育出超过5亿个新应用，相当于过去40年间出现的应用数量的总和。6:1DC于2023年11月就GC应用，向制造、医疗、互联网、金融、零售5个行业的共100家年入超过5亿的大型企业展开调研，后文所提及调研成果，如无特别说明，均出白此项调研。06B端应用场景逐渐清晰，办公和生产力成为落地先驱随着通用智能化能力的实践推广，AIGC会优先在B端用户中实现场景的落地，企业首先考虑的将会是与生产力和办公相关的场景。这其中的原因包括：商业因素：B端客户面向A新技术的付费意愿、流程成熟度、价值收益、市场就绪度等都更为理想。考虑到当前大模型的投入成本以及预期收费标准，IDC认为，A1GC能够为B端企业客户带来直观的降本增效成果，并有望以此为基础获得更多超预期的价值收益。但需要注意的是，由于行业发展基础不一，不同行业领域及不同业务场景间的预期差异可能较大，“找到技术与场景结合点”既是目标也是难点。与此相对应，面向C端用户推出的AIGC应用往往结合着对创新商业模式的探索以及对市场教育的投入，这会延长其构建商业闭环的时间周期。技术因素：A1GC擅长管理广泛的数据资产和知识沉淀，因此在一些先发场景中具备确定性的优势。IDC一项针对全球企业的GenAli调研结果显示，知识管理场景是AIGC现在最受组织青睐的应用场景，在搜索、地图、数字人、智能对话、推荐以及业务流程优化等场景中也表现出巨大的潜力。这些场景的成功落地不仅提高了川技术的影响力和受认可度，也促进了相关行业的发展。图3最有希望被企业采用的AIGC应用场景0%10%20%30%409%509%60%709%90%100%全球420%41.%390%60%中国430%430%39.0%520%28.0%美国45.7637.7%496■代码生成应用场景■会话的应用场景■知识管理应用场景■设计应用场景■没有，我认为这在我的公司不适用来源：IDC,2023产业因素：AIGC的泛化能力为企业提供了更多的生产优化与创新路径选择。因此，新一波AI浪潮的红利，有望最先出现在与企业运行密切相关的显性业务中，以设计、开发、生产、运营和办公为代表的场景化应用最为典型。IDC预测，到2025年，35%的企业将掌握使用GenA1来开发数字产品和服务的方法，从而实现比竞争对手高出一倍的收入增长。07趋势二大模型从“赶时髦”到“真有用”成为提效手段产业方向08ChatGPT和AIGC在2023年开年引爆了A1圈，成为全社会追捧的热门话题。AIGC“天马行空”般的泛化能力起初被迅速娱乐化，在聊天、图文创作、艺术表达等领域被竞相试用和品评。随着大模型的快速迭代成熟，许多行业开始期望大模型能够解决现实业务问题，带来可持续的用户价值。DC调研结果显示，当前企业就IGC项目择选供应商合作时，最看重的是项目能否在短期内为企业带来价值。在这样的目标指引下，越来越多的未来场景被描绘出来，大模型应用厂商们也在积极开拓行业用户，试图快速打造优质客户的行业领先实践。图4企业选择AIGC项目时的重点考虑因素更快地为企业带来价值47.0%生成内容和结果的准确性42.0%所在领城的经验积累40.09%帮助带来可衡量的商业价值38.09%供应商如何使用我门的数据25.0%更易合作（例如合同、付款协议等）8.0%来源：IDC,2023AIGC正在工具化，掌握优秀工具的员工将事半功倍2024年，企业面对大模型可能带来的全新发展空间，将从“追赶新兴技术潮流”转变为对实践成果的深度关注，通过与业务、财务成果相一致的关键绩效指标(KP)来衡量投资所带来的价值收益。AIGC的强大能力在产业需求引领下正在被快速地工具化，在客户服务、销售市场、知识管理以及辅助决策方面为企业带来效率的跨越式提升。A1GC对于行业竞争格局的重塑效应不容小觑。从个人视角看，掌握优秀工具的员工将事半功倍，普遍的文本创作、搜索、日常办公以及应用开发等场景会在AIGC的影响下发生巨大变化，对不同环节工作效率的固有认知与评价标准也会有较为明显的改变。IDC的调研显示，企业当前最希望通过AIGC来实现的商业利益包括：改善客户体验/服务、提高开发人员生产力、实现差异化竞争优势以及创新商业模式等。IDC预测，到2026年，GenA1将承担42%09的传统营销琐事，如搜索引擎优化、内容和网站优化、客户数据分析与细分、潜在客户评分和超个性化。