AIGC行业调研报告专题合集（精选34份）-亚洲ca88官方网站

  2.2023年AI+教育”产业链深度报告：AIGC在国内教育领域落地有望加快

  1）生成式AI可充当虚拟教师或者练习伙伴的角色，进行“千人千面”个性化学习方案推荐，实现真正的因材施教，进而提高学生的学习效率；

  2）降低教育公司经营成本，解决教学中重复工作，为教研端生成教学素材、搜索分析教学内容、生成活动方案、设计美化课件等；

  3）有助于解决偏远/薄弱地区教育资源不足的问题，在线教育与智能教育一起，实现教育资源共享，促进教育公平。

  •教育与AI适配性强，叠加高付费意愿性，生成式AI在教育领域应用推广较快，尤其是海外地区。多邻国（DUOL.O）、可汗学院（非营利性）、Embibe等均利用AI工具制定个性化学习策略，辅助学生学习，变现模式跑通。多语言学习平台多邻国以会员订阅付费为主要变现模式，据多邻国公告，2022年订阅付费收入占比达74%，截至2022年底，多邻国付费订阅者达420万人。多邻国于23年3月14日面向iOS客户端中的英语、法语、西班牙语语言学习用户推出DuolingoMax服务，由GPT-4驱动，增加了两大AI辅助学习功能“解释我的答案”和“角色扮演”，学习者会可获得由AI驱动的反馈，明白他们回答的准确性和复杂性，以及未来对话的提示。

  •AI与教育领域契合度高，教育专用大模型的出台有望加速技术落地。目前包括Chat-GPT、文心一言、通义千问等国内外大模型所具备的自然语言处理、逻辑推演、多模态生成等能力与教育领域天然适配。2023年5月5日网易有道的“子曰”大模型现已在AI口语老师和中文作文批改功能中应用，研发工作已取得阶段性进展；好未来也宣布了数学专用大模型的研发计划。随后，科大讯飞基于星火认知大模型推出AI学习机T20，淘云科技也开发出应用于阿尔法蛋儿童GPT机器人的阿尔法蛋儿童认知大模型。6月初，据36氪报道，作业帮也正在内测基于国内市场的教育大模型，包含多学科解题、中英文作文批改、多语言对话方向等教育场景。各教育头部公司相继出台了教育专用的大模型，并与自身业务相结合，有望加速AI在教育领域应用落地。

  ➢AIGC多模态跨模态应用逐渐成熟，市场空间广阔。广义的AIGC指具备生成创造能力的AI技术，即生成式AI。可以基于训练数据和生成算法模型，自主生成创造新的文本、图像、音乐、视频等内容。2022年被称为AIGC元年，未来兼具大模型和多模态模型的AIGC模型有望成为新的技术平台。据《中国AI数字商业产业展望2021-2025》报告，预测AI数字商业内容的市场规模将从2020年的40亿元，增加到2025年的495亿元。

  ➢ChatGPT产品历经多代技术演进，产品与商业模式逐渐成熟。ChatGPT是文本生成式AI，过去的传统AI偏向于分析能力，主要是基于已有内容；现在文本生成式AI基于底层Transformer模型，不断训练数据和迭代生成算法模型，历经GPT-1、GPT-2、GPT-3，模型一直在升级，到ChatGPT的GPT3.5模型，已可以自主生成各种各样的形式的内容。近期收费版ChatGPTPlus版本发布，AI商业化序幕逐渐拉开。

  ➢AI商业化落地在即，行业算法侧和算力侧投资机会有望超预期。依据数据显示，ChatGPT总算力消耗约为3640PF-Days，按国内的数据中心算力测算，需要7-8个数据中心才能支持其运行。各模态AI数据训练到应用均需要算法和算力的加持，未来要想大规模应用，算法训练和算力部署均需先行。

  2022年被认为是人工智能生成内容(AIGC)元年。作为AIGC在自然语言领域的代表，ChatGPT在2022年年底一经推出，就掀起了一场可能涉及所有人，2023年3月GPT-4的发布则逐步推动了“态势升和所有行业的“大火”级”。由ChatGPT/GPT-4引发的全球关注，令许多人回忆起2016年AlphaGo战胜人类围棋世界冠军的时刻。如果说AlphaGo代表了AI在专业领域战胜人类的起点，ChatGPT/GPT-4似乎迈出了通用AI的第一步。这是第三次AI浪潮以来所有积累产生的硕果，AI技术到了一个即将大规模产业化的临界点。

