AIGC丨研究報(bào)告
核心摘要：
(資料圖)
古人有云：日就月將，學(xué)有緝熙于光明。人類對(duì)人工智能學(xué)的潛心鉆研終于再度獲得重大突破，大模型的涌現(xiàn)能力與AIGC的應(yīng)用普及為那不一定是AGI但一定更AI的未來提供了確定性的加速度。AI2.0時(shí)代的加速到來，不僅是把AI能力融入到現(xiàn)有應(yīng)用中，更是未來產(chǎn)業(yè)范式的再塑造。AI正跳躍式地加速滲透進(jìn)各行各業(yè)，推動(dòng)一場新的生產(chǎn)力與創(chuàng)造力革命。AI產(chǎn)業(yè)鏈各環(huán)節(jié)參與者的角色功能、產(chǎn)品服務(wù)和應(yīng)用生態(tài)可能將發(fā)生變化。
對(duì)此，艾瑞發(fā)布《AIGC系列報(bào)告——中國AIGC產(chǎn)業(yè)全景報(bào)告》，作為AIGC系列首發(fā)，報(bào)告將展開對(duì)AIGC產(chǎn)業(yè)的全景洞察、探究生成式AI技術(shù)對(duì)數(shù)字產(chǎn)業(yè)的影響變化、繪制“中國AIGC產(chǎn)業(yè)全景圖譜”、分析主流參與廠商類型與格局策略、各類型廠商發(fā)展路徑和能力要求變化等，為市場辨析產(chǎn)業(yè)發(fā)展價(jià)值與空間。
報(bào)告研究范圍 - AIGC
AIGC與大模型將引領(lǐng)“AI產(chǎn)業(yè)”與“產(chǎn)業(yè)AI”發(fā)展
AIGC（AI-Generated Content）指利用人工智能技術(shù)（生成式AI路徑）來生成內(nèi)容的新型內(nèi)容生產(chǎn)方式。2022年11月上線的AIGC應(yīng)用ChatGPT，憑借其在語義理解、文本創(chuàng)作、代碼編寫、邏輯推理、知識(shí)問答等領(lǐng)域的卓越表現(xiàn)，以及自然語言對(duì)話的低門檻交互方式，迅速獲得大量用戶，于23年1月突破1億月活，打破前消費(fèi)級(jí)應(yīng)用的增速記錄。微軟稱其在GPT-4（ChatGPT Plus背后運(yùn)行的大模型）中看到了AGI（通用人工智能）的雛形。大眾的生活工作日常出現(xiàn)了Midjourney等新形態(tài)的各類AIGC應(yīng)用，各行業(yè)的智能化升級(jí)也看到了新的可能性，“AI產(chǎn)業(yè)”與“產(chǎn)業(yè)AI”的想象空間進(jìn)一步拓展。AIGC應(yīng)用創(chuàng)新的技術(shù)支撐為“生成對(duì)抗網(wǎng)絡(luò)（GAN）/擴(kuò)散模型（Diffusion）”與“Transformer預(yù)訓(xùn)練大模型”的兩類大模型分支。在國外AIGC應(yīng)用展示出大模型的能量的同時(shí)，我國企業(yè)也加強(qiáng)了相關(guān)產(chǎn)品技術(shù)布局，云廠商、AI大廠、創(chuàng)企、各行業(yè)公司及技術(shù)服務(wù)商等產(chǎn)業(yè)各領(lǐng)域玩家紛紛發(fā)布大模型或基于大模型的應(yīng)用產(chǎn)品及各類技術(shù)服務(wù)。相較于一般AI應(yīng)用，大模型應(yīng)用的訓(xùn)練及推理需要更強(qiáng)的算力支持。綜上，本報(bào)告將圍繞模型、應(yīng)用、算力三個(gè)角度對(duì)AIGC產(chǎn)業(yè)的發(fā)展進(jìn)行探討，試圖在討論開源閉源、垂直通用、知識(shí)幻覺等大模型未來發(fā)展的各種不確定性的同時(shí)，為AIGC應(yīng)用的迭代升級(jí)、產(chǎn)業(yè)的智能化應(yīng)用，提供盡可能多的研究輔助，為那個(gè)不一定是AGI但一定更AI的未來提供確定性的加速度。
中國AIGC產(chǎn)業(yè)市場規(guī)模
市場規(guī)模呈指數(shù)級(jí)增長，突破規(guī)?；R界點(diǎn)攫取萬億產(chǎn)業(yè)價(jià)值
根據(jù)第50次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2022年6月，中國互聯(lián)網(wǎng)普及率已高達(dá)74.4%。在網(wǎng)民規(guī)模持續(xù)提升、網(wǎng)絡(luò)接入環(huán)境日益多元、企業(yè)數(shù)字化進(jìn)程不斷加速的宏觀環(huán)境下，AIGC技術(shù)作為新型內(nèi)容生產(chǎn)方式，有望滲透人類生產(chǎn)生活，為千行百業(yè)帶來顛覆變革，開辟人類生產(chǎn)交互新紀(jì)元。艾瑞咨詢預(yù)測(cè)，2023年中國AIGC產(chǎn)業(yè)規(guī)模約為143億元，隨后進(jìn)入大模型生態(tài)培育期，持續(xù)打造與完善底層算力基建、大模型商店平臺(tái)等新型基礎(chǔ)設(shè)施，以此孕育成熟技術(shù)與產(chǎn)品形態(tài)的對(duì)外輸出。2028年，中國AIGC產(chǎn)業(yè)規(guī)模預(yù)計(jì)將達(dá)到7202億元，中國AIGC產(chǎn)業(yè)生態(tài)日益穩(wěn)固，完成重點(diǎn)領(lǐng)域、關(guān)鍵場景的技術(shù)價(jià)值兌現(xiàn)，逐步建立完善模型即服務(wù)產(chǎn)業(yè)生態(tài)，2030年中國AIGC產(chǎn)業(yè)規(guī)模有望突破萬億元，達(dá)到11441億元。
中國AIGC產(chǎn)業(yè)投融資情況
模型創(chuàng)業(yè)初抬頭，多模態(tài)、跨模態(tài)備受青睞，資本扎堆優(yōu)質(zhì)項(xiàng)目
2021年至2023年7月期間AIGC賽道共發(fā)生280筆投融資，展現(xiàn)了其高熱度與高成長性。從產(chǎn)業(yè)細(xì)分維度，應(yīng)用層創(chuàng)業(yè)機(jī)會(huì)最多，模型層創(chuàng)業(yè)受到ChatGPT影響，在2023年集中涌現(xiàn)；在獲投的應(yīng)用與模型層創(chuàng)業(yè)項(xiàng)目中，文本、影像、語音平分秋色，但相比單一模態(tài)，多模態(tài)和跨模態(tài)的應(yīng)用前景更加為資本所看好。從投融資輪次維度，70%左右的項(xiàng)目仍處于A輪及以前階段，同時(shí)有高達(dá)14.6%的比例屬于股權(quán)、戰(zhàn)略融資，說明賽道雖然處于起步期，但其戰(zhàn)略價(jià)值已被公認(rèn)。在全部獲投的170家公司中，獲投3次及以上公司約占17%。同一標(biāo)的的高頻融資，從企業(yè)需求側(cè)反映AIGC前期創(chuàng)業(yè)所需大量資金支持，從資方供給側(cè)表明優(yōu)質(zhì)創(chuàng)業(yè)項(xiàng)目仍非常稀缺。
