（圖片來源：攝圖網）

作者|科技云報道 來源|科技云報到(ID：ITCloud-BD)

大模型時代，離不開算力，算法、數據的喂養。如果將視角放至整個產業鏈上，算法背后，還有一個關鍵要素值得被關注，那就是AI基礎軟件。

算法是實現AI功能的關鍵，而基礎軟件則為算法提供運行的平臺和工具。作為模型生態系統的中堅力量，AI基礎軟件將會成為大模型應用落地的最主要的效率支撐，并通過大模型+小模型的方式，形成模型訓練新范式。

現今，AI大模型在國內熱度高漲，遍地開花，這也同樣倒推著基礎軟件的發展。在這背景下，AI基礎軟件市場如何，未來有何新的機會，這一點值得關注和討論。

一

基礎軟件是

人工智能的底座

中國信通院云大所副所長魏凱在公開演講中曾談到，基礎軟件是人工智能的底座，人工智能的基礎軟件的發展決定了人工智能發展的深度、高度、廣度，可以說是非常重要。

對此，魏凱解釋道，基礎軟件重要性具體表現有三點，一是人工智能的發展離不開高質量的基礎軟件，尤其是基礎軟件的工程化的易用性、完備性，AI具體的落地實踐都需要在基礎軟件結合業務、數據實現；二是人工智能基礎軟件要在企業中發揮作用，要與場景結合，要很好的運維；三是需要有安全可信保障條件。

AI基礎軟件是構建和運行AI應用的必要組成部分，通常包括以下幾個方面：

機器學習框架和庫：這是構建和訓練AI模型的基本工具。例如，TensorFlow、PyTorch和Scikit-learn都是廣泛使用的機器學習框架和庫。

模型訓練和部署平臺：這些平臺提供了一系列工具和服務，支持從數據處理、模型訓練到模型部署和服務的全流程。例如，Google的Cloud ML Engine和Amazon的SageMaker都是這樣的平臺。

數據處理和分析工具：在AI應用中，數據是至關重要的。數據處理和分析工具可以幫助用戶高效地處理和分析數據，以滿足AI模型的訓練需求。例如，Pandas、NumPy和Spark都是常用的數據處理和分析工具。

優化和自動化工具：這些工具可以幫助用戶優化模型的性能，或者自動化一些重復性的工作。例如，TensorBoard可以幫助用戶可視化模型的訓練過程，AutoML則可以自動化模型的選擇和調優過程。

總的來說，AI基礎軟件提供了一系列必要的工具和服務，使用戶能夠更方便、高效地構建和運行AI應用。

目前，隨著AI技術的不斷普及和深入應用，中國AI基礎軟件市場正在迅速發展。Gartner預測，該市場未來五年營收將從47.67億美元增長到138.58億美元，年復合增長率（CAGR）將達到28%。

據悉，中國的AI軟件市場中有3,000余家廠商，其中大部分屬于AI多面手型廠商，可向客戶獨立提供自然語言處理（NLP）、計算機視覺（CV）和機器學習（ML）技術。

這些廠商提供端到端個性化增強服務、咨詢服務和運營服務，解決客戶的具體業務問題。

隨著市場的持續擴張，中國AI軟件公司的數量也會增長。目前，在市場上的玩家主要包含這兩大類，一是包括百度、阿里巴巴、騰訊等大型互聯網公司，二是包括曠視科技、九章云極DataCanvas等專業AI公司。

這些公司不僅提供了具有國際競爭力的機器學習框架和平臺，還開發了針對中國市場特點的特色產品和服務。

拿九章云極DataCanvas來說，目前公司擁有以“開放、自動、云原生”為核心的數據科學產品體系，包括為數據科學家、應用程序開發人員和業務專家提供高效的構建智能應用程序的工具包——DataCanvas APS機器學習平臺，提供可擴展、高可用和容錯架構的大數據實時處理能力，靈活開發、部署和運行各類實時分析應用程序，助力企業完成了高效構建實時業務數據模型、打造實時AI場景的DataCanvas RT實時決策中心平臺等一系列企業級AI應用所需的平臺軟件產品。

并且在全球人工智能開源領域，自主研發的多項全球首個開源項目，填補AI領域技術空白。此外，在AIGC的技術熱潮下，九章云極D-lab開源團隊正在開展交叉型研究，加速實現AI前沿技術的融合創新。

今年5月，九章云極DataCanvas公布了與中國信通院云大所就“高質量AI基礎設施產業化”相關合作。

雙方將在此前標準制定、評估評測、技術創新、產業研究等豐富合作的基礎上，發揮各自在AI基礎設施方向理論研究、技術創新和應用實踐的資源優勢，打通AI基礎設施上下游生態鏈，共建開放、強大、靈活的AI基礎設施生態。

二

機遇和挑戰并行：

優質的產品和服務

是突圍的關鍵

與此同時，市場競爭也日趨激烈，技術更新換代的速度也越來越快。

進入大模型時代，AI基礎軟件面臨的挑戰顯而易見：如何支持更大規模的模型訓練？如何優化模型的性能和效率？如何簡化模型的部署和使用？對于這些問題，AI基礎軟件需要找到新的解決方案。