  ChatGPT将单调呆板的人机通信演进到前所未有的自然、高效、有创造力的人机协作，代表了生产力的提升。chatGPT有多重要?埃隆·马斯克评价:“好得吓人，我们离危险的强人工智能不远了”。黄仁评价:“这是AI界的iPhone时刻”。比尔.盖茨表示“和个人电脑和互联网的出现一样重要。是当前最重要的创新，将改变世界”。在ChatGPT的基础上，GPT-4进一步在各种专业和学术基准测试中表现出“人类水平”的性能，在事实性、可引导性和可控制方面取得了“史上最佳结果”。当然，GPT-4在不是无所不能的，仍具有与早期GPT模型相似的局限性，如:犯常识性的错误、缺乏对新世界知识的了解、存在社会偏见、产生幻觉、推理错误等。但是我们正真看到其技术背后却具有一直优化.学习和进步的能力。

  在ChatGPT/GPT-4席卷全球的热潮中，人们已经深刻认识到人工智能作为经济社会持续健康发展中一项变革性技术与关键性力量，将为全球产业带来的巨大飞跃和突破式发展，深刻影响未来世界竞争格局。通信行业作为信息通信基础设施的建设者和运营者，既为AI的发展提供基础设施支撑，又是AI应用落地的领先者。

  1）从3G时代到5G时代，互联网历经PC互联网、移动互联网，当前迈入AIGC新业态探索期，电子商务行业从PC网页（以文字、图片静态内容为主）到传统货架电商再到直播电商（以音视频流媒体动态内容为主），一直在升级迭代，看好AIGC技术运用下的电商新机会；

  2）运用人工智能计算机视觉、智能语音、机器学习等AI技术在零售场景中的落地应用，通过为零售行业的参与主体、不同业务环节赋能，实现对零售行业的整体升级和改造。

  1）货架VS内容电商之争或迎来变革，行业格局有望重新洗牌，AIGC+搜索信息获取方式升级为通过语音/文字/图片/视频等多种方式输入，更加智能便捷，支持多形态输入，生成信息准确度提升；

  2）ChatGPT引入插件功能，或逐步提升搜索效率和精准度，满足更多用户主动搜索需求，但传统电子商务平台还能使用户得到满足“逛”和“被动种草”需求，无法完全取代中心化电子商务平台，且平台背后的商户/商品丰富度、价格力、物流履约、用户标签数据沉淀等能力仍是核心竞争力，平台仍具有收取一定广告/佣金变现的底层逻辑。

  1）据量子位《AIGC/AI生成内容产业展望》报告，预计2030年AIGC市场规模有望超过万亿元人民币，内容领域预估1-2年内有某些特定的程度商业化，延展领域后期有望成为AIGC创造价值的主阵地；

  2）案例分析：海信集团引入京小智后，降本增效成效明显，日均节省成本占比50.2%，较同期提升34.37%，尤其是大促期间辅助人工节省人力数，较同期提升了1.67倍。

  AIGC提高数据中心需求增速：AIGC超预期的发展速度将催生海量算力需求，数据中心迎来新一轮的发展机会，较不考虑AIGC带来未来1-2年年均新增需求增速提升8-10pct至28-30%，合计新增算力需求115.45-122.95Eflops，谨慎预期下拉动数据中心投资1134-1167.5亿元，乐观预期下拉动投资约1300亿元。

  1）科华数据：21年数据中心收入为30.48亿元，占比63%，贡献净利约2.7亿，占比约62%；22年因疫情影响，预计实现该业务收入约30-35亿元，IDC服务毛利率约27%，产品及集成毛利率约35%。23年数据中心业务预期约10-15%增速，达到全年35亿收入，占比约37%。

  2）科士达：市占率为4%，UPS产品主要为中小功率UPS，正着重布局高端中大功率UPS市场。海外收入高，占UPS收入的30%+。21年数据中心及智慧电源相关业务营收21.5亿元，占比约70-80%，毛利率30%+，净利率12-13%，净利约3亿元，占比81%。22年由于储能收入暴增，数据中心业务比重或将降至50%+。23年数据中心业务预期增速或将稳定在10-15%，达到全年26亿收入，占比约33%。

  3）欧陆通：服务器电源毛利率2022Q3为22%，预计2023年到25%。2022年收入6亿元，预计2023、2024年增长50%，2023-2024年营收分别为9亿元和13亿元，利润分别为1亿元和1.5亿元。目前正在进行国产替代，预计未来公司份额可能达到30%。

  ChatGPT热潮席卷全球。ChatGPT（ChatGenerativePre-trainedTransformer）是由OpenAI于2022年12月推出的对话AI模型，一经面世便受到广泛关注，其2023年1月月活跃用户达到1亿，是史上月活用户增长最快的消费者应用。在问答模式的基础上ChatGPT能够直接进行推理、编写代码、文本创作等等，这样的特殊优势和使用者真实的体验使得应用场景流量大幅增加。

