开发者如何选择方向？企业不知如何落地？

2022 年上半年，AI 绘画等生成式 AI 的内容引发了人工智能领域的广泛关注，年底发布的 ChatGPT 更是迅速破圈，话题度和讨论度不断提升。这些变化的趋势也延续到了 2023 年上半年，人们讨论话题也向着大模型的实际应用逐渐深入，同时 AI 安全也展现了大家对技术突破的不同态度。

InfoQ 研究中心此前发布的《中国软件技术发展洞察和趋势预测研究报告 2023》，绘制了涵盖 130+ 细分领域的中国技术成熟度评估曲线。作为年度趋势报告的延续，InfoQ 研究中心基于 2023 年人工智能领域的种种变化，更新《2023 中国人工智能领域技术成熟度模型报告》。

同样，InfoQ 研究中心也在三大核心指标（技术专利数量、技术发展时间、技术舆论指数）的基础上，参考了市场规模、融资事件等公开资料，并结合了 AI 行业内硬件、模型、应用不同领域的各位专家观点，绘制了包含 40+ 技术点的中国人工智能技术成熟度模型。

备注：

1、技术专利相关数据来自国家知识产权局旗下专利检索及分析系统，检索时间为 2023 年 8 月 15 日。

2、技术发展时间使用知网论文库等学术平台进行相关技术领域论文最早收录年份统计计算。

3、技术舆论指数数据来源为各家技术媒体和开发者社区，包括 InfoQ 中文站和 CSDN 社区。

有关各发展阶段的具体特征，欢迎大家点击阅读原文进行完整报告下载。

中国人工智能技术成熟度三大核心指标气泡图

此外，在模型生成的过程中，我们也发现了一些有趣的现象，希望与各位读者共同探讨。

对大模型的期待和应用现状出现短期错配

这一方面是因为大众和用户对大模型充满了极大的热情与期待，另一方面，在经过了半年多的激烈讨论之后，大家的关注重点已经开始转向大模型的具体应用效果和由此带来的成本。简而言之，无论是 C 端还是 B 端，用户已经在期望成本可控下，体验到大模型和 AIGC 的卓越成效。

相比之下，现阶段众多大模型相关厂商之间的竞争，仍然属于「无」与「有」，即先推出产品再慢慢优化效果和降低落地成本。同时，现阶段的业务选择中，众多厂商聚焦于确定性高的场景，这也导致了现阶段大模型与 AIGC 领域的产品并没有建立各自的差异化优势。

这种短期错配，实际上带来了大模型各类厂商对于应用场景探索的焦虑与急迫性，本质上也限制了大模型潜力的充分释放。但归根到底，这是技术与业务之间的权衡。大模型各类厂商，无论是模型层还是最终的应用层，都需要贴合实际需求，充分展现产品价值，才能在激烈竞争中脱颖而出。

AI 安全的关注度迅速提升，如何安全地使用模型成为重点

伴随着 AI 的应用范围逐渐拓宽，应用深度逐渐深入，AI 在各行各业发挥的促进作用日益凸显。而 AI 越重要，对 AI 使用过程中的安全可信要求就越高，可信 AI、可解释 AI 等正在成为 AI 落地的重要考虑因素。然而，目前数据投毒攻击、模型窃取攻击、噪音攻击等攻击方式正在严重威胁 AI 自身的安全，但相对应的防御手段与解决措施却未能及时更新。这意味着 AI 安全领域需要更多可用的工具，帮助企业建立有效的防护措施。

此外，AI 大模型的出现也在一定程度上降低了网络攻击的技术门槛，给现有的网络安全工作带来了一定的冲击。

技术难点与应用受限是限制技术发展的两大因素

InfoQ 研究中心在对舆论关键词的研究过程中发现，伴随着人工智能技术逐渐走向成熟，讨论重点也在逐渐从技术实现和风险伦理转向解决方案与产品标准。

不同发展阶段下的人工智能技术讨论重点词云变迁图

除此以外，在报告中，InfoQ 研究中心将限制技术走向成熟的因素总结为技术难点和应用受限。其中技术难点还包括硬件 / 资源限制和技术实现，应用受限包括应用场景探索、规模化经济、法律及伦理道德三点。

限制中国人工智能技术发展的两大因素

但这并不意味着是单一因素限制了技术的发展，在现实中通常存在多种因素相互作用。例如，汽车自动驾驶早期的探索重点一直是如何在技术上实现可行性，这时技术实现主要限制了汽车自动驾驶的发展。在后续发展过程中，乘用车还是商用车优先发展、先借助 L2/L3 实现盈利还是直接探索 L4/L5，这些不同发展路线既包括了应用场景探索的思考，也包括了规模化经济，即落地成本的限制。但法律伦理贯穿汽车自动驾驶的整个发展过程。

同时，我们也需要理性思考这些限制性因素。当我们对于限制性因素的解决方案或者发展路线上达成了共识，这些限制性因素会反过来形成一种产品 / 技术标准，推动技术领域的发展。

InfoQ 研究中心也期待中国人工智能技术领域能够实现更大的突破和应用，InfoQ 研究中心也将持续关注中国人工智能领域的各项最新动态，也欢迎各位读者与 AI 开发者一起探讨。