Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI产业链

Answer

AI 产业链大致可分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。

上游基础设施层布局投入确定性强，但涉及海量资金，入行资源门槛高，未来更多由“国家队”担当重任，普通人可考虑“合作生态”切入机会。

中游技术层处于技术爆炸期，迭代速度快，技术迭代风险高。基础通用大模型研发烧钱，竞争激烈，非巨无霸公司不建议考虑。

下游应用层是广阔蓝海，尽管从业者增加，涌现出一些产品，但成熟应用产品不多，“杀手级”应用稀少。普通个体和小团队强烈推荐重点布局，发展空间巨大。

2024 年美国融资金额超过 1 亿美元的 AI 公司（截止 2024.10.15）有： |项目名称|融资时间|融资金额（亿美元）|轮次|估值（亿美元）|主营|产业链标签|话题标签|投资方|其他信息| |-|-|-|-|-|-|-|-|-|-| |Zephyr AI|2024-03-13|1.11|A||AI 药物发现和精准医疗|应用|医学|Revolution Growth,礼来公司基金会,EPIQ Capital Group,Jeff Skoll|| |Together AI|2024-03-13|1.06|A|12|AI 基础设施和开源生成|模型|硬件和云平台|Salesforce Ventures,NEA,Kleiner Perkins,Lux Capital|| |Glean|2024-02-27|2.03|D|22|AI 驱动企业搜索|应用|企业服务|Lightspeed Venture Partners,Kleiner Perkins,Sequoia,Databricks Ventures|| |Figure|2024-02-24|6.75|B|27|AI 机器人|应用|机器人|Nvidia,OpenAI,微软|| |Abridge|2024-02-23|1.5|C|8.5|AI 医疗对话转录|应用|医学|Redpoint,Lightspeed Venture Partners,USV,IVP,Spark Capital|| |Recogni|2024-02-20|1.02|C||AI 接口解决方案|基础设施|芯片|GreatPoint Ventures,Celesta Capital,Pledge Ventures,Mayfield,DNS Capital||

信息来源：Techcrunch

Content generated by AI large model, please carefully verify (powered by aily)

References

走入AI的世界

关于AI产业的产业链结构，大致可分为：上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发），详细内容参见图5。图5 AI产业链图谱-1对于这上中下游分别有哪些值得我们重点关注的企业（或产品），我在公开互联网上苦寻良久，始终找不到一张满意的图（要么维度不全，要么举例不准，有失公允），于是我做了大量的信息收集和汇总工作，并结合几家知名咨询机构的文档，绘制了这样一张图。图6 AI产业链图谱-2图6中有大量细节，其中各家公司的logo排列顺序综合考虑了其市占率，行业影响力，代表性等因素，积淀深厚的老牌大厂和值得关注的亮眼新星均有体现，未避免广告嫌疑，在这里不展开对其进行详细说明了，如果有大家不了解不认识的公司/平台（或产品），非常推荐你搜索了解一下（注：此图绘制于2024年5月）。

走入AI的世界

我们来简要概括说说这张图中每一层的商机洞察（以下内容仅代表个人观点，供参考）：1.目前来看，基础设施层布局投入的确定性最强，以发展的眼光看，当前算力缺口巨大，但这部分涉及到海量的资金投入，入行资源门槛较高，作为关键的基础设施，国内未来更多的将会由“国家队”扛起重任。普通人如果没有强资源需谨慎入局，因为很可能你无法快速对接到客户资源，等不到赚钱就现金流断裂，可以更多的考虑“合作生态”的切入机会。2.技术层当前仍然处于技术爆炸时刻，相关技术的迭代速度可以夸张点用“日新时异”来形容，迭代进步飞速，如果你或你的团队规模不大，但又有志于做这一层相关的事情，须慎重考虑“技术迭代风险”的问题（例如基于某种开源模型更进一步训练垂直领域模型，很可能等你训练出来的时候，更强更新的开源模型已经发布，让你的工作意义大打折扣），至于基础的通用大模型，非巨无霸公司就不是很建议考虑了，搞基础大模型的研发是一件十分烧钱的事情，且众多互联网大厂，AI独角兽，知名高校都已悉数下场神仙打架，完成了布局，开启了“百模大战”，但竞争的终局，只会有少数赢家。应用界不需要那么多同质化的大模型，最后多半是赢家通吃的局面。3.应用层是一片时代赋予我们的广阔蓝海，尽管2024年这个方向的从业者在飞速增加，也涌现出一批做垂直产业/行业/细分领域垂直模型或大模型应用的产品，但坦诚的讲，以我们自身的深度实践和用户的切实需求来看，当前针对行业/细分领域的成熟应用产品并不多，让人哇塞的“杀手级”应用更是凤毛麟角。对于普通个体和小团队，强烈推荐重点思考和布局应用层，这一层拥有超级机会和巨大发展空间。

