AIGC（AI-GeneratedContent，人工智能生產(chǎn)內(nèi)容），狹義概念是利用AI自動(dòng)生產(chǎn)內(nèi)容的生產(chǎn)方式，但廣義上AIGC已在實(shí)現(xiàn)人工智能從感知理解世界到生成創(chuàng)造世界的進(jìn)擊，AIGC代表AI技術(shù)發(fā)展的新趨勢，過去傳統(tǒng)人工智能偏向分析能力，而現(xiàn)在人工智能正在生成新內(nèi)容，通過大量的訓(xùn)練數(shù)據(jù)和生成算法模型，自動(dòng)生成文本、圖片、音樂、視頻、3D交互內(nèi)容等各種形式的內(nèi)容，換言之，AIGC正在加速成為AI領(lǐng)域的商業(yè)新邊界；AIGC也會(huì)帶來內(nèi)容創(chuàng)作的變革，如智能數(shù)字內(nèi)容孿生能力、智能數(shù)字內(nèi)容編輯能力、智能數(shù)字內(nèi)容創(chuàng)作能力。
伴隨人工智能發(fā)展演進(jìn)，AIGC發(fā)展可分為三階段，早期萌芽階段（20世紀(jì)50年代至90年代中期）、沉淀累積階段（20世紀(jì)90年代至21世紀(jì)10年代中期）、快速發(fā)展階段（21世紀(jì)10年代中期至今）。
第一階段，早期萌芽階段（1950s-1990s）
AIGC由于技術(shù)限制僅限于小范圍實(shí)驗(yàn)，1957年已出現(xiàn)首支以計(jì)算機(jī)創(chuàng)作的音樂作品（弦樂四重奏《依利亞克組曲（IlliacSuite）》），80年代末至90年代中由于高成本及無法商業(yè)化進(jìn)而資本投入減少致AIGC無較多較大成績。
第二階段，沉淀累積階段（1990s-2010s）
AIGC從實(shí)驗(yàn)性轉(zhuǎn)向?qū)嵱眯裕?006年深度學(xué)習(xí)算法取得進(jìn)展，同時(shí)圖形處理器等算力設(shè)備不斷提升，互聯(lián)網(wǎng)快速發(fā)展，也為類人工智能算法提供海量數(shù)據(jù)進(jìn)行訓(xùn)練。2007年首部人工智能裝置完成的小說《ITheRoad》問世；2012年微軟展示全自動(dòng)同傳系統(tǒng)，主要基于深度神經(jīng)網(wǎng)絡(luò)（DeepNeuralNetwork，DNN）自動(dòng)將英文演講者內(nèi)容通過語音識(shí)別等技術(shù)生成中文。
第三階段，快速發(fā)展階段（2010s-至今）
2014年深度學(xué)習(xí)算法之生成式對抗網(wǎng)絡(luò)（
GenerativeAdversarialNetwork,GAN）提出并迭代更新，助力AIGC新發(fā)展。2017年微軟人工智能少年“小冰”推出世界首部由人工智能創(chuàng)作的詩集《陽光失了玻璃窗》，2018年英偉達(dá)發(fā)布StyleGAN模型可自動(dòng)生成圖片；2019年，DeepMind發(fā)布DVD-GAN模型可生成連續(xù)視頻。2021年OpenAI推出DALL-E并推出迭代版本DALL-E-2主要用于文本、圖像的交互生成內(nèi)容。
我國AIGC在2022年年底受到市場較大關(guān)注，2023年開年企業(yè)端躍躍欲試，雖行業(yè)仍處于剛剛起步階段，距離大規(guī)模證明和體系化發(fā)展仍有距離，但從資本的加碼到應(yīng)用場景的探索，距離的縫隙有望逐步填補(bǔ)，同時(shí)，“模塊分拆 個(gè)性化推薦”的“泛AIGC”形式有望持續(xù)發(fā)展。
AIGC按內(nèi)容生成類別可劃分為文本、代碼、圖像、音視頻四類，根據(jù)紅杉資本預(yù)測，2023年文本、代碼生成有望得以成熟應(yīng)用，其中文本生成可實(shí)現(xiàn)垂直領(lǐng)域文案的精確調(diào)整，達(dá)到科研論文精度，代碼生成可覆蓋多語種多垂直領(lǐng)域；圖像、音視頻生成的成熟度相對較低，目前尚處于生成基礎(chǔ)初稿的階段，2030年有望得以成熟應(yīng)用。
