當(dāng)前AI領(lǐng)域發(fā)展迅速，AIGC已經(jīng)日益成為改變工作、生活的關(guān)鍵力量，這種時候，了解一些發(fā)展趨勢很重要。研究報告就是獲取信息的途徑之一。本文作者整理了去年和當(dāng)前20余篇機構(gòu)發(fā)布的研究報告，對其中的關(guān)鍵進行了梳理，供各位參考。

AIGC日益成為推動社會變革的關(guān)鍵力量，無論是哪個行業(yè)的從業(yè)者，了解一點AI技術(shù)的發(fā)展概況和應(yīng)用趨勢變得很重要。研究報告，作為掌握領(lǐng)域前沿信息的重要途徑，提供了系統(tǒng)而深入的洞察及觀點，是快速獲得專業(yè)視角的有效方式。

本文基于我在2023年和2024年閱讀的二十余篇機構(gòu)發(fā)布的研究報告整理而成，對其中共識部分較多的內(nèi)容或知識點進行了提煉梳理，每份研報各有側(cè)重，而這些差異化內(nèi)容并未在文中提及，盡管在信息深度上可能有限，但也希望為初識AIGC的讀者呈現(xiàn)一份宏觀的知識速覽。

下面是本文涉及到的所有研報，期望獲得更多信息量的同學(xué)可自行搜索閱讀。

一、技術(shù)要素

AIGC技術(shù)三要素：算力、算法、數(shù)據(jù)。

算力：

算力指的是計算設(shè)備執(zhí)行算法和處理數(shù)據(jù)的能力，是支撐AIGC系統(tǒng)運行的基礎(chǔ)。主要包括CPU、GPU、GPGPU、FPGA、ASIC等硬件。在實際應(yīng)用中，GPU和GPGPU是當(dāng)前主流的AIGC計算解決方案，因為它們在處理大規(guī)模數(shù)據(jù)和復(fù)雜計算任務(wù)時具有顯著優(yōu)勢。從算力供應(yīng)來看，現(xiàn)階段全球絕大部分GPU算力均來自英偉達（NVIDIA）和AMD。

算法：

算法指的是一系列解決問題、實現(xiàn)特定功能的有序指令和步驟，是實現(xiàn)AI生成內(nèi)容的核心。AIGC常用的算法包括深度學(xué)習(xí)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及其變種）、強化學(xué)習(xí)和自然語言處理（如Transformer）。創(chuàng)新算法如生成對抗網(wǎng)絡(luò)（GANs）和Transformer架構(gòu)擴展了內(nèi)容生成技術(shù)的邊界，使AI能夠創(chuàng)造出越來越逼真和復(fù)雜的內(nèi)容。這些算法通過持續(xù)的優(yōu)化和創(chuàng)新，不僅提高了內(nèi)容生成的效率和效果，還推動了AIGC技術(shù)在創(chuàng)意、娛樂和營銷等領(lǐng)域的廣泛應(yīng)用。

數(shù)據(jù)：

數(shù)據(jù)是AIGC平臺進行訓(xùn)練和優(yōu)化的核心資源，其質(zhì)量和數(shù)量直接影響生成內(nèi)容的準(zhǔn)確性和多樣性。高質(zhì)量的數(shù)據(jù)集包含豐富、準(zhǔn)確、且標(biāo)注良好的樣本，可以顯著提高模型的訓(xùn)練效果。大量的數(shù)據(jù)有助于模型在各種情況下泛化，提高生成內(nèi)容的多樣性和準(zhǔn)確性。為確保數(shù)據(jù)質(zhì)量和一致性，通常會通過清洗、去重和歸一化等步驟進行數(shù)據(jù)預(yù)處理，這可以有效提升模型訓(xùn)練的速度和精度。數(shù)據(jù)不僅是訓(xùn)練模型的基礎(chǔ)，也是評估和優(yōu)化模型性能的重要依據(jù)。