2024年美国融资金额超过1亿美元的AI公司（截止2024.10.15）

|项目名称|融资时间|融资金额（亿美元）|轮次|估值（亿美元）|主营|产业链标签|话题标签|投资方|其他信息||-|-|-|-|-|-|-|-|-|-||Zephyr AI|2024-03-13|1.11|A||AI药物发现和精准医疗|应用|医学|Revolution Growth,礼来公司基金会,EPIQ Capital Group,Jeff Skoll|||Together AI|2024-03-13|1.06|A|12|AI基础设施和开源生成|模型|硬件和云平台|Salesforce Ventures,NEA,Kleiner Perkins,Lux Capital|||Glean|2024-02-27|2.03|D|22|AI驱动企业搜索|应用|企业服务|Lightspeed Venture Partners,Kleiner Perkins,Sequoia,Databricks Ventures|||Figure|2024-02-24|6.75|B|27|AI机器人|应用|机器人|Nvidia,OpenAI,微软|||Abridge|2024-02-23|1.5|C|8.5|AI医疗对话转录|应用|医学|Redpoint,Lightspeed Venture Partners,USV,IVP,Spark Capital|||Recogni|2024-02-20|1.02|C||AI接口解决方案|基础设施|芯片|GreatPoint Ventures,Celesta Capital,Pledge Ventures,Mayfield,DNS Capital||信息来源：Techcrunch

