行业分析

BigModel智谱AI大模型开放平台[heading2]方案背景[content]GLM-4-AllTools是专门为支持智能体和相关任务而进一步优化的模型版本。代码沙盒Code Interpreter工具很大程度加强GLM-4-AllTools模型的数据计算能力，处理日常的数据分析已经完全没有问题。[heading2]1、分析行业收入数据[content]这个案例中，我们想要对2024年上半年各行业企业统计数据做图表分析。[heading3]收入数据可视化[content]首先，根据各行业营收统计数据，绘制成可视化的图表。代码示例：绘制图表如下：[heading3]利润数据可视化[content]同样的，我们也可以将行业利润数据绘制可视化图表，prompt修改为：可以看到，财务数据的（数字）表示负利润，GLM-4-AllTools无需额外指令，模型也能够准确理解：[heading3]计算利润率并排序[content]最后，我们让GLM-4-Alltools模型计算出各行业利润率，按照利润率从高到低生成图表。绘制图表如下，数据结果计算非常准确：

原文地址：https://writerbuddy.ai/blog/ai-industry-analysis作者：[Sujan Sarkar](https://writerbuddy.ai/blog/author/sujan)备注：本文用[SEMrush](https://www.semrush.com/)工具来分析，与其他产品排名有所不同在过去的一年里，人工智能一直是一个无所不在的主题，在短时间内突破界限并重新定义了多个行业。从2022年9月到2023年8月，仅排名前50位的人工智能工具就产生了超过240亿次的访问量，月均访问量增长了2.363亿次。在这个庞大的数字中，仅ChatGPT就占据了140亿流量，覆盖了所分析流量的60%。当我们探索人工智能行业数字行为的复杂层面时，这一令人大开眼界的人工智能行业分析统计数据为未来定下了基调。[heading2]我们的研究方法[content]使用[SEMrush](https://www.semrush.com/)（SEO行业的知名工具），我们通过从列出AI工具的各种目录中抓取数据来研究3,000多种AI工具。我们从中分离出访问量最大的50个工具，这些工具反映了研究期间（2022年9月至2023年8月）人工智能行业80%以上的流量。本研究旨在深入研究人工智能行业的行为，分析流量模式、人口统计、趋势和消费者行为。

左边是对赛道的一些定性观察。尽量去量化，然而时间有限，可能有很多错误。2、赛道分类：有些赛道分类不够精准，比较模糊。随着时间推移，研究机构对于赛道的挖掘愈加深入，大家可以结合一些赛道文章去看。3、本报告没有去写一些结论，也没有把优秀公司单独列出来深入分析。更像一个赛道数据公共产品，提供给在AI行业的朋友们。4、图谱：本文引用了很多海外公司的图谱，版权归原作者所有。主要来自@cheifoffice和synaptic公司还有大量的VC图谱。为了方便阅读，裁剪成了字大的格式。5、欢迎转载，注明出处即可：Aiwatch.ai（PPT最后有转载细则）。6、时间范围：2-11月数据标准：数据来自similarweb，单位是万PV。4@FinanceYF5报告说明（2）aiwatch.ai序号“1”为总体65排序方便去飞书查询网址可观看过往报告单位：万，PV数据来源：Similarweb赛道总体月PVTAM Total addressable Market市场天花板赛道流量分布情况估值，收入相关情况5月是流量的一个高点11月和5月对比的增减情况公式=11/5-1作者推特项目2-11月的数据趋势5@FinanceYF5观察流量分布格局