（1）應(yīng)用型文本
大多為結(jié)構(gòu)化寫作，以客服類的聊天問答、新聞撰寫等為核心場景。最為典型的是基于結(jié)構(gòu)化數(shù)據(jù)或規(guī)范格式，在特定情景類型下的文本生成，如體育新聞、金融新聞、公司財(cái)報(bào)、重大災(zāi)害等簡訊寫作。NarrativeScience創(chuàng)始人甚至曾預(yù)測，到2030年，90%以上的新聞將由機(jī)器人完成。
（2）創(chuàng)作型文本
主要適用于劇情續(xù)寫、營銷文本等細(xì)分場景等，具有更高的文本開放度和自由度，需要一定的創(chuàng)意和個(gè)性化，對生成能力的技術(shù)要求更高。市面上的小說續(xù)寫、文章生成等AIGC工具。目前長篇幅文字的內(nèi)部邏輯仍然存在較明顯的問題、且生成穩(wěn)定性不足，尚不適合直接進(jìn)行實(shí)際使用。除去本身的技術(shù)能力之外，由于人類對文字內(nèi)容的消費(fèi)并不是單純理性和基于事實(shí)的，創(chuàng)作型文本還需要特別關(guān)注情感和語言表達(dá)藝術(shù)。
（3）文本輔助
除去端到端進(jìn)行文本創(chuàng)作外，輔助文本寫作其實(shí)是目前國內(nèi)供給及落地最為廣泛的場景。主要為基于素材爬取的協(xié)助作用，例如定向采集信息素材、文本素材預(yù)處理、自動(dòng)聚類去重，并根據(jù)創(chuàng)作者的需求提供相關(guān)素材。
（4）文本交互
例如虛擬伴侶、游戲中的NPC個(gè)性化交互等。2022年夏季上線的社交AIGC敘事平臺(tái)HiddenDoor以及基于GPT-3開發(fā)的文本探索類游戲AIdungeon均已獲得了不錯(cuò)的消費(fèi)者反饋。案例：小冰發(fā)布小冰島APP，每個(gè)用戶均可創(chuàng)造自己的島嶼，并連帶擁有一個(gè)功能類似于微信和LINE等社交產(chǎn)品的完整社交交互界面。用戶不僅能在島嶼中體驗(yàn)豐富的視覺和自然音場，與人工智能個(gè)體進(jìn)行對話，還可以再造完整的一對一對話、群聊、朋友圈和技能生態(tài)體驗(yàn)。
（1）TTS（Text-to-speech）場景
泛應(yīng)用于客服及硬件機(jī)器人、有聲讀物制作、語音播報(bào)等任務(wù)。例如倒映有聲與音頻客戶端“云聽”APP合作打造AI新聞主播，提供音頻內(nèi)容服務(wù)的一站式解決方案，以及喜馬拉雅運(yùn)用TTS技術(shù)重現(xiàn)單田芳聲音版本的《毛氏三兄弟》和歷史類作品。這種場景為文字內(nèi)容的有聲化提供了規(guī)?；芰Α?/p>
隨著內(nèi)容媒體的變遷，短視頻內(nèi)容配音已成為重要場景。部分軟件能夠基于文檔自動(dòng)生成解說配音，上線有150 款包括不同方言和音色的AI智能配音主播。代表公司有九錘配音、加音、XAudioPro、剪映等。
（2）樂曲/歌曲生成
AIGC在詞曲創(chuàng)作中的功能可被逐步拆解為作詞（NLP中的文本創(chuàng)作/續(xù)寫）、作曲、編曲、人聲錄制和整體混音。目前而言，AIGC已經(jīng)支持基于開頭旋律、圖片、文字描述、音樂類型、情緒類型等生成特定樂曲。
通過這一功能，創(chuàng)作者即可得到AI創(chuàng)作的純音樂或樂曲中的主旋律。2021年末，貝多芬管弦樂團(tuán)在波恩首演人工智能譜寫完成的貝多芬未完成之作《第十交響曲》，即為AI基于對貝多芬過往作品的大量學(xué)習(xí)，進(jìn)行自動(dòng)續(xù)寫。
（1）圖像屬性及部分編輯
