AIGC场景应用展望研究报告.docx

《AIGC场景应用展望研究报告.docx》由会员分享，可在线阅读，更多相关《AIGC场景应用展望研究报告.docx（19页珍藏版）》请在第一文库网上搜索。

1、AIGC场景应用展望研究报告AIGC场景应用展望研究报告1摘要：2前言2一、技术视角:AlGC产业技术新突破41.1 为何ChatGPT被称为Al的“iPhone”时亥U ?41.2 从ChatGPT的爆火看AIGC的技术发展51.3 “成熟”的AIGC大模型需要哪些要素？ 51.4 通用基础的AIGC大模型发展重点61.5 AIGC产业链路61.6 产业链中的模型层有望实现分化71.7 产业链中的应用层尤其值得关注81.8 未来中国的AlGC产业将走向何方（1/3）91.9 未来中国的AIGC产业将走向何方（2/3）91.10 未来中国的AIGC产业将走向何方（3/3）10二、产业视角:Al

2、GC的产业新变革112.1 AIGC产业融资概览112.2 AIGC场景应用图谱122.3 AIGC实践及应用：行业应用变革分析132.4 AIGC实践及应用：行业应用变革分析132.5 AIGC实践及应用:游戏行业142.6 AIGC实践及应用：广告营销行业152.7 AIGC实践及应用：媒体影视行业162.8 AIGC实践及应用：电子商务行业162.9 AIGC实践及应用：医疗行业172.10 AIGC实践及应用:金融行业182.11 AIGC浪潮下的机遇与挑战19摘要:本报告从技术侧和产业侧两个角度探讨了 AIGC产业的现状及产业的未 来方向。在整个行业异常火爆的背景下，应用层创业机会较

3、多且具有先发的 可能性，其中行业解决方案企业的思路更多是围绕某个行业需求进行服务， 发展机会更大。但对于不同赛道而言，机会的大小存在差异。为了更好的把 握AIGC产业的未来方向，需要重点关注AIGC的本质。本文构建了各行业 应用AIGC能力矩阵“设置相应的评估指标(AIGC在行业可变革程度”与 “行业商业变现能力”这两个维度下细分不同市场)，在此基础上输出研究 结果。针对产业发展影响最为明显的赛道进行详细阐述及相关案例支持。前百AlGC研究范畴界定AIGC是内容生产方式的进阶，实现内容和资产的再创造AIGC (AI-Generated Content)本质上是一种内容生产方式，即人工智 能自动

4、生产内容，是基于深度学习技术，输入数据后由人工智能通过寻 找规律并适当泛化从而生成内容的一种方式。过往的内容创作生态主要 经历了 PGC、UGC到AlUGC的几个阶段，但始终难以平衡创作效率、创 作成本及内容质量三者之间的关系，而AIGC可以实现专业创作者和个 体自由地发挥创意，降低内容生产的门槛，带来大量内容供给。此外， 对于仍处于摸索阶段的元宇宙世界，AIGC技术的发展也带来了解决元 宇宙内容创造问题的解决可能，可实现为元宇宙世界构建基石的关键作 用。内容创作生态产业的发展阶段理想中的元宇宙世界AIGC跟元宇宙是什么关系？存在的关键问题AlGC可以做的事 虚实融合无边界的沉浸体验 实时全景

5、，不受空间限制 可塑造每个人的虚拟世界化身 难以处理大规模、非结构化辘 难以构建个人的元宇宙化载体 以上问题导致元宇宙生态是T“空躺的界支持媒体融合，可处理多模态信息 可开发制作交互式内容，将所有行为 编码到其中，帮助用户创造具有内置 行为的集成3D对象来源：艾瑞咨询研究院白仁研突及绘柒1.www !research com cn2023 12 (Research Inc.AI&AIGC的演进历程从决策判别到创造生成，人工智能进入双“G”时代AI的发展经历了从决策式AI到生成式AI的过程。在2010年之前，AI 以决策式Al为主导，决策式Al学习数据中的条件概率分布，底层逻辑 是Al提取样本特

6、征信息，与数据库中的特征数据进行匹配，最后对样 本进行归类，主要针对对样本的识别和分析。2011年之后随着深度机 器学习算法以及大规模预训练模型的出现,AI开始迈入生成式AI时代， 生成式AI的特征是可以根据已有的数据进行总结归纳，自动生成新的 内容，在决策式Al决策、感知能力的基础上开始具备学习、执行、社 会协作等方面的能力。当下人工智能在生成(Generation)和通用 (General)两条主线上不断发展。决策+认知+感知生成式Al+学习Il+执行+社会小规模专家知识1956年历史上第一次人工智能研 讨会召开，标志着人工智 能的诞生浅层机器学习算法198弹GeOffrey HimOn等

7、人提出了一种名为 BaCkPr OPagation的神经网络训练算法, 被认为是神经网络技术的一次重大突破1965年Herbert SimonfQAIIen NeWeH开发了一名为 Logic TheOriStg, 它可以用逻辑推理的方式 解决数学证明问题，这被 认为是人工智能领域的一 次重大突破1997年国际象棋世界冠军KaSParOV在与IBM开 发的DeeP BlUe计算机的比赛中失利， 标志着人工智能开始在一些传统的思维 活动上超越人类2006年深度学习技术发明，带来了革命性突破早期萌芽阶段(1950s- 1980s)技术积淀阶段(1980s2010 年)深度机器学习算法2011 年I