吳恩達曾說：“發(fā)展人工智能就像用火箭發(fā)射衛(wèi)星，需要強大的引擎和足夠的燃料，算法模型就是其引擎，高性能的算力是打造引擎的工具，海量的數(shù)據(jù)就是引擎的燃料”。算力、算法和數(shù)據(jù)的協(xié)同作用構(gòu)成了AIGC技術(shù)的基礎(chǔ)。算力提供了處理復(fù)雜計算任務(wù)的必要硬件支持；算法為內(nèi)容生成提供了智能化的邏輯和機制；數(shù)據(jù)則為模型訓(xùn)練和優(yōu)化提供了豐富的素材。三者相互依托，共同推動了AIGC技術(shù)的快速發(fā)展。

二、產(chǎn)業(yè)鏈

AIGC產(chǎn)業(yè)鏈基本分為三類：基礎(chǔ)設(shè)施、模型、應(yīng)用。

基礎(chǔ)設(shè)施：

包括數(shù)據(jù)層、算力層、計算平臺、模型開發(fā)訓(xùn)練平臺和其他配套設(shè)施。數(shù)據(jù)層提供高質(zhì)量的訓(xùn)練數(shù)據(jù)，通過大數(shù)據(jù)技術(shù)實現(xiàn)數(shù)據(jù)采集、存儲和管理。算力層提供 AI 計算所需的硬件，包括 GPU、FPGA、ASIC 和 CPU 等，這些硬件因其強大的計算能力，廣泛應(yīng)用于 AI 模型的訓(xùn)練和推理。計算平臺如Microsoft Azure、阿里云和百度云，提供彈性計算和存儲資源，支持AI模型的開發(fā)和部署。模型開發(fā)訓(xùn)練平臺如TensorFlow和PyTorch，加速了AI模型的開發(fā)、訓(xùn)練和優(yōu)化。其他配套設(shè)施如數(shù)據(jù)標(biāo)注工具（例如 Labelbox、SuperAnnotate 和 Scale AI）和監(jiān)控調(diào)優(yōu)工具（例如 MLflow、Weights & Biases 和 Neptune.ai），保障了 AI 開發(fā)流程的管理和優(yōu)化。

模型：

包括底層通用大模型和中間層模型。底層通用大模型（如GPT-4和BERT）通過在海量數(shù)據(jù)上的訓(xùn)練，提供廣泛的適用性和遷移學(xué)習(xí)能力，支持多種任務(wù)的AI應(yīng)用，這部分是相對最容易形成壁壘的，包括人才、時間、數(shù)據(jù)和資金等多個方面。中間層模型具有垂直化、行業(yè)化、細(xì)分化的特點，針對特定領(lǐng)域或任務(wù)進行模型優(yōu)化，結(jié)合行業(yè)數(shù)據(jù)進行微調(diào)，提供更具針對性的解決方案，如醫(yī)療影像分析或金融風(fēng)險管理。這部分適合憑借過往行業(yè)積累和技術(shù)積累快速進入。

應(yīng)用：

專注于將AI技術(shù)轉(zhuǎn)化為實際產(chǎn)品、服務(wù)和解決方案，解決具體場景中的問題，實現(xiàn)商業(yè)化?；诓煌膬r值創(chuàng)造邏輯，我國AIGC產(chǎn)業(yè)應(yīng)用可被劃分為四類：生產(chǎn)可直接消費內(nèi)容、結(jié)合底層系統(tǒng)生產(chǎn)高附加值內(nèi)容、提供內(nèi)容生產(chǎn)輔助工具、用于提供體系化解決方案。生產(chǎn)可直接消費內(nèi)容是我國目前落地及變現(xiàn)進展最快的部分

三、營收模式

MaaS：

模型即服務(wù)（Model-as-a-Service）通過API提供模型調(diào)用服務(wù)，按調(diào)用量收費。客戶可以通過API訪問AI模型，將其集成到自己的應(yīng)用或服務(wù)中。收費通?；谡{(diào)用次數(shù)、處理的請求量或計算資源消耗。

定制服務(wù)：

定制服務(wù)模式為客戶提供個性化模型，根據(jù)特定需求和預(yù)算開發(fā)AI解決方案。定制化服務(wù)通常包括數(shù)據(jù)收集、模型訓(xùn)練、調(diào)整和部署。這種模式常見于高度專業(yè)的領(lǐng)域，如金融、醫(yī)療、或特定的制造業(yè)應(yīng)用。

