AIGC策略深度报告.docxVIP

一、行业梳理 （一）AIGC 的概念与内涵 2022 年是 AIGC 爆火出圈的一年，随着 AI 作画风行一时，chatGPT 刷爆网络，不仅消费者竞相追捧 AIGC，投资界也积极关注，还被全球各大科技企业竞相追逐。据中国信通院 AIGC 白皮书定义，AIGC(Al-Generated Content) 即人工智能生产内容，可用于代码生成、文本问答、图像生成等，既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合。 AIGC 技术能力根据面向对象、实现功能的不同可分为三个层次: 智能数字内容孪生（可分为智能增强技术和智能转译技术）、智能数字内容编辑、智能数字内容创作。根据 Gartner 测算，当前生成式人工智能占所有数据产量不到 1%，其生成数据渗透率有广阔提升空间，预计至 2025 年将上升至 10%。 （二）AIGC 的发展流程 据甲子光年智库分析，人工智能主要包括六大学科，当下业界讨论往往聚焦机器学习这一学科，其在各种领域都具有广泛的应用前景，包括自然语言处理、计算机视觉、电子商务等等。人工智能算法的不断迭代是 AIGC 发展进步的源动力，诸多 AI 技术累计融合，尤其是深度学习模型方面的技术创新，催生了 AIGC 的技术变革，使 AI 工程化门槛不断降低，有望重新定义生产力。 基础的生成算法模型不断突破创新，Transformer、扩散模型等深度学习的生成算法相继涌现；预训练模型(PLM)引发了 AIGC 技术能力的质变，2018 年以来，预训练语言模型及其”预训练-微调”方法已成为自然语言处理(NLP)任务的主流范式，规模越大的模型不仅在已知任务上有着更好的表现，同时展现出完成更复杂的未知任务的强大泛化能力；多模态技术推动了 AIGC 的内容多样性，让其具有了更通用的能力。 图表1：2022 年 Gartner 人工智能技术成熟度曲线 Gartner， 据创新工场定义，AI 发展周期可以划分为以下两个阶段： AI 的 1.0 时代(2012 年-2018 年): 主导逻辑是大数据、小算力、专用决策范式。存在单领域、多模型的限制，数据集、模型碎片化明显、AI 泛化能力不足，大多数行业需要花费巨大成本来收集和标注数据以利用 AI，从而导致规模不经济。AI 1.0 缺乏规模化能力来降低应用开发的门槛，打造完善生态链，因此商业化价值较小。 AI 的 2.0 时代(2017 年至今): 预训练大模型在无需人工标注的海量数据的学习训练后具有良好的通用性和泛化性，通过微调等方式适配和执行五花八门的任务，能显著降低 AI工程化门槛，让其成为自动化内容生产的 “工厂”和“流水线”。GPT-3 的出现让大数据、大算力和通用范式成为典型模式，AIGC 模型有望逐步达到具有预测、决策、探索等更高的认知智能，真正有望实现平台化的效应，进而探索商业化的应用创新机会。 图表2：人工智能 1.0 时代与 2.0 时代 资料来源：创新工场, 未来文本、图片、语音、代码等场景将逐步走向成熟，将助推技术向多模态融合发展，五大方向路径分别为：文本到文本 AIGC，如大型语言模型聊天机器人 ChatGPT；文本到图像 AIGC，如谷歌推出的文本到图像的扩散模型 Imagen；文本到 3DAIGC，如谷歌推出的 DreamFusion 可以根据给定的文本创建 3D 模型；音频相关 AIGC，如 Murf AI 推出的人类语音生成器；图像到图像 AIGC，如 Preferred Networks 推出的 Crypko 可以创作上半身动漫形象。 图表3：生成式 AI 技术的成熟应用进程时间表 甲子光年智库， （三）AIGC 的产业分布 AI 的七大关键能力为感知、认知、决策、学习、执行、社会协作能力以及符合人类情感、伦理与道德观念，这些能力在进化中逐步扩展累积，逐步“解放大脑”。AIGC 的本质是内容与场景的融合，其发展需要 AI 模型、基础设施、上层应用的相互配合，后端基建，算法、算据和算力三要素耦合共振。 图表4：AI 发展三要素 资料来源：甲子光年智库， AI 全栈技术架构分为三个层级：算力层、平台层和算法层，其中，算法层包括应用层、中间层和基础层或模型层中间层可向下对接大模型能力，向上提供个性化服务，由一批专门负责调整大型模型以适应具体应用需求的初创企业构成。而基础大模型将逐步走向统一，形成寡头格局，开发人员将基于这些基础模型研发 AI 应用。 图表5：AIGC 算法层技术架构拆解 资料来源：甲子光年智库， 目前，AIGC 产业生态加速形成和发展，产业链呈现为上中下三层架构，包括上游基础层、中间技术层、下游应用层三个层级。基础层由于预训练模型的高成本和技术投入，因此具有较高的进入门槛，主要参与机