1、发展概述：AI开发平台与MaaS形成“工具-服务”共生关系

2010s以来，机器学习在企业级应用领域的广泛兴起，市场上涌现出众多成熟且功能完备的机器学习平台。AIGC迅猛发展后，逐渐改变传统人工智能模型开发模式，大量用户不需要从零构建复杂的人工智能模型，而是借助MaaS（模型即服务）平台直接获取预训练大模型、微调工具以及推理优化等高效服务。传统的机器学习平台也在不断演进与升级，逐步转型为更加专业、更适合开发大模型的新型开发平台，专注于提供底层模型开发的技术支持，为人工智能模型的高效开发与稳定运行提供保障。AI开发平台成为集成端到端开发和支撑工具，提供涵盖数据处理、模型构建、模型部署、支撑与服务等人工智能开发应用全流程服务的技术平台。

图1 人工智能开发平台通用功能框架¹

2、功能应用：AI开发平台在金融、教育、泛娱乐领域应用程度高

AI开发平台在行业应用程度与数据量、业务场景更新频繁程度正相关。金融、教育、游戏等泛娱乐行业有丰富的应用场景，是AI开发平台的核心应用领域；电商、医疗、交通等行业数据量大，增长潜力较高；政府、物流等行业因数据安全、AI技术落地局限性等条件制约，渗透率较低。

图2 中国AI开发平台行业渗透情况²

根据调研，超过64%的企业期望在90天内完成AI应用开发的上线部署。传统机器学习开发流程复杂、耗时，难以满足企业对业务灵活性的变更需求。AI开发平台通过提供数据管理、模型训练和AI应用开发的全流程工具链，能够有效缩短开发和部署周期。据易观和CSDN联合调研，AI开发者表示在数据管理、模型训练和模型开发等方面需要更多工具链的支持。未来，随着多模态技术和低代码/无代码工具的普及，AI开发平台将进一步拓展应用场景，满足企业对高效、灵活AI开发的需求。

图3 企业&个人开发者更需要的工具链支持

3、市场发展：各厂商利用AIGC技术不断推进AI开发平台升级迭代

从市场参与情况来看，积极整合AIGC技术与AI开发平台的厂商成为市场中重要的参与者。谷歌扩展Vertex AI开发平台，让其可以访问Gemini模型和其他第三方/开放模型。AWS将Amazon Bedrock托管服务与人工智能开发平台SageMaker实现产品协同，客户可通过SageMaker JumpStart访问Bedrock的预训练模型库，并通过Bedrock API部署。Databricks抓住GenAI的发展机遇，推出Lakehouse AI、Databricks AI/BI等功能产品，从数据平台发展到“数据+AI”平台，业务迎来快速增长，总营收增长速度超过60%。

图4 人工智能开发平台厂商情况³

Market Research Intellect预测，AI开发平台将迎来更广阔的市场空间，2023年全球市场规模为138.2亿美元，预计到2031年将达到1839亿美元，复合年增长率高达38.2%。

4、典型产品：云原生、企业级与开源人工智能开发平台各具优势

常见的AI开发平台分类可分为三类：第一类是云原生AI开发平台，由云服务商提供，具备云原生架构和弹性算力支持，覆盖从数据准备到模型部署的全流程，并深度对接云服务商的其他产品。如阿里的PAI、AWS的SageMaker等。第二类是企业级AI开发平台，针对企业需求设计，具备高数据隐私安全性，提供端到端的AI解决方案，如Databricks、lBM Watson Studio等。第三类是开源AI开发平台，依赖全球开发者贡献生态，代码和架构完全开放，无商业授权费用，适合学术研究、个人开发者及预算有限的团队。如TensorFlow、PyTorch、Hugging Face等。典型AI开发平台特点如下：

PAI支持全链路的AI开发，适合不同层次开发者。PAI是阿里云打造的人工智能开发平台，具备以下功能：一是提供一站式开发服务，PAI提供数据标注、模型开发、模型训练、模型优化、模型部署以及AI运维管控一站式服务。二是多样化的建模方式，支持可视化建模（Designer）、交互式建模（DSW）及分布式训练（DLC）。三是丰富的算法与框架支持，提供140+种优化的内置算法组件，支持TensorFlow、PyTorch、Megatron、DeepSpeed等深度学习框架。四是灵活的部署与集成：支持公共云全托管和半托管部署、支持与阿里云其他产品（如MaxCompute、DataWorks）的无缝对接。

DataBricks为企业提供从数据管理到AI落地的全栈能力。一是将数据湖和数据仓库结合，提供统一数据管理平台，有效应对数据增长带来的存储成本压力，并解决数据孤岛问题。二是提供完整的AI生命周期管理功能，将复杂的AI模型部署流程简化，从模型的开发、部署和监控过程，使得企业能够更快速地将模型投入生产。三是确保数据完整性，Lakehouse AI内置的数据治理工具帮助企业确保数据的完整性和准确性，从而提高模型的训练效果。

Tensorflow是开源人工智能平台的领军者。TensorFlow是由 Google开发的开源机器学习框架。一是支持多种编程语言，支持Python、C++、Java等语言，适应不同开发者的需求。二是支持可视化训练，TensorBoard让模型训练过程可视化，帮助开发者更好地理解和优化模型。三是完整TensorFlow生态系统，针对开发者不同的开发训练需求，具备TensorFlow.js、TensorFlow Lite、TensorFlow Extended (TFX)等丰富的产品生态。

表1 典型AI开发平台产品对比