2023年H1AIGC产业报告

2023开年，ChatGPT的现象级爆红，引发了一场全球互联网巨头关于AIGC的“军备竞赛”，谷歌、微软、百度、Meta等纷纷上场。ChatGPT的问世和不断迭代，让大语言模型这种抽象高端的概念变成了人人都能用上的“个人助理”，一时间风头无两；同时，AI、AIGC带来的冲击也显而易见，社会舆论关于效率、成本、优化、裁员等声音更是不绝于耳…… 在此背景下，创业邦发起《2023年H1AIGC产业报告》，一方面围绕AIGC带来的变革和发展前景，梳理AIGC产业图谱，总结上半年投融资市场现状；另一方面深入剖析产业链各细分环节的态势，为AIGC技术应用落地和生态发展探索更多的可能性。 前言 研究问题市场研究及竞争分析思路 AIGC的概念 AIGC的过去发展阶段、未来发展趋势、现阶段爆发原因 AIGC关键技术、AIGC的核心能力 AIGC带来的研发范式、生产力、商业化变革 AIGC市场空间、企业布局 AIGC产业环境：政策、社会情况 AIGC产业链框架和图谱 产业链细分领域分析 上半年产业投融资情况 行业总结、投资建议、风险提示 关注底层技术发展所带来的应用潜力（技术迭代和 商业创新、科技成果转化） 关注AIGC实际落地情况（产业发展、细分赛道机会、公司、市场、团队、产品等等） 关注与社会环境层面的相互作用（产学研联动、法律法规、政策、商业、劳动市场、伦理） 关注技术对人的影响（积极和消极） 05 附录 Appendix 04 投资建议 InvestmentAdvice 03 投融资分析 FinancingOverview 02 产业链分析 IndustryAnalysis 01 产业综述 IndustryOverview 目录 产业综述 概念：新型内容生产方式 产业发展阶段：进入产品破圈爆发新阶段 产业机遇：技术赋能内容生产力变革 产业潜力：市场空间巨大，科技巨头争相布局 产业环境：政策、社会因素影响深远 概念 概念定义：新型内容生产方式 AIGC即AIGeneratedContent，利用人工智能技术来生成内容，是继专业生成内容（PGC）和用户生成内容（UGC）之后，利用人工智能技术自动生成内容的新型生产方式。 优势：由专业站长或专家 提供的内容，可控性强，可以经过多层筛选，呈现在用户面前更具权威，或 者更有用。 劣势：“专家”的力量有 限，尽管产出内容相对专 业，但产出数量却相对薄弱。 优势：集合了UGC、PGC的双重优势，有了UGC的广度，通过PGC产生的专业化的内容能更 好的吸引、沉淀用户。 劣势：内容质量存疑，平 台往往需要对于用户进行审核认证,需要建立个人 影响力。 优势：不必操心网站的 内容量。 劣势：内容的质量很难 把关，水平参差不齐，控制不好内容的好坏，网站很容易会被广告、 垃圾信息所占据。 其优势在于：大量用户参与，创作效率高，创作成本低，使用门槛低。劣势在于：技术成熟度不足的条件下难以精准满足创作需求和缺乏细节控制力，以及人工智能技术还未解决的算法偏见、信息过载和信息污染、技术依赖等问题。随着专家系统的完善和专业人员的参与，价值对齐，P-AIGC有望成为行业新的曙光。 优势：大量用户参与， 创作效率高，创作成本低，使用门槛低。 劣势：难以精准满足创作需求、对细节控制力 不够、技术成熟度不够。 ？ PGC （专业生产内容） UGC （用户生产内容） PUGC （专业用户生产内容） AIGC （人工智能生产内容） P-AIGC （专业人员指导下的AIGC） 5 破圈爆 发阶段 早期萌 芽阶段 沉淀积 累阶段 快速发 展阶段 发展阶段 过去发展阶段：早期受制算法算力瓶颈，近年来产品出圈迎来爆发 20世纪50年代20世纪90年代21世纪10年代中期21世纪20年代初 发展特点 典型事件 受限于科技水平，AIGC仅限于小范围实验 1950年，艾伦·图灵提出“图灵测试”，给出机器具有智能的判定方法 1957年，第一只计算机创作的弦乐四重奏《依利亚克组曲》完成 1966年，第一只人机对话机器人“Eliza”问世 80年代中期，IBM创造语音控制打字机 “Tongora” AIGC从实验性向实用型转变，受限于算法瓶颈，无法直接进行内容生成 2007年，世界第一部完全由AI创作的小说《1TheRoad》问世。