軟件訂閱：

讓用戶通過訂閱計劃獲取AI生成能力，按時間（如月度、年度）或按需收費。用戶支付固定費用即可訪問AI工具和功能，這種模式為產(chǎn)品提供了可預(yù)測的收入流和用戶增長的機會。

內(nèi)容產(chǎn)出量：

按內(nèi)容量收費模式基于AI生成內(nèi)容的數(shù)量或使用的計算資源收費。這可以是圖片的數(shù)量、視頻的時長、文本的字?jǐn)?shù)，或者是模型訓(xùn)練的次數(shù)。

授權(quán)：

通過出售生成內(nèi)容的使用權(quán)獲利。AI生成的內(nèi)容，如圖像、文本或音樂，可以授權(quán)給其他公司使用，獲得許可費。這種模式強調(diào)生成內(nèi)容的知識產(chǎn)權(quán)和價值，適合那些能夠提供獨特或高質(zhì)量內(nèi)容的AI工具。

廣告和推廣：

生成內(nèi)容直接為廣告或推廣活動服務(wù)，創(chuàng)造收益。有兩種主要方式：自有平臺的廣告變現(xiàn)和生成內(nèi)容的廣告植入。

MaaS具有高效利用計算資源、即插即用、持續(xù)更新、靈活計費以及安全性高等特點，極大地簡化了AI模型的使用和管理流程，降低了使用門檻，幫助企業(yè)或開發(fā)者快速響應(yīng)市場需求、提高開發(fā)效率，并享受到先進AI技術(shù)帶來的競爭優(yōu)勢，同時也推動了AI技術(shù)的普及和創(chuàng)新。

四、行業(yè)影響

在多份研報的行業(yè)應(yīng)用變革分析板塊，多用平面直角坐標(biāo)系來可視化呈現(xiàn)，內(nèi)容繪制除形式外有三個不同點：

1. 調(diào)研數(shù)據(jù)的來源不同；
2. 對于行業(yè)變革的定義不同；
3. 行業(yè)名稱與展示數(shù)量不同。

這些差異使得科學(xué)的橫向?qū)Ρ茸兊美щy，但依然有幾個行業(yè)在多個變革程度排名中表現(xiàn)突出，名列前茅。按加權(quán)平均排名依次為：媒體影視、電子商務(wù)、廣告營銷、游戲、金融、教育。

其他維度的排名：

• 行業(yè)變現(xiàn)能力：金融、教育、醫(yī)療、游戲、廣告營銷 《2023年AIGC場景應(yīng)用展望研究報告》
• 行業(yè)滲透速度：電商、游戲廣告、媒體、金融 《2023年中國AIGC產(chǎn)業(yè)全景報告》
• 行業(yè)接受度：辦公軟件、游戲、影視傳媒、電商、內(nèi)容資訊 《中國AIGC產(chǎn)業(yè)全景報告》

五、應(yīng)用場景

1. 游戲

當(dāng)很多行業(yè)還在討論AIGC的落地場景時，游戲行業(yè)已經(jīng)將AIGC運用到每一個角落，深度、速度遠(yuǎn)超大家想象。質(zhì)量、成本、效率被稱游戲行業(yè)的“不可能三角”。

游戲之所以成為目前AIGC應(yīng)用最為清晰的行業(yè)，就是因為AIGC對三者均會產(chǎn)生影響：

• 質(zhì)量：同質(zhì)化、缺乏創(chuàng)新成為游戲行業(yè)最大的擎肘，生成式AI技術(shù)可以大幅降低創(chuàng)新難度，豐富主題多樣性；
• 成本：策劃、音頻、美術(shù)程序等環(huán)節(jié)的生產(chǎn)力得到釋放，人員規(guī)?？蓧嚎s約40%~70%，從而降低游戲制作成本；
• 效率：AI創(chuàng)作工具會使大量環(huán)節(jié)實現(xiàn)半自動化或全自動化，節(jié)省60%~70%的時間，提升游戲制作效能；

