生成式AI多领域落地,赋能传媒行业发展 证券研究报告|传媒 强于大市(维持) 行业核心观点: ——AI产业系列深度报告(一)2024年06月28日 行业相对沪深300指数表现 生成式人工智能(GenerativeAI),指的是通过人工智能技术自动生成内 容的生产方式。着重于创造新的、有创意的数据,其关键原理在于学习和理解数据的分布,进而生成具有相似特征的新数据。自“十三🖂”、“十四 🖂”规划将人工智能作为重点任务,明确了战略发展目标之后,国家陆续出台指导性及支持性政策推动生成式AI发展,目前在图像、文本、音频、视频等多种领域都有广泛的应用。 投资要点: 10% 5% 0% -5% -10% -15% -20% -25% -30% -35% -40% -45% 传媒沪深300 图像生成:Midjourney稳住行业龙头地位,AI文生图迈向多模态融合。AI文生图,即通过人工智能技术解析文字描述内容,提取关键信息,利用深度学习模型形成草图,再经过优化算法细化图像细节,增强图像质量,输出符合描述的视觉内容,是近年来快速发展的一项技术。 1)自身发展,自2023年起,图像生成已经在摄影艺术、设计、二次元、CG艺术和影视制作等多个行业得到广泛应用,目前该技术不仅限于单一的图像生成模型,而是开始向多模态融合方向发展,市场规模高速增长,网民参与度显著提升; 2)产品,目前市场上的产品已经发展比较成熟,主流的AI文生图工具 分别有MidjourneyV6、AdobeFirefly3、StableDiffusion3、Dalle3等。Midjourney产品迭代速度快于同行,整体图像产出质量显著提高,同时通过庞大的用户量及用户数据,使得积累的数据集具有独家性,并依托这些数据进行反复训练,来构建自我艺术风格,巩固自身竞争优势,稳住文生图龙头地位。 视频生成:新品推出受到市场关注,创新点赋能行业发展。AI文生视频的本质是能够根据输入的文本描述自动生成相应的视频内容。这项技术结合了自然语言处理(NLP)、计算机视觉、图像生成和动画技术等多个领域的研究成果,通过训练大量文本和视频数据,依靠文本解析、图像生成、动态渲染等核心技术,将文字转化为图像,并赋予这些图像动态效果,全自动化形成视频文件。 1)自身发展,技术更迭带动行业发展,真正兴起点在于将扩散模型在文生图领域经验拓展至文生视频,成为AI视频生成领域的主流技术路径,带动行业产品推出频率及数量显著提升,但由于存在缺乏相符性高的训练数据、计算成本高昂、信息冗杂难处理等挑战,目前市场仍处于初期阶段,潜力可期; 数据来源:聚源,研究所 相关研究 踏AI之浪潮,扬新生态之帆 《黑神话:悟空》开启预购登顶Steam全球热销榜,6月15款进口游戏版号过审 丰富种类+“剧转影”+好莱坞多项优势加持,端午档票房有望维持较好表现 分析师:夏清莹 执业证书编号:S0270520050001 电话:075583223620 邮箱:xiaqy1@wlzq.com.cn 分析师:李中港 执业证书编号:S0270524020001 电话:02032255208 邮箱:lizg@wlzq.com.cn 行业研 究 行业深度报 告 证券研究报 告 2)产品,目前市场上受到关注度较高的文生视频产品版权所有发分送给..p1别是来自OpenAI 的Sora、Pika1.0、近期快手推出的可灵、LumaAI推出的DreamMachine以及Runway推出的GEN-3。新品的推出通常伴随着领域技术的突破,从目前的文生视频能力来看,已经具备了一定的产业生产力, 证券研究报告 未来将赋能影视产业链,为其降本增效提供助力。 音频生成:音乐生成类市场潜力大,企业探索视频生音频技术。AI音频利用先进的人工智能技术和复杂算法来创造音频内容,包括语音合成、音乐制作和声音效果合成等。通过融合机器学习和深度学习算法,AI音频生成技术能够精确地模仿人类的语音、音乐节奏和声音效果,生成自然且逼真的音频,广泛应用于娱乐、广告、教育和新闻传播等多个领域。 