【创业24小时】2022年2月11日
06-18
报告研究范围-AIGC AIGC和大模型将引领“人工智能产业”和“工业AI”的发展 AIGC（AI-Generate Content）是指利用人工智能智能技术（生成人工智能路径）来生成内容。
2020年11月上线的AIGC应用ChatGPT凭借其在语义理解、文本创作、代码编写、逻辑推理、知识问答等领域的优异表现以及低门槛，迅速获得了大量用户。
自然语言对话的交互方法。
1月份月活跃用户突破1亿，打破了此前消费类应用的增长记录。
ChatGPT等AIGC应用的解决问题能力在很多领域已经超过了人类的平均水平。
微软表示，它在 GPT-4（ChatGPT Plus 背后运行的大型模型）中看到了 AGI（通用人工智能）的原型。
Midjourney等新形态的AIGC应用已经出现在人们的日常生活和工作中。
各行业的智能化升级也看到了新的可能性，“AI工业”、“工业AI”的想象空间进一步拓展。
AIGC应用创新的技术支撑是两类大模型分支：“生成对抗网络（GAN）/扩散模型（Diffusion）”和“Transformer预训练大模型”。
在国外AIGC应用展示大型车型威力的同时，我国企业也加强了相关产品技术的布局。
云厂商、AI厂商、初创企业、各行业公司、技术服务商等各领域玩家纷纷发布大模型或基于大模型和各类技术服务的应用产品。
与一般人工智能应用相比，大型模型应用的训练和推理需要更强的算力支持。
综上所述，本报告将从模型、应用、算力三个角度探讨AIGC行业的发展。
它将尝试讨论开源与闭源、垂直泛化、知识错觉等大模型未来发展的各种不确定性。
为AIGC应用和智能工业应用的迭代升级提供尽可能多的研究帮助，为不一定是AGI但一定更AI的未来提供确定性加速。
中国AIGC产业发展环境——政策（政治）采取包容审慎的态度支持和引导AIGC“可靠可控”发展。
为促进AIGC产业健康发展并规范其应用，中央和地方政府各级政府重点关注算力、数据、模型、应用。
各方面支持政策体系逐步完善，以AIGC为重点的合规监管政策在国家层面迅速出台。
在支持政策方面，我们将以改善算力、数据等要素供给为基础，以模型算法创新为关键，以场景应用为牵引，构建活跃的AIGC创新应用生态。
从区域来看，以北京为代表的AIGC创新和产业要素集聚在政策层面有较大支持。
在合规监管政策方面，《生成式人工智能服务管理暂行办法》奠定了我国对AIGC普惠审慎、分级分类监管的主基调，明确生成人工智能服务提供者应承担网络信息安全、个人信息保护等义务，提出需要进行安全评估和服务规范，例如生成内容的归档和标签。
中国AIGC产业政策分析 - 中国AIGC行业发展环境 - 经济（经济）模式创业兴起，多模式、跨模式受青睐，资本聚集优质项目。
2018年至2020年7月，AIGC赛道上共发生单笔投融资。
可见其高人气和高增长潜力。
从行业细分来看，应用层创业机会最多，而模型层创业受ChatGPT影响，2017年密集涌现。
获得投资的应用层和模型层创业项目中，有文字、图像、语音等。
平分秋色，但相比于单一模式，资本更看好多模式、跨模式应用的应用前景。
从投融资轮次来看，约70%的项目仍处于A轮及前期阶段，而属于股权和战略融资的项目高达14.6%，表明该赛道虽然处于起步阶段，但其战略融资价值得到了认可。
在所有获得投资的企业中，获得3次及以上投资的企业约占17%。
同一标的的高频融资从企业需求端体现了AIGC在创业初期所需的大量资金支持，从资金供给端也说明优质创业项目依然十分稀缺。
2018年AIGC产业链各环节、多种模式融资普及 中国AIGC行业发展环境——社会引领数实融合新浪潮，引爆基于内容生产模式变革的生产力革命，受益于日益丰富的内容各行业的数据资源、计算硬件资源的不断发展以及大模型技术的突破性发展，AIGC能够更好地从现实世界中抽象出多模态数据源并进行有效表达，展示了其作为内容生产通用工具的应用各行各业。
产业规模化应用潜力巨大。
展望未来，AIGC将通过内容生产模式的变革推动生产力创新，引领数实融合浪潮下的产业变革，对人们的生产生活方式产生深远影响。
一方面，AIGC将创新数字内容产业发展范式，提升内容生产价值和影响力。
另一方面，AIGC将加快产业数字化进程，完善数据资源在实体经济中的应用模式和利用效率，赋能实体经济实现数字化、智能化转型。