屬性編輯部分，可以直觀的將其理解為經(jīng)AI降低門檻的PhotoShop。目前而言，圖片去水印、自動(dòng)調(diào)整光影、設(shè)置濾鏡（如Prisma、Versa、Vinci和Deepart）、修改顏色紋理（如DeepAI）、復(fù)刻/修改圖像風(fēng)格（DALL·E2已經(jīng)可以僅憑借單張圖像進(jìn)行風(fēng)格復(fù)刻、NightCafe等）、提升分辨率等已經(jīng)常見。
圖像部分編輯部分，指部分更改圖像部分構(gòu)成（如英偉達(dá)CycleGAN支持將圖內(nèi)的斑馬和馬進(jìn)行更改）、修改面部特征（Metaphysics，可調(diào)節(jié)自身照片的情緒、年齡、微笑等；以Deepfake為代表的圖像換臉）。
（2）圖像端到端生成
此處則主要指基于草圖生成完整圖像（VansPortrait、谷歌Chimerapainter可畫出怪物、英偉達(dá)GauGAN可畫出風(fēng)景、基于草圖生成人臉的DeepFaceDrawing）、有機(jī)組合多張圖像生成新圖像（Artbreeder）、根據(jù)指定屬性生成目標(biāo)圖像（如Rosebud.ai支持生成虛擬的模特面部）等。
（1）視頻屬性編輯
例如視頻畫質(zhì)修復(fù)、刪除畫面中特定主體、自動(dòng)跟蹤主題剪輯、生成視頻特效、自動(dòng)添加特定內(nèi)容、視頻自動(dòng)美顏等。
（2）視頻自動(dòng)剪輯
基于視頻中的畫面、聲音等多模態(tài)信息的特征融合進(jìn)行學(xué)習(xí)，按照氛圍、情緒等高級(jí)語義限定，對滿足條件片段進(jìn)行檢測并合成。目前還主要在技術(shù)嘗試階段。典型案例包括Adobe與斯坦福共同研發(fā)的AI視頻剪輯系統(tǒng)、IBMWatson自動(dòng)剪輯電影預(yù)告片、以及FlowMachine。我國的影譜科技推出了相關(guān)產(chǎn)品，能夠基于視頻中的畫面、聲音等多模態(tài)信息的特征融合進(jìn)行學(xué)習(xí)，按照氛圍、情緒等高級(jí)語義限定，對滿足條件片段進(jìn)行檢測并合成。
（3）視頻部分生成（以Deepfake為典型代表）
視頻到視頻生成技術(shù)的本質(zhì)是基于目標(biāo)圖像或視頻對源視頻進(jìn)行編輯及調(diào)試，通過基于語音等要素逐幀復(fù)刻，能夠完成人臉替換、人臉再現(xiàn)（人物表情或面部特征的改變）、人臉合成（構(gòu)建全新人物）甚至全身合成、虛擬環(huán)境合成等功能。
（1）文字生成圖像
2021年，OpenAI的CLIP和DALLE開啟了AI繪畫重要的一年。同年，CVPR2021收錄的VQGAN也引發(fā)了廣泛關(guān)注。2022年被稱為“AI繪畫“之年，多款模型/軟件證明了基于文字提示得到效果良好的圖畫的可行性，DiffusionModel受到廣泛關(guān)注。
（2）文字生成視頻
在一定程度上，文本生成視頻可以看作是文本生成圖像的進(jìn)階版技術(shù)。按照技術(shù)生成難度和生成內(nèi)容，可以區(qū)分為拼湊式生成和完全從頭生成兩種方式。拼湊式生成的技術(shù)是指基于文字（涉及NLP語義理解）搜索合適的配圖、音樂等素材，在已有模板的參考下完成自動(dòng)剪輯。這類技術(shù)本質(zhì)是“搜索推薦 自動(dòng)拼接”，門檻較低，背后授權(quán)素材庫的體量、已有模版數(shù)量等成為關(guān)鍵因素。完全從頭生成視頻則是指由AI模型基于自身能力，不直接引用現(xiàn)有素材，生成最終視頻。
（3）圖像/視頻到文本
具體應(yīng)用包括視覺問答系統(tǒng)、配字幕、標(biāo)題生成等，這一技術(shù)還將有助于文本—圖像之間的跨模態(tài)搜索。代表模型包括METER、ALIGN等。
（1）GameAI
以騰訊AILab在游戲制作領(lǐng)域的布局為例，人工智能在游戲前期制作、游戲中運(yùn)營的體驗(yàn)及運(yùn)營優(yōu)化、游戲周邊內(nèi)容制作的全流程中均有應(yīng)用。
（2）AIBot，也即游戲操作策略生成