再結(jié)合研報中的一些判斷，AIGC對游戲的影響還有：提升玩家數(shù)量、活躍度；做大游戲市場；給行業(yè)新玩家提供了入局的機會；接下來，我們可以通過立項、研發(fā)、宣發(fā)3個環(huán)節(jié)，了解AIGC切入游戲行業(yè)的方式。

1）立項

根據(jù)游戲的用戶畫像等數(shù)據(jù)，借助生成式AI的理解、推理能力，幫助游戲公司提高對立項成功率的判斷。

2）研發(fā)

• 劇本：游戲劇本創(chuàng)作，AI文本生成提高劇情創(chuàng)作效率；NPC對話劇本，千人千面，提高互動性和可玩性；
• 道具/角色：角色、道具、場景等原畫、3D建模自動生成；AI輔助+設(shè)計師加工的協(xié)同模式；
• 音效：AI生成DEMO，音效師進行微調(diào)；
• 關(guān)卡：游戲關(guān)卡自動生成，并進行代碼自動測試，開放世界類游戲最為收益，將開啟“無限故事”時代；
• 玩法：AI捏臉、AI換裝、AI陪玩、AI托管、人機挑戰(zhàn)等；

3）宣發(fā)

• 本地化：借助AI精準(zhǔn)、高效的翻譯，確保新版本全球同步上線；
• 營銷投放：提升營銷素材制作效率，如預(yù)告視頻、海報、短視頻等，素材可做到個性化；
• 二次創(chuàng)作：降低二創(chuàng)制作難度，加速內(nèi)容傳播，提升游戲熱度，活躍社群活躍度；
• 社群互動：AI自動發(fā)言、自動回復(fù)，帶動或維持社群始終處于活躍狀態(tài)；

在3D游戲領(lǐng)域，由于優(yōu)質(zhì)3D數(shù)據(jù)的稀缺性、3D場景的復(fù)雜性、維度特征的多樣性，導(dǎo)致高質(zhì)量的3D游戲生成還較難落地，這是目前AIGC在游戲領(lǐng)域的局限性。但隨著技術(shù)的快速突破和大量的制作嘗試，相信這些局限很快就能得到解決。

參考研報：《中國AIGC文生圖產(chǎn)業(yè)白皮書2023》、《AIGC賦能游戲產(chǎn)業(yè)線上沙龍-會議紀(jì)要》、《AIGC提質(zhì)增效，傳媒行業(yè)應(yīng)用前景廣闊》

2. 廣告營銷

當(dāng)前互聯(lián)網(wǎng)流量見頂，廣告營銷亟需新范式的推動增長。AIGC為廣告營銷行業(yè)提供了全鏈路、多維度的解決方案，貫穿市場分析、客戶轉(zhuǎn)化和復(fù)購等關(guān)鍵環(huán)節(jié)。在初期，AIGC通過智能數(shù)據(jù)分析，精準(zhǔn)洞察市場和消費者行為，優(yōu)化營銷策略；中期，支持個性化內(nèi)容創(chuàng)作和精準(zhǔn)廣告投放，提升轉(zhuǎn)化率；而到了后期，通過自動化客戶互動和反饋分析，制定客戶維系策略，增強用戶忠誠度。

AIGC可以顯著提升營銷的智能化和互動性，為消費者提供個性化體驗，必將重新定義廣告營銷生態(tài)。具體來說，AIGC對營銷領(lǐng)域的影響有這幾個方面：提升效率和降低成本、深度個性化和定制化內(nèi)容、多渠道營銷支持、持續(xù)優(yōu)化和個性化推薦、創(chuàng)新性和獨特性的探索。

基于傳統(tǒng)營銷鏈路，多份研報對AIGC在各個環(huán)節(jié)的賦能方式進行了評估，涵蓋了市場分析、運營方式、營銷推廣、客戶轉(zhuǎn)化、營銷優(yōu)化、客戶復(fù)購等環(huán)節(jié)。我們也可以對以上節(jié)點加以整合，從三個角度來理解AIGC在其中的作用：

