🗒️5000+AI项目深度调研|AI领域透视扫描

主要AI产品分类调研报告

导览

统计口径：只计入在正文里被单独点名并给出功能-优劣分析的条目；把同系列或同品牌不同版本（如 DALL·E 2/3、GPT-4/Vision/4o）合并为 1 项计算。略提一句而未展开（如 Orca、Mistral、ControlNet）不纳入“逐条分析”统计。

• AI Tools Directory 标榜“5000 +”款工具 godofprompt.ai

• 其他中文导航（如 AI-Bot.cn）也有“数百-上千”条目 ai-bot.cn

1. 大型语言模型（LLM）

2. 多模态模型（文本-图像/音频模型）

• GPT-4 Vision / GPT-4o（Omni） – OpenAI在GPT-4基础上扩展的多模态模型，可输入图像并输出文字说明和分析结果caprompt.com。2024年发布的GPT-4o进一步整合了语音和视觉：模型可以直接理解语音输入、解析图像内容，并以语音形式实时回应用户blog.csdn.net。这使交互更加自然，聊天机器人无需先语音转文字再回答，响应速度显著提升。GPT-4 Vision已用于ChatGPT应用中（如用户上传图片询问解析），而GPT-4o标志着真正的“全模态AI”雏形，将图文语音融为一体，为视障辅助、智能监控等场景带来新可能。OpenAI这类闭源多模态模型提供强大能力，但使用需要通过其服务，存在费用和隐私限制。

• Google Gemini 多模态模型 – 谷歌新一代大模型Gemini具备全面多模态处理能力caprompt.com。它继承Pathways架构，能够理解文本、图像、音频乃至视频，并据此进行生成。Gemini预计会深度整合到Google产品矩阵中，例如在Google搜索中解析用户上传的图片查询，或在Gmail中根据语音邮件自动回复等caprompt.com。Gemini尚处测试阶段，谷歌Bard已部分体现多模态（支持用户输入图片提问）。作为商业闭源模型，Gemini强项在于谷歌生态深度结合和多语言多媒体知识，但开放使用上可能受谷歌服务限制。

• 开源多模态模型（如LLaVA、ImageBind等） – 开源社区也推出多模态模型，比如基于LLaMA的LLaVA能够在视觉问答中取得不错效果，将图像编码后供语言模型回答问题。Meta的ImageBind甚至尝试统一6种模态（图像、音频、文本、深度等）的表示空间，让不同模态信息相互关联。还有如Stable Diffusion V2衍生的文本-图像-音频混合模型等。开源多模态方案通常免费且可本地部署，利于研究和私有数据应用，但在整体效果上暂时不及超大规模的商业模型。比如ImageBind能将声音或图像投射到共同向量空间，但并不能直接对用户输入进行丰富的多模态对话。这类模型更适合作为模块融入应用，例如视频字幕生成、音频内容检索等特定任务。

• 中文多模态模型 – 国内也有面向多模态的探索。百度文心大模型4.0已强调跨模态语义理解，可实现文字问答、图像生成、图片文档信息抽取等能力cloud.baidu.com。阿里巴巴的通义千问发布了开源Qwen-VL和Qwen-VL-Chat模型，支持图文对话与图像理解，在开源测试中表现优异。科大讯飞星火模型也正在开发图文并茂的交互形态。整体而言，中文多模态模型正借鉴国际前沿并结合本土应用需求（如识别图片中的汉字文本等）不断提升。

3. 智能体/Agent平台

• Coze（字节跳动「扣子」平台） – 由字节跳动推出的可视化聊天机器人开发平台agent.csdn.net。Coze主打低代码/零代码，开发者无需精通模型原理即可通过拖拽配置构建聊天智能体。Coze提供了丰富的模板和组件，并内置Web SDK，方便将定制的聊天机器人嵌入网页或应用中agent.csdn.net。应用场景上，Coze支持在线客服、教育辅导、个性化推荐等多种对话式AI服务，通过ByteDance生态可以快速触达用户，为产品增值。目前Coze平台对开发者免费开放基础功能，高级企业版可能收费。其优势是上手门槛低、封装完善，适合想迅速搭建聊天机器人的团队；劣势在于灵活度受限于平台预设，复杂定制能力略逊传统开发。