中國AIGC產(chǎn)業(yè)圖譜全景圖
預(yù)訓(xùn)練大模型分類與介紹
基于兩大類基礎(chǔ)架構(gòu)衍生出各類大模型；多模態(tài)已成趨勢(shì)
預(yù)訓(xùn)練大模型按照模態(tài)可以分為文本、圖像、視頻、代碼、音樂生成等多種，但從底層架構(gòu)上都分屬兩類。Transformer是一種編解碼模型框架，適用于處理文本、代碼這類強(qiáng)連續(xù)性生成任務(wù)；Diffusion、GAN、NeRF等框架善于處理圖像生成類任務(wù)。疊加文-圖轉(zhuǎn)換技術(shù)可以形成文生圖模型。由單模態(tài)模型在實(shí)際訓(xùn)練時(shí)融合其他模態(tài)技術(shù)，可形成多模態(tài)、跨模態(tài)大模型，如GPT-4、文心一言、 Mid journey等，由于多模態(tài)模型可接受文本、圖像等不同輸入輸出形式，對(duì)應(yīng)用場景能夠更廣泛適配，著力發(fā)展多模態(tài)模型成為產(chǎn)研兩界共同趨勢(shì)。
預(yù)訓(xùn)練大模型的路徑探討
了解人工智能時(shí)代的“iOS”與“安卓”，閉源與開源市場將并存互補(bǔ)
在以O(shè)penAI為代表的閉源模型廠商開放對(duì)外技術(shù)服務(wù)后，開源模型廠商也在加緊發(fā)力，以Meta的Llama模型為代表陸續(xù)開源迭代，意圖進(jìn)一步實(shí)現(xiàn)生態(tài)層面的跑馬圈地，2023年上半年LLM與數(shù)據(jù)集迎來開源季。大模型的開源可根據(jù)開源程度分為“可研究”與“可商用”級(jí)別。2023年2月，Meta發(fā)布了開源大模型LLM的第一個(gè)版本Llama，授予“可研究”用途。2023年7月進(jìn)一步發(fā)布“可商用”的Llama2版本，雖然有日活超過7億產(chǎn)品需額外申請(qǐng)、不能服務(wù)于其他模型調(diào)優(yōu)等的商用限制，但海外很多中小企業(yè)已可用Llama2的模型來做私有化部署，基于Llama2開源模型訓(xùn)練出定制化的可控模型。由于Llama2基本不支持中文，對(duì)中國的大模型商用生態(tài)暫時(shí)不會(huì)產(chǎn)生實(shí)質(zhì)性變化，中國仍需開發(fā)培育適配于中文數(shù)據(jù)土壤的開源生態(tài)。閉源LLM可為B端用戶和C端消費(fèi)者持續(xù)提供優(yōu)質(zhì)的模型開發(fā)及應(yīng)用服務(wù)；開源LLM可從研究角度促進(jìn)廣大開發(fā)者和研究者的探索創(chuàng)新，從商用角度加速大模型的商業(yè)化進(jìn)程與落地效果。未來，開源和閉源的LLM會(huì)并存和互補(bǔ)，為大模型發(fā)展共同創(chuàng)造出多元協(xié)作的繁榮生態(tài)。
著力打造中國AIGC開源社區(qū)生態(tài)
輕量級(jí)模型陸續(xù)開源，助力開源生態(tài)建設(shè)，千億級(jí)模型暫以閉源路徑開展
AIGC開源社區(qū)的建設(shè)可以吸納更多的開發(fā)者及擁有定義用戶的主導(dǎo)權(quán)，以AI開源創(chuàng)新平臺(tái)為杠桿，帶動(dòng)支撐底層AI芯片、智算中心及云服務(wù)等基礎(chǔ)設(shè)施發(fā)展。從供給側(cè)邏輯來看，大模型開源早期由高校和機(jī)構(gòu)推動(dòng)，如清華大學(xué)的ChatGLM-6B、復(fù)旦大學(xué)的MOSS，陸續(xù)有頭部云廠商加入，如百度的文心系列與阿里的通義系列，共同為中國AIGC開源社區(qū)的建設(shè)“增磚添瓦”，以阿里云魔塔社區(qū)、百度云飛槳社區(qū)為代表的開源社區(qū)建設(shè)成果初現(xiàn)，而千億級(jí)模型暫以閉源路徑開展，憑借穩(wěn)定、優(yōu)質(zhì)效、完整工具鏈等產(chǎn)品特點(diǎn)定位應(yīng)用市場；從商業(yè)化路徑來看，參考海外明星開源社區(qū)Hugging Face的商業(yè)模式，中國AI開源社區(qū)同樣會(huì)先免費(fèi)提供基礎(chǔ)算力，為客戶提供免費(fèi)的社區(qū)體驗(yàn)、demo部署及測(cè)試，并進(jìn)一步通過付費(fèi)服務(wù)推送輕量級(jí)遷移的微調(diào)推理服務(wù)或深度開發(fā)的訓(xùn)練調(diào)優(yōu)平臺(tái)，提升模型產(chǎn)品性能，通過開源社區(qū)吸引開發(fā)者、企業(yè)客戶完成更多部署應(yīng)用資源的引流變現(xiàn)。
大模型落地將帶來新一輪AI產(chǎn)業(yè)化擴(kuò)散
大模型的落地將提速AI工業(yè)化生產(chǎn)，并充分釋放AI產(chǎn)業(yè)潛在市場空間
大模型類似于一個(gè)能力全面且突出的“完全體”，不僅通用性強(qiáng)，且能力相比小模型有較大提升。因此，用大模型做應(yīng)用開發(fā)，可以采用“預(yù)訓(xùn)練+微調(diào)”開發(fā)范式，只需要針對(duì)具體任務(wù)，對(duì)大模型進(jìn)行二次開發(fā)、微調(diào)甚至只是單純以領(lǐng)域知識(shí)庫做輔助，就可以快速賦能應(yīng)用。相比獨(dú)立分散的小模型開發(fā)，標(biāo)準(zhǔn)化、流程化程度更高，在開發(fā)效率和運(yùn)維成本上都有較大改善，有效促進(jìn)了AI的工業(yè)化生產(chǎn)。同時(shí)，模型能力的提升使得更多AI服務(wù)可以落地，有效擴(kuò)展了AI的應(yīng)用范圍，這些共同促進(jìn)AI供需兩側(cè)潛力釋放。
MaaS是大模型能力落地輸出的新業(yè)態(tài)
打造大模型商店，為下游提供低門檻、低成本的模型使用與開發(fā)支持