策略洞察：

AIGC通過抓取并分析社交媒體、搜索引擎等平臺的數(shù)據(jù)，幫助廣告主掌握市場趨勢、競爭態(tài)勢和受眾偏好。它利用用戶行為和互動數(shù)據(jù)構(gòu)建用戶畫像，并自動生成和優(yōu)化廣告策略與排期。

內(nèi)容生產(chǎn)：

AIGC能根據(jù)廣告主需求和受眾特征，自動生成符合品牌調(diào)性的創(chuàng)意素材，提升創(chuàng)作效率和質(zhì)量。通過算法推薦，AI可拼接編排廣告文案和素材，生成廣告海報、視頻、軟文等營銷內(nèi)容，支持新型交互方式。

投放管理：

AIGC通過分析用戶行為、興趣和偏好，為廣告主提供精確的受眾定位，實現(xiàn)大規(guī)模個性化投放。還可以利用實時反饋數(shù)據(jù)優(yōu)化大模型，動態(tài)調(diào)整投放物料和策略，提升廣告效果和轉(zhuǎn)化率。

參考研報：《2024AI賦能營銷應(yīng)用場景白皮書》、《從營銷AIGC化到AIGC營銷化》、《2023年AIGC場景應(yīng)用展望研究報告》、《企業(yè)AIGC商業(yè)落地應(yīng)用研究報告》、《中國AIGC廣告營銷產(chǎn)業(yè)全景報告》

3. 電子商務(wù)

電商行業(yè)天然具有海量的交易數(shù)據(jù)資源、多樣的營銷策略，可以快速受益于AI技術(shù)所帶來的效率提升。從提高運營效率到增強消費者體驗，再到優(yōu)化供應(yīng)鏈管理，AI為B端商家、C端消費者、電商平臺等各方都帶來新的機遇。

1）B端商家

• 選品決策：利用AI技術(shù)進行市場調(diào)研和商品分析，更好地理解目標(biāo)用戶，幫助商家精準(zhǔn)選品。
• 內(nèi)容生成：商品圖片、產(chǎn)品描述、營銷活動文案等售賣材料實現(xiàn)AI智能生成，在跨境電商中，AI可以輔助生成具有當(dāng)?shù)匚幕厣奈陌?，加強商品與當(dāng)?shù)氐奈幕B接，克服語言障礙。
• 廣告投放：在推廣階段，AIGC使廣告素材的生成和迭代速度顯著提升，增強廣告內(nèi)容的吸引力和轉(zhuǎn)化率。并基于AI對用戶行為的洞察，精準(zhǔn)關(guān)聯(lián)用戶，優(yōu)化廣告投放策略。
• 客服工作：與以往基于特定詞語規(guī)則出發(fā)的固定回復(fù)不同，AI客服可以“聽懂”用戶訴求，靈活給出答案，還可以基于掌握的大量商品知識，與消費者展開多輪對話，助力達成消費轉(zhuǎn)化。

2）C端消費者

• AI導(dǎo)購：精準(zhǔn)匹配和描述其個性化需求， 為消費者提供高效選品服務(wù)。
• AI比價：跨平臺智能對比商品價格與特點，提供即時的優(yōu)惠信息和最佳的消費選項。

3）電商平臺

• 內(nèi)容生成：提升素材生成能力，豐富社區(qū)互動與氛圍。
• 智能廣告：分析數(shù)據(jù)、識別目標(biāo)用戶，然后智能生成廣告內(nèi)容。
• 內(nèi)部運營：AI自動執(zhí)行繁瑣的數(shù)據(jù)分析、行為分析工作，從而釋放人力資源，專注于更具策略性的任務(wù)。

參考研報：《AIGC場景應(yīng)用展望研究報告》、《2024AI賦能營銷應(yīng)用場景白皮書》、《2024年AIGC發(fā)展趨勢報告》、《麥肯錫：捕捉生成式AI新機遇》、《WAIC傳媒：AIGC應(yīng)用鵬程萬里》