更进一步，AIGC将极大激活数据要素潜力，拓展更广阔的数实融合空间，推动数字经济与实体经济深度融合。
数字工业化、产业数字化范围不断扩大、融合，实体经济整体创新。
驱动程序和结构升级的路径特征。
展望未来，随着实体经济更多领域加快数字化进程，实体经济系统将进一步完成数字效率转型。
作为当前人工智能产业的排头兵，AIGC的生产力创新将在一定程度上引领产业进入从IT、互联网到智能化的数实融合第三阶段。
AIGC将引领数实融合浪潮下的产业变革。
中国AIGC产业发展环境——技术（Technology） 各模式的生成质量已初步达到应用水平，可控性成为最大短板。
AIGC技术按照模式可以分为文本和图像。
、语音和多模态等。
音频生成技术成熟度最高，其他模态技术发展稍慢。
核心算法仍然存在大面积的黑匣子。
虽然整体生成效果可以达到人类平均水平，部分场景达到人类优秀水平，但在算力成本、生成稳定性、满足个性化、精细化需求等方面仍存在明显瓶颈。
例如，大多数人工智能生成的图像目前无法支持艺术家进行细节修改，文本生成的内容仍会存在事实错误，使其目前无法达到大规模成熟应用的水平。
从技术迭代速度来看，各模式都呈现出成熟度较低、迭代速度较快的特点。
文本和图像生成领域几乎每隔1-2个月就会出现突破性的技术进步，未来是充满希望的。
AIGC各模式技术成熟度分析 中国AIGC行业市场规模 市场规模呈指数级增长，突破规模临界点抢占万亿产业价值 根据第50期《中国互联网络发展状况统计报告》，截至今年6月，中国互联网渗透率已达74.4%。
在网民规模持续增长、网络接入环境日益多元化、企业数字化进程持续加速的宏观环境下，AIGC技术作为一种新的内容生产方式，有望渗透人类生产和生活，给千行百业带来颠覆性的改变，打通人类生产互动。
新时代。
艾瑞预测2018年中国AIGC产业规模约为1亿元，随后将进入大规模生态培育期，持续建设和完善底层算力基础设施、大规模模型等新型基础设施商店平台，培育成熟的技术和产品形态。
外部输出。
2020年，中国AIGC产业规模预计将达到1亿元。
中国AIGC产业生态日趋稳定。
完成了重点领域、关键场景的技术价值实现，逐步建立健全模型即服务产业生态。
2018年，中国AIGC产业规模预计将突破万亿元。
达到1亿元。
中国AIGC产业规模 中国AIGC产业地图全景 中国AIGC产业地图 中国AIGC产业机会前景 技术变革：模型层>工具层>算力层>应用层；资源元素：算力层>模型层>应用层>工具层；市场机会：应用层 > 工具层 > 模型层 > 算力层 中国 AIGC 行业全景及机会前景 1、大型模型将成为人工智能应用开发的操作系统 模型即服务（MaaS）构建人工智能新基础设施、重构AI开发部署范式AI行业的场景落地一直面临着碎片化的困境。
随着企业在上云过程中智能化转型需求的逐步提升以及传统行业领域数据的不断积累，AI应用开发过程逐渐面临大量细分领域的深耕、非典型客户需求，以及算法的通用性和可扩展性。
提出了更高的要求。
传统“小模型”范式的AI应用开发流程一般针对单一场景，独立完成模型选择、数据处理、模型优化、模型迭代等一系列开发环节。
因此，定制化需求、长尾需求下的AI应用开发效率较低，模型精度、性能、可扩展性等指标质量也会受到影响。
随着AI产业的深入和智能化需求的增加，AI研发门槛和开发效率问题日益凸显。
“预训练大模型”应运而生，它通过无监督或自监督学习提取数据中包含的知识，并将其存储在具有大量参数的神经网络模型中。
将AI应用开发流程转化为通用流程——结合行业经验——解决实际问题。
未来，大型模型将成为AI行业的操作系统。
其基础设施特性可以为AI应用开发提供良好的基础，使得AI模型可维护、可扩展、可迭代，大大降低AI应用的开发门槛。
从需求端来看，客户可以通过更低成本、更高效的MaaS（模型即服务）路径获取AI能力，完成AIGC应用的个性化开发、优化和部署，持续实现大模型的技术红利，进行转型AI成能力应用渗透到各行各业的业务场景。