MaaS（Model-as-a-Service），模型即服務(wù)，是指以云計(jì)算為基礎(chǔ)，將大模型作為一項(xiàng)服務(wù)提供給用戶使用的新業(yè)態(tài)。如今，MaaS模式已成為各家云巨頭廠商發(fā)展第一戰(zhàn)略優(yōu)先級(jí)，把模型作為重要的生產(chǎn)元素，依托于既有IaaS設(shè)施與PaaS平臺(tái)架構(gòu)，為下游客戶提供以大模型為核心的數(shù)據(jù)處理、特征工程、模型訓(xùn)練、模型調(diào)優(yōu)、推理部署等服務(wù)。未來，順應(yīng)大模型開源趨勢(shì)，MaaS服務(wù)商將著力打造大模型商店平臺(tái)，發(fā)力大模型生態(tài)建設(shè)，納入更多允許商用的開源模型，提升平臺(tái)的基模類型及能力，并豐富工具鏈產(chǎn)品服務(wù)，通過業(yè)務(wù)積累、數(shù)據(jù)回流、模型迭代逐步形成壁壘，在拉高云服務(wù)營收天花板的同時(shí)進(jìn)一步塑造廠商的核心競爭力。
大模型成為AI應(yīng)用開發(fā)的操作系統(tǒng)
模型即服務(wù)（MaaS）構(gòu)建新型AI基礎(chǔ)設(shè)施，重構(gòu)AI開發(fā)部署范式
隨著企業(yè)上云進(jìn)程中智能化轉(zhuǎn)型需求的逐步增多和傳統(tǒng)行業(yè)領(lǐng)域數(shù)據(jù)的不斷積累，AI應(yīng)用開發(fā)過程中逐漸面臨大量細(xì)分領(lǐng)域的深耕、非典型客戶需求，對(duì)算法的通用性和延展性提出了較高要求。傳統(tǒng)“小模型”范式的AI應(yīng)用開發(fā)流程一般針對(duì)單一場景，獨(dú)立完成模型選擇-數(shù)據(jù)處理-模型優(yōu)化-模型迭代等一系列開發(fā)環(huán)節(jié)。因此，AI應(yīng)用在定制化需求、長尾需求下的開發(fā)效率較低，且模型精度、性能、可擴(kuò)展性等指標(biāo)質(zhì)量也會(huì)受到影響。隨著AI產(chǎn)業(yè)深入及智能化需求增加，AI在研發(fā)門檻及開發(fā)效率的問題日益凸顯?！邦A(yù)訓(xùn)練大模型”應(yīng)運(yùn)而生，其將數(shù)據(jù)中蘊(yùn)含的知識(shí)通過無監(jiān)督或者自監(jiān)督學(xué)習(xí)方式提取出來，存儲(chǔ)在具有大量參數(shù)的神經(jīng)網(wǎng)絡(luò)模型中。AI應(yīng)用開發(fā)流程轉(zhuǎn)變?yōu)?，調(diào)用通用流程-結(jié)合行業(yè)經(jīng)驗(yàn)-解決實(shí)際問題。未來，大模型將成為AI產(chǎn)業(yè)的操作系統(tǒng)，其基礎(chǔ)設(shè)施特性可為AI應(yīng)用開發(fā)做好底座，將AI模型變得可維護(hù)、可擴(kuò)展、可迭代，極大降低AI應(yīng)用的開發(fā)門檻。從需求側(cè)來看，客戶能通過更低成本、高效率的MaaS（Model As a Service）路徑獲得AI能力，完成AIGC應(yīng)用的個(gè)性化開發(fā)、優(yōu)化及部署，持續(xù)兌現(xiàn)大模型的技術(shù)紅利，將AI能力應(yīng)用滲透到各行各業(yè)的場景業(yè)務(wù)中。
市場需評(píng)估基礎(chǔ)通用大模型產(chǎn)品服務(wù)能力
艾瑞提出EPS-EPD評(píng)估體系，定位大模型產(chǎn)品的基模性能與商業(yè)能力
大模型能力評(píng)測(cè)意義重大，評(píng)測(cè)結(jié)果可讓供需兩側(cè)了解各家大模型能力的優(yōu)勢(shì)與不足，做出更好的產(chǎn)品調(diào)優(yōu)與應(yīng)用選擇。隨著大模型產(chǎn)業(yè)的發(fā)展迭代，評(píng)測(cè)基準(zhǔn)體系也在不斷完善。艾瑞判斷，未來大模型的產(chǎn)品服務(wù)能力評(píng)測(cè)將作為一項(xiàng)工具包，打包在大模型平臺(tái)中為客戶提供產(chǎn)品服務(wù)。對(duì)此，艾瑞提出EPS-EPD評(píng)估體系，以其為核心構(gòu)建一系列評(píng)測(cè)集，對(duì)市面公開大模型能力展開測(cè)評(píng)，全維度定位大模型產(chǎn)品的基模性能與商業(yè)能力，為業(yè)內(nèi)各界對(duì)模型評(píng)估有結(jié)果需求的客戶提供信息參考。
基模落地因需求差異展開產(chǎn)業(yè)路徑分化
大模型需以行業(yè)級(jí)、企業(yè)級(jí)大模型方式支撐上層應(yīng)用
基礎(chǔ)大模型落地面臨兩大難題，一是終端客戶對(duì)算力成本的接受能力，二是大模型雖擅長通用領(lǐng)域問題，但往往在垂直行業(yè)任務(wù)中表現(xiàn)欠佳。因此，基礎(chǔ)大模型會(huì)通過領(lǐng)域數(shù)據(jù)或?qū)僦R(shí)庫進(jìn)行訓(xùn)練和調(diào)優(yōu)，形成垂直領(lǐng)域的行業(yè)大模型或業(yè)務(wù)大模型；此外，部分企業(yè)還具有深度定制、私有化部署的需求，需要在行業(yè)大模型基礎(chǔ)上，進(jìn)一步加入企業(yè)專有數(shù)據(jù)進(jìn)行訓(xùn)練或微調(diào)，形成企業(yè)級(jí)大模型。從商業(yè)化布局角度來看，如今基礎(chǔ)大模型廠商可分為三類參與者，分別為云巨頭廠商、人工智能公司、學(xué)術(shù)研究機(jī)構(gòu)及創(chuàng)業(yè)公司，在定位有通用能力基座的同時(shí)打通向上商業(yè)化路徑。其中，云巨頭廠商將借助云服務(wù)及數(shù)據(jù)庫資源，更強(qiáng)調(diào)MaaS能力輸出。AI公司或創(chuàng)業(yè)公司將借助業(yè)務(wù)積累或生態(tài)資源錨定幾個(gè)典型行業(yè)或業(yè)務(wù)場景展開商業(yè)占領(lǐng)。從開閉源角度來看，基模廠商普遍采用前文所述的“輕量級(jí)開源、千億級(jí)閉源”的發(fā)展路徑，而向上分化的垂直領(lǐng)域廠商將基于開源模型或基模平臺(tái)開發(fā)部署細(xì)分領(lǐng)域模型產(chǎn)品，廠商優(yōu)勢(shì)在垂類數(shù)據(jù)與業(yè)務(wù)理解。若客戶，如金融行業(yè)，對(duì)模型的開源性及私有化部署有明確要求，則開源路徑會(huì)是該類需求的典型落地形態(tài)。
如何連接模型能力與應(yīng)用需求是落地關(guān)鍵