  ①技术原理角度：ChatGPT基于Transformer技术，随着模型不断迭代，层数也慢慢变得多，对算力的需求也就越来越大；

  ②运行条件角度：ChatGPT完美运行的三个条件：训练数据+模型算法+算力，需要在基础模型上进行大规模预训练，存储知识的能力来源于1750亿参数，需要大量算力。

  2）价：对高端芯片的需求将拉动芯片均价。采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。支撑ChatGPT的算力基础设施至少需要上万颗英伟达GPUA100，高端芯片需求的快速增加会促进拉高芯片均价。

  ChatGPT的“背后英雄”：芯片，看好国内GPU、CPU、FPGA、AI芯片及光模块产业链

  1）GPU：支撑强大算力需求。由于具备并行计算能力，可兼容训练和推理，目前GPU被大范围的应用于加速芯片。看好海光信息、景嘉微；

  2）CPU：可用于推理/预测。AI服务器利用CPU与加速芯片的组合能够完全满足高吞吐量互联的需求。看好龙芯中科、中国长城；

  3）FPGA：可通过深度学习+分布集群数据传输赋能大模型。FPGA具备灵活性高、开发周期短、低延时、并行计算等优势。看好安路科技、复旦微电、紫光国微；

  4）ASIC：极致性能和功耗表现。AIASIC芯片通常针对AI应用专门设计了特定架构，在功耗、可靠性和集成度上具有优势。看好寒武纪、澜起科技；

  5）光模块：容易被忽略的算力瓶颈。伴随数据传输量的增长，光模块作为数据中心内设备互联的载体，需求量随之增长。看好德科立、天孚通信、中际旭创。

  8.2023年AIGC行业：生成式AI管理办法落地，利于模型及应用加速发展

  1）明确鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优秀品质的内容，探索优化应用场景，构建应用生态体系。

  2）支持行业组织、企业、教育和科研机构、公共文化机构、有关专业机构等在生成式人工智能技术创新、数据资源建设、转化应用、风险防范等方面开展协作。

  3）鼓励生成式AI算法、框架、芯片及配套软件平台等基础技术的自主创新，平等互利开展国际交流与合作，参与生成式人工智能相关国际规则制定。

  4）提出推动生成式人工智能基础设施和公共训练数据资源平台建设；促进算力资源协同共享，提升算力资源利用效能；推动公共数据分类分级有序开放，扩展高质量的公共训练数据资源；鼓励采用安全可信的芯片、软件、工具、算力和数据资源。

  不仅仅是数据，基础模型的使用也应具备合法来源，强调“采取比较有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性”。

  中国AI领域投资与研究能力齐头并进，重点行业渗透超50%，未来3年图像、视频单点技术布局加码。2022年全球AIGC市场规模为107.9亿美元，PrecedenceResearch预计，2030年将达到约731.6亿美元，复合增长率27%。IDC预计，2026年中国AI投资规模将达266.9亿美元。中国占据亚太AI市场主导地位。2021年中国AI领域私募投资据全球第二，AI相关期刊、会议和文献总量超过美国。如今，AI在中国互联网、金融、政府、电信行业渗透率均已超过50%。未来3年ARVR、视频分析、知识图谱、自然语言处理将成为AI单点技术主要发力点。

  未来科技公司领航+应用层多点开花实现飞轮效应。产业链中间层随AIGC应运而生，此处或诞生新的AI+创业机会。科技大公司将资源投入与主营业务结合，打造自己的大模型掌握行业定价权，实现自生生态更好的发展。勇于探索商业模式的公司适合利用早期生态蛮荒期，抓紧建立创新产品和产品壁垒的时间窗口，接入大厂模型结合特定领域数据集二次训练，完成垂直应用端场景的商业经济价值落地。分工化让应用层成本下降，对科技大厂来说减轻服务产业客户的难度，且打破过去AI产业难商业落地的困境。

  •2021年AI投资总额是2020年的2倍多，头部的AI初创企业吸引了更大额的资金投资。2021的平均私募市场投资规模比2020年高81.1%，中国AI私募投资排名第二仅次美国。•2021年，中国AI期刊、会议和文献比美国出版物总量高出63.2%，中国是美国市场之外唯一拥有完整的AI产业链的国家。

