一、总体概况

2025年9月份公示的第13批深度合成算法，国家网信办共公布586项深度合成算法备案，覆盖文本生成、图像/视频合成、智能对话、多模态交互、数字人驱动等多个技术方向。备案主体以民营企业为主，北京、广东、浙江、上海为算法集中地，行业应用广泛渗透至教育、医疗、金融、政务、电商、文旅、农业、工业制造等垂直领域。

二、属地分布分析

截止到9月份，国家网信办宫公布13批深度合成算法，总计通过4420 项深度合成备案，其中北京市共通过1120项，占比25.35%；紧随其后是广州省共通过1040项，占比23.53%；上海排名第三，共通过612项，占比13.85%；浙江472项，占比10.68%；四省市共占比73.41%。第十三批广东省共通过176项，远超北京市的110项，其次浙江省共同62项，上海市通过58项，江苏省通过36项。由此可见，发达地区通过率基本占全国80%左右。

前十三批深度合成算法总数
序号 属地 13批 12批 11批 10批 9批 8批 7批 6批 5批 4批 3批 2批 首批 合计
1 北京 110 65 58 100 109 123 136 132 120 86 32 38 11 1120
2 广东 176 135 55 102 95 137 82 74 67 61 23 19 14 1040
3 上海 58 51 30 45 44 59 77 78 72 46 31 20 1 612
4 浙江 62 32 19 43 40 50 62 58 40 22 19 13 12 472
5 江苏 36 25 13 22 24 24 28 19 17 13 1 3 225
6 湖南 5 5 4 2 4 5 3 5 5 3 3 44
7 湖北 13 9 3 8 12 11 11 14 8 8 5 1 103
8 四川 22 13 11 17 18 24 15 19 16 9 3 167
9 山东 28 12 4 10 13 20 5 12 4 1 109
10 重庆 6 4 4 9 3 4 10 9 3 2 1 55
11 安徽 10 3 5 4 6 9 5 7 2 2 6 2 61
12 福建 15 13 3 9 12 12 11 25 12 3 4 4 1 124
13 天津 5 5 2 5 6 4 2 4 2 2 1 38
14 贵州 3 3 2 1 3 1 2 4 3 22
15 海南 8 5 3 4 10 10 11 1 1 53
16 河北 5 2 1 3 7 4 8 2 4 3 1 40
17 广西 2 1 2 1 1 2 1 10
18 河南 6 1 2 2 3 3 3 5 5 30
19 内蒙古 2 1 2 1 1 7
20 黑龙江 1 1 1 2 1 1 7
21 辽宁 1 2 1 1 1 1 2 1 4 1 15
22 江西 1 1 4 1 7
23 陕西 7 2 1 3 3 4 2 22
24 云南 2 1 1 4 8
25 吉林 1 3 2 1 1 8
26 宁夏 1 1 3 1 6
27 新疆 1 1
28 山西 1 2 1 1 1 1 1 8
29 甘肃 1 1 2
30 西藏 1 1
31 青海 2 2
31 合计 586 389 211 395 411 509 487 492 394 266 129 110 41 4420

分析结论：

  • 京津冀、长三角、珠三角仍是AI产业核心区域，技术与政策资源集中。

  • 浙江、江苏等地依托数字经济和制造业基础，推动AI+产业融合。

  • 中西部地区（如四川、湖北、陕西）逐步崛起，聚焦教育、农业、政务等本地化场景。

  • 三、算法角色分类

  • 算法角色主要以面相C端的服务提供者为主，共计3409款，占比77.13%；面向B端的技术支持者共计1011款，占比22.87%；本次备案服务提供者477款，占比81.40%；技术支持者109款，占比18.60%。

  • 分析结论：

  • 服务提供者为主力，面向C端或B端提供可直接使用的产品（如APP、小程序、网站）。

  • 技术支持者多为底层技术供应商，提供模型能力、API接口、私有化部署，语音/图像/视频合成能力，服务于企业客户。

  • 四、行业与应用场景分析

    1. 行业分布（按主要用途归类）

  • 行业领域 算法数量 占比
    教育 92 15.7%
    医疗 78 13.3%
    金融 56 9.6%
    政务 48 8.2%
    电商/零售 46 7.8%
    文旅/传媒 41 7.0%
    法律 38 6.5%
    农业 25 4.3%
    工业/制造 22 3.8%
    其他（社交、游戏、交通等） 140 23.9%

  • 2. 应用场景分布

  • 场景类型 数量 占比
    文本生成 202 34.5%
    对话生成 178 30.4%
    图像生成 86 14.7%
    多模态生成 65 11.1%
    视频生成 35 6.0%
    数字人驱动 20 3.4%

    分析结论：

  • 文本与对话生成仍是主流，广泛应用于客服、教育、医疗、法律等知识密集型行业。

  • 图像/视频/多模态生成增长迅速，尤其在广告、文旅、电商、教育等领域落地。

  • 数字人技术逐步成熟，应用于政务、媒体、直播、教育等场景，成为AI交互新形态。

  • 五、公司背景分析

    1. 企业类型

  • 企业性质 数量 占比
    民营企业 512 87.5%
    国有企业 42 7.2%
    外资企业 20 3.4%
    事业单位/高校 12 2.0%