數(shù)據(jù)準(zhǔn)備、ROI衡量、 Prompt工程是連接模型層與應(yīng)用層的落地三要素
在本輪大模型推動(dòng)的技術(shù)浪潮下，如何連接模型能力與上層應(yīng)用，完成商業(yè)化變現(xiàn)，構(gòu)建人工智能應(yīng)用主導(dǎo)的生態(tài)系統(tǒng)是AIGC各層廠商重點(diǎn)關(guān)注的課題。艾瑞認(rèn)為，數(shù)據(jù)準(zhǔn)備，ROI衡量與Prompt工程能力是連接模型層與應(yīng)用層落地的核心三要素。由于AI研究進(jìn)展緩于國外、中文數(shù)據(jù)集論文發(fā)表難度高、NLP算法改進(jìn)驗(yàn)證與數(shù)據(jù)集語言類型關(guān)聯(lián)度低等歷史性原因，目前中文NLP數(shù)據(jù)集語料庫在數(shù)量與質(zhì)量方面仍有較大差距。從可行性、性價(jià)比與時(shí)間角度出發(fā)，追趕期間同步發(fā)展典型行業(yè)應(yīng)用數(shù)據(jù)集是彌補(bǔ)中文NLP數(shù)據(jù)集短板的有效策略；從需求側(cè)角度出發(fā)，大模型能力應(yīng)用化需結(jié)合業(yè)務(wù)場景與成本效益選擇大模型的應(yīng)用方式及調(diào)用形式，若基于安全隱私性需求要求私有化部署則投入成本更高，客戶端的ROI衡量是決定其能力商業(yè)化進(jìn)程的關(guān)鍵；提示（prompt）是觸發(fā)AI 模型生成內(nèi)容的寬泛指令，提示工程則可進(jìn)一步開發(fā)和優(yōu)化提示，從指令拆解到調(diào)用能力多維度融合大模型LLM來處理各類需求，是未來影響影響交互效果與應(yīng)用體驗(yàn)的關(guān)鍵。
廠商合作關(guān)系演化及周邊工具服務(wù)發(fā)展
模型層與應(yīng)用層邊界漸弱，帶動(dòng)數(shù)據(jù)層、開發(fā)平臺(tái)等工具服務(wù)高效發(fā)展
伴隨大模型通用性的提升，模型開發(fā)廠商可能因其模型被廣泛使用調(diào)用匯聚多維場景數(shù)據(jù)、積累行業(yè)場景認(rèn)知并集成部分垂類功能特性，進(jìn)而向上延伸拓展至完整功能應(yīng)用；原有垂類應(yīng)用，為鞏固市場地位，可能探索開源甚至自研模型，憑借既有資源、經(jīng)驗(yàn)積淀及領(lǐng)域聚焦，同樣打造模型開發(fā)及應(yīng)用服務(wù)的閉環(huán)迭代，因此模型層、應(yīng)用層有交錯(cuò)發(fā)展之勢(shì)。此外，企業(yè)客戶參差的數(shù)字化基礎(chǔ)及個(gè)性化的軟件、流程需求依然需要解決方案廠商定制優(yōu)化并部署實(shí)施，而AI開發(fā)平臺(tái)也將與大模型合力，通過“稀疏、蒸餾、剪裁”等手段助力大模型解決訓(xùn)練、推理部署困難問題，進(jìn)一步實(shí)現(xiàn)“低門檻、低成本、高效率”的開發(fā)部署與應(yīng)用。數(shù)據(jù)標(biāo)注、 安全合規(guī)等周邊工具服務(wù)亦是促進(jìn)AIGC產(chǎn)品高效開發(fā)、產(chǎn)業(yè)有序發(fā)展的可觀商機(jī)。
工具層成為AIGC產(chǎn)業(yè)新熱點(diǎn)
工具層的AI Agent與模型服務(wù)平臺(tái)可以更好匹配應(yīng)用需求與模型能力
艾瑞認(rèn)為，大模型的中間層-工具層構(gòu)成可分為AI代理-Agent角色與AI微調(diào)-大模型服務(wù)兩類。AI Agent是繼大模型、AIGC后進(jìn)一步火爆的中間層產(chǎn)品，可看作能感知環(huán)境及需求、進(jìn)行決策和執(zhí)行動(dòng)作的智能體。如代表性產(chǎn)品，AutoGPT即是利用GPT-4編寫自身代碼并執(zhí)行Python自動(dòng)化腳本，持續(xù)完成GPT對(duì)問題的自我迭代與完善。目前代理角色產(chǎn)品仍處于初代階段，未來將與實(shí)際場景、垂類數(shù)據(jù)結(jié)合，更加作為調(diào)度中心完成對(duì)應(yīng)用層需求指令的規(guī)劃、記憶及工具調(diào)用（引用自O(shè)penAI的Lilian Weng論文觀點(diǎn)）。大模型服務(wù)平臺(tái)則是為企業(yè)提供模型訓(xùn)練、推理、評(píng)測(cè)、精調(diào)等全方位平臺(tái)服務(wù)，并基于供給側(cè)能力與需求側(cè)要求進(jìn)行B端私有化部署（創(chuàng)業(yè)公司切入點(diǎn)）或平臺(tái)資源調(diào)用（云廠商切入點(diǎn)），模型與用戶將呈現(xiàn)明顯雙邊效應(yīng)。總體來看，作為模型能力與應(yīng)用需求的鏈接，中間層價(jià)值前景廣袤，或作為另一核心入口建設(shè)起工具生態(tài)，但從另一角度出發(fā)，中間層仍嫁接于模型層之上，受限于模型層能力，“合格”的大模型能力底座將為中間層發(fā)展開拓提供更優(yōu)渥土壤。
AI Agent更廣闊的角色價(jià)值與發(fā)展空間
進(jìn)入AI智能體文明，讓生產(chǎn)力大幅提升，沉淀垂類數(shù)據(jù)與業(yè)務(wù)理解是關(guān)鍵
早在20世紀(jì)80年代，計(jì)算機(jī)科學(xué)家已著手探索開發(fā)一個(gè)能與人類交互的智能軟件，類似于AI Agent的雛形應(yīng)用一直在被構(gòu)思討論。當(dāng)下大模型的涌現(xiàn)能力成功賦予AI Agent更多想象與落地空間。一方面，大模型的語料資源包含了大量的人類行為數(shù)據(jù)，填補(bǔ)了AI Agent可行性與合理性的關(guān)鍵要素。另一方面，大模型涌現(xiàn)出優(yōu)秀的上下文學(xué)習(xí)能力、復(fù)雜推理能力，在接受目標(biāo)及設(shè)定后，可自發(fā)性將其拆解成簡單細(xì)化的子任務(wù)，無需人類干預(yù)去完成剩下的全部工作。目前AI Agent已成為繼大模型之后，更有想象空間卻也更貼近應(yīng)用的下一爆點(diǎn)。海外亞馬遜、OpenAI及國內(nèi)高校、云巨頭廠商都熱情滿滿，陸續(xù)發(fā)布AI Agent的學(xué)術(shù)研究成果及產(chǎn)品應(yīng)用。未來，人與AI的協(xié)作交流或進(jìn)一步由Agents作為智能媒介實(shí)現(xiàn)，每個(gè)人都可以使用各類AI Agent完成現(xiàn)實(shí)任務(wù)的處理執(zhí)行，人類由此進(jìn)入龐大復(fù)雜的AI智能體文明。而要想實(shí)現(xiàn)這些，將寶貴的垂類數(shù)據(jù)與業(yè)務(wù)理解集成到Agent框架之中，保證大模型應(yīng)用在執(zhí)行任務(wù)時(shí)可以訪問到正確的信息并高效執(zhí)行產(chǎn)出，是未來AI Agent能發(fā)揮出實(shí)際效用的關(guān)鍵。相較于模型層，AI Agents將留給創(chuàng)業(yè)者更多機(jī)會(huì)。