Others are asking
作为AI小白，如何从0开始学习AI
对于 AI 小白，从 0 开始学习 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 参考「」，其中有一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 知识库中有很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 另外，《雪梅 May 的 AI 学习日记》也提供了一种适合纯小白的学习模式，即输入→模仿→自发创造。但其中的学习内容可能因 AI 发展较快而有所变化，建议去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。同时，该日记中的学习资源都是免费开源的。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-01-02
ai文生图提示词
以下是关于 AI 文生图提示词的相关内容： 在写文生图提示词时，通常的描述逻辑包括人物及主体特征（如服饰、发型发色、五官、表情、动作），场景特征（如室内室外、大场景、小细节），环境光照（如白天黑夜、特定时段、光、天空），画幅视角（如距离、人物比例、观察视角、镜头类型），画质（如高画质、高分辨率），画风（如插画、二次元、写实）。通过这些详细的提示词，能更精确地控制绘图。 对于新手，有以下几种获取和优化提示词的方法： 1. 利用功能型辅助网站，如 http://www.atoolbox.net/ ，通过选项卡方式快速填写关键词信息；或 https://ai.dawnmark.cn/ ，其每种参数都有缩略图可参考，方便直观选择提示词。 2. 去 C 站（https://civitai.com/）抄作业，每一张图都有详细参数，可点击复制数据按钮，粘贴到正向提示词栏，然后点击生成按钮下的第一个按键，不过要注意图像作者使用的大模型和 LORA，否则即使参数相同，生成的图也会不同。也可以选取其中较好的描述词，如人物描写、背景描述、小元素或画面质感等。 优化和润色提示词对于提高输出质量很重要，可尝试以下方法： 1. 明确具体描述，使用更具体、细节的词语和短语，而非笼统词汇。 2. 添加视觉参考，在提示词中插入相关图片参考。 3. 注意语气和情感，用合适的形容词、语气词等调整整体语气和情感色彩。 4. 优化关键词组合，尝试不同搭配和语序。 5. 增加约束条件，如分辨率、比例等。 6. 分步骤构建提示词，将复杂需求拆解为逐步的子提示词。 7. 参考优秀案例，研究流行且有效的范例，借鉴写作技巧和模式。 8. 反复试验、迭代优化，根据输出效果反馈持续完善。 调整好参数生成图片后，如果质感方面不满意，可添加标准化提示词，如，绘图，画笔等，让画面更趋近于某个固定标准。
2025-01-02
学习AI，我应该从哪里开始，培养自己的兴趣
学习 AI 并培养兴趣可以从以下几个方面入手： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，吵爷建议： 1. 带着好奇心去尝试： 记住“生成”两个字，了解“生成式人工智能”Generative AI。 随便找一个国产 AI 随便聊点什么，比如小学奥数题、写一篇演讲稿、怎么看待 996 等，看看 AI 擅长和不擅长的地方，有没有能帮到您的地方，哪些地方做得不够好。不用一开始带着太强的目的性，把它当作天猫精灵来玩。聊一段时间后，留下 1 2 个更顺手的应用增加使用深度。 条件允许的话，可以直接使用 ChatGPT 或者 Claude，处理复杂任务时会更省力。 YoYo 的学习心得： 1. 学习前状态： 不理解 AI 和提示词工程，不懂代码，英语差，注册尝试各种 AI 工具走了不少弯路。 对 ChatGPT 的认识仅限于日常问答、SQL 学习交互，能支持工作数据提取。 2. 学习后现状： 可以搓多 Agent 的智能体，但需要进修 python 搓更多智能体。 营销文案 demo，SQL 代码进阶学习应用。 创建了 3 个图像流智能体，2 个 Agent 智能体玩具。 在公司中实践智能客服从创建到应用的过程，实现企业微信机器人问答的基本功能。 学习 Dr.kown 的尝试实践、图像流的尝试、企业智能体实践，智能客服。 总之，学习 AI 要找到适合自己的路径，学以致用，通过学习 分享 不断填补知识的缝隙来成长。
2025-01-02
我想要一个能修改图片的ai
