AIGC是今年最热门的话题。
AIGC（AI-Generated Content 人工智能生成内容），是继专业生成内容（PGC）和用户生成内容（UGC）之后，利用人工智能技术生成内容的新生产方式。中国信息通信研究院认为 AIGC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的兴起源于深度学习技术的快速突破和日益增长的数字内容供给需求。
一方面，技术进步驱动AIGC可用性不断增强。
在人工智能发展初期，虽然对AIGC 进行了一些初步尝试，但受限各种因素，相关算法多基于预先定义的规则或者模板，还远远算不上是智能创作内容的程度。近年来，基于深度学习算法的AIGC 技术快速迭代，彻底打破了原先模板化、公式化、小范围的局限，可以快速、灵活地生成不同模态的数据内容。
另一方面，海量需求牵引AIGC 应用落地。
随着数字经济与实体经济融合程度不断加深，以及Meta、微软、字节跳动等平台型巨头的数字化场景向元宇宙转型，人类对数字内容总量和丰富程度的整体需求不断提高。数字内容的生产取决于想象能力、制造能力和知识水平；传统内容生产手段受限于人力有限的制造能力，逐渐无法满足消费者对于数字内容的消费需求，供给侧产能瓶颈日益凸显。基于以上原因，AIGC 在各行业中得到越来越广泛的应用，市场潜力逐渐显现。
AIGC 产业链可划分为基础设施层、中间层、应用层。
1）基础设施层：该层级厂商主要为中间层及应用层厂商提供预训练模型等基础设施，掌握AIGC 的核心模型和算法能力，具备较高的技术门槛，典型代表企业包括OpenAI、Stability.ai、谷歌、DeepMind、百度和科大讯飞等；
2）中间层：该层级厂商基于预训练的大模型生成场景化定制化的小模型，帮助不同行业和垂直领域实现AIGC 的快速部署；
3）应用层：面向 C 端提供 AIGC 相关服务，典型企业包括微软、Meta、百度、腾讯，阿里巴巴等。
从技术能力方面来看，AIGC技术演化出三大前沿技术能力：
1.数字内容孪生；
其主要目标是建立现实世界到数字世界的映射，将现实世界中的物理属性（如物体的大小、纹理、颜色等）和社会属性（如主体行为、主体关系等）高效、可感知地进行数字化。
2.数字内容的智能编辑；
其主要目的是建立数字世界与现实世界的双向交互。在数字内容孪生的基础上，从现实世界实现对虚拟数字世界中内容的控制和修改，同时利用数字世界高效率仿真和低成本试错的优势，为现实世界的应用提供快速迭代能力。
3.数字内容的智能创作；
其主要目标是让人工智能算法具备内容创作和自我演化的能力，形成的AIGC产品具备类似甚至超越人的创作能力。
以上三个层面的能力共同构成AIGC的能力闭环。
从应用价值方面来看，AIGC将有望成为数字内容创新发展的新引擎，为数字经济发展注入全新动能。
一方面，AIGC 能够以优于人类的制造能力和知识水平承担信息挖掘、素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求；同时能够创新内容生产的流程和范式，为更具想象力的内容、更加多样化的传播方式提供可能性，推动内容生产向更有创造力的方向发展。
另一方面，AIGC 能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育新业态新模式，打造经济发展新增长点，为千行百业发展提供新动能。此外，2021 年以来，“元宇宙”呈现出超出想象的发展爆发力；作为数实融合的“终极”数字载体，元宇宙将具备持续性、实时性、可创造性等特征，也将通过 AIGC 加速复刻物理世界、进行无限内容创作，从而实现自发有机生长。
根据Gartner测算，当前AIGC占所有生成数据小于1%，AIGC生成数据渗透率有广阔提升空间，预计该数字到2025年或上升至10%。
ChatGPT：引领 AIGC产业发展
目前，AIGC代表应用为OpenAI旗下的chatgpt问答机器人。