AIGC產(chǎn)業(yè)化價(jià)值與影響
內(nèi)容生產(chǎn)和人機(jī)交互兩條主線并駕齊驅(qū)，拉開變革大幕
本章節(jié)所探討的AIGC應(yīng)用，是以大模型為技術(shù)主體，同時(shí)涵蓋其他AIGC技術(shù)（如語音合成、策略生成）的應(yīng)用范圍?？傮w來看，大模型基于其在內(nèi)容生成、總結(jié)、邏輯推理等方面的能力，已在多種AI服務(wù)的技術(shù)開發(fā)環(huán)節(jié)中展開融合替代。其中，內(nèi)容生成與理解是大模型的核心能力，AIGC的產(chǎn)業(yè)價(jià)值主要體現(xiàn)在以此為核心的“變革內(nèi)容生產(chǎn)方式”與“變革人機(jī)交互方式”兩方面。大模型對(duì)內(nèi)容理解和內(nèi)容生成的雙向能力使其既能以極低門檻實(shí)現(xiàn)多模態(tài)內(nèi)容生成，也可脫離內(nèi)容生產(chǎn)核心場景泛化為一種人機(jī)對(duì)話的媒介。未來，全行業(yè)將借助大模型能力衍生出的大量AI生產(chǎn)工具，實(shí)現(xiàn)內(nèi)容生產(chǎn)效率的飛躍，并進(jìn)一步降低數(shù)字生態(tài)的人機(jī)交互門檻。
生產(chǎn)力變革帶動(dòng)海量下游應(yīng)用優(yōu)化
生活領(lǐng)域充分釋放用戶創(chuàng)新能力，生產(chǎn)領(lǐng)域全面革新交互體驗(yàn)和效率
以大模型為標(biāo)志，生成式AI是一次新的技術(shù)革命，同時(shí)還具有極強(qiáng)的普適性，能夠?qū)θ祟惿a(chǎn)、生活的方方面面進(jìn)行改造與升級(jí)。在生活領(lǐng)域，AIGC將通過進(jìn)一步下放內(nèi)容創(chuàng)作權(quán)，激發(fā)UGC創(chuàng)作熱情，加速內(nèi)容裂變。加之社區(qū)玩法在部分內(nèi)容平臺(tái)的良好盈利表現(xiàn)，內(nèi)容消費(fèi)領(lǐng)域從技術(shù)到商業(yè)模式的路徑已全線打通，以社區(qū)形式，通過用戶自發(fā)交流自主創(chuàng)作形成粘性，是各類平臺(tái)的發(fā)力方向。在生產(chǎn)領(lǐng)域，大模型能從研發(fā)流程、產(chǎn)品能力和交互上全方位為企服軟件帶來提升，也充分開拓了新的服務(wù)場景，因此各類企業(yè)數(shù)字化廠商都將圍繞大模型尋找自身優(yōu)勢(shì)空間與定位。
AIGC將在全行業(yè)引發(fā)深度變革
線上化程度、數(shù)字化基礎(chǔ)、行業(yè)內(nèi)容占比等影響AIGC應(yīng)用前景與滲透速度
總體而言，AIGC主要影響內(nèi)容創(chuàng)作與人機(jī)交互，因此價(jià)值鏈線上化程度越高，內(nèi)容在價(jià)值鏈中占比越高，AIGC對(duì)其顛覆效應(yīng)越明顯；另一方面，行業(yè)自身的數(shù)據(jù)、知識(shí)、監(jiān)管要求等特點(diǎn)也會(huì)深刻影響到AIGC技術(shù)的滲透速度。比如電商、游戲、廣告、影視傳媒等以內(nèi)容生產(chǎn)為價(jià)值核心的行業(yè)，以及電商、金融等研發(fā)設(shè)計(jì)、營銷等環(huán)節(jié)在行業(yè)價(jià)值鏈中地位較高的行業(yè)，能夠快速看到AIGC應(yīng)用對(duì)原有生產(chǎn)工具的替代和業(yè)務(wù)流程的變革。
內(nèi)容消費(fèi)賽道：內(nèi)容分發(fā)平臺(tái)為核心的AIGC布局
現(xiàn)階段AIGC主要在UGC與PGC中進(jìn)行滲透
內(nèi)容分發(fā)平臺(tái)一端鏈接創(chuàng)作者，一端綁定大量用戶，擁有最為完整的內(nèi)容消費(fèi)生態(tài)，也天然成為了AIGC內(nèi)容消費(fèi)的布局核心。原本，內(nèi)容消費(fèi)市場按照創(chuàng)作者和商業(yè)模式可大致分為PGC和UGC。PGC專業(yè)性強(qiáng)，以內(nèi)容付費(fèi)為主要盈利模式，需要快速大量推出新內(nèi)容刺激用戶購買，因此PGC平臺(tái)的主要戰(zhàn)略是前向打通內(nèi)容制作環(huán)節(jié)，并為了提高用戶粘性同步發(fā)展UGC；UGC內(nèi)容相對(duì)生活化，本質(zhì)是販賣流量，需要將內(nèi)容質(zhì)量保持在可持續(xù)吸引用戶注意力的水平。因此，兩類平臺(tái)均在積極布局面向UGC的AI創(chuàng)作工具。由于線上社交需求持續(xù)增長，社交業(yè)務(wù)也展現(xiàn)出超強(qiáng)的盈利能力，是內(nèi)容分發(fā)平臺(tái)變現(xiàn)的新方向，如網(wǎng)易云音樂2022年在社交娛樂板塊收入已大大超出其音樂服務(wù)收入。各大內(nèi)容平臺(tái)也都在布局社群業(yè)務(wù)，盤活手中用戶，其中應(yīng)用到AIGC技術(shù)支撐的營銷文案、電商圖片甚至評(píng)論的自動(dòng)生成中。此外，在各大內(nèi)容、電商平臺(tái)的后臺(tái)普遍有大量精準(zhǔn)推薦、智能客服等系統(tǒng)，平臺(tái)也在逐步使用大模型替換和補(bǔ)充原AI技術(shù)棧，但這部分應(yīng)用并不能直接產(chǎn)生內(nèi)容消費(fèi)，因而艾瑞將其歸為AIGC企業(yè)服務(wù)賽道而非AIGC內(nèi)容消費(fèi)賽道。
創(chuàng)作工具賽道：模型能力為核心，文、圖發(fā)展路徑將分化
短期內(nèi)模型—應(yīng)用不分家，圖像生成領(lǐng)域尚有模型自研機(jī)會(huì)