  •中国：IDC预计，2026年中国AI投资规模将达266.9亿美元。占据亚太AI市场主导地位。

  2020 年 7 月以来，云计算产业景气度会降低，产业链相关公司 股价与估值也明显回调。近期，云计算作为数字化的经济和人工智能的底层信息基础设施，虽然股价已有修复，但估值仍普遍处于历史估值中枢之下。我们提议重视云计算产业链。

  以 ChatGPT 为代表的AI应用爆红，其有望作为驱动新一轮云计算基础设施投资景气周期开启的重要引爆点。人工智能大模型在训练和推理过程中均需要海量算力支撑，目前以微软、谷歌、百度等为代表的互联网厂商积极进行大模型及应用开发，随着未来应用侧的不断演进，模型推理对新型智能算力的需求有望迅速提升，或将引发新一轮的算力基础设施投资热潮。

  近期人工智能研究公司OpenAI推出的聊天机器人模型CHAT-GPT不断出圈，据Semafor援引知情人士报道，微软正商谈以290亿美元估值，向OpenAI投资100亿美元，一切均指向人工智能模型的新范式“生成式AI模型（GenerativeModel）”。

  此前的决策式AI模型（DiscriminantModel）是根据已有数据来进行分析、判断、预测，典型应用为内容的智能推荐（短视频）、无人驾驶等；而生成式AI更强调学习归纳后进行演绎创造，生成全新的内容，本质是对生产力的大幅度提升和创造，已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为所有的领域带来非常大的生产力提升。

  继2019年向OpenAI注资10亿美元之后，微软与OpenAI的合作进入第三阶段。

  此前据Semafor援引知情人士报道，微软正商谈以290亿美元估值，向OpenAI投资100亿美元。2019年，微软即开始与OpenAI进行合作。到了2021年，微软向OpenAI投资10亿美金。

  1）Supercomputingatscale：微软将增加对专业超算系统开发和部署的投资，以加速OpenAI突破性的独立AI研究。微软还将继续构建Azure的AI基础结构，以帮助客户在全世界内构建和部署各自的AI应用程序。

  2）NewAI-poweredexperiences：微软将在其消费者和企业产品中部署OpenAI模型，并引入基于OpenAI技术的新型数字体验。包括微软的AzureOpenAI服务，该服务使研发人员可以通过直接访问OpenAI模型来构建尖端的AI应用程序。

  人工智能攻克图像识别之后再攻克语义理解的难度，高于最初做出图像识别的难度

  学外语模式更符合我们对语言学习的逻辑理解，像人族学习外语而且开始投入就能见到效果，所以绝大部分公司选择这条路线。

  但问题是系统达到一定语言能力后 ( 远低于人)，无论如何优化，依然有大量的问题的回复完全是答非所问人工智能瞬间成为“人工智障’。

  生成式AI引发计算架构演进需求，混合AI实现终端云端协同。模型推理成本较高阻碍AI应用的规模化扩展，推动混合AI应运而生。混合AI能在不同场景和时间下动态分配终端和云端的工作负载，在成本、能耗、性能、隐私、安全和个性化五大维度和云端相比具备优势。

  高通凭借终端侧AI技术和全栈优化引领混合AI发展，独具规模化拓展优势。新一代高通终端芯片矩阵可以运行以Transformer为代表的超大规模神经网络。在高通基带射频及主控芯片基础上，AI软件栈可帮助创建、优化和部署应用程序。高通已实现了混合AI从硬件、软件到应用的全栈AI研发积累，依托骁龙计算平台的高可复制性，终端将从智能手机向汽车、PC和平板、物联网及XR平台拓展，而凭借技术积累和市场优势，高通将成为AI向终端规模化的最大受益者。

  2023年手机出货量的低基数及混合AI驱动AI终端更替，有望助推高通出货量高增。IDC预计2023-2027年安卓操作系统智能手机出货量CAGR约2.8%，2024年智能手机出货量止跌回升。STLPartners预计边缘计算市场2030年或将高达4450亿美元，CAGR约48%。考虑到当前高通芯片出货量的低基数，混合AI驱动的终端更替智能手机需求的抬升和作为端侧AI逐步落地的硬件需求抬升将同步存在，高通芯片出货量增速可期。

  近年随着版权保护的加强，以及综合视频平台、中短视频平台、运营商、硬件厂商等更多下游客户加大对长视频的采购与精细化运营，对应版权价格持续上涨。但仍与北美等版权保护完善地区有着非常大的市场差距。

  今年起电影市场将显著回暖，上映电影数量与票房都有明显提升，利于公司加大采购，提升收入利润。去年与腾讯签署的18亿合同，将为公司带来大量现金流，可支撑后续采购与收入的快速增长。