纽约大学AI研究员Goodwin训练了专写小说的神经网络，公路旅行时在车上安放GPS、摄像头、麦克风传感器作为输入 2012年，微软首席研究官RickRashid在“21世纪的计算大会”上展示全自动同声传译系统，目前，它支持超过50种语言之间的翻译 深度学习与算法不断迭代，人工智能生成内容百花齐放，效果逐渐逼真直至人类难以分辨 2014年，lanGoodfellow提出生成式对抗网络GAN 2017年，微软小冰推出世界首部100%AI创作诗集《阳光失了玻璃窗》 2018年，英伟达发布StyleGAN模型可以自主生成高质量图片 2018年，AI生成画作以 43.25万美元拍卖成交 2019年，DeepMind发布DVD-GAN模型用以生成连续视频 AI模型取得突破性进展，产品出圈，行业迎来爆发 2021年，OpenAI推出了DALL-E主要应用于文本与图像交互生成内容 2022年5月，推出文本图像生成模型Imagen 2022年8月，开源AI绘画工具StableDifusion发布 2022年9月，推出Make-A-Video，可以从文字生成视频 2022年11月，推出AI聊天机器人ChatGPT 2023年3月，推出生成 资料来源：中国信息通信研究院，京东探索研究院，创业邦研究中心 式对话产品文心一言 发展阶段 至2030年，AIGC产业发展共分三个阶段：培育摸索期、应用蓬勃期、生态繁荣期。整体上看，AIGC是未来近10年值得长期深耕的赛道。 未来发展趋势：阶段性特征明显，不同类型企业有不同机会 1 2 培育摸索期（2023-2025） •行业格局：围绕AIGC的“可供性”。以大模型为主要驱动力，数据和算力也发挥着根本性作用。但受底层大模型接口限制，大部分技术尚未达到稳定进入实际生产环节的水平。 •预期：创新触发阶段开始，达到期望膨胀的顶峰。 •投融资市场：相对活跃。据高盛预测，到2025年，生成式AI投资可能在全球范围内达到约2000亿美元。模型层有并购情况发生。 2023 2025 2027 培训和开发AI大模型公司 提供运行AI应用程序的基础设施的公司 应用蓬勃期（2025-2027） •行业格局：基本价值创造路径和技术思路得到确认，大量可用的AIGC产品涌现，来到寻求可信AI的验证阶段。模型层主要玩家基本确定，整体入局者增多，尤其是大量应用层玩家出现。 •预期：技术成熟度曲线进入热度衰退期。 •投融资市场：初步形成转型效益。 开发运行AI应用程序的软件公司 为软件和云基础设施服务付费的企业最终用户 生态繁荣期（2027-2030） 3 •行业格局：产业生态逐步完善。应用层形成完整解决方案的企业有望产生新的龙头。这一阶段AIGC成为内容领域基础设施、“操作系统”，预计会催生出完全不同的新业态。 •预期：攀升至生产力的高原。 •投融资市场：新业态赋能产业转型，成就价值变现。 各种场景应用的产业AI企业 发展阶段 ChatGPT是一种基于自然语言处理技术的大型语言模型，使用了深度学习算法和海量数据集来理解人类语言，并且可以生成具有 连贯性和逻辑性的文本。 ChatGPT爆红开启AI新纪元，它证明：表示维度越高，语义表示越好，网络层次越深，预测能力越强，参数规模越大，模型容量越高，AI的天花板会不断提升；AIGC带来的用户反馈、专家社群共创和训练模型，推动“智慧飞轮”，AIGC能力不断进步；ChatGPT交互体验效果产生了质的飞跃，能够替代人的部分劳动，能为企业降本增效，体现了AIGC的巨大商业价值。 