與傳統(tǒng)內(nèi)容創(chuàng)作工具相比，AIGC內(nèi)容創(chuàng)作工具的最大特點(diǎn)為“底層模型重、前端輕”，因此產(chǎn)品競爭的核心要素也從功能設(shè)計(jì)變成模型能力。在這種情況下，是否擁有自研SOTA模型將成為AIGC應(yīng)用廠商的關(guān)鍵分水嶺?；诨A(chǔ)大模型的研發(fā)投入、使用現(xiàn)有模型開發(fā)高質(zhì)量應(yīng)用的可行性這兩個(gè)核心要素來看，文本類應(yīng)用和圖像類應(yīng)用的發(fā)展路徑差異明顯：大語言模型成熟度高，自研壁壘高，直接基于現(xiàn)有模型開發(fā)應(yīng)用更為現(xiàn)實(shí)；而圖像生成模型成熟度低，自研成本可控，因此吸引更多創(chuàng)業(yè)者聚集。
企業(yè)服務(wù)賽道：產(chǎn)品化價(jià)值與商業(yè)變現(xiàn)
AIGC融入既有應(yīng)用降本效果明顯，營收增長主要依靠服務(wù)新場景
AIGC帶動(dòng)中國算力產(chǎn)業(yè)發(fā)展機(jī)遇總覽
重點(diǎn)關(guān)注“芯片硬件、服務(wù)器、應(yīng)用模式、能源散熱”等算力模塊
全球?qū)⒋罅Πl(fā)展算力基礎(chǔ)設(shè)施建設(shè)
算力支撐與模型需求存在gap，AIGC的大算力需求讓供需結(jié)構(gòu)進(jìn)一步承壓
自2017年谷歌提出Transformer架構(gòu)后，人工智能發(fā)展逐步邁入預(yù)訓(xùn)練大模型時(shí)代。2018年6月，OpenAI的GPT模型參數(shù)量已經(jīng)達(dá)到1.17億，模型參數(shù)量開始實(shí)現(xiàn)億級(jí)基底的飛越發(fā)展，平均每3-4個(gè)月即呈現(xiàn)翻倍態(tài)勢(shì)，由此帶來訓(xùn)練算力需求也“水漲船高”。算力正在成為影響國家綜合實(shí)力和經(jīng)濟(jì)發(fā)展的關(guān)鍵性要素。浪潮信息發(fā)布的相關(guān)報(bào)告表明，計(jì)算力指數(shù)平均每提高1個(gè)點(diǎn)，數(shù)字經(jīng)濟(jì)和GDP將分別增長千分之3.3和千分之1.8。面對(duì)算力層的供需結(jié)構(gòu)矛盾，各國積極發(fā)展算力層基礎(chǔ)設(shè)施建設(shè)。在計(jì)算力指數(shù)國家排名中，美國坐擁全球最多超大規(guī)模數(shù)據(jù)中心，以75分位列國家計(jì)算力指數(shù)排名第一，中國獲得66分位列第二，隨后為日本、德國、英國等國，算力建設(shè)已然成為國家高質(zhì)量發(fā)展的戰(zhàn)略級(jí)方針。2022年末，在OpenAI的GPT模型涌現(xiàn)能力后，AI產(chǎn)業(yè)迅速進(jìn)入以大模型為技術(shù)支撐的AIGC時(shí)代，巨量訓(xùn)推算力需求讓本就供需不平的算力產(chǎn)業(yè)結(jié)構(gòu)進(jìn)一步承壓。目前中國各地正加快新一批數(shù)據(jù)中心與智算建設(shè)，持續(xù)優(yōu)化算力資源，滿足未來高速發(fā)展的大算力需求。
算力產(chǎn)業(yè)模式將在AIGC時(shí)代有所演變
智能算力資源或?qū)⒏喑休d于云服務(wù)產(chǎn)品，以MaaS模式服務(wù)千行百業(yè)
過去數(shù)據(jù)中心以租賃與自建為主，算力需求方基于自身業(yè)務(wù)量級(jí)、財(cái)務(wù)預(yù)算情況、數(shù)據(jù)隱私要求等情況進(jìn)行選擇租賃或自建。在AIGC時(shí)代背景下，數(shù)據(jù)中心將配置更多AI服務(wù)器滿足日益劇增的智能算力需求，云廠商更是提出MaaS（Model as a Service）模型即服務(wù)的商業(yè)模式，將云計(jì)算、智能算力、模型能力等資源做高度融合，客戶可以直接在云端調(diào)用、開發(fā)與部署模型，更好適配于客戶的個(gè)性化需求。未來，更多長尾企業(yè)的需求體量將擁抱MaaS商業(yè)模式。相較于云端算力發(fā)展，端側(cè)大模型雖然發(fā)展較緩，仍是各家終端廠商發(fā)展的技術(shù)焦點(diǎn)，如從蘋果招聘信息中可觀測(cè)到其對(duì)“在端側(cè)實(shí)現(xiàn)推理和加速大語言模型功能“的人才需求及產(chǎn)品規(guī)劃。未來，隨著大模型輕量級(jí)開源版本的發(fā)布，大模型有望進(jìn)行進(jìn)一步剪裁優(yōu)化，將推理能力部署在端側(cè)，并帶動(dòng)手機(jī)、機(jī)器人等端側(cè)芯片發(fā)展。
數(shù)據(jù)中心需對(duì)高速巨量運(yùn)轉(zhuǎn)需求做出應(yīng)對(duì)
大模型時(shí)代下，數(shù)據(jù)中心將進(jìn)一步優(yōu)化網(wǎng)絡(luò)帶寬、能源消耗與散熱運(yùn)維等
預(yù)訓(xùn)練大模型的訓(xùn)練推理需要巨量數(shù)據(jù)資源與高性能計(jì)算機(jī)的全天候高速運(yùn)轉(zhuǎn)，對(duì)數(shù)據(jù)中心的網(wǎng)絡(luò)帶寬、能源消耗與散熱運(yùn)維等能力提出更高要求。首先，網(wǎng)絡(luò)是數(shù)據(jù)中心最為重要的組成部分，隨著數(shù)據(jù)量與計(jì)算量的飛漲，數(shù)據(jù)中心需優(yōu)化網(wǎng)絡(luò)帶寬，實(shí)現(xiàn)數(shù)據(jù)在節(jié)點(diǎn)內(nèi)與節(jié)點(diǎn)間的高吞吐低延遲的傳輸與連接，并進(jìn)一步優(yōu)化計(jì)算集群的架構(gòu)與設(shè)計(jì)，保證數(shù)據(jù)中心的高效利用率；其次，能源消耗與碳排放問題是數(shù)據(jù)中心亟需關(guān)注的重點(diǎn)問題。普通服務(wù)器的標(biāo)準(zhǔn)功耗一般在750~1200W，而AI模型運(yùn)行時(shí)會(huì)產(chǎn)生更多的能耗，以CPU+AI芯片（搭載4卡/8卡）異構(gòu)服務(wù)器為例，系統(tǒng)功耗一般會(huì)達(dá)到1600W~6500W。根據(jù)斯坦福大學(xué)發(fā)布的《2023年AI指數(shù)報(bào)告》數(shù)據(jù)顯示，GPT-3模型訓(xùn)練耗費(fèi)的電力可供一個(gè)美國家庭使用數(shù)百年，CO?