  AIGC技术加快速度进行发展，公司与华为盘古合作开发视频领域AIGC应用，或将公司业务延伸至短视频制作、授权领域，通过与自有影视库结合，将带来下游客户、业务模式、收入及利润的巨大变化,或成为未来新的增长点。

  AIGC与VR/AR技术加快速度进行发展，数字人与虚拟场景的需求急速扩大。子公司世优科技是有关技术领先的行业龙头，后续随着苹果MR产品的推出，公司收入利润有望加速增长。

  生成式AI是一种颠覆性的技术，它可以生成以前依赖于人类的工件，在没有人类经验和思维过程偏见的情况下提供创新的结果。

  生成式人工智能，将彻底改变人机交互的关系，并创造新的产能输出结构。它将在第四维度实现与人的思维同调，继移动电子设备以人类外器官形态存在以来，AIGC将以外脑的形式存在于人类认知中。

  过去，技术与商业化同步演进，技术和商业优势并重的“大公司”更快占据最大的市场份额。

  1）确认应用场景：第一先考虑面向服务对象的需求核心节点（行业/场景）、竞争环境和商业模式的快速试错

  2）强化技术基座：如何进一步强化技术基础来实现产品化或服务，稳固优势并达到天花板

  多年创意软件经验积累，并购+产品迭代打造高竞争力产品线年成立以来，一直深耕于数字创意软件领域，紧跟时代发展潮流不断推陈出新，万兴喵影、万兴PDF等产品成为爆款产品。2011-2021年，万兴科技多次进行战略并购，战略控股亿图、墨刀、格像等公司，不断拓宽经营事物的规模，打造了完备的产品矩阵。

  核心视频创意产品依托短视频广阔市场空间，视频编辑产品增长强劲。我国视频网络和短视频用户数量及使用率持续上升，2018-2022年短视频用户人数从2018年的6.5亿提升至2022年的10.1亿，使用率达到94.8%；全球潜在市场规模将在2025年达到630亿美元，市场空间广阔。Filmora（万兴喵影海外版）是拥有较超高的性价比的和AI编辑功能的软件，在多个海外视频编辑软件榜单中排名前列。2022年视频创意产品实现27.8%的高增长，有望凭借高性价比持续扩充市场份额。

  快速布局AIGC文字+图片+视频落地产品案例，前瞻投入把握市场先机。AIGC作为新兴领域，市场格局尚未定型，还拥有巨大的市场潜力。万兴科技将AI生成能力加入亿图图示、墨刀等软件，打造图像生成app万兴爱画和数字人视频生成app万兴播爆。作为较早一批布局AIGC的应用厂商，将有机会吸引更加多的用户，获得先发优势。同时能获得更多的用户反馈，并不断进行迭代和升级并提升产品力，有望率先打造出爆款C端应用产品。

  生成式AI作为当前人工智能的前沿领域，成为全世界最热的科技线年OpenAI发布ChatGPT,生成式AI在模型应用层面实现重要突破，仅两个月突破1亿月度活跃用户数，成为史上用户上涨的速度最快的消费级应用。全球多家科技公司加大在生成式AI领域的研发投入力度，不断在技术、产品及应用等方面推出重要成果，持续推动人工智能的创新与商业化落地进程，也将带动产业链相关企业加快速度进行发展。在此背景下，在中国互联网协会、中国软件行业协会指导下，天津市人工智能学会、至顶科技、至顶智库联合发布《2023年全球生成式AI产业研究报告》，该报告从全球视角出发，对生成式AI的

  等方面进行梳理，全方面展现生成式AI的产业高质量发展情况，为政府部门、行业从业者、教育工作者以及社会公众更好了解生成式AI提供参考。

  从人类语言诞生到公元前16世纪殷商时期甲骨文的出现，文字成为人类交流的重要方式；

  从公元105年蔡伦发明造纸术到1946年世界第一台电子计算机诞生，语言开始通过各类机器实现传播；

  伴随互联网出现，人工智能NLP及生成式AI等技术的快速发展与相关应用落地，使得机器生成和创造语言的方式成为了可能。

  该技术可以模仿人类的对话和决策能力，使我们站上了公众采用人工智能 的第一个真正拐点。最终，所有人，所有地方都将切实感受到这项技术的颠覆性潜力。

  最近的进展使企业现在能够依托这些基础模型，构建出专门的图像和语言生成模型。而大语言模型（LLM）既属于生成式人工智能，也是一种基础模型。

  大语言模型正在凭借两项优势改变着市场规则。第一，这类模型破解了语言复杂性的密码。如今，机器拥有了前所未有的能力，能学习语言、上下文含义和表述意图，并独立生成和创建内容。