ChatGPT采用 Web 浏览器上的对话形式交互，不仅能满足与人类进行对话的基本功能，同时能够回答跟进问题、承认错误、质疑不正确的前提和拒绝不适当的请求。
ChatGPT还可以驾驭各种风格和文体，具备代码编辑能力、基础脑力工作处理能力等一系列常见文字输出任务。相比于传统AI对话模型，ChatGPT具备多项优势功能，从而实现应用价值和使用体验的显著提升：
1）能够认知自身不足并进一步提出跟进问题以更好解答用户问题；
2）能够理解上下文，实现连续对话，提高用户交互体验；
3）能够质疑用户提出的不合理问题与前提假设；
4）能够拒绝用户提出的不合理/不合法请求与问题。
AIGC未来前景分析
招银国际认为：
1）MaaS或为长期商业化方向之一
其认为中国领先的人工智能云厂商都有能力（数据、算力、模型）来提供类ChatGPT 的服务，但因为各公司业务各有侧重，各厂商在AIGC 领域的应用或形成差异化。但长期视角下，MaaS（Model-as-a-service）可能是潜在的长期商业化方向之一，模型训练、维护和部署有望逐步转移至云端，这样的方式有助于帮助客户降低对模型开发和维护的依赖，从而更专注在主业的投入、提升运营效率。而MaaS 业务或将为云业务营收带来较为显著的增量，我们认为各大云厂商会持续加强对AIGC 及类 ChatGPT 领域的投入，以支撑云业务的长期发展。但短期而言，因 ChatGPT 仍存在数据时效性低、可靠性不足、及推理短成本较大的问题，大规模的商业化或仍需要较长时间。
AIGC 在需要高效处理大量客服需求、创意性内容行业以及标准化生产行业均有较大的应用空间，在诸如归纳性文字工作、代码开发相关工作、图象生成领域及智能客服等领域均有广阔的产业化前景。此外，机器人、自动驾驶、医疗服务、高端制造等产业均高度依赖模型训练、图像识别等 AI 计算能力，在这些领域 AIGC 也有较大的应用前景。
具体到OpenAI ChatGPT 产品目前在美国的变现，模式大致分两种：1）提供 API 数据接口，执行自然语言处理任务，并按字符数收费；2）ChatGPT Plus 提供服务器忙碌时段优先响应等特权，按20 美元/人/月收取订阅服务费（于美国时间 2023 年 2 月 1 日发布）。而中国有较为丰富的变现场景，互联网公司推出 ChatGPT 类产品后的 B 端变现起量速度或有望领先于C端。
2）巨大的算力市场带来长期的变现机会
AI 模型背后有高昂的算力成本，尽管 AI 模型往往会选择开源，但数据集和训练成果是团队的内部资产，这意味着每个 AI 产品均需要支付自己的训练成本，且在高算力芯片进口受到限制的情况下，国产芯片有望获得增量市场。
3）训练成本快速下降或为大规模商用提供支撑
据OpenAI 官网，GPT 模型参数数量随着迭代不断提升，从 GPT-1 的 1.17 亿大幅提升至GPT-2/GPT-3 的 15 亿/1750 亿。据估算，2020 年完成一次 GPT-3 训练需花费 460 万美元，但这一成本有望以每年 70%的速度下降，至 2030 年人工智能有望将知识工作者的生产力提升 4 倍以上，在百分百采用的情况下，人工智能可以增加全球劳动生产率约 200 万亿美元。训练成本的下降将有助于为大规模的商用提供支撑。
2022年，AIGC快速崛起和破圈发展。但这仅仅是一个开始，更大的变革尚待开启。在过去的深度学习黄金十年，人工智能的感知、理解能力不断增强，为AIGC的爆发奠定基础。如今，随着生成算法、大模型、多模态技术等Al技术的持续创新和发展成熟，Al领域正在经历从感知、理解到生成、创造的跃迁。以AIGC这一新的疆域为标志，Al领域正在迎来下一个时代。融合大模型和多模态技术的AlGC 模型，有望成为新的技术平台，深度赋能各行各业。未来，“AIGC+”将在经济社会的各个领域持续大放异彩。
本文内容来源：腾讯研究院、国海证券、国盛证券、招银国际、中国信息通信研究院
继续阅读
阅读原文
关键词
大模型
人工智能
技术
算力
生成内容