可以將其簡單理解為人工智能玩家，重點(diǎn)在于生成真實(shí)對戰(zhàn)策略。2016年DeepmindAlphaGO在圍棋中有所展示，隨后，AI決策在Dota2、StarCraft2、德?lián)?、麻將等游戲領(lǐng)域中均展現(xiàn)出了良好的實(shí)力。
（3）NPC邏輯及劇情生成，也即由AI生成底層邏輯
此前，NPC具體的對話內(nèi)容及底層劇情需要人工創(chuàng)造驅(qū)動(dòng)腳本，由制作人主觀聯(lián)想不同NPC所對應(yīng)的語言、動(dòng)作、操作邏輯等，這種動(dòng)態(tài)的個(gè)性化匹配背后依舊是不同的靜態(tài)分支，創(chuàng)造性及個(gè)性化相對有限。
目前，NPC邏輯自動(dòng)生成技術(shù)已經(jīng)應(yīng)用在《黑客帝國：覺醒》（MassAI，車輛行人等將獨(dú)立于玩家操控變動(dòng)）、RedDeadRedemption2、MonsterHunter:World等大型游戲中。長期來看，NPC的靈活自主將引領(lǐng)其成為重要的社交節(jié)點(diǎn)，有效填充元宇宙的內(nèi)部架構(gòu)。
目前“深度合成 計(jì)算驅(qū)動(dòng)”型的虛擬人，綜合運(yùn)用文本、圖像、音頻等生成技術(shù)，打造綜合外觀、面部表情、發(fā)聲習(xí)慣等產(chǎn)出全面擬人化的數(shù)字內(nèi)容，屬于AIGC領(lǐng)域。此種多模態(tài)生成技術(shù)的聚合應(yīng)用在虛擬偶像、虛擬主播等領(lǐng)域已有廣泛應(yīng)用。
（1）虛擬人視頻生成
是目前計(jì)算驅(qū)動(dòng)型虛擬人應(yīng)用最為廣泛的領(lǐng)域之一，不同產(chǎn)品間主要的區(qū)分因素包括：唇形及動(dòng)作驅(qū)動(dòng)的自然程度、語音播報(bào)自然程度、模型呈現(xiàn)效果（2D/3D、卡通/高保真等）、視頻渲染速度等。
（2）虛擬人的實(shí)時(shí)互動(dòng)
廣泛應(yīng)用于可視化的智能客服，多見于APP、銀行大堂等。在AIGC的虛擬人領(lǐng)域，由于更能夠體現(xiàn)AI在個(gè)性化、高并發(fā)性等方面的優(yōu)勢，更強(qiáng)調(diào)虛擬人的實(shí)時(shí)交互功能。
例：小冰虛擬人產(chǎn)品，基于小冰框架的全域底層能力，整合實(shí)現(xiàn)了虛擬人形象定制、內(nèi)容生產(chǎn)、渲染呈現(xiàn)、交互響應(yīng)等多個(gè)關(guān)鍵技術(shù)模塊，以完備的產(chǎn)品架構(gòu)支撐多樣化的應(yīng)用場景，如直播、教育、數(shù)字員工等，并以此賦能各行各業(yè)。
算力、算法模型、應(yīng)用構(gòu)成了AIGC產(chǎn)業(yè)鏈。從OpenAI推出的ChatGPT可以發(fā)現(xiàn)，ChatGPT依賴于GPT大模型，而GPT大模型則需要依靠微軟Azure超算中心提供算力訓(xùn)練，ChatGPT等AIGC產(chǎn)業(yè)依然離不開算力、算法模型、應(yīng)用的基本框架。
AIGC產(chǎn)業(yè)鏈可劃分為基礎(chǔ)層、中間層、應(yīng)用層三層架構(gòu)。
（1）基礎(chǔ)層：利用預(yù)訓(xùn)練模型搭建基礎(chǔ)設(shè)施，該環(huán)節(jié)具備最高的進(jìn)入門檻，參與者以頭部企業(yè)為主