• Dify – 由苏州语灵公司开源的LLM应用开发平台agent.csdn.net。Dify融合了后端即服务（BaaS）理念，提供现成的用户管理、数据存储等后端能力，以及LLM调用、对话流程控制等LLMOps功能。开发者可以用Dify高效构建检索增强问答（RAG）系统，将自有知识库接入大模型问答agent.csdn.net。Dify开放源码且支持本地部署，意味着免费且可定制扩展；官方也提供云托管服务方便快速体验。Dify的优点是开源自主，功能完整（包括知识库、对话流程设计、模型管理），上手相对容易；不足是需要开发者具备一定技术能力进行部署和调整，自身不提供模型，需要连接OpenAI API或本地模型。

• FastGPT – 国内环界公司推出的知识库问答系统，也是一个开源Agent平台代表agent.csdn.net。FastGPT强调“开箱即用”，用户无需复杂配置即可通过其界面上传自己的文档或数据，然后利用内置的大语言模型接口快速实现问答机器人。它内置数据预处理、向量检索等模块，支持多格式文件导入，并提供现成网页UI。FastGPT适合企业搭建内部知识问答助手或对外的智能客服FAQ系统。作为开源项目，其基础版本免费，但商业服务版可能收费提供更大支持。由于聚焦知识问答，FastGPT对任务的泛化能力不如AutoGPT这类通用Agent，但在文档QA这个垂直场景具备易用高效的优势。

• AutoGPT / BabyAGI 等自主代理 – 这类开源实验项目让AI尝试像人一样连贯完成任务。典型模式是给定最终目标后，智能体会自己生成待办任务列表，执行其中一步，观察结果，再调整任务，循环往复直至完成。AutoGPT依赖强大的基础LLM（如GPT-4）和一些工具插件（联网搜索、文件读写等），可以部分实现简单的自主决策执行。其亮点在于探索了AI自动化的可能边界，但现实中可靠性有限，经常跑偏或陷入循环。使用AutoGPT需要提供OpenAI API密钥，按照调用次数收费，属于开源代码+付费API模式。当前这些自主Agent更多是技术爱好者尝鲜，未有大型商业落地，但它们的理念正在被更成熟的Agent平台借鉴吸收。

4. AI写作与文档处理工具

5. AI编程助手

6. AI图像生成工具

• 功能完备度与集成：Midjourney目前不支持细粒度编辑，需要借助外部工具再结合AI修图；DALL·E内置画笔擦除和区域编辑，适合迭代修改创作；Stable Diffusion则通过插件可实现图生图、局部重绘、动画视频等广泛功能。集成方面，Midjourney仅以Discord Bot形式存在，第三方接入有限；DALL·E有开放API，已嵌入微软Bing、Adobe Photoshop插件等；Stable Diffusion因为开源，可被各种应用自由使用（如设计软件插件、游戏引擎集成AI美术）。

• 中文生态：国内也有一些AI绘画平台。如百度的文心一格（ERNIE-ViLG模型）提供在线中文图像生成；亦有创业产品如Midai、画宇宙等。但当前国内用户大量也是借助Midjourney或Stable Diffusion（搭配中文模型权重）来生成二次元插画、设计图等。值得一提的是，生成式美术在国内受到一定内容合规要求，部分平台对涉及人物肖像、敏感元素的创作有限制。因此，不少专业设计师会选择在本地用Stable Diffusion跑自定义模型以避开限制，同时掌控风格。

• 版权与商业化：三大平台均允许生成图商用。Midjourney订阅用户对其生成图拥有商业使用权cloud.tencent.com；DALL·E同样声明用户可将生成图用于任何合法用途包括商业cloud.tencent.com；Stable Diffusion更因开源，无版权束缚（除非模型训练含有受版权素材，需要用户自行判断）。不过行业仍在探索AI生成内容的版权归属问题，但目前倾向赋予用户作品使用权以促进创作生态。

