独家！首份公众AI大模型调研报告泄露！数据背后，是普通人的逆袭路线图！

受访者近一个月使用最多的AI应用是DeepSeek，占比61.5%，其次是豆包（58.9%），第三名为腾讯元宝（27.5%）。文心一言（24.1%）、Kimi（18.7%）、通义（10.4%）的使用率相对较低。对受访者进行职业分析发现：在校学生、公务员、普通职员、专业人员更青睐DeepSeek。在学生群体中，DeepSeek的使用占比显著高于其他AI应用（81.9%的学生使用）。

使用AI应用过程中有哪些突出问题？

当受访者使用AI应用时，最突出的问题是内容不准确或含虚假信息（42.2%）、紧接着为AI应用的功能不够丰富（39.6%），响应卡顿（32.4%）。使用有难度、学习成本高与个人隐私泄露也有受访者提及，占比分别为27.8%、26.4%。公务员（34.1%）、普通工人（32.1%）、企业管理者（31.1%）在使用与学习AI方面感到困难的占比相对较高，值得关注。

AI还不完美，用还是不用？

在充分了解AI应用可能存在虚假信息、卡顿等问题的前提下，有67.5%的受访者认为AI使用是大势所趋，将继续增加AI的使用。另有26.5%的受访者表示这些问题对他们的使用意愿影响不大，仍会继续使用。有4.5%的受访者使用意愿因此而降低，当前很少或者基本不再使用AI应用。还有1.5%的受访者对这个问题无法判断。

选择用腾讯元宝有哪些原因？元宝提供的两种大模型能力，哪个更好？差距大吗？

元宝提供了更多的功能（拍照识图、文生图等）是受访者使用元宝的最主要原因（41.4%），紧接着为最先接入DeepSeek（40.2%），随后是可以结合公众号、视频号内容回答（39.4%）。此外，受访者也看重腾讯品牌的可信度（37.8%）以及可便捷导入微信文件的功能（36.5%）。受访者还提到了元宝提供的服务稳定不卡顿（31.4%）、元宝隐私数据保护机制更完善（28.8%）等优势。

元宝提供了DeepSeek和Hunyuan两种大模型供用户选择、使用。近四成的受访者（39.6%）对DeepSeek模型非常满意，48.1%的受访者比较满意，合计占比87.7%；32.1%的受访者对Hunyuan能力非常满意，46.1%的受访者则比较满意，合计占比为78.2%。

在使用AI应用获取信息之后，公众是否会主动进行事实核查？

当从 AI 应用获取信息后，接近半数（46.3%）的受访者只在信息十分关键或存疑时才会进行核查；超过三成（34.4%）的受访者在大多数情况下会核查，但并非每次都查；14.9%的受访者每次都会进行核查，以确保信息准确无误。而几乎从不进行事实核查的人占比较少，仅为4.3%。从行业来看，来自政府/非盈利机构的受访者对AI应用中获取的信息最为“放心”，52.4%表示只在信息十分关键或存疑时才会进行核查，5.1%表示几乎/从不核查，两项占比均高于平均水平。

哪些因素能提升受访者对AI产品的信任？

拥有庞大的用户社区和及时的用户反馈最能提升受访者对AI大模型产品的信任（51.2%）,过半数受访者持该观点。其次为更新频次高，展示其持续优化能力（48.0%），算法细节公开和高透明度（45.3%）、行业和机构认可（44.5%）也能提升用户对AI模型产品的信任。值得注意的是，还有34.3%的受访者认可AI大模型产品的“名牌效应”，即模型由大企业或知名企业研发运营，也能为模型产品的信任度加分。

哪些方法可提高公众对AI应用的隐私安全信任？

当受访者使用AI应用时，能提升其对于个人隐私数据和隐私安全信任程度前三位措施是：服务提供商拥有成熟的数据加密和安全防护机制（37.7%）、具备完善的隐私政策和合规认证（37.0%）、拥有专门的数据安全团队和风险机制（34.2%）。同时，32.7%的受访者认为提供明确的数据使用说明和操作权限设置可以提升信任程度，32.3%的受访者认为将AI功能整合在常用APP中避免重复提交数据的方式对于信任程度提升亦有作用。相较之下，私有云（28.4%）、服务品牌（26.7%）以及数据安全事件处置经验（24.5%）对提升受访者安全感的作用相对有限。

开源大模型持续发展需要哪些关键支持？

59.9%的受访者认为完善的开发与治理机制（如代码审查、开源协议等）最重要。52.0%的受访者觉得稳定且大规模的算力与云端资源是关键因素。44.2%的受访者认为大量且高质量的训练数据是关键。42.5%的受访者则强调长期的资金投入与商业化路径探索的重要性。37.1% 的受访者表示开源社区的积极参与与贡献对开源AI模型的持续繁荣发展必不可少。

哪些因素最能降低中小企业或初创公司应用开源模型的成本？

60.1% 的受访者认为大型互联网平台免费或低价提供云算力/服务器资源，可以降低相关企业应用开源模型的研发与运营成本。此后依次是拥有完善的开源开发者社区并提供技术支持（50.0%）、政府或行业协会给予补贴及优惠政策（44.8%）、模型本身的高可扩展性和易用性（40.5%）、商业合作伙伴提供的培训 或解决方案（37.7%）。

哪些措施可以推动AI大模型快速迭代？

受访者认为通过互联网大厂、科研机构合作赋能，比其他措施更能显著推进AI大模型的快速迭代，占比高达43.6%。其次为通过国内丰富的应用场景来加速AI模型迭代（36.8%）、吸引更多企业与开发者协同优化（35.9%）。也有受访者认为可以加强监管和伦理建设（32.9%）、建立行业联盟打通技术共享（32.5%）、发挥个体用户的反馈作用（32.0%），以及进一步推进AI在垂直领域的应用（31.3%）

那么，如何系统的去学习大模型LLM？

作为一名深耕行业的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

👉大模型学习指南+路线汇总👈

我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！