  第二，在利用大量数据（文本、图像或音频）进行预训练后，这些模型能够针对众多不同的任务做出调整或微调。这使得用户都能够将多种方式，对模型按原样重复使用或稍加修改后再次使用

  9月23日，红杉美国发表文章《生成式Al:一个创造性的新世界》，认为AIGC会代表新一轮范式转移的开始。2022年10月，StabilityAl获得约1亿美元融资，估值高达10亿美元，跻身独角兽行列。StabilityAl发布的开源模型StableDiffusion，能够准确的通过用户输入的文字描述(称为提示词，prompts)自动生成图像，即文生图(Text-to-lmage,T21)。StableDiffusion、DALL-E2、MidJourney等可以生成图片的AIGC模型引爆了Al作画领域，Al作画风行一时，标志人工智能向艺术领域渗透2022年12月,OpenAl的大型语言生成模型ChatGPT刷爆网络,它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度，让网友们不禁怀疑ChatGPT是不是已经具有人类智能。全球各大科技公司都在积极拥抱AIGC，不断推出相关的技术、平台和应用。

  但是AIGC已经代表了A技术发展的新趋势。过去传统的人工智能偏向于分析能力，即通过一系列分析一组数据，发现其中的规律和模式并用于其他多种用途，比如应用最为广泛的个性化推荐算法。

  AIGC数据、算法、算力核心特征下，其商业化土壤必然建立在数字化基础之上。国内数字化市场历经8年发展，企业上云意识进入高认同阶段，超过50%的企业将业务或路上或已经部署在云端，这其中又有超过90%的公司开始了数字化转型的设计规划，这在某种程度上预示着数字资产、数据驱动、业务数字原生程度大幅加深，AIGC可成活的土壤越牢固，目前至少有46.5%的企业具备了应用AIGC的基础环境。

  中国企业市场中，规模以上（营收在10亿以上，人员规模1000人以上）企业的数字化嗅觉不仅表现在对数字化理解和数字系统的实践中更加迅捷，在面对能快速融入业务的新技术时也表现出超前的敏锐度。在企业整体的数字化转型投入中，规模以上企业对AIGC的投入预判为4.6%的均值，对AIGC的试错意愿表现出较高的热情。

  随着AIGC的不断成熟、商业化场景的不断丰富，这一投入比例还会持续增加，预计在未来三年AIGC的实际营收规模将突破1000亿人民币，并保持20%以上的年复合增长率，既快又稳的全面商业落地。

  ，全球GenAI网站流量增速放缓，ChatGPT占比上升，GenAI网站总体处于早期

  ，增速较高的较多，如Speechify，Film等全部网站的一级分类聚合流量，文字占主流，图像其次，音频，视频，代码流量还处于早期。文字略有下降，

  麦可2.0新添多轮对话功能，若生成内容不符预期，支持二次免费优化，增进用户满意度。

  。把握搜索引擎推广趋势，提供优化建议、优化后名称或关键词，增强产品搜索排名，进而获取流量。

  不仅提供消除图片背景功能，麦可2.0新增图片合成功能，智能填充图片背景与文字内容，大幅减轻员工基础工作所承受的压力，赋予更多创作性工作时间。

  通过自动提取产品亮点或设定产品特色，个性化生成产品描述、润色已有描述，突出产品核心竞争力。

  解析买家询盘内容，提炼其关注与诉求，依据卖家设定信息，生成定制回复参考。

  麦可2.0扩展AI接待功能，在设定时段即时应答问题、主动问询需求及演示产品功能，解决外贸买卖双方时差困境，避免延迟回复而流失客户。

  麦可2.0推出智能拓客功能，快速匹配并列举潜在买家，大幅度提高卖家拓展客群效率。

  去年亮相的Stable Diffusion以及ChatGPT成功商业化也证明了以大模型为基础模型，通过对基础大模型进行业务封装可以较好满足多个行业需求。随着ChatGPT, Stable Diffusion等模型的相继问世，全世界内的多家AIGC公司终于开始实现盈利。据a16z统计，图像生成，文案写作和代码编写类AIGC产品年营收在2022年已实现1亿美元。Stability.ai等多家独角兽AIGC公司的估值一路狂飙，投资机构纷纷将AIGC作为年度主题词。

  即AI生成内容，该概念是相对于PGC（专业内容生成）, UGC（用户内容生成）, UPGC（专业用户内容生成）等概念提出的。AIGC基于大规模预训练模型，流模型，扩散模型以及生成对抗模型等人工智能技术，通过对训练数据的学习，拟合出训练数据生成函数从而进行内容创造。目前AIGC慢慢的变成了了整个AI行业的全新疆域与未来发展大趋势。