本阶段爆发的导火索：ChatGPT爆红，AIGC进入行业风口期 “在落地和应用上，ChatGPT让普通人也认为是可靠的，然后去使用它，这是一个突破。” “就自身性能还有接受度而言，商业上是个里程碑。” “只有当我们确信它们的影响是积极的并且风险是可控的时候，才应该开发强大的人工智能系统。” “GPT在迭代过程中“偏见”必然存在，它不可能保持完全中立。” ▲相比于技术，ChatGPT更多带来了理论和方法的革命性突破进步，因此引爆网络。 ▲“AIGC”与“ChatGPT”词根的百度指数，ChatGPT带动AIGC板块受到关注，也验证了AIGC出圈的确定性。 ▲ChatGPT爆红以后，正反面的声音不绝于耳，有关AIGC商业价值的潜力和伦理道德的争议，政府、企业、个人都在行动 ChatGPT的基础大模型 基于海量数据的自监督学习 迈向通用性的提示学习 资料来源：百度指数，创业邦研究中心综合整理 发展 量变产生质变，数据、算力、算法三要素进行到了一定阶段。本轮最主要的是算法模型和数据训练范式的迭代。从趋势上看，国内外有大量偏同质化的跟进。相关统计数据显示，202年约新产生90多个大模型，平均4，大多以美国为主。 阶段本阶段爆发的根因：数据、算力、算法三要素量变产生质变 文本生成 图像生成 AIGC 音频生成 视频生成 Jasper、copy.ai、ChatGPT、Bard、GTP4、Claude EditB4AN、Deepfake、DALL-E2、StableDifusion、Midjourney、AdobeFirefly DeepMusic、WaveNet、DeepVoice、MusicAutoBot、So-Vits-Svc、AudioCraft Deepfake、VideoGPT、GliaCloud、Imagellideo、RunwayGen-2 ▲AIGC主要相关技术应用 资料来源：创业邦研究中心综合整理 9 •AIGC技术演化出三大前沿技术能力：数字内容孪生、数字内容的智能编辑、数字内容的智能创作，三大层面构建AIGC能力闭环。 •AIGC从辅助人、与人协作，到能独立完成内容生成任务，有望成为数字内容创新发展新引擎。 三维重构 音频修复 语音合成 视觉描述 摘要生成 数字人 智能作画 短片创作 产业机遇 AIGC核心能力：孪生、编辑和创作构建出AIGC能力闭环 智能增强 智能转译 语义理解 属性控制 模仿创作 概念创作 构建现实世界-虚拟世界映射 孪生能力 打通现实世界虚拟 世界交互通道 编辑能力 从数据理解走向数据 创作 创作能力 弥补信息损失多种形式呈现属性分离解耦属性修改编辑基于数据创作海量数据训练 计算机视觉自然语言处理单模态技术多模态技术 资料来源：a16z，Muselabs，GrandViewResearch，创业邦研究中心 本报告来源于三个皮匠报告站（www.sgpjbg.com）,由用户Id:247865下载,文档Id:146840,下载日期:2025-01-13 过 去 变 革 产业机遇 •大型语言模型（LLMs）作为一项具有变革性的技术正在兴起，使得开发者能够构建之前无法实现的应用程序。 研发范式变革：基础大模型+提示打开大门 每个模型都需要准备 自己的海量的训练数据，完成模型的整个训练过程，最后部署 模型的推理服务。 2014年，预训练模型+微调的迁移学习技术开始发展，基础模型在计算机 视觉领域首先出现。 过去的2~3年，在大模型蓬勃发展的基础上，AI的研发进入了第三阶段的范式，即 基础大模型+ 应用提示 （prompt），调用API。 ▲大模型研发范式的变革 资料来源：智源研究院，创业邦研究中心 未 来 望 展 产业机遇 • 大模型的研制与开发是易学难精的过程。要想进一步提升工艺，必须在人工智能的基础理论、工程实