2024年中国AIGC行业应用价值研究报告：千行百业AII in AI，重构数字经济的生产模式

前言：当我们在谈论AIGC，到底希望讨论什么？ •目前广受热议的“AIGC”实际是对此次AI技术变革的一种描述概念，如果说2023年是“大模型”元年，那么2024年则是“AIGC”应用元年。 •而我们今天谈论的AIGC概念是泛化的，包括具备狭义和广义概念，狭义概念更强调内容属性，广义概念强调AI的技术属性： 狭义的概念重点关注的是数字内容的生产形式（SyntheticMedia），和人类生成内容方式对比，例如文字、图片、视频等常规内容形式如何一步通过AI生产； 广义的概念则突出生成式AI（GenerativeAI）的概念，即如何通过生成式AI的技术解决以往决策式AI（也会称为决策式AI）难以完成的问题，尤其在泛数字内容上实现“质的突破”。随着生成式对抗网络（GenerativeAdversarialNetwork，GAN）等的演进及迭代，生成式AI可以结合自动化、数字化、决策式AI等等多种的形式，解决数字化时代信息的解构、生成、交互、传播、反馈等诸多链路（例如数据治理、知识管理、流程自动化、人机协作和交互等等），即意味着凡是可以涉及数字内容形式的产业，AIGC通通可以“重新做一遍”。 AIGC 希望AIGC去解决旧时代的“老问题”，创造属于当下的“新需求” PGCUGC AIGC Professionally-GeneratedContent内容生成成本高，需要 专业人士完成内容生成，总体内容生产数量低 User-GeneratedContent 内容生成及传播成本由于互联网时代的，无需专业人士完成，总体内容生产数量有所提升 AIGC关注内容（GeneratedContent）的生成方式，即是否内容的最终形态由AI完成，来自于互联网之前对内容生成方式描述比较 （PGC&UGC），对生成主体的不同（人VS机器）、数量及规模的上限，生成速度的巨大差异进行比较 “大模型”怎么用？是否要唯“大模型”论？ 应用 AIGC的商业价值核心逻辑是什么？技术和产品力如何形成更好的化学反应？ 哪些具体的行业和场景在2024年会成为关键的破局点？ …… 创新 AIGC能给行业带来什么样的新体验、新思路？ AIGC能否“击穿”当下数字化不得解决的问题？AIGC是否会形成新时代的生产力？ …… www.jazzyear.com Part01背景：AIGC将迎来“寒武纪”式的爆发 目录Part02价值：重新探索数字生产力的实现模式 Part03探索：垂直领域数智化的再次出发 Part04落地：当下商业实践值得关注的里程碑 Part05守望：AI新世代下的审慎与期待 AI浪潮发展的必然要求：商业应用落地是时代发展的“飞轮”加速器 大模型的发展开启了AIGC时代（第四次AI浪潮），从人工智能产业的发展中可以看出，技术是AI每次革命性发展的起点，但商业应用是发展的加 速器，AI的持久发展看商业落地。 人工智能产业的发展历程简述 2023-至今 第四次浪潮 产业热度 2000s-2020s 第三次浪潮 1980s-2000s 第二次浪潮 1950s-1980s 第一次浪潮 第三次浪潮：深度学习助力语音识别、图像和视频处理等AI应用逐渐渗透到各行各业 第二次浪潮：“专家系统”可实现人工智能与专业知识结合，实现特殊领域的实践落地 第一次浪潮：达特茅斯会议之后，大量AI程序和创新研究涌现，尝试实现AI应用 1956 19802006 2023 AIGC的持久发展需要商业应用落地 “应用”&“技术”&“资源”相互促进，实现飞轮式发展，“没有大模型是万万不能的，只有大模型是万万不行的” 应用 资源 技术 商业应用可以为AIGC技术提供实际的测试环境，通过不断的实践和反馈，促进技术的迭代和优化。 而资源则借助商业应用向技术研发倾斜，技术可以拥有极大的试错空间。 先进的技术可以帮助企业更有效地利用资源，包括数据、人才和资本等，形成正向循环。 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com 技术储备的不断深化和完善：技术爆发后迎来商业加速，应用热度上升 随着人工智能技术的飞速发展，大模型（包括开源模型及闭源模型）的数量和能力都在显著增长，为AIGC（人工智能生成内容）应用的爆发提供了坚实的技术基础。同时海外以知名风险投资公司YCombinator为主要跟踪指标看，全球AIGC融资热度在2024年加速上升，从侧面显示其商业价值逐步受到关注。 全球及中国AIGC融资数据显示AIGC商业价值关注上升 大模型的数量及能力均不断上升，AIGC应用爆发具有技术基础 ArenaELO 1250 闭源模型开源模型 GPT-4 GeminiPro GPT-4 Claude3Opus Claude3Sonnet GPT-4Turbo 8061 60 40 20 0 2024年1-3月全球AIGC赛道融资情况 4041 229.6 76.4 301 400 300 200 100 0 1200 1150 GPT-4 Claude1 GPT-4 Claude2 MistralMedium Claude3HaikuMistralLarge Llama38bInstruct Llama370bInstruct Qwen1.5-32B-Chat 2024.12024.22024.3 全球AIGC赛道融资次数全球AIGC赛道融资金额（亿元人民币） 公开资料，-Ycombinator为主要跟踪指标 GPT-3.5Turbo WizardLM70bYi-34B MixtralInstruct8x7B OpenChat-3.5 Zephy-orpo-141b Starling-LM-7B-beta 1100 GPT-3.5Turbo Vicuna33B Llama-2-70b-chat Llama-2-13b-chat OpenHermes-2.5-Mistral-7B DeepSeek-LLM-67B-Chat