AI大模型架构与产业链浅析（一）

直播吧9月28日讯英超第6轮，曼城客场1-1纽卡。根据opta统计，曼城最近29场英超比赛，取得了23胜6平的不败战绩，这距离曼城队史最佳连续30场英超不败纪录（2017年4月至2018年1月期间）还差1场。

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。