7. AI视频生成、配音与剪辑

• Runway Gen-2 – Runway公司推出的第二代文本生成视频模型，可生成约4-8秒的视频片段。用户输入一段文字描述，Gen-2会产出对应动画影像。Runway提供网页版工具，新用户有约525积分（约可生成105秒视频）免费额度，之后按积分收费（每秒需5积分，超出$0.01/积分）zhuanwaifu.com。订阅标准版$15/月可获得每月125秒视频额、无水印、高分辨率等权益juejin.cn。Runway的优势是生成质量在业界领先：视频清晰度和连续性较好，适合艺术家制作素材。还支持图生视频（根据输入图像生成其风格动画）。集成方面，Runway自带视频编辑套件，可进一步对生成结果剪辑、加特效等。但目前长度有限，且生成的视频无声音（需另配音）。使用门槛相对一般用户稍高（需要英文描述和理解视频概念）。

• Pika Labs – 一个新锐的AI视频创作平台，特色是提供Discord机器人接口，用户在Pika的Discord频道输入/create命令加描述即可生成3秒短视频ai-bot.cnai-bot.cn。Pika支持文本转视频以及图片转视频两种主要功能ai-bot.cn。例如上传一张静态插画，Pika会让其中元素活动起来形成动画。亦可将一段已有视频转换风格，比如把真人视频转成动画风格ai-bot.cn。Pika自2023年4月测试上线，短短几个月吸引超50万用户，每周生成数百万条视频ai-bot.cn。目前处于免费公测阶段（未来或推收费版），生成过程需排队约数十秒ai-bot.cnai-bot.cn。优点是操作门槛极低，完全零剪辑经验的人也能做出短视频ai-bot.cn；支持的风格多样（3D动画、卡通、电影质感等ai-bot.cn），在TikTok等平台已有大量#pikalabs标签的炫酷视频流传ai-bot.cn。局限在于目前每段仅3秒ai-bot.cn且分辨率有限，更长视频尚不支持；生成内容偶尔存在畸形或抖动，离专业影片质量仍有差距ai-bot.cn。

• 清影 – 这是中国智谱AI推出的文生视频产品，值得一提。清影基于智谱自研CogVideo大模型，可生成6秒左右的视频片段jiqizhixin.com。只需输入几个字到几百字的创意描述，等待30秒左右，即可生成视频jiqizhixin.com。清影目前免费不限量向公众开放测试，甚至提供API供开发者接入jiqizhixin.com。作为国内大模型的探索，清影让全民无门槛体验AI短视频。不过，据早期体验反馈，其生成的视频清晰度和连贯性还有提升空间zhuanlan.zhihu.com（毕竟技术前期），一些复杂场景可能难以准确呈现toolify.ai。但清影的出现标志国产AI视频开始发力，且走开源免费路线，在AIGC视频领域“卷”出新高度。

• HeyGen（原视迹） – 一家提供AI数字人视频服务的公司。用户可以选择预设的人物形象（不同性别、种族的虚拟演员），输入要说的台词文本，选择语言和声音，HeyGen就会生成该数字人对着镜头说出台词的视频。广泛用于企业制作营销宣传片、多语言培训视频等。其特点是支持中文等多语言且唇同步较准确，人物表情自然逼真。HeyGen收费按生成时长，商用需要订阅套餐。类似的还有Synthesia（欧美市场知名度高）和国内的虎牙虚拟主播技术等。这类平台的优势在于快速生产真人出镜效果内容而无需真人拍摄，成本低。缺点是人物动作受限（基本站姿说话），比较适合演示/播报类视频，不适合剧情复杂的表演。

• Descript – 这是偏向后期剪辑的软件，但融入AI配音和编辑。Descript能自动转录视频中的语音，然后允许用户直接编辑文字脚本来完成对视频的剪辑（删字=删画面）blog.csdn.net。其Overdub功能甚至可克隆配音者的声音，补充修改几句对话而无需重新录音。Descript还提供AI自动移除口头语（呃、啊）、智能放大缩小镜头等便捷功能。对于播客制作者、线上课视频制作者而言，Descript极大提高了剪辑效率。它有免费版（有限制），完整版订阅制。Descript体现了AI在辅助剪辑上的威力：让复杂的音视频编辑变得像编辑文档一样直观。虽然不直接“生成”视频内容，但在内容创作流程中同样重要。

