2022 年上半年，AI 繪畫等生成式 AI 的內容引發了人工智能領域的廣泛關注，年底發布的 ChatGPT 更是迅速破圈，話題度和討論度不斷提升。這些變化的趨勢也延續到了 2023 年上半年，人們討論話題也向著大模型的實際應用逐漸深入，同時 AI 安全也展現了大家對技術突破的不同態度。

InfoQ 研究中心此前發布的《中國軟件技術發展洞察和趨勢預測研究報告 2023》，繪制了涵蓋 130+ 細分領域的中國技術成熟度評估曲線。作為年度趨勢報告的延續，InfoQ 研究中心基于 2023 年人工智能領域的種種變化，更新《2023 中國人工智能領域技術成熟度模型報告》。

同樣，InfoQ 研究中心也在三大核心指標（技術專利數量、技術發展時間、技術輿論指數）的基礎上，參考了市場規模、融資事件等公開資料，并結合了 AI 行業內硬件、模型、應用不同領域的各位專家觀點，繪制了包含 40+ 技術點的中國人工智能技術成熟度模型。

備注：

1、技術專利相關數據來自國家知識產權局旗下專利檢索及分析系統，檢索時間為 2023 年 8 月 15 日。

2、技術發展時間使用知網論文庫等學術平臺進行相關技術領域論文最早收錄年份統計計算。

3、技術輿論指數數據來源為各家技術媒體和開發者社區，包括 InfoQ 中文站和 CSDN 社區。

有關各發展階段的具體特征，歡迎大家點擊閱讀原文進行完整報告下載。

中國人工智能技術成熟度三大核心指標氣泡圖

此外，在模型生成的過程中，我們也發現了一些有趣的現象，希望與各位讀者共同探討。

對大模型的期待和應用現狀出現短期錯配

這一方面是因為大眾和用戶對大模型充滿了極大的熱情與期待，另一方面，在經過了半年多的激烈討論之后，大家的關注重點已經開始轉向大模型的具體應用效果和由此帶來的成本。簡而言之，無論是 C 端還是 B 端，用戶已經在期望成本可控下，體驗到大模型和 AIGC 的卓越成效。

相比之下，現階段眾多大模型相關廠商之間的競爭，仍然屬于「無」與「有」，即先推出產品再慢慢優化效果和降低落地成本。同時，現階段的業務選擇中，眾多廠商聚焦于確定性高的場景，這也導致了現階段大模型與 AIGC 領域的產品并沒有建立各自的差異化優勢。

這種短期錯配，實際上帶來了大模型各類廠商對于應用場景探索的焦慮與急迫性，本質上也限制了大模型潛力的充分釋放。但歸根到底，這是技術與業務之間的權衡。大模型各類廠商，無論是模型層還是最終的應用層，都需要貼合實際需求，充分展現產品價值，才能在激烈競爭中脫穎而出。

AI 安全的關注度迅速提升，如何安全地使用模型成為重點

伴隨著 AI 的應用范圍逐漸拓寬，應用深度逐漸深入，AI 在各行各業發揮的促進作用日益凸顯。而 AI 越重要，對 AI 使用過程中的安全可信要求就越高，可信 AI、可解釋 AI 等正在成為 AI 落地的重要考慮因素。然而，目前數據投毒攻擊、模型竊取攻擊、噪音攻擊等攻擊方式正在嚴重威脅 AI 自身的安全，但相對應的防御手段與解決措施卻未能及時更新。這意味著 AI 安全領域需要更多可用的工具，幫助企業建立有效的防護措施。

此外，AI 大模型的出現也在一定程度上降低了網絡攻擊的技術門檻，給現有的網絡安全工作帶來了一定的沖擊。

技術難點與應用受限是限制技術發展的兩大因素

InfoQ 研究中心在對輿論關鍵詞的研究過程中發現，伴隨著人工智能技術逐漸走向成熟，討論重點也在逐漸從技術實現和風險倫理轉向解決方案與產品標準。

不同發展階段下的人工智能技術討論重點詞云變遷圖

除此以外，在報告中，InfoQ 研究中心將限制技術走向成熟的因素總結為技術難點和應用受限。其中技術難點還包括硬件 / 資源限制和技術實現，應用受限包括應用場景探索、規模化經濟、法律及倫理道德三點。

限制中國人工智能技術發展的兩大因素

但這并不意味著是單一因素限制了技術的發展，在現實中通常存在多種因素相互作用。例如，汽車自動駕駛早期的探索重點一直是如何在技術上實現可行性，這時技術實現主要限制了汽車自動駕駛的發展。在后續發展過程中，乘用車還是商用車優先發展、先借助 L2/L3 實現盈利還是直接探索 L4/L5，這些不同發展路線既包括了應用場景探索的思考，也包括了規模化經濟，即落地成本的限制。但法律倫理貫穿汽車自動駕駛的整個發展過程。

同時，我們也需要理性思考這些限制性因素。當我們對于限制性因素的解決方案或者發展路線上達成了共識，這些限制性因素會反過來形成一種產品 / 技術標準，推動技術領域的發展。

InfoQ 研究中心也期待中國人工智能技術領域能夠實現更大的突破和應用，InfoQ 研究中心也將持續關注中國人工智能領域的各項最新動態，也歡迎各位讀者與 AI 開發者一起探討。