排放量也相當(dāng)于一個(gè)家庭排放近百年；另一方面，基于大模型算力需求的高能耗運(yùn)行，其熱量釋放呈現(xiàn)倍增態(tài)勢(shì)。為了確保服務(wù)器能夠長期處于適合的工作溫度，數(shù)據(jù)中心將更注重系統(tǒng)設(shè)計(jì)和散熱技術(shù)的發(fā)展應(yīng)用。大模型散熱需求加速由風(fēng)冷到液冷的技術(shù)升級(jí)，進(jìn)一步提升經(jīng)濟(jì)性、節(jié)能效果和散熱效率等。散熱也將更貼近發(fā)熱源，由機(jī)柜級(jí)散熱、服務(wù)器級(jí)到芯片級(jí)發(fā)展。目前，中國大力推進(jìn)“東數(shù)西算” 工程，并發(fā)布《新型數(shù)據(jù)中心發(fā)展三年行動(dòng)計(jì)劃（2021-2023年）》等政策性文件，引導(dǎo)新型數(shù)據(jù)中心實(shí)現(xiàn)集約化、高密化、智能化建設(shè)，在AIGC時(shí)代下完成中國算力產(chǎn)業(yè)在規(guī)模、網(wǎng)絡(luò)帶寬、算力利用率、綠色能源使用率等方面的全方位提升。
AI芯片是算力皇冠，關(guān)注其性能與利用率
為服務(wù)于大模型的訓(xùn)推，AI芯片需進(jìn)一步升級(jí)內(nèi)存、帶寬、互聯(lián)等能力
算力是評(píng)價(jià)AI芯片的核心要素，而除了運(yùn)算次數(shù)外，芯片的性能衡量還需考慮運(yùn)算精度?；谶\(yùn)算數(shù)據(jù)精度不同，算力可分為雙精度算力（FP64）、單精度算力（FP32）、半精度算力（FP16）及整型算力（INT8、INT4）。數(shù)字位數(shù)越高，代表運(yùn)算精度越高，可支持的運(yùn)算復(fù)雜程度越高，以此適配更廣泛的AI應(yīng)用場景。為了適配大模型的訓(xùn)練及推理，AI芯片要求有更大的內(nèi)存訪問帶寬并減少內(nèi)存訪問延遲，由此帶動(dòng)由GDDR到HBM的技術(shù)升級(jí)，另一方面需要更高的片間互聯(lián)甚至片內(nèi)互聯(lián)能力以滿足AI加速器訪存、交換數(shù)據(jù)的需求。最后，大集群不等于大算力，在大規(guī)模集群部署下，集群訓(xùn)練會(huì)引入額外通信成本，節(jié)點(diǎn)數(shù)越多算力利用率越低，且單點(diǎn)故障影響全局運(yùn)行。因此，同比增加GPU卡數(shù)或計(jì)算節(jié)點(diǎn)，不能線性提升算力收益，中國面臨的單卡芯片性能差距將更難通過堆料等方式解決。
中國算力產(chǎn)業(yè)將堅(jiān)持自主創(chuàng)新道路
英偉達(dá)能否延續(xù)強(qiáng)者恒強(qiáng)？中國何時(shí)迎來自主創(chuàng)新芯片曙光？
作為AIGC產(chǎn)業(yè)的基建層，算力是AIGC生產(chǎn)力卡脖子的關(guān)鍵環(huán)節(jié)。對(duì)此，算力生產(chǎn)商紛紛發(fā)力，如AMD、英特爾等追趕型企業(yè)針對(duì)AIGC的產(chǎn)品新品動(dòng)作頻頻。對(duì)標(biāo)英偉達(dá)的Grace Hopper，AMD推出“CPU+GPU”雙架構(gòu)的Instinct MI 300進(jìn)軍AI訓(xùn)練端。英特爾即將在2025年發(fā)布Falcon Shores GPU，將其混合架構(gòu)改為純GPU解決方案。目前，國內(nèi)大模型訓(xùn)練芯片仍以英偉達(dá)GPU為主，且英偉達(dá)作為首批訓(xùn)推部署框架成品及平臺(tái)生態(tài)將進(jìn)一步鞏固其在生成式AI的優(yōu)勢(shì)地位，但國內(nèi)客戶正積極與海內(nèi)外追趕型企業(yè)如AMD接觸，意圖打破英偉達(dá)的溢價(jià)與壟斷體系。自2018年以來，美國陸續(xù)對(duì)中國企業(yè)實(shí)行貿(mào)易管制，進(jìn)入到美方黑名單上的中國企業(yè)已達(dá)到了千余家，尤其在半導(dǎo)體、人工智能等先進(jìn)科技領(lǐng)域，國產(chǎn)芯片實(shí)現(xiàn)自主創(chuàng)新迫在眉睫，中國科技部也陸續(xù)出臺(tái)政策推動(dòng)人工智能公共算力平臺(tái)建設(shè)。目前國產(chǎn)芯片雖在成片進(jìn)度有所突破，但整體還尚未進(jìn)入成熟期。以適配AIGC大模型訓(xùn)練角度出發(fā)，國產(chǎn)產(chǎn)品會(huì)出現(xiàn)宕機(jī)、兼容性差、AI框架支持度低及核心IP受限等過渡性問題。在AIGC浪潮下，AI芯片發(fā)展路徑更加聚焦于AISC品類，中國算力層也會(huì)進(jìn)一步嘗試脫離對(duì)頭部廠商英偉達(dá)的依賴，以“云巨頭自研自用+獨(dú)立/創(chuàng)業(yè)公司服務(wù)于信創(chuàng)、運(yùn)營商等To G與To B市場”為兩條主線發(fā)展路徑，靜待國產(chǎn)替代曙光，實(shí)現(xiàn)國產(chǎn)“算力+應(yīng)用”的正循環(huán)。
AIGC的技術(shù)發(fā)展：科研與產(chǎn)業(yè)兩端突圍
中短期基于Transformer算法和結(jié)構(gòu)優(yōu)化仍是主流，長期可能被替代
學(xué)術(shù)界將通過擴(kuò)大模型參數(shù)量、調(diào)整模型結(jié)構(gòu)、局部算法優(yōu)化等方式，進(jìn)一步探索大模型的能力天花板，觸碰AGI可能性；以各大企業(yè)為代表的產(chǎn)業(yè)側(cè)，一方面從商業(yè)化落地角度追求更小模型參數(shù)下的高模型能力維持，以及解決大模型出現(xiàn)的知識(shí)幻覺問題，一方面也在積極研發(fā)探索新模型架構(gòu)可能性，呈現(xiàn)“對(duì)外模型名稱為廠商能力代號(hào)，但內(nèi)含技術(shù)架構(gòu)隨時(shí)可能改變”的發(fā)展特征。產(chǎn)業(yè)與科研兩側(cè)的需求都已經(jīng)暴露標(biāo)準(zhǔn)Transformer架構(gòu)的巨大瓶頸，即“不可能三角”。各大機(jī)構(gòu)與開發(fā)團(tuán)隊(duì)對(duì)Transformer架構(gòu)的成功改進(jìn)在快速推進(jìn)，未來極有可能會(huì)出現(xiàn)具備推廣價(jià)值的新Transformer架構(gòu)。
