数字内容供给需求不断增长 生成式人工智能(AIGC)技术在今年不断落地

随着数字内容供给需求不断增长，生成式人工智能(AIGC)技术在今年不断落地，推动数字经济与实体经济进一步融合。AIGC为人类的技术视野打开全新一角。

如今，人人都在谈论AIGC，企业也越发重视数据的重要性，大模型带动了算力需求的几何级提升。如何有效运用大模型，让AIGC技术落地实体产业，众多科技企业都在积极探索与实践。

AIGC产业市场深度调研

生成式人工智能AIGC(Artificial Intelligence Generated Content)是人工智能1.0时代进入2.0时代的重要标志。

GAN、CLIP、Transformer、Diffusion、预训练模型、多模态技术、生成算法等技术的累积融合，催生了AIGC的爆发。算法不断迭代创新、预训练模型引发AIGC技术能力质变，多模态推动AIGC内容多边形，使得AIGC具有更通用和更强的基础能力。

从计算智能、感知智能再到认知智能的进阶发展来看，AIGC已经为人类社会打开了认知智能的大门。

通过单个大规模数据的学习训练，令AI具备了多个不同领域的知识，只需要对模型进行适当的调整修正，就能完成真实场景的任务。

AIGC对于人类社会、人工智能的意义是里程碑式的。短期来看AIGC改变了基础的生产力工具，中期来看会改变社会的生产关系，长期来看促使整个社会生产力发生质的突破，在这样的生产力工具、生产关系、生产力变革中，生产要素——数据价值被极度放大。

AIGC把数据要素提到时代核心资源的位置，在一定程度上加快了整个社会的数字化转型进程。

北京九章云极科技有限公司副总裁周晓凌说：“当前，各行各业已经积累了大量的数据信息，如何高效地运用这些数据资料，是下一阶段大数据和人工智能需要解决的问题。”

从语音聊天实时翻译到数字人直播，从气候监测到“辅导”学习的智能硬件，在在9月2日至6日召开的2023年中国国际服务贸易交易会上，人工智能技术的应用已经延伸到各行各业，映射出一个更加数字化、智能化的新时代。

在讯飞医疗展台虚拟医生情绪评估平台前，虚拟医生正在进行对话访谈，身穿“白大褂”的虚拟医生，不仅拥有逼真的外观形象，还可以基于医疗大模型等技术，实现个性化友好对话访谈。

通过虚拟医生与患者进行对话访谈，可以大大减轻患者心理压力，模拟临床评估过程，实现抑郁症状等智能量化评估。

AIGC的概念及发展阶段分析

生成式人工智能AIGC是人工智能1.0时代进入2.0时代的重要标志。GAN、CLIP、Transformer、Diffusion、预训练模型、多模态技术、生成算法等技术的累积融合，催生了AIGC的爆发。

算法不断迭代创新、预训练模型引发AIGC技术能力质变，多模态推动AIGC内容多边形，使得AIGC具有更通用和更强的基础能力。

从计算智能、感知智能再到认知智能的进阶发展来看，AIGC已经为人类社会打开了认知智能的大门。通过单个大规模数据的学习训练，令AI具备了多个不同领域的知识，只需要对模型进行适当的调整修正，就能完成真实场景的任务。

生成式人工智能——AIGC，是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。

AIGC技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习，AIGC可以根据输入的条件或指导，生成与之相关的内容。例如，通过输入关键词、描述或样本，AIGC可以生成与之相匹配的文章、图像、音频等。

AIGC对于人类社会、人工智能的意义是里程碑式的。短期来看AIGC改变了基础的生产力工具，中期来看会改变社会的生产关系，长期来看促使整个社会生产力发生质的突破，在这样的生产力工具、生产关系、生产力变革中，生产要素——数据价值被极度放大。AIGC把数据要素提到时代核心资源的位置，在一定程度上加快了整个社会的数字化转型进程。

深度学习模型不断迭代，AIGC取得突破性进展。尤其在2022年，算法获得井喷式发展，底层技术的突破也使得AIGC商业落地成为可能。其中主要集中在AI绘画领域：2014年6月，生成式对抗网络(Generative Adversarial Network，GAN)被提出。

2021年2月，OpenAI推出了CLIP(Contrastive Language-Image Pre-Training)多模态预训练模型。2022年，扩散模型Diffusion Model逐渐替代GAN。

2021年之前，AIGC生成的主要是文字，而新一代模型可以处理的格式内容包括:文字、语音、代码、图像、视频、机器人动作等等。

AIGC被认为是继PCG和UGC之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势。

2022年后AIGC高速发展，其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。

AIGC产业发展现状分析

AIGC是建立在多模态之上的人工智能技术，即单个模型可以同时理解语言、图像、视频、音频等，并能够完成单模态模型无法完成的任务，比如给视频添加文字描述、结合语义语境生成图片等。