1)自身发展,AI音频生成行业的产业链以中游AI音频算法和服务平台为核心,上下游协同发展,从应用场景来看,语音合成占主导,音乐生成潜力大,语音识别应用成熟; 2)产品,标杆性的音乐生成类音频AI是由SunoAI研发的Suno系列产 品,于今年5月推出了V3.5版本,维持了与OpenAI合作,一次性完成歌词、演唱、编曲、配乐等全部流程,领先于市面上单纯生成音乐的同类型产品,同时关注到ElevenLabs及GoogleDeepMind均宣布了自动匹配画面AI生成音效产品,即无需人工输入提示词也可以为视频配音,实现真正的AI音频及AI视频合作,这将带领文生视频迈入有声时代,实现行业再突破,双向促进市场繁荣发展。 传媒行业应用:AI赋能传媒子行业,助力技术变革。在影视、游戏等多个传媒互联网的细分领域进行广泛应用,从而提升内容生产效率,降低内容生产成本,助力行业变革,建议关注已有生成式AI应用落地的公司。 1)游戏方面,生成式AI能压缩游戏整体项目的研发周期与人员规模,大幅降低游戏制作成本,降本增效;对已有的游戏进行产品更新升级, 实现真正的人与AI的互动,优化游戏体验;对电竞行业进行数字化创新;营销买量制作周期缩短,缩减营销成本; 2)广告营销方面,生成式AI内容生产能力契合广告营销需求,从获取 广告创意、进行内容生成、后期进行广告投放,最后实现高效的消费转化,有望显著提升营销内容生产效率,同时降低优质营销内容生产门槛; 3)影视方面,生成式AI从剧本制作、影视制片、导演拍摄、后期制作 以及宣发营销�大环节对整体影视制作提供助力,大幅缩短创意落地实现的时间成本,也降低了影片创作的人力成本,显著提高工作效率。 风险因素:政策环境变化;市场竞争加剧;创新技术应用不及预期;AI版权及知识侵权风险;市场需求的不确定性;违规违法风险。 版权所有发送给..p2 研究所www.wlzq.cn第2页共21页 正文目录 1生成式AI:快速发展赋能多领域,助力技术变革5 1.1发展历程:21世纪加速人工智能领域探索,生成式AI四领域落地5 1.2政策:国家陆续出台指导性及支持性政策,推动行业发展5 2细分领域:技术及产品更新迭代频率加快,未来发展可期7 2.1图像生成:Midjourney稳住行业龙头地位,AI文生图迈向多模态融合7 2.1.1发展历程:迈向多模态融合,逐渐成为大模型核心模态之一7 2.1.2市场规模:市场规模高速增长,网民参与度显著提升8 2.1.3产品:产品发展成熟,Midjourney稳住行业龙头地位9 2.2视频生成:新品推出受到市场关注,创新点赋能行业发展9 2.2.1发展历程:技术更迭带动行业发展,扩散模型成为主流技术路径.10 2.2.2市场规模:发展存在一定挑战,市场潜力可期10 2.2.3产品:新品推出受到市场关注,创新点赋能行业发展10 2.3音频生成:音乐生成类市场潜力大,企业探索视频生音频技术12 2.3.1产业链:协同发展,中游AI音频算法和服务平台为核心12 2.3.2市场分类:语音合成占主导,音乐生成潜力大,语音识别应用成熟 .............................................................................................................................13 2.3.3产品:SunoV3.5实现功能再突破,Google、ElevenLabs探索视频生音频技术13 3传媒行业应用:AI赋能传媒子行业,助力技术变革15 3.1AI赋能游戏行业:优化游戏制作流程,推动迈入制作运营新阶段16 3.2AI赋能广告营销行业:契合广告营销需求,带动行业变革18 3.3AI赋能影视行业:助力影视制作阶段,缩减实现成本19 4投资建议20 5风险因素20 