    2. 融资状态（部分可识别）

    融资阶段 公司数量（估算） 备注
    已上市 28 如网易、快手、携程、中国移动、工商银行等
    A轮及以上 85 如小冰、明略科技、商汤、旷视、猿辅导等
    初创/未披露 473 大部分为中小企业或地方科技公司

    分析结论：

  • 民营企业主导，创新活跃，产品多样化。

  • 上市公司积极参与，推动AI在主营业务中的融合。

  • 初创企业聚焦于垂直场景，如农业、法律、宠物、心理健康等细分领域。

  • 《深度合成规定》：要求显著标识AI生成内容，平台需建立内容审核与溯源机制。

  • 《生成式AI服务管理暂行办法》：明确算法备案、数据合规、内容安全等要求。

  • 《网络音视频信息服务管理规定》：禁止利用深度合成制作虚假新闻、违法信息。

  • 备案常态化：算法备案已成为生成式AI产品上线的必要前提。

  • 内容标识强化：多数算法在应用中需加入“AI生成”标识，尤其在数字人、视频、图像合成领域。

  •      六、政策与合规趋势

  • 1. 政策法规背景

  • 《深度合成规定》：要求显著标识AI生成内容，平台需建立内容审核与溯源机制。

  • 《生成式AI服务管理暂行办法》：明确算法备案、数据合规、内容安全等要求。

  • 《网络音视频信息服务管理规定》：禁止利用深度合成制作虚假新闻、违法信息。

  • 2. 合规趋势

  • 备案常态化：算法备案已成为生成式AI产品上线的必要前提。

  • 内容标识强化：多数算法在应用中需加入“AI生成”标识，尤其在数字人、视频、图像合成领域。

  •     随着3月份四部门发布的《结果标识管理办法》开始陆续执行，11.12两批次的算法备案因为新办法实施导致备案通过率大幅降低，随着结果标识办法的普及及企业信息的完善，9月份深度合成算法备案通过数量达到顶峰。

  • 七、趋势总结与展望

    维度 趋势
    技术方向 多模态融合、数字人、行业大模型成为重点发展方向
    应用领域 垂直行业渗透加速，教育、医疗、农业、法律等场景深化
    地区格局 京津冀、长三角、珠三角主导，中西部逐步崛起
    企业格局 民营企业主导，上市公司与初创企业共同推动创新
    合规要求 内容标识、数据合规、行业审查将成为长期监管重点

    2025年第三季度，中国深度合成算法备案数量再创新高，技术应用从“通用能力”向“行业专用”快速演进。随着监管体系日益完善，合规性、创新性、场景化将成为AI企业能否持续发展的关键。未来，AI生成技术将在更多传统产业中落地生根，推动数字化转型进入“智能生成”新阶段。

    注：本报告数据通过公开信息获取，数据汇总为手动汇总，会有些许偏差，资料仅供参考！

# 人工智能 # 语言模型 # AIGC # 大数据 # 算法
Logo
北京朝阳AI社区

更多推荐

“JVM” 上的 AOP：Java Agent 实战

简而言之，使用 AOP 达到的效果是：针对那些被 @Diagnosed 注解标注的方法，在执行完之后，会将方法执行的入参，返回值，过程中的日志打印等信息都记录下来，最终将调用堆栈串联起来，展示在前端，方便问题排查和溯源。简而言之，通过动态代理生成的类，会在方法调用前、后执行定义好的织入逻辑，并最终。回到问题本身， 由于 wof 方法是 A 的私有方法，生成的目标 Class 对象作为 A 的子类，

avatar 北京朝阳AI社区

AIGC 大模型实践总结

大模型代表一个新的技术 AI 时代的来临，大模型展现出的强大的语义理解，内容生成以及泛化能力正在逐渐改变我们的工作与生活方式（AI+）、工作方式和思维方式。AIGC 技术的核心优势是能够大大减轻人类创作者的负担，提高内容生产的效率和规模，同时也能够创造出全新的、创意性的作品。一个预训练模型，在处理下游任务时，不微调模型参数，只需要在输入时加一些示例，就能有 SOTA（state-of-the-ar

avatar 北京朝阳AI社区

社区供稿 | 如何让大模型输出 10k+ 字长文？

我们从 GLM-4 的 SFT 数据中筛选出了 3,000 条指令（主要是中文），另外从 WildChat-1M（一个包含用户与 ChatGPT/GPT-4 对话记录的公开日志）中选择了 3,000 条指令（主要是英文），通过 AgentWrite 并利用 GPT-4o 生成了 6,000 条长输出的 SFT 数据，即 LongWriter-6k。当输出长度符合要求时，得分为 100；我们相信，在

avatar 北京朝阳AI社区