以下为您介绍一些能修改图片的 AI 工具及相关知识： 1. DALL·E 推出了编辑功能，支持对生成图片进行二次编辑，包括替换、删除、添加对象等。编辑界面提供了一系列选项，如选择工具、可拖动的大小调整工具、“撤销、恢复”按钮和“Clear Selection”选项等。使用时，例如通过突出显示图像部分并添加提示，如“添加樱花”，或选择对象并使用提示“删除鸟类”“将猫的表情更改为快乐”等进行编辑，完成后记得点击保存。帮助文档：https://help.openai.com/en/articles/9055440editingyourimageswithdalle 。 2. 关于 AI 去水印工具，目前市面上有一些不错的选项： AVAide Watermark Remover：在线工具，使用 AI 技术从图片中去除水印，支持多种图片格式，操作简单，还提供其他功能。 Vmake：提供 AI 去除图片水印功能，可上传最多 10 张图片，适合快速去除水印及社交媒体分享图片的用户。 AI 改图神器：提供 AI 智能图片修复去水印功能，可一键去除图片中的多余物体、人物或水印，支持直接粘贴图像或上传手机图像，操作方便。 此外，如果想让生成的图片更加可控，可以利用 seed 参数反向生成。Midjourney 会用一个种子号来绘图，把这个种子作为生成初始图像的起点。默认情况下种子是随机的，若想要相似的图，可固定 seed。例如“caiyunyiueji is a cute sports anime girl,style by Miyazaki Hayao,emoji,expression sheet,8kseed 8888”，就能保证每次生成相同的图。还可基于确定图片的 seed 加上新的关键词对效果图进行微调。
2025-01-02
怎么用kimi、即梦AI这两款软件做小红书博主
要利用 Kimi 和即梦 AI 做小红书博主，可以参考以下步骤： 利用 Kimi： 1. 收集相关资料：明确主题后，借助 AI 工具如 Perplexity.AI 的强大搜索功能获取信息。启用 Pro 功能或使用微软的 Bing 搜索引擎等具备联网搜索功能的工具，输入具体的 Prompt 快速定位相关资讯。 2. 整理资料：使用月之暗面开发的 Kimi 这个 AI 会话助手。Kimi 具备读取网页内容并生成一定内容的能力，当读取完毕会显示绿色标点作为提示。但需注意其阅读能力有限，可能无法一次性处理大量资讯或某些网站内容，可分批次提供资料确保其有效读取和理解。 3. 生成文章：让 Kimi 整理资讯内容并转化成吸引人的公众号文章。 关于即梦 AI 如何用于做小红书博主，目前提供的内容中未提及相关具体方法。
2025-01-02
怎么用AI做小红书博主
要成为用 AI 做小红书博主，可以参考以下步骤和资源： 1. 学习基础知识：可以通过观看李宏毅教授的《生成式人工智能导论》课程来系统性地了解生成式人工智能的底层原理。课程链接： 。 2. 参考小红书官方指南：【企微文档】小红书科技内容_成长手册 V1.1 ，链接：https://doc.weixin.qq.com/doc/w3_Ac0Avwa7ACkyJSXHMxkS52WzTSnT4?scode=ANAAyQcbAAg8ZakZDRz4uMIS5RAEw 。 3. 关注优秀的小红书 AI 博主，例如： 雪梅 May：小红书科技博主。 巧克力（@chocolae）：炼丹狂魔，腹泻更新者。 红祭司：隐世大神，一丹封神。 宗 Rich 宗宗：神级插画师，框框操作出神图。 麦橘。 徐若木｜商业插画师_悟空的笔尖：十万数，16.7w ， ，手绘教程，传统行业大佬。 AIGC 巴妮贝贝：千数，9564 ， ，3D,IP 设计。 小布舞曲拼布教室：千数，9344 ， ，手工艺。 AI Dreamer：千数，9149 ， 。 Cui AI 蓝同学：千数，8489 ， ，教程。 李大强：千数，8079 ， ，妖怪图鉴，传统行业大佬。 Ai HFBY：千数，7787 ， ，工业设计。 钢铁植男：千数，7615 ， ，头像，传统行业大佬。 邓布利波：千数，7587 ， ，教程/设计师，传统行业大佬。 电力猫：千数，7122 ， 。 🌈通往 AGI 之路：千数，6996 ， 。 AI 仓颉最强 AI 关键词库：千数，6618 ， ，描述词分享。 需要注意的是，在初期不要急于产出内容，而是把时间用于深入了解 AI 知识，避免只做皮毛信息的加工，因为信息加工容易被 AI 替代。
2025-01-02
AI产业或者说AI产业链条上都有哪些事情可以做
AI 产业链大致可分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。 在基础设施层，布局投入的确定性最强，但入行资源门槛较高，涉及海量资金投入，未来更多由“国家队”承担重任，普通人可考虑“合作生态”的切入机会。 技术层当前处于技术爆炸时刻，迭代速度极快。对于规模不大的团队或个人，需慎重考虑技术迭代风险，基础通用大模型非巨无霸公司不建议考虑。 应用层是一片广阔蓝海，当前针对行业/细分领域的成熟应用产品不多，“杀手级”应用更是稀少，对于普通个体和小团队，强烈推荐重点布局，拥有巨大发展空间。 据 SensorTower 统计，2024 全年全球 AI 移动应用内付费收入预计为 30 亿美元，图像和视频类 AI 应用占据主导，对话机器人类别排名第二。北美和欧洲是主要消费市场，这是中国 AI 公司积极出海的重要原因。 美国红杉资本指出，AI 供应链分为六层，各层盈利能力不同。芯片代工厂和芯片设计商是主要赢家，云厂商是供应链核心承载方，处于重金投入阶段，是整个供应链的“链主”，AI 模型开发商目前面临亏损，应用服务商市场规模有限。行业格局方面，头部阵营基本稳定。
2024-12-05
Ai产业链