图表1:生成式人工智能发展历程5 图表2:生成式AI相关政策文件6 图表3:AI文生图发展历史8 图表4:AI文生图市场规模及网民参与度8 图表5:市面上主流AI文生图产品对比9 图表6:AI文生视频发展历程10 图表7:Sora、DreamMachine以及可灵对比示例11 图表8:文生视频相关产品11 图表9:AI音频产业链13 图表10:AI音频生成分类13 图表11:Suno试用14 图表12:ElevenLabsRiffusion试用14 图表13:AI音频相关产品14 图表14:生成式AI应用内容示意图16 图表15:AI赋能游戏行业..版权所.有发.送给...p317 图表16:《GeneratedAdventure》17 图表17:SmallvilleAI小镇17 图表18:《�者荣耀》绝悟AI18 图表19:虚拟裁判“奈昔”18 图表20:AI赋能广告营销行业18 图表21:淘宝全AI制作短片19 图表22:可口可乐‘实拍+3D+StableDiffusion’制作广告19 图表23:AI赋能电影、影视行业19 图表24:芒果TVAI角色对话及AI导演爱芒20 图表25:央视AI制作微短剧20 版权所有发送给..p4 1生成式AI:快速发展赋能多领域,助力技术变革 生成式人工智能(GenerativeAI),指的是通过人工智能技术自动生成内容的生产方式。通过训练模型来生成新的、与训练数据相似的内容。与传统类型的AI主要关注识别和预测现有数据的模式不同,生成式AI着重于创造新的、有创意的数据,其关键原理在于学习和理解数据的分布,进而生成具有相似特征的新数据,在图像、文本、音频、视频等多种领域都有广泛的应用。 1.1发展历程:21世纪加速人工智能领域探索,生成式AI四领域落地21世纪加速人工智能领域探索,生成式AI四领域落地。在21世纪之前,人工智能处于缓慢探索期,该概念最早可以追溯到20世纪40年代,在1943年沃伦和沃尔特提出了人 工神经网络的概念以及艾伦·图灵发表了著名的论文《计算机器与智能》,提出了图灵测试,用以判断机器是否具有智能,从而开启对于人工智能的早期探索,但困于计算机的计算能力和数据处理能力有限,以及人工智能研究过于注重理论而忽视了实际应用,发展速度有所减缓;直到进入20世纪90年代,互联网的兴起为人工智能的发展带来了新的机遇,在21世纪第一个十年间,搜索引擎、推荐系统和机器翻译等应用的出现以及支持向量机、随机森林等算法的提出,为人工智能应用提供了更加强大的工具,进入机器学习阶段;2010年以来,随着大数据的出现和计算能力的提升,深度学习成为人工智能研究的热点。深度神经网络在图像识别、语音识别和自然语言处理等领域取得了令人瞩目的成绩;在经历了前二十年的技术积累后,生成式AI在21世纪第三个十年诞生,由OpenAI开发的GPT-4语言模型,标志着基于语言的人工智能应用程序迈入了崭新的功能阶段,并在图像生成、文本生成、音视频生成上取得显著成果。 图表1:生成式人工智能发展历程 资料来源:前瞻产业研究院、研究所 1.2政策:国家陆续出台指导性及支持性政策,推动行业发展 国家陆续出台指导性及支持性政策推动生成式AI发展。从政策发展的角度来看,中国 版权所有发送给..p5 的生成式AI是在国家层面的人工智能政策推动下得到发展的。“十三🖂”规划首次将人工智能作为重点任务,并明确了新一代人工智能的发展战略目标,这标志着人工智能上升到了国家战略的高度。在“十四🖂”规划中,进一步强调了在人工智能关键技 术领域实现突破的重要性。为了确保生成式AI的健康发展和规范应用,同时保护国家安全和社会公共利益,2023年7月,国家互联网信息办公室、国家发展和改革委员会、教育部、科学技术部、工业和信息化部等部门联合发布了《生成式人工智能服务管理暂行办法》。此后,各相关部门陆续出台了指导性及支持性的政策文件,以加速生成式AI的发展,并鼓励其在各个领域的应用。 图