AIGC行业跟踪报告（四）-中文数字内容成为重要稀缺资源，可用作AI大模型语料库

事件：3月28日，中国信息通信研究院现启动大模型技术及应用基准构建工作，针对当前主流数据集和评估基准多以英文为主，缺少中文特点、文化以及难以满足关键行业应用选型需求等问题，联合业界主流创新主体共同构建一套涵盖多任务领域、多测评维度的基准及测评工具AISHPerf-LargeModel，推动我国大模型技术及应用的引领创新。 点评：中文数字内容将成为重要稀缺资源，用于国内AI大模型预训练语料库。 1）近期国内外巨头纷纷披露AI大模型；在AI领域3大核心是数据、算力、算法，我们认为，数据将成为如ChatGPT等AI大模型的核心竞争力，高质量的数据资源可让数据变成资产、变成核心生产力，AI模型的生产内容高度依赖源头数据。2）根据凤凰网周刊，ChatGPT的中文答案不准确主要在于目前中文语料学习库少，ChatGPT中文资料比重还不足千分之一，为0.09905%，而英文为92.64708%。3）中文公开语料远不足英文，这也成为“中国版ChatGPT”的痛点。微软（中国）首席技术官韦青在3月23日举行的一场行业会议上指出，“ChatGPT能够提炼的语料是开放的、共享的和免费的”，而“中国版ChatGPT”所需要的大量高质量中文数据资源（包括政务数据、商业数据、科研数据、中文语料等）大多被存在各家企业或机构的“后花园”里无法共享，“这不是一两间公司能够解决的问题，需要全社会密切关注并大力投入的公共知识基础设施”。4）政策进一步重视数据核心资产建设。据日经亚洲报道，从4月1日起，部分外国用户对中国大陆知识基础设施工程的访问将被限制，其中包括知网。 网文平台深耕文化数字产业，海量正版中文数字内容构筑核心竞争壁垒。1）海量数据：网文平台拥有的中文文字字数超10000亿字，内容品类包含小说类、科普类、社会类、经管类、法律类、教育教材类等等。2）高质量数据：网文平台拥有的数字内容经过市场长期校验，已形成高质量的数据内容库，而高质量的数据可大幅提升模型训练效果，缩短学习时间和提升学习质量，让AI模型产出内容稳定；3）正版版权：网文平台高度重视知识产权保护工作，可为AI模型公司提供拥有版权的数据集用于训练；4）完整的各类型商业生态链：平台拥有的网络原创驻站作者可实时反馈最新数据，提供最贴近市场和用户的最新数据，让AI模型持续更新学习。 网文公司拥有广泛应用场景，AIGC加速形成从内容到商业化落地的闭环。网络文学为最大的内容源头，当前大量优质网文IP尚未被挖掘和开发变现，而AIGC加快发展产能，推动海量IP跨模态变现。AI技术成果可应用在文字辅助创作、实时对话互动、动漫画及影视创作等场景，服务广大内容创作者，打通IP衍生全产业链商业变现。 投资建议：维持互联网传媒行业“买入”评级，拥有中文语料、专业数据资源及数据处理的公司或将持续受益于AI大模型发展：推荐中文在线、阅文集团，关注拓尔思、海天瑞声、同方股份、浙数文化、浙文互联、中国科传、掌阅科技。 关注AIGC产业链：1）互联网大厂AI技术积累深厚，助力强化自身优势&销售产品至B端，推荐腾讯控股、百度集团-SW，关注阿里巴巴；2）AI算法龙头公司业务落地有望加速成长，关注商汤-W、云从科技、格灵深瞳；3）AI在多模态内容应用的推进，内容生成提升电影制作生产力，推荐光线传媒，关注上海电影、万兴科技、美图公司；4）AI营销数字人提升智能程度：推荐芒果超媒，关注蓝色光标、风语筑、飞天云动、三人行；5）AIGC应用在游戏领域推广进度有超预期可能，推荐腾讯控股、网易-S、三七互娱，关注中手游。 风险提示：AI技术研发和产品迭代不及预期风险；AI行业竞争加剧风险；商业化进展不及预期风险；国内外政策风险。 表1：AIGC发展受益标的梳理 表2：国内互联网大厂AI基础技术布局 表3：国内互联网大厂AIGC技术研发对比 表4：国内互联网大厂AI商业化进展