AIGC 开源社区的建设能够吸纳更多的开发者，并且能够拥有定义用户的主导权。以 AI 开源创新平台作为杠杆，能够带动并支撑底层 AI 芯片、智算中心以及云服务等基础设施的发展。从供给侧的逻辑来分析，大模型开源在早期是由高校和机构推动的，随后陆续有头部云厂商加入进来，此时开源社区的建设成果已经初步显现。从商业化路径方面来看，参考海外明星的开源社区情况，中国的 AI 开源社区也会首先免费提供基础算力、社区体验以及 demo 的部署和测试。接着，通过提供付费服务，来提升模型产品的性能。并且，以此吸引开发者和企业客户，完成更多部署应用的引流变现工作。
大模型落地将带来新一轮“AI产业化”扩散
大模型犹如一个能力全面且极为突出的“完全体”，它通用性较强，标准化和流程化的程度也更高。借助大模型来进行应用开发，能够迅速为应用赋予力量，对 AI 的工业化生产以及 AI 服务的落地能起到有效促进作用，还能拓展 AI 的应用范围。
未来，大模型会成为 AI 产业的操作系统。它的基础设施特性能够为 AI 应用开发打好基础，让 AI 模型变得可以维护、可以扩展、可以迭代，从而极大地降低了 AI 应用的开发门槛。客户可以通过成本更低、效率更高的 MaaS（模型即服务）来获得 AI 能力，进而完成 AIGC 应用的个性化开发、优化以及部署，将 AI 能力渗透到各行各业的场景业务中。
艾瑞咨询觉得，大模型的中间层与工具层的构成可以分为 AI 代理（Agent 角色）以及 AI 微调（大模型服务）这两类。AI Agent 是在大模型、AIGC 之后越发火爆的中间层产品，它可以被看作是能够感知环境以及需求，并且进行决策和执行的智能体。大模型服务平台为企业提供多方面服务，包括模型训练、推理、评测、精调等。同时，它会依据供给侧的能力和需求侧的要求，进行 B 端私有化部署（这是创业公司的切入点），或者进行平台资源调用（这是云厂商的切入点）。
AI Agent 具有更广阔的角色价值，同时也拥有更广阔的发展空间。其中，沉淀垂类数据以及形成业务理解是最为关键的。
大模型的语料资源包含大量人类行为数据，这填补了 AI Agent 可行性与合理性的关键要素。大模型具有优秀的上下文学习能力和复杂推理能力，在接受目标及设定后，能自发地将其拆解为简单细化的子任务，无需人类干预就能完成剩下的全部工作。目前 AI Agent 成为了继大模型之后的一个新的热点。它具有更广阔的想象空间，也更加贴近实际应用。
03
价值传递的实际落位：应用层
AIGC产业化价值与影响
AIGC 的产业价值主要体现在两个方面，一是以大模型为核心的“变革内容生产方式”，二是“变革人机交互方式”。未来，全行业会借助大模型能力衍生出的众多 AI 生产工具，从而实现内容生产效率的大幅提升，并且能进一步降低数字生态中人机交互的门槛。
生产力变革带动海量下游应用优化
在生活领域，AIGC 会把内容创作权进一步下放，从而激发 UGC 的创作热情，并且加速内容的裂变。在生产领域，大模型能够在研发流程、产品能力以及交互等方面，全方位地给企服软件带来提升。
AIGC 时代，数据中心会配置更多的 AI 服务器，以满足不断剧增的算力需求。云厂商还提出了 MaaS（模型即服务）这种商业模式，把云计算、智能算力、模型能力等资源进行高度融合，从而能够更好地满足客户的个性化需求。
AI芯片是算力皇冠，关注其性能与利用率
算力是评价 AI 芯片的重要方面。除了运算次数外，芯片的性能衡量还得考虑运算精度。为适配大模型的训练及推理，AI 芯片需有更大的内存访问带宽且减少内存访问延迟，要有更高的片间互联甚至片内互联能力，以满足 AI 加速器访存和交换数据的需求。但是，大集群和大算力并不等同。增加 GPU 卡数或者计算节点，无法实现算力收益的线性提升。单卡芯片性能的差距，将更难以通过增加物料等方式来解决。
中国算力产业将坚持自主创新道路
AIGC 产业的基建层是算力，它是 AIGC 生产力卡脖子的关键环节。基于此，算力生产商纷纷开始发力，像 AMD 这类追赶型企业以及英特尔等，它们针对 AIGC 的新品动作十分频繁。中国算力层会进一步减少对头部厂商的依赖。其主要路径是以“云巨头自行研发并自用，以及独立或创业公司为信创、运营商等 To G 与 To B 市场提供服务”。同时，它会静静地等待国产替代的曙光，以实现国产“算力+应用”的良性循环。