模型即服务（MaaS）范式的演进 2. 厂商合作演进和周边工具服务的发展 模型层和应用层之间的界限逐渐弱化，带动数据层和应用层等工具服务的高效发展开发平台以及大模型的通用性 随着模型开发的完善，模型开发者可以让他们的模型得到广泛的应用，收集多维度的场景数据，积累行业场景知识，集成一些垂直的功能特征，然后向上延伸完成功能应用程序；原来的垂直应用，为了巩固市场地位，可以探索开源甚至自研的模式。
凭借现有资源、经验积累和领域聚焦，还可以打造模型开发和应用服务的闭环迭代。
因此，模型层和应用层有交错发展的趋势。
此外，企业客户不同的数字基础和个性化的软件和流程需求仍然需要解决方案制造商进行定制、优化、部署和实施，而AI开发平台也将与大型模型配合，帮助他们通过“稀疏、蒸馏” 、剪裁”等多种方式。
该模型解决了训练、推理和部署的难题，进一步实现了“低门槛、低成本、高效率”的开发、部署和应用。
数据标注、安全合规等周边工具服务也是推动AIGC产品高效开发和行业有序发展的可观商机。
AIGC厂商伙伴关系演变及周边工具和服务发展 3、生产力变革驱动海量下游应用优化生活领域，充分释放用户创新??能力，全面变革生产领域。
大模型是交互体验和效率的标志。
生成式人工智能是一场新的技术革命。
而且还具有很强的普适性，能够改造和提升人类生产生活的方方面面。
在生活领域，AIGC将进一步下放内容创作权，激发UGC创作热情，加速内容裂变。
加之社区玩法在部分内容平台上良好的盈利表现，打通了内容消费领域从技术到商业模式的路径。
以社区的形式，让用户自发交流、自主创作，产生粘性，是各平台努力的方向。
在生产领域，大模型可以在研发流程、产品能力、交互等方面提升企业软件，也全面开辟新的服务场景。
因此，各企业数码厂商都会将目光聚焦在大机型上，寻找自己的优势。
和定位。
AIGC全面实施的影响分析 4、AIGC将引发整个行业的深度变革。
在线化程度、数字化基础、行业内容占比等都会影响AIGC的应用前景和渗透速度。
总体而言，AIGC主要影响内容创作和人机交互。
因此，价值链的在线化程度越高、内容在价值链中所占的比例越高，AIGC的颠覆效应就越明显；另一方面，行业自身的数据、知识、监管要求等特点也将深刻影响AIGC的技术渗透率。
例如电商、游戏、广告、影视传媒等以内容制作为核心价值的行业，以及电商、金融等在研发、设计、制造等方面在行业价值链中地位较高的行业。
营销等环节，可以快速看到AIGC应用的影响力。
原有生产工具的更换和业务流程的改变。
AIGC对各行业的影响和变化分析 5、计算资源决定大模型的发展水平。
中国坚持走自主创新道路。
大型模型给计算设施带来了更高的要求和发展机会。
顺应大型机型的趋势，对算力的需求急剧上升。
实力正在成为影响国家综合实力和经济发展的关键因素。
面对AI“大模型”的算力挑战，数据中心将建设大量服务器节点，通过网络构建集群互联协作，完成训练和推广任务。
如果网络带宽不够大、延迟不够低，不仅会降低边际算力，还会进一步增加大模型训练的时间成本。
未来，数据中心需要巩固和优化计算基础设施建设，积极提升网络带宽、能源和散热，以应对大型模型带来的高运行要求。
此外，实现AI芯片自主供应是我国算力产业中长期发展的重中之重。
为了适应大型模型的训练和推理，AI芯片对其内存、软硬件架构协作、片间和片内互连能力等提出了更高的要求，这给国内厂商带来了挑战和机遇。
他们可以进一步关注存储与计算融合、Chiplet等技术发展方向。
目前，寒武纪、华为、海光、昆仑芯、燧原等国内一二线厂商推出的AI推理芯片产品已相对成熟，正处于大规模商用过程中； AI训练芯片普遍与国外旗舰产品存在性能差异。
-2 代际之间存在显着差距。
将率先在国家智能计算中心推广应用，并积极与国内各大互联网公司进行适配调整，优化软硬件适配和生态成熟度。
总体来看，中国算力层正试图摆脱对龙头厂商NVIDIA的依赖，以“云巨头自研自用+服务于To G、To B市场的独立/初创公司”两条主线芯创与运营商”的发展路径是等待国产替代的曙光，实现国内“算力+应用”的正循环。
AIGC浪潮下的中国算力产业分析#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，传递行业热点资讯，实时深度回顾和展望观点，帮助创业者把握新兴技术趋势和行业变化，洞悉未来技术趋势。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态