8、BM的WatSon计算机在美国电视节目 Je。Pardy中战胜了两位前冠军2013 年DeePMind提出基于深度学习的强化学 习模型2014GAN可生成图像但分辨率有限2015 年GoOgle 的 AlPhaGC4fJE 围棋 ttS 中 战胜了世界冠军李世石，标志着人工智 能开始在更复杂的,蜂活动上超越人类快速发展阶段(2011 年 2016 年)大规模预训练模型2017 年TranSfOrmer架构提出，为 大模联厨TF2018 年GPT与BERTW出，开启“大模型2022年ChatGPT 推出2022年TranSformer架构提出，为 大模型发展打下基础爆发阶段(2017年)来源：朱

9、松纯,公开资料膜.，艾瑞咨询研究院自书研究及绘制.2023 12 i Research Inc一、技术视角:AlGC产业技术新突破1. 1为何ChatGPT被称为AI的“iPhone”时刻？代表了大模型时代的爆发，使得Al的可用性与易用性大幅提升 ChatGPT达到1亿用户只用了 2个月，与之对应，即便是Apple APP StOre也花费了 2年时间才达到1亿用户，人工智能正以摧枯拉朽的势 头席卷整个科技圈，英伟达CEO黄仁勋更是喊出ChatGPT就是AI的 “iPhone 时刻”。如何理解“iPhone时刻”计算机变革过去：PC接入网络现在：手机随时上网易用性iPhon峨表了计算机从功能性

10、向易用性的转变, 在发明iPhone之前，上网还是一个动词，我要去上 网，但现在，我们每时每刻都在上网，跟呼吸一样。iPhone通过各种各样的应用解决了大家接入互联 网的门槛问题为什么说ChatGPT是Al的“iPhone时刻”人工智能变革过去现在ChatGpT是Al易用性革新的一大步，让用户可以通 过自然语言便捷的使用。过去很长一段时间内，专 业人士都认为机器学习不适合自然语言处理。通常基亍数据库+知识图谱一SBT基于机器学习不同模型做不同任务 一频通用模型”大力出奇迹”的处理方式是建立某个领域的语料库，在不同语料 库之间搭建知识图谱等关联，通过逻辑搜索方式实 现答案反馈；但ChatGP问以

11、被视作是Al能力的集 成，还可以内嵌入各类软件，实现对生产力的革命;GPT. BER偌大模型架构，有望成为AlGC时代的 操作系统,而JaSPer、Waymark、InWOrld等Al公司就是基于它开发的应用，提供各种不同的Al 生成能力购买昂贵AI硬件易用性提升.ii客户端轻购义昂KAI明铀木蝌蚁侬!艮务大数据+小算力+专用范式大数据+大算力+通用范式1. 2从ChatGPT的爆火看AIGC的技术发展Transformer类架构的发展带动多模态融合，为范式转变奠定基础在图像生成领域内，CNN类架构是一个重要的里程碑，尤其擅长图像分 类和目标检测任务，但由于难以生成高分辨率任务、难以捕捉图像全

12、局 结构和语义信息。近年来，Transformer类架构在图像生成领域也开始 逐渐被应用，在自然语言处理领域的机器翻译任务中，TranSfonller已 经成为了一种主流的模型架构。在图像生成领域，TranSfonner类架构 可以有效地捕捉图像的全局结构和语义信息、，同时也可以生成高分辨率、 逼真的图像，多模态架构逐渐成为了图像生成领域的研究热点。多模态 架构可以建立统一的、跨场景/任务的模型，将不同类型的数据（如图 像、文本、音频等）融合起来，极大地拓展了人工智能认知并理解世界 的能力边界。多模态学习在不同模态间搭建了桥梁，使得基础模型通过 迁移学习和规模涌现达到能力跃迁成为可能，极大加速

13、了通用模型的演语言处理2014 年2017 年2020年2023年Seq2Seq GRU Transformer BERTBEiT-3LAMDAXLNetGPT-1 GPT-2GPT-3 ChatGPTKosmos-I深度神经网络生成式对抗神经网络GAN引入注意力机制视觉处理VGGResNetAIexNetYOLODenseNet传统的自然语言/计算机视觉处理CNN类架构DETR T2T-ViTViT (Vision Transformer)预训练大模型成为趋势陋图像引入人落磐峥习TranSfOrmer 类架构PaLM-ECLIP多模态+大模型2023.12 !Research Inc.1.

14、3 “成熟”的AIGC大模型需要哪些要素？大模型是一场综合战斗，需要兼顾技术、人力和资本要素AIGC产业的发展是对于技术条件、人才条件和资本条件的综合试炼场， 其中技术条件无疑是核心的核心。AIGC技术主要由算法、算力和数据 构成，三者互为因果。大模型的训练过程大模型训练所需要素预处理J框架模型选择模型训陈I结果评估模型调优模型部署及应用技术条件算力、 成 lL-4算法模型训练数据足弊算力人力条件开发大模型需要尖 端人才和一批中坚 力量工程师的结合;同时，也需要许多 从事数据清洗、提 示工程的相关工作 人员投入模型算法是AIGe发展的推手，也是一系列解决问题、实现特定功 能的有序指令和步骤，它

15、直接决定了内容的生成能力和效果；目 前的Al大模型涉及到机器学习、自然语言处理、深度学习、计算 机视觉等方面；训圈数据是AIGC发展的燃料，体现了对现实世界的反映与提现， 大模型的质量与训练数据量呈正相关关系；数据环节涉及到数据 挖掘、数据仓库、数据可视化、隐私保护等内容；算力是AIGC发展的基础，体现了对信息数据的处理能力；自深度 学习等算法出现以后，全球的算力需求快速上涨，2012年以来， 全球的算力需求增长30万倍；算力主要涉及到数据中心、云计算、 分布式计算、边缘计算等内容；资本条件预训练大模型由于 参数量不断提升， 带来了超大的算力 需求，对应看极高 的训练成本；以ChatGPT为例，次训高 达1200万美金www !r