預(yù)訓(xùn)練模型是眾多小模型的通用基底，為開發(fā)者降低AI開發(fā)與應(yīng)用的門檻。預(yù)訓(xùn)練模型初始投入成本高、運(yùn)行成本高，對軟件、硬件均提出較高要求，因此涉足該環(huán)節(jié)的企業(yè)以微軟、谷歌、英偉達(dá)、Meta等科技巨頭以及OpenAI、Stability.ai等AI研究機(jī)構(gòu)為主。以O(shè)penAI為例，2020年該機(jī)構(gòu)訓(xùn)練GPT-3的硬件及電力成本達(dá)1200萬美元；以Meta為例，為了提供更強(qiáng)大的算力支撐，Meta攜手英偉達(dá)、PenguinComputing及PureStorage打造AI超級(jí)計(jì)算機(jī)RSC，其測試數(shù)據(jù)顯示，RSC訓(xùn)練大型NLP模型的速度提升3倍，運(yùn)行計(jì)算機(jī)視覺工作的速度提升20倍。
（2）中間層：基于預(yù)訓(xùn)練模型開發(fā)垂直化、場景化、個(gè)性化的模型和應(yīng)用工具
中間層廠商基于預(yù)訓(xùn)練的大模型生成場景化定制化的小模型，幫助不同行業(yè)和垂直領(lǐng)域?qū)崿F(xiàn)AIGC的快速部署。在預(yù)訓(xùn)練模型基礎(chǔ)之上，開發(fā)者可根據(jù)不同行業(yè)、不同功能場景生成相應(yīng)的小模型，基礎(chǔ)層企業(yè)向中間層延伸為順勢而為。此外，基礎(chǔ)層企業(yè)還可扮演MaaS（Model-as-a-Service）服務(wù)提供方，將其模型開源給更多企業(yè)以二次開發(fā)模型，如NovelAI基于Stability.ai的開源模型StableDiffusion開發(fā)出二次元風(fēng)格AI繪畫工具。
（3）應(yīng)用層：面向C端用戶提供文本、圖像、音視頻等內(nèi)容生成服務(wù)
應(yīng)用層是指面向C端提供AIGC相關(guān)服務(wù)，典型企業(yè)包括微軟、Meta、百度、騰訊，阿里巴巴等。基于基礎(chǔ)層、中間層的模型及工具，應(yīng)用層企業(yè)可將其重心放在滿足用戶需求乃至創(chuàng)造內(nèi)容消費(fèi)需求上，AI寫作、AI繪畫等AIGC應(yīng)用已在營銷、娛樂、藝術(shù)收藏等領(lǐng)域落地。以國內(nèi)企業(yè)為例，視覺中國依托其數(shù)字版權(quán)內(nèi)容優(yōu)勢布局AIGC數(shù)字藏品，借力AI持續(xù)擴(kuò)充藝術(shù)多元性，截至目前多輪發(fā)售的AIGC數(shù)字藏品均已售罄；藍(lán)色光標(biāo)機(jī)器人小藍(lán)博面向廣告主推出AI繪畫、AI寫作工具，其中AI繪畫工具創(chuàng)意畫廊可生成抽象風(fēng)格畫作以適配不同營銷場景。
ChatGPT是由OpenAI公司開發(fā)的一個(gè)人工智能聊天機(jī)器人程序，于2022年11月推出。ChatGPT上線5天內(nèi)，用戶量就突破了百萬，兩個(gè)月后又直接突破了一個(gè)億，成為歷史上增長最快的消費(fèi)應(yīng)用。ChatGPT能夠通過學(xué)習(xí)和理解人類的語言來進(jìn)行對話，能根據(jù)聊天的上下文進(jìn)行互動(dòng)，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼等任務(wù)。ChatGPT是自然語言處理領(lǐng)域的前沿研究成果之一，現(xiàn)已成為AIGC里程碑式的產(chǎn)品。
ChatGPT火爆背后，折射出AIGC在全球的蓬勃發(fā)展。ChatGPT就是典型的文本生成式的AIGC，其目前的成功也有望帶動(dòng)AIGC在圖像、音樂、視頻等其他領(lǐng)域落地。隨著AIGC在國內(nèi)消費(fèi)互聯(lián)網(wǎng)領(lǐng)域日趨主流化，涌現(xiàn)出寫作助手、AI繪畫、對話機(jī)器人、數(shù)字人等爆款級(jí)應(yīng)用，支撐著傳媒、電商、娛樂、影視等領(lǐng)域的內(nèi)容需求，市場潛力逐漸顯現(xiàn)。據(jù)CBInsights統(tǒng)計(jì)，ChatGPT概念領(lǐng)域目前約有250家初創(chuàng)公司。未來兩三年，與AIGC相關(guān)的初創(chuàng)公司和商業(yè)落地方案將持續(xù)增加，等到2030年AIGC市場規(guī)?；?qū)⒊^萬億。