• 智能剪辑与特效： 除Descript，像Adobe发布的Premiere Pro AI功能可自动分析素材生成粗剪，或者通过一句话描述让AI添加特定特效。还有初创如Wisecut，可自动根据音频内容剪辑掉冷场，或者利用人脸识别在多机位中切换镜头。AI还能用于视频的风格转换（比如把真人录像转成动画风格）等。

• AI配音与音频生成： 纯音频方面，ElevenLabs之类AI可以克隆任意人声朗读文本，生成高逼真度配音，用于有声书、播客等。国内科大讯飞等的TTS早已商业化多年，现在引入更自然的生成对话语气。未来我们会看到画面生成+配音合成打包的一站式视频工具。

8. AI搜索 / 问答引擎

• Bing Chat（新必应） – 微软必应于2023年整合了OpenAI的GPT-4模型，推出聊天搜索。用户在必应中提问，AI会实时联网搜索相关网页，再以对话形式综合回答并附上引用来源链接。它相当于把搜索引擎+ChatGPT合二为一m.36kr.com。Bing Chat目前免费开放，支持中文等多语言，甚至可处理图片输入。优点是信息实时（模型可检索新网页），回答有来源可信度高；与Office等微软产品集成，能在Edge浏览器侧栏充当助手。缺点是有时对某些查询仍会只给出链接，不如直答丰富；而且由于内容合规，部分敏感问答会拒答。

• Perplexity AI – 知名AI问答搜索创业公司。Perplexity提供一个简洁界面，用户提问后AI给出简要回答，同时罗列引用的网页来源，让用户进一步阅读salesforce.com。它的特色在于快速引用和连续对话：可追问细节，AI会再次检索和回答。Perplexity还支持选择“学术”、“写作”等模式，对应不同场景优化答案。服务基本免费。相比之下，Perplexity比必应更专注QA本身，没有广告；但信息来源依赖搜索引擎（调用Bing API），中文环境偶有搜索效果不佳的问题。

• YouChat (You.com) – You.com是一个主打可定制的搜索平台，内置YouChat聊天助手。YouChat基于自有大模型（或OpenAI API），能够回答一般问题，也可调用其搜索结果增强。但YouChat早期回答准确性一般，经常出现“不靠谱”情况，不过You.com允许用户切换到垂直App（如代码搜索、百科）获取更精确结果，形成多模态搜索结果页。YouChat的优势在于注重隐私（不跟踪用户）和可扩展插件，但回答质量相对于Bing/Perplexity稍逊，目前用户量和生态也有限。

• Baidu文心搜索 / 文小言 – 国内的生成式搜索代表。百度在2023年开放了整合文心大模型的搜索新模式，推出“文心一言”App并升级为**“文小言”智能助手**qbitai.com。文小言实现了问答即搜索：“问就完事儿”，无须输入关键词筛选结果qbitai.com。用户既可以问事实问题，也可以让AI创作内容或交流需求，因为它融合了聊天与搜索qbitai.com。支持多模态输入（文字或图片）和富媒体输出。独家功能包括“记忆”（记住用户偏好，实现个性化对话）和“自由订阅”（一句话订阅某主题更新）qbitai.com。据百度透露，新搜索引擎上线后，每日已有数亿次查询由生成式AI引擎直接回答cn.chinadaily.com.cn。文心搜索的优点是在中文语境下本地化效果好，且整合百度知识图谱、百家号内容等丰富数据；劣势是仅限百度生态使用，且回答偶尔有不准确或偏颇，需要继续优化大模型准确率。

• 360智脑 AI搜索 – 奇虎360也推出了360AI搜索App，主打“生成式AI答案引擎”apps.apple.com。特色在于集合多家模型：据介绍，它会调用360自研智脑模型，以及合作的大模型如智谱的“豆包”、阿里的“千问”等协作回答bbs.360.cn。这样在用户提问后，不同模型可能各自给出答案，360再综合。这种“一站式体验多模型”方式在国内尚属少见。360AI搜索对公众免费，附带数字人形象陪聊。由于集成多模型，答案风格和质量有时不一致，但整体上也是中文AI搜索一个有益补充。