  ØAIGC进入快速发展阶段：可进行写作、编曲、绘画、视频制作等创意工作；

  ØAI有望具备专业级创作能力：在艺术创作领域具备超过专业技术人员的创造能力；

  ØAIGC交互方式持续丰富：有望在日常办公、传媒、影视娱乐、电商等场景较快落地；

  Ø数字孪生为AIGC核心能力：数字孪生将大幅度提高工业端生产效率，IDC预计2025年全球市场空间达265亿美元；

  ØAIGC或对80%劳动力产生一定的影响，根据量子位智库预测，2030年中国AIGC市场有望超万亿元。

  它通过对话的形式进行交互，对话的形式使得其能够回答后续问题，承认自己的错误，质疑不正确的前提，并拒绝不适当的请求。

  1）GPT-1的一个重要成就是其在各种理解任务上的具有较为出色的zero-shot性能

  2）在阅读理解任务中，GPT-2在zero-shot设置下胜过4个基准模型中的3个

  3）在法语到英语的翻译任务中，GPT-2在zero-shot设置下的表现优于大多数无监督模型，但没有超越最新的无监督模型

  统计发现，在与ChatGPT相关的先前7大技术项目研发中，ChatGPT小组成员参与人数最多的是CodeX项目，共有22人参与过，占总团队人员总数的25%；其次是webGPT和instructGPT，共有9人参与过；第三是GPT3，共有6人参与过；第四是RLHF，共有3人参与过。由此可见，ChatGPT小组成员在生成式预训练语言模型领域有较深厚的技术积累，特别是1/4小组成员曾参与过同样基于GPT3的CodeX项目的研发经验，对后续成功研发ChatGPT打下了坚实的基础。

  团队成员大多是从“大厂”跳槽，以及作为应届生加入，其次就是从相对“稳定”的科研机构和高校教职岗位离职后加入。即使从ChatGPT团队离职的4位成员，也仍然选择加入勇于探索商业模式的公司或机构。

  其中5人本科就读于中国内陆高校，3人大学教育经历均在美国高校完成。梳理毕业于中国内陆高校的ChatGPT华人成员成长路径发现，他们就读于中国内陆顶尖高校的学习阶段均为本科，之后赴美深造，获得硕士或博士学位，然后加入美国诸如Dropbox、OpenAI等创新型公司。

  作为人文学者跨界、狐狸型学人，家国天下情怀与时代同步，在高科技时代每个人的命运与时代变化密切关联，我们正面临一场改变每个人未来的革命!

  2022年，被称为元宇宙的元年2023年初，ChatGPT(以下简称GPT)引爆了全球对AI的强烈关注。

  科技界、知识界和舆论界，围绕着GPT的应用体验，对AI发展前途发生了激烈的争论。

  GPT4是一种可处理图像和文本，输入并生成文本输出的大型多模态模型，GPT3.5的特点是生成(generate)GPT4强调的是输入和输出。是个包含输入和输入的开放体系，特别是“视觉输。

  ，⼤模型给ChatGPT带来了惊⼈的智能，但是要训练这样的⼤模型，可是⼗分烧钱的，根据OpenAI给出的数据，1700亿参数的Davinci模型从头训练⼀遍，⼤概需要耗时3个⽉，耗资150万美元。那我们普通⼈或者⼩公司⾯对这个⾼⻔槛，对⾃定义模型是不是就绝对没希望了呢？其实除了从头训练⼀个模型，我们还可以再一次进行选择基于⼀个基础模型进⾏训练，这样，我们大家可以往⾥添加⾃⼰的个性化数据，最终得到⼀个领域增强的个性化模型，这个技术被OpenAI称为Fine-tuning。

  我们知道，OpenAI给的模型（如Davinci、Curie、gpt3.5-turbo）都是通⽤化模型，⽽现代社会的⾏业和知识如此之庞⼤，每个领域都有⾃⼰细分的专业相关知识，⽐如，我们大家都知道ChatGPT的⼀个典型应⽤场景就是智能客服，但同样是客服，保险领域的客服和淘宝店铺的客服需要⾯对的客⼾和需要解答的问题就完全不⼀样，想要给出更好的答案，我们就需要打磨⾃⼰的个性化模型。

  3.对模型进⾏微调：将任务数据集作为输⼊，以最⼩化模型在此数据集上的损失函数。在这样的一个过程中，常常要在训练集和验证集上进⾏多次迭代，以避免过拟合问题。

  同时，由于Fine-tuning仅更新了部分权重，并且⼤多数权重已经在预训练阶段得到了很好的优化，因此Fine-tuning相对于从头开始训练模型⽽⾔，需要的训练时间和计算资源都要少得多。