相比于傳統(tǒng)AI對話模型，ChatGPT具備多項(xiàng)優(yōu)勢功能，從而實(shí)現(xiàn)應(yīng)用價(jià)值和使用體驗(yàn)的顯著提升：1）能夠認(rèn)知自身不足并進(jìn)一步提出跟進(jìn)問題以更好解答用戶問題；2）能夠理解上下文，實(shí)現(xiàn)連續(xù)對話，提高用戶交互體驗(yàn)；3）能夠質(zhì)疑用戶提出的不合理問題與前提假設(shè)；4）能夠拒絕用戶提出的不合理/不合法請求與問題。
相較于OpenAI此前研發(fā)的GPT1-3，ChatGPT核心技術(shù)優(yōu)化在于引入RLHF（Reinforcement Learning from Human Feedback，人類反饋強(qiáng)化學(xué)習(xí)）的訓(xùn)練方式，從而在訓(xùn)練中增強(qiáng)了人類對模型輸出結(jié)果的調(diào)節(jié)，促使模型輸出結(jié)果更具備理解性。RLHF訓(xùn)練框架主要分為三步：
1）在初步模型中AI訓(xùn)練師同時(shí)作為用戶和AI角色，協(xié)助AI創(chuàng)作期望的回答，通過監(jiān)督學(xué)習(xí)的方式優(yōu)化模型的輸出結(jié)果；
2）訓(xùn)練師根據(jù)模型對同一個(gè)提問所做出的不同輸出結(jié)果進(jìn)行排序，并通過該數(shù)據(jù)訓(xùn)練出獎(jiǎng)勵(lì)模型；
3）根據(jù)獎(jiǎng)勵(lì)模型對模型輸出的結(jié)果進(jìn)行打分，運(yùn)用強(qiáng)化學(xué)習(xí)算法PPO不斷迭代和優(yōu)化模型輸出。
中國AIGC產(chǎn)業(yè)仍處于發(fā)展初期，底層技術(shù)相較國外仍有較大差距。國內(nèi)最先興起的是AI寫作和語音合成模塊，虛擬人概念剛興起，但技術(shù)層面仍有差距，眾多國內(nèi)廠商從內(nèi)容布局入手，同時(shí)眾多廠商目前商業(yè)模式不成熟，還停留在免費(fèi)引流階段。此外，AIGC目前主要客戶集中在B端，廠商話語權(quán)較弱，未來會(huì)向2B 2C方向發(fā)展，B端降本增效是根本訴求，C端對個(gè)人的賦能也是值得關(guān)注的方向。
微軟與OpenAI深化合作，AIGC商業(yè)化加速到來。1月23日，微軟官方宣布在與OpenAI將進(jìn)一步深入合作，將在未來數(shù)年內(nèi)追加投資數(shù)十億美元以加速AI技術(shù)推向大眾。微軟正在迅速推進(jìn)OpenAI的商業(yè)化，將目前的ChatGPT、DALL-E等AI工具整合進(jìn)微軟旗下的全部軟件，例如Bing、Office等，為用戶帶來更高效的交互體驗(yàn)。更值得關(guān)注的是，微軟將提供AI云服務(wù)AzureOpenAI，允許開發(fā)者在OpenAI的模型基礎(chǔ)上搭建自己的應(yīng)用，從而加速AI技術(shù)的商業(yè)化落地。
OpenAI作為AIGC行業(yè)龍頭，已開始商業(yè)化之路，一方面自己作為模型基礎(chǔ)設(shè)施，賦能搜索引擎、辦公軟件提高效率和用戶黏性；另一方面借助合作伙伴的算力基礎(chǔ)設(shè)施，為后續(xù)底層硬件拓展打牢基礎(chǔ)。
AI雖已發(fā)展多年，但在諸多領(lǐng)域的應(yīng)用更像經(jīng)過專業(yè)學(xué)習(xí)的“?？粕?，而今基于大模型的AIGC更像接受過通識(shí)教育的研究生，雖然在發(fā)展初期在特定專業(yè)領(lǐng)域功能有限，卻有著更強(qiáng)的可拓展性。預(yù)計(jì)2023年GPT4模型發(fā)布之后，“AIGC ”將成為全球性的趨勢。底層的大模型與數(shù)據(jù)集將成為下一個(gè)科技時(shí)代，真正意義上的“IT基礎(chǔ)設(shè)施”，既有垂直領(lǐng)域的價(jià)值也不容忽視，正如OpenAI與微軟的合作，通用AI的顯性化趨勢將日益顯著。