现阶段国内AIGC多以单模型应用的形式出现，主要分为文本生成、图像生成、视频生成、音频生成，其中文本生成成为其他内容生成的基础。

AI产业链主要由基础层、技术层、应用层三大层构成。其中基础层侧重于基础支撑平台的搭建，包含传感器、AI芯片、数据服务和计算平台;

技术层侧重核心技术的研发，主要包括算法模型、基础框架、通用技术;应用层注重产业应用发展主要包含行业解决方案服务、硬件产品和软件产品。

国内AIGC产业链结构主要由基础大模型、行业/场景中模型、业务/领域小模型，AI基础设施、AIGC配套服务五部分构成，并且已经形成了丰富的产业链。

根据中研普华产业研究院发布的《2023-2028年中国AIGC产业市场深度调研及发展战略研究报告》显示：

国外AIGC的商业化从基础大模型开始，包括以ChatGPT、Midjourney为代表的典型应用是基于基础大模型的调用，孵化而来。

国内正好相反，由于国内市场极度丰富的业务场景，高度离散的供给侧服务，导致当前的AIGC商业化先从业务/领域小模型开始。基础大模型尚处于快速迭代升级的阶段，同时也开始关注具体的业务场景。

而行业/场景中模型市场相对更加滞后，但这一市场在中国特色市场下，将会是未来基础大模型和领域小模型都会积极跨界的领域。

2023年2月，Meta首席执行官扎克伯格宣布，Meta将成立专注AIGC的顶级产品团队;谷歌旗下流媒体平台Youtube宣布正在开发AIGC内容创作工具。

此前OpenAl、微软、谷歌、Buzzfeed等海外巨头们也都有布局相关服务产品。而国内不少企业的反应同样十分迅速，在2022年Al绘画爆火之后，BAT、字节跳动、万兴科技、蓝色光标等领头企业已纷纷加码布局AIGC赛道。

目前国内的AIGC技术与应用，供需两侧主要集中在营销、办公、客服、人力资源、基础作业等领域，并且这种技术所带来的赋能与价值已经初步得到验证。

根据TE智库《企业AIGC商业落地应用研究报告》显示，33%企业在营销场景、31.9%的企业在在线客服领域、27.1%的企业在数字办公场景下、23.3%的企业在信息化与安全场景下迫切期望AIGC的加强和支持。

2023年，AIGC(生成式人工智能)大模型的出圈，也让家居行业掀起了“AI+”浪潮。在东易日盛发布会上了解到，其发布的“创意大师”“真家AIGC”“小白设计家” 三大辅助家装AI应用产品，打开了家装行业对AIGC的全新认知，同时也开启了家装的智能化全新体验。此外，尚品宅配也在5月份发布了基于多模态大模型的AIGC技术。

联合国教科文组织(UNESCO)在9月7日发布了首份关于在教育中使用生成式人工智能(AIGC)的指南，敦促政府机构规范使用这项技术，包括保护数据隐私和对用户设置年龄限制。

教科文组织总干事Audrey Azoulay表示，生成式人工智能可能是人类发展的巨大机遇，但它也可能造成伤害和偏见。她补充道，如果没有公众参与，没有政府的必要保障和监管，它就无法融入教育。

AIGC产业未来发展趋势预测

数据显示，2020年中国人工智能核心产业规模就已达1500亿元，预计在2025年将达到4000亿元，未来有望发展为全球最大的人工智能市场。

而AIGC的存在，将会极大释放人类的想象力，掀起属于这个时代的“新艺术浪潮”。AIGC于2022年末迎来爆发，在数据、算法和算力三大要素的相互促进下，Al模型的智能化水平不断攀升，Al的“创造力智慧”被逐步唤醒。

随着人工智能技术的不断升级与突破，生成式AI加速向文本、图像、音视频等领域渗透。

随着AIGC技术的不断发展，其在人工智能领域中的地位将会越来越重要。未来，AIGC将会在更多的领域中进行应用，如智能家居、智能交通等。同时，AIGC也将会面临着更多的挑战，如数据安全、隐私保护等问题，需要不断进行技术创新和完善。

中研普华利用多种独创的信息处理技术，对市场海量的数据进行采集、整理、加工、分析、传递，为客户提供一揽子信息解决方案和咨询服务，最大限度地降低客户投资风险与经营成本，把握投资机遇，提高企业竞争力。

想要了解更多最新的专业分析请点击中研普华产业研究院的《2023-2028年中国AIGC产业市场深度调研及发展战略研究报告》。