首先，為了支持更大規模的模型訓練，AI基礎軟件需要提供更強大的計算能力。

這可能涉及到更高效的分布式計算技術、更優化的硬件加速技術等。這是一個技術挑戰，也是一個機會。對于具備技術優勢的公司而言，他們可以通過提供更強大、更高效的AI訓練平臺，來滿足用戶的需求，獲得市場份額。

其次，隨著模型規模的增大，模型的性能和效率優化也變得更加重要。

這需要AI基礎軟件提供更高級的優化工具和服務。

例如，模型壓縮技術可以減小模型的大小，提高模型的運行速度；自動化調參工具可以自動尋找最優的模型參數，提高模型的準確性。

這些技術不僅可以幫助用戶更好地使用大模型，也可以為AI基礎軟件公司提供新的商業機會。

再次，隨著AI應用的日益復雜化，如何簡化模型的部署和使用也變得尤為重要。

這需要AI基礎軟件提供更簡潔易用的API，更強大的部署工具，更智能的服務平臺等。這對于AI基礎軟件公司來說，是一個提升用戶體驗，提高用戶黏性的機會。

“底層海量的多模態數據管理與上層更加精準的分析決策需求，將推動數智融合進入深水區，為打造AI基礎軟件帶來新的機遇”， IDC中國人工智能和大數據高級分析師李浩然在杭州通用人工智能論壇的演講中談到。

對于客戶更加關注的開發服務平臺這一基礎軟件，科技企業應從全生命周期組件、低代碼/無代碼、自動機器學習、算法模型庫、可視化、部署運維六個方面進行建設，并注重與云服務、大數據組件的融合。

對此，九章云極DataCanvas副總裁周曉凌表示，公司長期布局這些重要技術能力，并通過一整套成體系的AI基礎軟件產品應用在金融、通信、交通、制造、能源等行業中。

他繼續談到，AI技術從分散模型到融合智能，再邁向通用人工智能的發展路程上極大的推動了政府和企業數智化浪潮；各行業有各自發展特點和轉型階段化差異，在云化、自動化、多模態、分布式等技術領域迭代升級AI平臺和AI應用能力方面存在可觀需求，從運營到經營的AI應用發展空間依然巨大。

總的來說，大模型時代對AI基礎軟件提出了新的要求和挑戰，也帶來了新的機會。對于中國的AI基礎軟件公司而言，如何抓住這些機會，將在很大程度上決定他們在未來市場中的競爭地位。

一方面，他們需要持續投入研發，提升技術水平，滿足用戶對大模型的需求；另一方面，他們也需要不斷創新，提供差異化的產品和服務，贏得市場份額。

在大模型時代，AI基礎軟件的機會何在？

答案就在于如何滿足用戶的需求，如何提供優質的產品和服務。只有那些能夠緊跟時代步伐，積極創新，不斷進取的公司，才能在這個充滿挑戰和機遇的時代中立足并繁榮發展。

三

關于未來

回顧AI的發展歷程，我們可以看到，硬件一直是最大的投入領域，但隨著技術的進步和市場的成熟，軟件正在逐漸提升其在AI產業鏈中的地位。

據IDC預測，2023年以后，各大廠商將更加投入到底層基礎軟件的建設中，這也是現在已經初顯端倪的趨勢。

此外，IDC預測未來AI市場的增量將主要來源于三個方面：

首先，是基于大模型應用替換過去幾年建設的AI應用。正如前文所述，大模型可以學習到更復雜的模式，從而在各種任務上取得更好的效果。

隨著技術和市場的發展，我們預見到許多現有的AI應用將被基于大模型的新應用所替代，這將產生巨大的市場增量。

其次，是生成式AI帶來的增量市場。生成式AI，如生成式對抗網絡（GAN）和變分自編碼器（VAE），可以生成新的、逼真的數據，有著廣泛的應用前景，如藝術創作、游戲設計、虛擬現實等。隨著技術的發展，我們預見到生成式AI將開辟新的市場領域，帶來新的增量。

最后，是全新AI賦能的企業級應用。AI技術可以幫助企業提高效率，降低成本，創新業務模式。隨著AI技術的深入應用，我們預見到將有更多的企業級應用出現，這將是一個有巨大爆發潛力的市場點。

總的來說，AI產業鏈的發展趨勢是多元化和深化。在硬件投入的基礎上，底層基礎軟件的建設將越來越重要。

同時，大模型應用、生成式AI和企業級應用將是未來市場的三大增量來源。這為AI產業鏈的上下游各環節都帶來了新的機會，也提出了新的挑戰。只有緊跟趨勢，抓住機會，才能在這個快速發展的市場中保持領先。

編者按：本文轉載自微信公眾號：科技云報到(ID：ITCloud-BD)，作者：科技云報道