AI具有通過自動(dòng)執(zhí)行各種任務(wù)、提高效率和啟用新的經(jīng)營方式來轉(zhuǎn)變商業(yè)模式的潛力。隨著技術(shù)的進(jìn)步，AI已經(jīng)不再像過去那樣與硬件、系統(tǒng)等一起打包進(jìn)行商業(yè)化落地了。對于普通人來說也不再是一門遙不可及的尖端技術(shù)。AI變成了一個(gè)普通人也可以輕松運(yùn)用、提升效率的工具，這預(yù)示著AI的商業(yè)模式更加顯化。
雖然AIGC使C端用戶以較低的門檻使用AI生成內(nèi)容，但目前來看，toB仍然是核心商業(yè)模式。對于C端用戶來說，缺乏長期持久的需求，大多數(shù)只是一時(shí)興起的好奇體驗(yàn)。而對于B端客戶來說，他們的需求和付費(fèi)意愿是較為穩(wěn)定和長久的，這主要有以下兩個(gè)核心原因：
（1）降低成本
AIGC替代了部分原本應(yīng)該由原創(chuàng)人員承擔(dān)的工作，例如網(wǎng)站內(nèi)容編輯、美工等，假設(shè)人工成本在100萬，而AIGC能夠降低50%以上，那么企業(yè)將有充足的動(dòng)力進(jìn)行機(jī)器替代，其實(shí)這一過程正在發(fā)生，尤其在一些垂直領(lǐng)域，例如體育、金融、汽車等。除了新聞稿件類，AIGC生成圖片也被應(yīng)用在新聞稿或自媒體的插圖或封面上。相比原先在素材庫找圖的效果更貼合文章，也減少了找美工的費(fèi)用并提升了效率。但在這一領(lǐng)域，文字的需求大于圖片，一方面是由于工作的完成度另一方面是由于本身的市場空間。
（2）跨越B端需求鴻溝
部分toB應(yīng)用具有項(xiàng)目制的特點(diǎn)而難以被滿足。例如，IP矩陣的構(gòu)建，當(dāng)需要對大IP構(gòu)筑包括電影、電視、游戲、動(dòng)漫、手辦等周邊產(chǎn)品時(shí)，需要大量各類原創(chuàng)作者對IP矩陣進(jìn)行豐富，這是一個(gè)費(fèi)錢且費(fèi)力的漫長過程。內(nèi)容供給方因工作量巨大而無法提供大量原創(chuàng)稿件，而需求方因看不到內(nèi)容而無法買單。未來基于AIGC，原創(chuàng)內(nèi)容方可以以少量手稿，借助模型的幫助，大量生成內(nèi)容，由于擴(kuò)散模型的存在，這種“白盒 黑盒”式的內(nèi)容生成甚至帶有“二創(chuàng)”的意味。若能在AIGC的幫助下跨越需求鴻溝，則大型B端項(xiàng)目更容易實(shí)現(xiàn)。
即使由于技術(shù)的發(fā)展使得AIGC變得普及，當(dāng)下階段，toB端才是主要的商業(yè)模式方向，核心原因在于對于B端帶來的效率提升是切實(shí)的，也能夠填補(bǔ)原本很難完成的需求對接，因此客戶付費(fèi)意愿較強(qiáng)。
隨著AI模型與算力的發(fā)展突破了可用的臨界點(diǎn)，AIGC對個(gè)人的賦能也是值得關(guān)注的方向。在極小的邊際成本下，AIGC應(yīng)用能夠大幅度提高個(gè)人的信息處理效率以及內(nèi)容輸出質(zhì)量，而這類技術(shù)又可能反作用于生產(chǎn)關(guān)系的演變。
因此，面向C端的AIGC應(yīng)用，可從兩個(gè)角度來探討其商業(yè)價(jià)值：第一是作為效率工具，諸如傳統(tǒng)的筆記、日程管理等工具，AIGC應(yīng)用能夠在信息獲取、格式整理和工作流等各個(gè)流程提高個(gè)人用戶的效率，并且AI模型作為基礎(chǔ)設(shè)施能夠集成到現(xiàn)有的工作流程中；第二是作為創(chuàng)作工具，像剪輯、修圖軟件一樣，AIGC能夠在UGC內(nèi)容流行的今天，大幅度降低大眾用戶的創(chuàng)作門檻，強(qiáng)化個(gè)人媒體的IP價(jià)值。