4. 設(shè)計

雖然在行業(yè)變革榜單中，設(shè)計并未進入前五，但AIGC最初給大家?guī)淼纳羁逃∠笾饕獊碜杂诟鞣NAI圖像，2022年，以 Disco Diffusion、 Stable Diffusion、 Midjourney等為頭部代表的擴散模型開始在數(shù)字藝術(shù)領(lǐng)域大放異彩！到了2023年，畫質(zhì)已經(jīng)比肩人類畫師，在小紅書、抖音等平臺開始出現(xiàn)大量圖像生成作品，一時真假難分。同時隨著生成內(nèi)容的可控性增強，AIGC開始全面進入設(shè)計領(lǐng)域。

AIGC 對于設(shè)計領(lǐng)域的影響，具體體現(xiàn)在對設(shè)計工作流的滲透。

• 創(chuàng)意構(gòu)思：通過分析設(shè)計趨勢、用戶偏好和市場需求，AIGC可以快速提供大量創(chuàng)意建議。設(shè)計師也可以將零碎想法或多個不同的風(fēng)格參考圖輸入Al， 自動融合生成不同的創(chuàng)意。
• 草稿繪制：根據(jù)設(shè)計師的初步想法或需求，自動生成多種不同風(fēng)格的草稿。這些草稿可以作為設(shè)計師進一步細(xì)化和完善的基礎(chǔ)，大大縮短了設(shè)計周期。
• 設(shè)計執(zhí)行：利用AIGC工具進行自動排版、顏色匹配、圖形處理等工作，這些工具能夠準(zhǔn)確理解設(shè)計師的意圖，并快速生成高質(zhì)量的設(shè)計成果。
• 方案反饋：自動分析用戶反饋，提煉有價值的信息，然后對方案進行自動優(yōu)化和迭代，或是給到設(shè)計師進行決策。

當(dāng)前階段，AIGC技術(shù)在設(shè)計領(lǐng)域仍有三大問題：

1. 可控性仍待提高：AIGC在理解復(fù)雜的設(shè)計需求和精確執(zhí)行詳細(xì)指令方面仍顯不足，與設(shè)計師的預(yù)期存在偏差。
2. 生成作品仍有瑕疵：在細(xì)節(jié)處理上還不夠精細(xì)，經(jīng)常出現(xiàn)不自然的、違反客觀規(guī)律的一些內(nèi)容，作品不能“生成即用”，往往需要再加工。
3. 存在版權(quán)爭議：AI大模型的訓(xùn)練數(shù)據(jù)來源始終存在版權(quán)爭議，其生成作品可能與版權(quán)作品具有高度相似性，觸發(fā)侵權(quán)風(fēng)險。

盡管存在挑戰(zhàn)，但隨著技術(shù)的進步，AIGC必將越來越快地融入設(shè)計領(lǐng)域的各個層面。

參考研報：《2023年度AI設(shè)計實踐報告》、《中國AIGC文生圖產(chǎn)業(yè)白皮書2023》、《中國AIGC文生圖產(chǎn)業(yè)白皮書2023》、《AIGC之AI繪畫行業(yè)發(fā)展研究報告》

以上我們通過研報的視角，先后了解了AIGC的技術(shù)要素、產(chǎn)業(yè)鏈、營收模式和行業(yè)影響，還挑選了游戲、廣告營銷、電子商務(wù)、設(shè)計等四個應(yīng)用場景，介紹了AIGC在這些領(lǐng)域下的具體切入點。從這些分析中，我們可以看到一個相同點，就是AIGC技術(shù)并不只是對某個局部產(chǎn)生了影響，而是正在迅速滲透到行業(yè)鏈路的每一個環(huán)節(jié)，對行業(yè)進行著全面改造和重新定義。

正是這種全方位地滲透和影響，賦予了AIGC無限的想象力。對于未來，我們應(yīng)持續(xù)關(guān)注AIGC如何在解決行業(yè)痛點、提升效率、增強用戶體驗方面發(fā)揮更大的作用。同時，AIGC必將不斷開啟新的商業(yè)模式和創(chuàng)新路徑，推動產(chǎn)業(yè)向著智能化的方向演進，讓我們拭目以待。