图5企业最希望通过AIGC应用实现的商业利益改善客户体验/服务63.0%提高开发人员生产力53.0%实现差异化竞争优势49.09%创新商业模式45.0%提高创收能力和订单速度43.0%改进绩效决策31.0%提高员工生产力16.0%来源：IDC,2023借助PaaS手段提升大模型落地应用的准确性和稳定性A1GC的生成式技术特性，使其目前的应用过程仍存在一定的不确定性一训练成本高，业务关联度低，输出内容时常不够稳定等，都成为企业在部署AIGC时的掣肘因素。DC调研也表明，企业高层普遍担心A1GC带来的运营成本不可预测、隐私/合规风险以及客户预期管理等有关的不可控局面。此外，相关的技术栈、工具软件、数据集、技能方面的缺失都可能限制企业对AIGC的投入热情。因此，大模型的安全可解释以及产品工具的易用性都非常重要，是坚定企业信心、加快企业场景落地的关键问题。图6企业最担心与AIGC应用相关的商业风险T运营成本（云和内部部署）不可预测的增长82.09%潜在的监管/合规风险（如隐私、行业特定法规65.0%管理客户的期望/疑惑（如偏见、幻觉等）45.0%对企业可持续发展承诺的影响43.09%公司数据被溢用或失去控制40.09%管理员工/合作伙伴的期望/疑虑22.0%组织关键技能不足4.0%来源：IDC,2023想要达成行业应用的准确性、安全性目标，一方面要确保基础大模型的成熟稳定，另一方面也可以通过PaaS层对大模型的应用过程进行约束与管控。PaaS层“上通下达”至关重要：应用程序通过PaaS层接口调用基础大模型能力，灵活调整大模型的阈值；PaS对上触达丰富场景，对下约束对应模型的输入和输出，最终帮助应用程序管控输出结果。PaS层实现大模型能力的标准化封装：平台工具的易用性和经济性对于平台能力的大规模推广十分关键。技术厂商通过PaaS层对大模型能力进行产品化的封装，打造出简单易用的平台工具，并进一步集成数据处理、预处理、特征工程等功能，加速AIGC的普及和推广。AAl PaaS)层保障生态开发质量：大模型的生态开发质量会对Al的行业应用前景产生长期影响。稳定安全的生态开发活动既可以将大模型推向行业纵深，也可以沉淀更多的业务数据和场景，以此来反哺AI能力的迭代过程。例如，钉钉推出了面向生态伙伴和企业的智能化底座Al PaaS,下接大模型能力，上接千行百业的用户真实需求，将智能化的门槛进一步降低，让大模型的能力进入工作场景，并稳定输出。基于A1PaaS,企业可以快速、低门槛地搭建起专属的智能化应用。11趋势三专属、自建模型将在中大型企业涌现产业方向12大模型的未来发展将趋向于通用化与专用化并行。通用预训练大模型在面对很多领域长期存在的痛点问题时，难以承担起更多专业化任务。企业对于大模型的要求不仅仅是实现“通识”，更需要其成为特定领域的“最强大脑”。因此，企业客户会产生越来越多的专属、自建模型需求，特别是一些中大型企业，通过对大模型的领域化适配，有望获得更加理想的综合收益。IDC的调研显示：目前有60%的企业使用大模型的公开版本，但这一比例在两年后会迅速降至17%,更多企业会将A1应用建立在私有、专属模型基础上；同时，高达88%的企业选择通过内部团队开发相关应用。由此可见，行业专属大模型已经成为企业未来的热点目标，企业也要持续建设自己的人才队伍，修炼AIGC应用的“内功”。图7企业测试/应用的AIGC模型类型图8企业测试/应用AIGC模型的工作团队现阶段Vs未来两年现阶段vs未来两年7.0%12.09%37.0%54.0%■建立在公共数据上的生成■内部团队70.09%17.09%现阶段未来两年现阶段未来两年来源：IDC,2023为基础大模型注入特定参数，提升AGC类应用在业务场景中的可用性。通用大模型依靠持续进化的感知、记忆、理解、分析与生成能力，解决普适性和无严格精确度要求的行业问题，专属大模型则通过行业知识的积累和有监督精调，向“专才”发展，为特定场景提供更精确、更具业务价值的服务。通用化与专用化并行，可以有效平衡大模型训练投入的成本和边际效益。基础大模型突破通用能力的瓶颈，体现模型训练过程的集约化优势：基础大模型通过学习海量无标注数据并完成自监督学习的预训练，使大模型具备很强的泛化能力，减少下游任务的投入时间与成本。基础大模型训练可以被认为是一种集约化路径的体现，其显著减少了人力/资金占比较高的数据标注投入以及在训练阶段的算力资源投入。13