  在人工智能各个层面都有领先自研技术，从最底层高端芯片昆仑，到深度学习框架飞桨，到预训练大模型文心，有了这些能力，才能实现在应用领域效率的大幅度提升。

  百度超百万粉丝数字人加持线)品牌内容与话题高度契合:品牌定制话题冲刺热榜，收获高曝光

  3)数字人互动彩蛋+热点话题整合打包:将数字人话题与其交互彩蛋，整合打包，更具完整性

  1)超生动，多维互动的全新直播体验：数字人担任“完美主播”，实时交互超酷炫

  2)数字人+真人同台主持，看点十足：数字偶像与具备粉丝基础的大主播，可连线)切换多场景直播，满足品牌创新科技需求:虚实结合，可定制多场景直播间，为用户所带来创新视觉体验

  大模型型应用加速落地，桌面端+移动端构筑AI生态。目前，OpenAIAPI接口+plugin插件打造AI助手已初步落地，从网络浏览器、代码解释器到第三方工具，联网功能全场景应用。此外，ChatGPT已经推出iOS版应用程序，移动端已经推出联网模式，有望开启ChatGPT第二波成长曲线。此外，OpenAI持续深化布局，据TheInformation一手消息，OpenAI正准备发布一个类似AppStore针对定制化模型/软件的交易市场平台。我们大家都认为随着桌面端的布局日臻完善，移动端将成为大模型厂商的主战场。

  我们判断AI的趋势正从供给侧转向应用侧。大模型具有“预训练+精调”等功能，明显降低AI开发门槛，即“低成本”和“高效率”。模型侧，以OpenAI为例，模型迭代进度明显加快，GPT-4、多模态、AI生成图片、AI生成视频等算法逐步点燃AI领域，模型迭代速度持续加快，我国大模型“自研热”持续，自研速度处于加速状态。因此

  我会输⼊命令，你会回复终端应该显⽰什么。你只能在⼀个唯⼀的代码块内回复终端输出，不能写解释。除⾮我指⽰你这样做，否则不要输⼊命令。当我需要⽤英语告诉你⼀些东西时，我会⽤⼤括号将⽂本括起来{就像这样}。我的第⼀个命令是pwd。

  我将⽤任何语⾔与你交谈，你将检测语⾔，翻译它，并在我的⽂本的更正和改进版本中⽤英语回答。我希望你⽤更漂亮、更优雅、更⾼级的英语单词和句⼦来取代我的简化A0级单词和句⼦。保持意思不变，但让它们更有⽂学性。我希望你只回答更正，改进，⽽不是其他，不要写解释。我的第⼀句话是“istanbulucokseviyomburadaolmakcokguzel”。

  我希望你只以⾯试官的⾝份回答。不要⼀次写完所有的保护。我希望你只对我进⾏⾯试。问我问题，并等待我的回答。不要写解释。像⾯试官那样⼀个⼀个地问我问题，并等待我的回答。我的第⼀句话是“你好”。

  大模型支撑的生成式AI，让人类社会有望步入通用AI时代，拥有广阔的应用前景，有望赋能千行百业。Ÿ

  AIGC+数字内容：数字化的经济加快速度进行发展，带来国内数字内容消费需求的持续迅速增加，但国内数字内容产业面临需求变化快、供给侧内容整体过剩而优质供给不足的问题。以长音频数字内容生产为例，AIGC能够助力内容生产的工程化、高质量、个性化。Ÿ

  AIGC+客户服务：大模型依托自身强大泛化能力优势，有望给国内智能客服领域的服务前、服务中、服务后各环节带来效能提升。但由于存在效果不明、数据安全等问题，短期内大模型很难对现有智能客服体系实现完全替代和颠覆，厂商需要探索如何在融合大模型能力的同时实现模式突破。

  从技术构成来看，生成式AI包括基础层、模型层和应用层。基础层主要聚焦算力、数据集、Transformer及CLIP等基础生成算法，为模型层提供基础的资源支撑；模型层最重要的包含通用大模型和行业大模型两类，是整个AIGC技术生态的核心，为上层应用提供智能化能力；应用层主要是大模型在行业、价值链上的具体展开，是AIGC真正落地和实现价值创造的场景和窗口。

上一篇：一周AIGC丨OpenAI推出在线商店GPT Store 谷歌被起诉索赔167亿美元 下一篇：“手绘缤纷乐享童趣”数字油画DIY