從商業(yè)角度而言，將AIGC作為底層基礎(chǔ)設(shè)施的SaaS訂閱將成為中長期趨勢，目前Midjourney等企業(yè)已有類似嘗試。用戶付費(fèi)的邏輯在于以下幾個(gè)方面：更高效的信息獲取方式；從輔助表達(dá)到替代表達(dá)；集成到已有的工作流；擴(kuò)大用戶創(chuàng)造力。
2023年人工智能從學(xué)術(shù)研究逐漸走向產(chǎn)業(yè)化，商業(yè)與AI技術(shù)的融合形成互為支點(diǎn)的發(fā)展格局，進(jìn)入產(chǎn)業(yè)規(guī)模商用期。人工智能技術(shù)將不斷地對AI數(shù)字商業(yè)的各個(gè)領(lǐng)域進(jìn)行滲透。據(jù)量子位預(yù)測，2030年AIGC市場規(guī)模有望超過萬億元。在內(nèi)容領(lǐng)域，人機(jī)協(xié)同，對于存量業(yè)務(wù)，AIGC的價(jià)值在于降本增效，對于增量內(nèi)容其價(jià)值在于跨模態(tài)的內(nèi)容生成等。據(jù)Gartner的“人工智能技術(shù)成熟度曲線”，生成式AI仍處于萌芽期，但其廣闊的應(yīng)用場景和需求空間吸引大量資本和技術(shù)的投入，預(yù)計(jì)將在2-5年內(nèi)實(shí)現(xiàn)規(guī)?；瘧?yīng)用。AIGC有潛力產(chǎn)生數(shù)萬億元的經(jīng)濟(jì)價(jià)值，AIGC繁榮發(fā)展，將促進(jìn)資產(chǎn)服務(wù)快速跟進(jìn)，通過對生成內(nèi)容合規(guī)評估、資產(chǎn)管理、產(chǎn)權(quán)保護(hù)、交易服務(wù)等構(gòu)成AIGC完整生態(tài)鏈，并進(jìn)行價(jià)值重塑，充分釋放其商業(yè)潛力，至2025年中國生成式AI商業(yè)應(yīng)用規(guī)模至2070億元。
相關(guān)公司：視覺中國、風(fēng)語筑、藍(lán)色光標(biāo)、浙文互聯(lián)、中文在線、昆侖萬維、天娛數(shù)科、阿里巴巴、百度、騰訊、
參考資料：
1.華鑫證券-傳媒行業(yè)深度報(bào)告：AIGC將如何影響傳媒行業(yè)
2.浙商證券-互聯(lián)網(wǎng)電商行業(yè)AIGC之AI繪畫：技術(shù)與應(yīng)用雙突破，生產(chǎn)力變革在即
3.國泰君安-傳播文化行業(yè)：AIGC迎巨頭加碼，望成內(nèi)容生產(chǎn)引擎
4.首創(chuàng)證券-傳媒行業(yè)簡評報(bào)告：業(yè)績預(yù)告密集披露，AIGC有望提升內(nèi)容產(chǎn)出效率
5.招商證券-計(jì)算機(jī)行業(yè)AIGC投資機(jī)會(huì)梳理：ChatGPT快速流行，重構(gòu)AI商業(yè)模式
6.興業(yè)證券-計(jì)算機(jī)行業(yè)：從AIGC到ChatGPT，原理、前景和機(jī)會(huì)
7.長江證券-傳媒互聯(lián)網(wǎng)行業(yè)2023年度投資策略：高舉文化自信大旗，探尋內(nèi)容創(chuàng)新浪潮
8.西部證券-AIGC行業(yè)專題報(bào)告：2023年有望成為AIGC的拐點(diǎn)
9.華西證券-AIGC行業(yè)深度報(bào)告（2）：ChatGPT，重新定義搜索“入口”
10.騰訊研究院-AIGC發(fā)展趨勢報(bào)告2023：迎接人工智能的下一個(gè)時(shí)代
11.中金公司-軟件及服務(wù)行業(yè)人工智能十年展望（五）：從ChatGPT到通用智能，新長征上的新變化
12.招銀國際-中國互聯(lián)網(wǎng)行業(yè)：ChatGPT&AIGC在中國市場的發(fā)展前景
聯(lián)系客服
