AI大模型架构与产业链浅析（一）

摘要： 北京时间月日中超球队迎来新赛季亚冠精英赛的首个比赛日山东泰山率先出击主场迎战澳超球队中央海岸水手上半场泰山队便迎来梦幻开局毕津浩攻进中超球队新赛季的亚冠首球本文的核心思想基于人工智...

北京时间9月17日，中超球队迎来新赛季亚冠精英赛的首个比赛日，山东泰山率先出击，主场迎战澳超球队中央海岸水手。上半场泰山队便迎来梦幻开局，毕津浩攻进中超球队新赛季的亚冠首球。

本文的核心思想，基于人工智能架构，识别AI大模型架构，从AI大模型架构的组成部分，思考AI大模型产业链，并做浅析。

本篇章将开启AI大模型系列分析。

人工智能架构目前有众多分类方法，虽然架构分层有些许切分上的差异，但总体来看，包括应用层、技术层，基础层。

其中应用层，按按照服务的对象和功能进行分类，包括 方案和应用 。

方案层可从产品端分析分为软件/硬件，从用户对象属性，分为b端和c端，从用户行业，细分为行业场景。

技术层可以从感知层、认知层、 层分类，其中感知层主要是通用技术，例如语音识别等，认知层包括推理、逻辑、学习判断等。

对于技术层分类也可以从通用技术层、算法层、框架层进行分类。

层包括技术开放 和基础开源框架等。

基础层包括数据和算力。

数据层负责数据的收集、存储与处理，确保数据质量。

技术能力层提供强大的计算资源和算法支持，包括高性能计算、云计算及硬件加速设备，为AI系统的稳定运行和 性能奠定坚实基础。

应用层： 方案+应用

技术层：感知层+认知层+ 层

基础层：数据+计算算力

AI大模型架构在人工智能架构的基础上，对数据层和计算能力层提出了更高的要求，以适应大模型的复杂性和规模。同时，它在应用层和技术层也进行了扩展，以适应更广泛的行业应用和更高级的AI功能。

例如，在应用层，AI大模型更侧重于行业特定的 方案，需要更多行业数据进行定制化训练，同时 层趋向于发展更高级的AI agent能力；在技术层，AI大模型更加集中于深度学习算法和大型模型专用框架，以支持复杂的模型训练和推理；在基础层，AI大模型需要处理更大量的数据，并且要求更强大的计算能力来支持大模型的训练和部署。

应用层：当前AI大模型的行业应用呈现两种趋势，包括通用大模型和垂类行业大模型

技术层：集感知、深度学习算法与专用框架于一体

基础层：整合多源数据，提供高性能算力，确保模型训练与运行的 与准确

从前文的AI大模型架构，我们可以明确AI大模型产业链的组成部分，并浅要分析产业链的差异。部分市场参与者可能已经结合公司战略，进行类全产业链布局，部分市场参与者聚焦在部分产品及 方案，高度占有市场份额。本文是总览浅析，后续将从应用层、技术层、基础层选取相关部分产品进行详细的分析。

应用层- 方案：

应用层-应用 ：

技术层-算法&框架：

基础层-数据：

基础层-计算能力：

本文由@Elaine.H 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。