1.AI应用跟踪第一期：国内大模型用户流量透露的信号

(1)基本面信息

国内政策对人工智能产业的引导和鼓励力度较大，预计国内人工智能产业将保持较高的景气度。

中国企业在软件应用开发和产品化方面有优势，包括有统一的大市场和多元化需求、制造业门类齐全、降本增效的需求旺盛、近期国内推动数据要素改革较领先以及有软件开发工程师红利。

今年以来国内大型模型的数量和落地速度令人乐观。

(2)大型模型流量分析

选取了5家国内布局较多的大型模型进行了分析，包括2家传统模型厂商（讯飞、商汤）和3家互联网厂商（百度、阿里、字节跳动）。

从总访问量来看，百度文心一言的总访问量最高，达到1149万次；其次是讯飞星火，达到534万次。

从桌面端和移动端的占比来看，目前仍以桌面端的流量为主，商汤的桌面端流量占比最高，达到95%；字节跳动的移动端流量占比较高，达到37%。

从8月31日开始，百度文心一言、讯飞星火、商汤的访问量出现了明显上升，这主要得益于大型模型的商业化落地。

商汤的大型模型在编程和图片生成模型预标注方面可能会吸引更多的专业使用者，所以商汤的平均访问停留时长更长。

字节跳动的页面访问量和平均访问停留时长在大型模型放开后出现了一定程度的下滑。

商汤的用户每次访问页数最多，达到5页；百度文心一言、讯飞星火和阿里通通一千问的每次访问页数大约为2~3页。

商汤的跳出率一直较低，文心一言的跳出率相对较高。

商汤、百度、讯飞的用户粘性较高，独立访客数与访问量的比值为3.16，文心一言次之。

(3)大型模型流量来源和用户画像分析

目前五家厂商的流量主要来自自然流量，还没有产生付费流量，反映出大型模型市场仍处于快速扩容的时期。

8月份，百度文心一言和讯飞星火的直接流量出现了明显上升，商汤的直接流量相对较低，但外链流量较高。

百度文心一言的外链流量在8月相比上月有了一个特别大的增长，达到了186%。

大木星的出站流量主要集中在自家的网站上，其生态仍有待进一步丰富。

统一千问的出站流量主要来自阿里云，其他几家厂商的排名第一的流量份额也主要来自自家网站。

讯飞星火有98.6%的出站流量去了讯飞的官方网站，字节豆包有75.2%的出站流量是苹果官网，17.8%的出站流量是抖音店铺。

字节豆包在模型引流方面有探索，5个大模型在社交网络新闻和多媒体方面也有探索潜力。

(4)用户画像分析

从性别分布来看，目前5个大模型的男性用户比例较高，占73%~76%。商汤的男性用户占比稍高，达到70%。

从年龄分布来看，主要分布在25岁到34岁的用户群体，占总体用户的28%~33%；其次是35~44岁的人群，占总体22%~25%的份额。商汤的用户年龄分布相较其他4家大模型更高。

从地域分布来看，国内用户占5家大模型流量的89.86%，第二位是美国，占2.37%。

以上是本次报告对5家国内大模型的流量、生态和用户画像进行的分析。后续将持续跟踪国内大模型的流量，以判断AI应用的发展趋势、行业景气度和各家大模型的产品定位。

Q&A

Q：国内大模型的用户流量分布情况如何？

A：根据分析，国内大模型的用户流量主要来自中国内地，占到了89.86%的总流量。第二大来源是美国，占到了2.37%的流量。其中，讯飞星火和文星一眼在国外的流量占比相对较高。可以看出在国内市场，国产大模型仍是主要的市场，而这5个大模型在用户兴趣方面存在一定的差异。

Q：各大模型的产品策略和用户定位有何不同？

A：各家大模型的产品策略和定位略有不同。比如文星岩仍然依靠百度的流量优势，放开后流量明显上涨；讯飞星火在访问量和独立访客数方面的比值最高，用户粘性相对较高；商量由于专业使用者较多，访问时间更长，访问页数更多，跳出率更低。可以看出，大模型的生态进一步丰富的潜力较大，目前在自然搜索流量方面占比较高。

Q：大模型的生态和引流方面还有哪些改进空间？

A：目前大模型的外链流量还有待进一步丰富，出站流量主要集中在本公司网站。虽然已经在社交网络新闻和多媒体方面进行了一定的探索，但占比还不是很高。对于产品引流方面，字节豆包有较好的探索，但总体还有进一步发展的空间。

Q：从用户画像角度看，国内大模型的用户群体特征是怎样的？

A：用户群体中男性用户占比较大，约为73%~76%；年龄主要分布在25岁到34岁的用户群体，占到总体用户的28%~33%；其次是35~44岁的人群，占到总体的22%~25%。商量的用户年龄分布相对于其他4家大模型更高。从地域来看，国内用户占了大部分（89.86%），讯飞星火和文星一眼在国外的流量占比较高。

Q：对于投资者而言，这些数据和分析有什么价值？

A：这些数据和分析为投资者提供了国内大模型的市场情况和趋势，对投资决策有一定的参考价值。可以看出目前国内市场对国产大模型的需求较高，未来发展潜力较大。在各家大模型的产品策略和定位上存在差异，投资者可以根据自己的投资需求和偏好进行选择。同时，对于大模型的生态和引流方面还有改进空间，投资者可关注其后续发展和改进情况。还需关注用户画像的差异，以了解各个大模型的目标用户和市场定位的差异。