AIGC的應(yīng)用前景：軟硬一體化
大模型低參版本的端側(cè)應(yīng)用，推動(dòng)手機(jī)、機(jī)器人等物聯(lián)網(wǎng)應(yīng)用的升級(jí)進(jìn)化
大模型在端側(cè)的應(yīng)用，軟硬一體的結(jié)合帶來廣闊的應(yīng)用場景。端側(cè)的應(yīng)用首先需要將大模型進(jìn)行剪枝、稀疏化等處理，降低參數(shù)到十億級(jí)規(guī)模，同時(shí)根據(jù)場景進(jìn)行專屬知識(shí)的訓(xùn)練和微調(diào)以適配專門的終端設(shè)備和軟件。這對(duì)終端設(shè)備的功耗、內(nèi)存、延遲、成本等都提出了新的要求。具體來看，目前在手機(jī)拍照、多終端語音助手、機(jī)器人具身智能（指從第一人稱視角出發(fā)，具備理解、推理、并與物理世界互動(dòng)的智能系統(tǒng)）等方面表現(xiàn)出應(yīng)用前景，推動(dòng)物聯(lián)網(wǎng)應(yīng)用的升級(jí)與進(jìn)化。2023年8月，華為推出鴻蒙4引入盤古AI大模型，在消費(fèi)電子領(lǐng)域賦能；小米官宣13億參數(shù)手機(jī)大模型；OPPO預(yù)計(jì)將與阿里云聯(lián)合打造OPPO大模型基礎(chǔ)設(shè)施。手機(jī)廠商紛紛入局輕量化手機(jī)大模型市場，以期為用戶帶來全方位智能化體驗(yàn)提升，也許不久將來大模型應(yīng)用將成為用戶體驗(yàn)變革換代的“新觸點(diǎn)”。
AIGC的社會(huì)影響：新一波自動(dòng)化浪潮
AI成為基礎(chǔ)設(shè)施，部分基礎(chǔ)工作被替代，社會(huì)人力結(jié)構(gòu)和分配方式重塑
技術(shù)的躍遷、生產(chǎn)效率的提升并不會(huì)自然帶來社會(huì)整體福利水平的提升，相反往往以犧牲部分人的利益為前提，進(jìn)而引發(fā)社會(huì)結(jié)構(gòu)、分配方式的重塑。AIGC交互界面的用戶友好性、大模型開源及API價(jià)格的降低、插件服務(wù)帶來的應(yīng)用生態(tài)繁榮等，都使得AI技術(shù)或?qū)⒊蔀橄袼?、電、網(wǎng)絡(luò)一樣的基礎(chǔ)設(shè)施，滲透并改變千行萬業(yè)。然而，大模型具有認(rèn)知、分析、推理能力，不同于自動(dòng)化浪潮下對(duì)藍(lán)領(lǐng)的沖擊，AIGC時(shí)代受AI影響最大的可能是初級(jí)專業(yè)人士和技術(shù)人員，即部分白領(lǐng)。據(jù)麥肯錫數(shù)據(jù)預(yù)測(cè)，到2045年左右，有50%的工作將被AI替代，比此前的估計(jì)加速了10年。與此同時(shí)，具有創(chuàng)造力、深度思考等高階智力的人才，將享受到AIGC帶來的效率優(yōu)勢(shì)，成為AI的駕馭者，相應(yīng)的工作需求也會(huì)增加。智力要素重要性的提升、附加值的提高，都將推動(dòng)社會(huì)資源和財(cái)富向頂尖人才和組織聚集，但社會(huì)是一個(gè)整體，生產(chǎn)效率的提升并不代表著購買力的提升，被替代的普通職工才是購買力的最大來源，為了維持供需平衡，分配制度需要重塑。如美國總統(tǒng)競選人楊安澤提出向大企業(yè)征收增值稅，并向公民發(fā)放補(bǔ)貼，以及OpenAI創(chuàng)始人Sam Altman提出的世界幣均等分配等，都通過反思并調(diào)整現(xiàn)有的分配方式，以驅(qū)動(dòng)社會(huì)向更美好的方向演進(jìn)。
AIGC的監(jiān)管展望：寬松鼓勵(lì)與整頓規(guī)范
鼓勵(lì)A(yù)IGC研究，放寬內(nèi)容容錯(cuò)率，強(qiáng)調(diào)AI生成標(biāo)識(shí)，推動(dòng)公開數(shù)據(jù)建設(shè)
自AIGC逐漸應(yīng)用以來，引發(fā)了知識(shí)幻覺、數(shù)據(jù)安全、個(gè)人隱私、道德倫理等諸多問題和討論，新生的行業(yè)亟需監(jiān)管措施的跟進(jìn)和健康發(fā)展引導(dǎo)。2023年7月，網(wǎng)信辦等七個(gè)部門正式發(fā)布了《生成式人工智能服務(wù)管理暫行辦法》（以下簡稱《辦法》），距離征求意見稿發(fā)布僅隔三個(gè)月，且監(jiān)管要求更為寬松，反復(fù)強(qiáng)調(diào)了鼓勵(lì)發(fā)展的態(tài)度。具體來看，《辦法》主要規(guī)范公共服務(wù)環(huán)節(jié)，不包含有關(guān)專業(yè)機(jī)構(gòu)的研發(fā)和應(yīng)用環(huán)節(jié)，鼓勵(lì)企業(yè)在自研自用范圍加強(qiáng)技術(shù)攻關(guān)；其次，《辦法》不強(qiáng)求生成內(nèi)容的真實(shí)、準(zhǔn)確性，放寬了容錯(cuò)率，對(duì)前期探索的企業(yè)帶來一定利好，但同時(shí)也提高了用戶辨別的時(shí)間和成本。同時(shí)，《辦法》要求提供者對(duì)AI生成內(nèi)容進(jìn)行顯著標(biāo)識(shí)，有望從根本上杜絕AI生成內(nèi)容難以辨別的問題，但也可能影響用戶對(duì)內(nèi)容的價(jià)值判斷，對(duì)企業(yè)帶來負(fù)面影響。最后，國家以立法的形式打造數(shù)據(jù)和算力協(xié)同共享的平臺(tái)，最大化促進(jìn)資源利用，有利于為中小型企業(yè)減負(fù)，降低研發(fā)成本。《辦法》發(fā)布后，即引發(fā)了蘋果應(yīng)用商店對(duì)ChatGPT、訊飛星火等AIGC相關(guān)App的下架整改行動(dòng)，行業(yè)整頓步伐進(jìn)一步加速。
專
題推薦中國企業(yè)人事管理| 中國企業(yè)服務(wù)研究
企業(yè)直播服務(wù)行業(yè) | 企業(yè)級(jí)無代碼開發(fā)
中國薪稅服務(wù)研究 | 中國信創(chuàng)產(chǎn)業(yè)研究
歡迎關(guān)注艾瑞數(shù)智獲取更多內(nèi)容
點(diǎn)擊閱讀原文
免費(fèi)查看及下載PDF高清完整版報(bào)告
關(guān)鍵詞：
責(zé)任編輯：Rex_23