DBRXInstruct Gemma-1.1-7B-it 1050 MPT-30B-chatVicuna-13B-v1.5Llama-2-7b-chat SOLAR-10.7B-Instruct-v1.0 30 2024年1-3月中国AIGC赛道融资情况 27 20 19 1981.6 48.5 10 0 6.7 2024.1 国内AIGC赛道融资次数 100 80 60 40 20 0 2024.2 2024.3 国内AIGC赛道融资金额（亿元人民币） 公开资料，-非凡产研 2023.32023.52023.72023.92023.112024.12024.32024.5 数据截止2024年5月 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com AI应用亟待爆发的核心逻辑：AI生产力推动生产作业模式的改变 大模型应革命性地改变人机交互方式和机器的决策能力，大模型的下半场已经开始，内容生产释放生产力，人机交互改变生产关系。 人机交互的改变将直接影响工作流程，进而对产业上下游链条和生态合作方式产生重要作用，进而改变整体的数字管理体系。 企业高管对AI的认知水平变化 AIGC从“内容生成”入手，结合商业应用的不断迭代，最终指向数字工作作业模式及治理模式的改变 最终价值：生产力显著提升，生产关系逐步发生变化 工作范式或核心需求发生改变 AIGC重构了作业环节的劳动力（生产时 58% 2016年的 传统AI 治理 间变化所致）与物质资料（能耗、技术等）分配，生产力的发展会促使新的生产关系的出现 2023年的 生成式AI 83% 间接价值：人与人之间，人与机器之间的交互效率提高 基于内容的交流效率大幅提升，工作流程的改变 AIGC解决了工作过程中流程的核心矛盾：人与人交互，人机交互环节中面对信息 “让AI成为核心生产力”已经成为企业领导的迫切需求 根据IBM的全球调研，如今对生成式AI的认知水平远高于2016年传统AI出现第一波发展浪潮时的认知水平。 流程（文字风格、图片、视频等等无法用进行 准确描述）的环节，都可以采用新的内容 进行直接沟通，颠覆了沟通方式 直接价值：内容的生成成本下降，生成效果提升 AIGC解决了内容创作效率的核心矛盾： 各类内容形态的生产时间大幅降低 内容 环节中始终存在大量个性化的重复性工作， 内容创作的门槛及成本皆源于此。AIGC可以在部分环节实现“工程化”的工作模式 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com 市场对于AIGC应用的期待：宁可试错，不能错过 企业数字化转型的三大阶段 信息化数字化数智化 传统的业务流程和信息以数字化的形式展示对数据的采集、整合、分析和利用，供数据驱动的支持，并推动业务创新和发展 实现业务流程的自动化、智能化和个性化。目标是利用数字及智能提升企业的运营效率、降低成本并创造新的价值 各参与方对于AIGC在行业应用层面的实施意愿 高层管理者 66% 企业AIGC预算的来源分布 企业的建设需要创新的方案 投资者方 64% 8% 员工 55% 13% 24% 创新预算 业务部门预算 媒体 55% 面向大语言模型的全新IT预算 非政府机构/宣传团体 49% 15% 从IT重新分配的资金 业务合作伙伴 49% 21% 从其他AI重新分配的资金 客户 48% 19% 产品开发预算 加速实施AIGC 减缓实施AIGC 核心来自于市场对于“智能”的渴望，希望AIGC可以破局过往企业数智化过程中的困境，给予技术充分的探索的空间 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com 不唯“大模型”论：带着行业理解，在具体场景中寻找答案 AIGC应用的落地思索场景（数据+算力+算法） 资源匹配 风险管控 商业价值 业务理解 深入理解业务需求，在细化需求中寻找到核心矛盾并解决 大模型的能力依然是基础：决定AIGC技术能力可以超越现有解决方案的能力 AIGC的应用核心：专注于场景的细分需求，结合业务问题，寻找AIGC可实现的最佳落地点，更快地为企业提供商业价值 目标规划 技术需求 产品设计 用户需求 行业 Know-How HowDo •在不同阶段和层面对项目的工作内容从主项、分项、子项甚至单体的各个部分进行拆分（例如采用WBS），实现项目关键节点的管理， •完成项目人员的协同、管理、分工及时间资源调配 •对风险的预知、判断及合理控制 •…… KnowWhy •基于用户的细分行业属性，熟悉细分行业的需求价值 •基于用户的业务流程细节，对用户的需求矛盾分析 •基于用户的资源能力，明确产品和商业的平衡点 •…… 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com Part01背景：AIGC将迎来“寒武纪”式的爆发 目录Part02价值：重新探索数字生产力的实现模式 Part03探索：垂直领域数智化的再次出发 Part04落地：当下商业实践值得关注的里程碑 Part05守望：AI新世代下的审慎与期待 AIGC应用构建的逻辑：通过AIGC实现“击穿”式的业务效果 从1994年中国接入国际互联网开始，2024年已经是中国经济社会探索数字化发展的30年；AI早已不是可以解决企业问题，产生效能的唯一答案，应用AIGC需要直击业务的痛点，以数量级（十倍、百倍甚至千倍）的实践效果去证明其商业价值。 •数据采集 •数据清洗 •数据挖掘 •数据分析 •企业资源计划 •客户关系管理 •财务软件 •…… 效果必须要超越“过往”才会被承认 劳 AIGC可能的效果体现： •数据决策 •…… •语义切割 •视觉识别 动 价 •司库管理 •办公自动化 •项目管理值 AIGC 1.效果超越：生成的内容在质量上要优于或至少等同于传统方法。 2.效率提升：在生产速度和成本效益上要 显著优于人工操作。 •行业数字化解决 方案： •预测分析 •推荐系统 •…… •