人工智能产业链包括以下四个部分： 1. 基础层：主要涵盖算力、算法和数据。算力为人工智能的运行提供计算能力支持；算法是实现人工智能功能的核心逻辑；数据则是训练和优化模型的基础。 2. 框架层：指用于模型开发的深度学习框架和工具，有助于提高模型开发的效率和质量。 3. 模型层：主要是大模型等技术和产品，是实现各种人工智能应用的关键。 4. 应用层：将人工智能技术应用于行业场景，如医疗保健、工业生产、金融服务等领域。 近年来，我国人工智能产业发展迅速，在技术创新、产品创造和行业应用方面都取得了显著成果，形成了庞大的市场规模。同时，以大模型为代表的新技术不断迭代，产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，但也亟需完善人工智能产业标准体系。 以下是一些关于 AI 训练模型的相关信息： |排名|产品名|分类|6 月访问量（万 Visit）|相对 5 月变化| |||||| |1|prolific.com|AI 训练模型|1818|0.075| |2|Appen|AI 训练模型|357|0.223| |3|ai.google|AI 训练模型|248|0.139| |4|Llama 2|AI 训练模型|222|0.475| |5|火山方舟|AI 训练模型|190|0.526| |6|Roboflow|AI 训练模型|129|0.189| |7|魔搭社区阿里达摩院|AI 训练模型|107|0.103| |8|Lightning AI|AI 训练模型|92|0.308| |9|scale AI|AI 训练模型|47.6|0.025| |10|modular|AI 训练模型|33|0.276| 此外，AI 正在使生物制药和医疗保健产业化，被应用于从药物设计、诊断到医疗保健交付和后勤功能的各个方面。
2024-10-03
Ai产业链上中下游
人工智能产业链通常包括以下四个部分： 1. 基础层：主要涵盖算力、算法和数据。算力为人工智能的运行提供计算能力支持；算法是实现人工智能功能的核心方法；数据则是训练和优化模型的基础。 2. 框架层：指用于模型开发的深度学习框架和工具，有助于提高模型开发的效率和质量。 3. 模型层：主要包括大模型等技术和产品，是人工智能实现各种应用的关键。 4. 应用层：指人工智能技术在行业场景的应用，应用场景横向划分主要分为 ToC（面向消费者）和 ToB（面向企业）。ToC 端能带来的数据飞轮效应，可能是在 AI 早期决胜的关键。同时，下游提供者指集成了人工智能模型的人工智能系统，包括通用人工智能系统的提供者。 近年来，我国人工智能产业在技术创新、产品创造和行业应用等方面发展迅速，形成了庞大的市场规模。伴随以大模型为代表的新技术加速迭代，人工智能产业呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，不过也亟需完善人工智能产业标准体系。前 Google 创始人 Eric Schmidt 认为未来会是多个垂直模型或者多个垂直助理，包括各种高价值、专业化的 AI 系统，因为很多高价值、特定领域的工作流程特别且必须依赖于丰富的专有数据集。
2024-10-03
请选择一个产业，比如手机、汽车、石油化工等产业，围绕行业传感器的技术原理和应用，进行背景概况、传感器分类、发展历程、智能传感器、产业链结构、应用领域、发展趋势和展望等要点完成调研分析报告和PPT。
很抱歉，目前知识库中没有您所需的关于特定产业（如手机、汽车、石油化工等）中行业传感器的完整调研分析报告和 PPT 内容。但以下为您提供一个大致的框架和思路，您可以据此进行进一步的资料收集和研究： 一、背景概况 介绍所选产业的发展现状和重要性，阐述传感器在该产业中的关键作用。 二、传感器分类 列举该产业中常见的传感器类型，如压力传感器、温度传感器、位置传感器等，并说明其特点和适用场景。 三、发展历程 回顾传感器在该产业中的发展阶段，从早期的简单传感器到如今的高精度、智能化传感器的演变过程。 四、智能传感器 着重介绍智能传感器的特点和优势，如具备自诊断、自校准、自适应等功能。 五、产业链结构 分析传感器产业链的各个环节，包括原材料供应商、传感器制造商、系统集成商、终端用户等。 六、应用领域 详细阐述传感器在该产业的具体应用领域，如生产过程监控、质量检测、设备故障诊断等。 七、发展趋势和展望 探讨未来传感器在该产业的发展趋势，如微型化、集成化、智能化、无线化等，并对其前景进行展望。 希望以上框架对您有所帮助，祝您顺利完成调研分析报告和 PPT。
2024-09-06
网商银行产业链金融模型
以下是为您整合的关于网商银行产业链金融模型的相关信息： 在金融服务业中，生成式 AI 的应用方面：新进入者可能会先使用公开的金融数据优化模型，最终使用自身收集的数据；现有参与者如银行等可利用专有数据，但往往过于保守，这给新进入者带来竞争优势。同时，新的 AI 模型输出需尽可能准确，人类常作为最终验证环节。 企业大模型方面：会免费提供从通用大模型蒸馏出来的基础大模型，结合数据工场、知识工场和模型工场三套开发平台，以及 Agent 应用开发框架，可训练出多个场景化大模型。例如天津某银行为满足金融需求，用通用大模型训练了几个专用大模型。
2024-08-18