9. AI设计 / 3D建模

• Uizard – 这是全球首个AI驱动的UX/UI设计工具之一m.sohu.com。Uizard可以根据文本描述自动生成多屏幕的应用原型aigc.cn。例如用户输入“一个电商应用，有商品列表和购物车页面”，Uizard就能在几秒内给出对应的多屏原型草图zhuanlan.zhihu.com。它还支持将手绘草稿或截图上传，AI会识别其中的UI元素并转化为数字原型m.sohu.com。Uizard提供实时协作功能，团队可以共同编辑设计aigc.cn。作为云端工具，用户无需下载安装，通过浏览器即可使用，支持多平台，非专业人士几分钟就能上手ai-bot.cn。基本功能有免费计划（每月有限的AI生成次数），高级功能订阅$12/月起subframe.com。Uizard的优势在于极大提升了原型设计速度，自动组件布局让初学者也能做出像样界面ai-bot.cn。不足是复杂自定义仍需人工调整，AI生成的设计趋于通用模板风格，对于高保真视觉设计和品牌个性化，需要设计师再加工。

• Spline AI – Spline是一款轻量级3D设计工具，2023年加入了AI 3D生成功能reddit.com。借助Spline AI，用户可以通过文字或图片生成3D模型、场景和动画aiww.com。例如输入“a house with red front door and three windows”，AI会直接创建对应的立体房屋模型aiww.com。也可以上传一张2D图片，Spline通过算法将其转换为3D物体aiww.com。生成后，Spline提供直观编辑界面，可拖拽缩放旋转模型，并实时预览效果aiww.com。此外，它还支持AI生成材质贴图，为模型自动添加真实纹理aiww.com。Spline AI基础功能部分免费，对复杂生成和素材库则收费（有Pro版本）。其优点是大幅降低了3D建模门槻 – 以前零建模经验的人也能凭创意做出简单3D内容vocus.cc。并且Spline生成的模型可一键导出为代码嵌入网页，方便开发者使用vocus.cc。限制在于，目前AI生成3D精细度有限，复杂角色或高多边形模型仍需专业建模软件。此外实时动画和物理效果等高级设计还不够智能，需要设计师介入调整。

• 平面设计领域AI：在UI和3D之外，平面设计也有AI工具。Canva引入了“Magic Design”功能，可根据用户上传的图片自动生成多版海报/社交帖模版，让用户挑选编辑。Adobe推出Firefly模型，支持生成自定义矢量图案、智能扩展图片背景等，已整合进Photoshop和Illustrator，帮助设计师加速创意迭代。一些排版AI还能根据内容自动调整字体大小、版式布局，让非设计人员也能做出美观的宣传图。

• 其他3D AI应用：NVIDIA的Canvas应用允许用户涂抹颜色块，AI将其转换为逼真的风景3D场景。还有Kaedim等AI服务可以通过输入多角度照片，自动生成对应的3D模型骨架供游戏使用。Luma AI通过NeRF技术让用户拿手机绕拍摄物体，AI生成其3D模型，实现真实物体快速数字化。

10. 垂直领域AI应用

• 教育领域： AI可充当学生的智能导师和老师的教学助手。一些在线教育平台上线了AI答疑，如Khan Academy的“Khanmigo”利用GPT-4为学生提供个性化辅导（引导式提问而非直接给答案）。语言学习应用Duolingo推出Duolingo Max，利用GPT-4与用户角色扮演对话练习。国内方面，科大讯飞的星火大模型深耕教育场景：推出星火教师助手供教师备课用edu.iflytek.com。据统计，教师助手能让教学设计效率提升超50%，课件制作效率提升64%edu.iflytek.com。它可以自动生成单元教学计划、课件PPT、习题解析等，大大减轻老师备课负担edu.iflytek.com。对于学生，讯飞还有AI学习机产品，集合了大模型能力，可智能批改作业、诊断错题并推荐个性化练习zhuanlan.zhihu.com。另外，好未来推出了学而思九章大模型，用于课后辅导。可以看到，教育AI强调对知识点的掌握和讲解，通过融合教材题库数据，让学生提问时AI给出循序渐进的指导而非直接答案，帮助理解学习。AI在教育中的挑战在于确保内容准确无误且契合教学大纲，因此往往采用大模型+权威教材/专家规则的融合方案来保证可靠性。

• 医疗领域： 医疗AI需要专业性与安全性。大模型应用在此主要是问诊辅助和医学文献分析。如辉达(Nvidia)开发的Med-PaLM、商汤的医疗大模型等，能够回答医学知识、为医生提供诊断建议。但这类模型通常不直接面向患者，以免误诊风险，而是赋能医生。例如Glass AI是国外一款医生助手，可以根据症状给出鉴别诊断列表供医生参考。国内，科大讯飞让星火模型参加医师资格考试，成绩高于及格线，证明了AI掌握医学知识的潜力。一些医院开始试用临床对话系统：医生对患者描述病例时，AI实时转录并生成初步病历文书，以及可能的诊疗方案建议，然后由医生审阅修改clio.com。另外，在医学影像、药物研发中也有AI的用武之地（图像识别病灶、生成分子结构等），不过属于深度学习其他分支，不在本报告重点。总体上，医疗AI强调准确严谨，因此多采用专门训练（如BloombergGPT对金融，类比MedicalGPT对医学）并通过监管审批后方能实际应用。

• 法律领域： 法律服务正被称为“最适合AI”的行业之一，因为有大量制式文件和知识库。OpenAI与初创Harvey合作开发了法律大模型Harvey，并提供给全球多家顶级律所试用aimresearch.co。Harvey能帮助律师分析合同、进行尽职调查、生成法律备忘等aimresearch.co。例如上传一份合同，它可以标注潜在风险条款并提出修改建议therainmakerinstitute.com。它还可根据案情概述检索相关判例和法律条文，节省律师做research的时间。国内不少法院/仲裁机构也开发了法律AI助手。如北京互联网法院的**“笞子”智审系统，能对简单网络纠纷进行线上裁决建议。还有法律咨询平台上使用大模型自动回答用户的法律问题、生成合同范本等。不过法律AI目前多作为辅助**，最终决策要由执业律师或法官做出，以确保权威性。此外，法律语言严谨性要求AI回答必须非常准确，引述法条不能有偏差，这对模型提出了很高要求，往往需要结合结构化法律数据库实现。

• 金融领域： 金融业对AI的需求集中在分析建议和信息获取。最著名的是BloombergGPT，由彭博社训练的50B参数模型，它专门学习了海量财经数据（新闻、行情、公告），能够回答金融专业问题、生成财经简报等。还有Morgan Stanley与OpenAI合作，用GPT-4构建内部理财顾问助手：将十万页投资研究资料输入模型，让顾问用对话查询投资策略或市场见解，AI可以在海量知识中定位答案并给出综合分析wallstreetcn.com。这有效解放了隐藏在内部文件系统中的知识，提升理财顾问服务客户的效率wallstreetcn.com。银行也开始尝试AI客服来解答理财产品问询、模拟投资组合等。在交易方面，一些对冲基金据传用生成模型辅助写交易策略或新闻解读。但金融领域AI应用谨慎：需要符合合规要求且避免提供错误建议导致经济损失。因此通常作为专家的辅助手段出现，而不会让AI直接做交易决策或客户投资决策。

• 客服和运营支持： 客服是AI商用落地最快的领域之一。早在ChatGPT之前，各企业就有FAQ机器人。而现在的大模型赋能让客服机器人更智能：不仅能回答预设问题，还可实时从知识库提取答案并用自然语言表述。Salesforce Einstein GPT就是典型，它可以为客户服务人员自动生成回复草稿、总结客户提问并从公司知识库找出相关解答salesforce.com。这样客服人员只需稍加确认修改即可回复，大幅提升效率。Intercom公司的Fin AI客服在网站上直接面对客户咨询，解决率也很高。运营支持方面，AI可做内部IT支持问答、查找公司政策文件等。例如很多企业用Teams或Slack上的AI机器人，员工可以询问“怎么申请年假”之类，AI根据内部资料回答，免去人工HR咨询。RPA（机器人流程自动化）厂商也在集成大模型，比如UiPath推出Clipboard AI帮助自动解析Excel、邮件文本然后执行操作。Microsoft 365 Copilot可被视作办公运营支持AI：它能读取会议记录自动生成行动项，或根据邮件内容自动起草回复等，把繁琐日常任务交给AI处理，让员工专注更高价值的工作。