艾瑞咨询2023年中国AIGC产业全景报告：现状、商业化路径、机遇挑战解析
[]2023 年，AIGC 产业和大模型产业呈现出井喷的态势。这种态势推动了 AI 更快地渗透到各行各业中，引发了生产力与创造力的革命。近日，亚信科技旗下的艾瑞咨询发布了一份报告。这份报告围绕大模型、应用以及算力等方面，对我国 AIGC 产业的发展现状进行了探究，对 AIGC 能力的落地以及商业化路径进行了解析，同时也对未来的发展机遇和挑战进行了展望。
[]
01
中国AIGC产业图谱与市场规模
AIGC与大模型引领“AI产业化”与“产业AI化”发展
2022 年 11 月上线的 AIGC 类应用，在语义理解等领域表现卓越，交互方式低门槛，迅速赢得大量用户。随后，各类 AIGC 应用不断涌现，为各行业智能化升级带来新可能，“AI 产业化”与“产业 AI 化”的空间得以进一步拓展。
中国AIGC产业市场规模：指数级增长，攫取万亿产业价值
艾瑞咨询作出预测，中国的 AIGC 产业规模在 2023 年大约是 143 亿元。2028 年预计能够达到 7202 亿元。会逐步构建起完善的“模型即服务”的产业生态。到 2030 年有希望突破一万亿。
中国AIGC产业投融资情况
说明赛道处于起步期同一标的进行高频融资，这一方面反映出 AIGC 前期创业需要大量的资金来给予支持；另一方面也表明优质的创业项目是极为稀缺的。
02
技术变革的原生驱力：大模型
预训练大模型的分类与介绍
预训练大模型依据模态可分为文本、图像、视频、代码、音乐生成等多种。然而，从底层架构来看，它们都属于两类，一类是适用于处理文本、代码这类强连续性生成任务的框架，另一类是善于处理图像生成类任务的框架，如 GAN、NeRF 等。单模态模型在实际训练时融合其他模态技术，就能够形成多模态、跨模态大模型。多模态模型能够接受文本、图像等不同的输入形式，并且能够输出不同的形式，因为其应用场景更为广泛，所以着力发展多模态模型成为了一种趋势。
预训练大模型发展路径：闭源与开源将并存互补
闭源模型厂商以[具体代表厂商]为代表开放对外技术服务后，开源模型厂商开始加紧发力。从开源程度来看，大模型的开源分为“可研究”和“可商用”这两个级别。中国依然需要培育适合中文数据土壤的开源生态。未来，开源的 LLM 和闭源的 LLM 将会并存且相互补充，为大模型的发展营造出多元协作的繁荣生态。
着力打造中国AIGC开源社区生态
AIGC 开源社区的建设能够吸纳更多的开发者，并且能够拥有定义用户的主导权。以 AI 开源创新平台作为杠杆，能够带动并支撑底层 AI 芯片、智算中心以及云服务等基础设施的发展。从供给侧的逻辑来分析，大模型开源在早期是由高校和机构推动的，随后陆续有头部云厂商加入进来，此时开源社区的建设成果已经初步显现。从商业化路径方面来看，参考海外明星的开源社区情况，中国的 AI 开源社区也会首先免费提供基础算力、社区体验以及 demo 的部署和测试。接着，通过提供付费服务，来提升模型产品的性能。并且，以此吸引开发者和企业客户，完成更多部署应用的引流变现工作。
大模型落地将带来新一轮“AI产业化”扩散
大模型犹如一个能力全面且极为突出的“完全体”，它通用性较强，标准化和流程化的程度也更高。借助大模型来进行应用开发，能够迅速为应用赋予力量，对 AI 的工业化生产以及 AI 服务的落地能起到有效促进作用，还能拓展 AI 的应用范围。
MaaS是大模型能力落地输出的新业态
未来，MaaS 服务商将致力于打造大模型商店。他们会建设大模型生态，将更多开源模型纳入其中。同时，会持续丰富工具链的产品服务。通过业务积累、数据回流以及模型迭代等方式，逐步形成壁垒。在拉高云服务营收的同时，进一步塑造厂商的核心竞争力。
大模型成为AI应用开发的操作系统
未来，大模型会成为 AI 产业的操作系统。它的基础设施特性能够为 AI 应用开发打好基础，让 AI 模型变得可以维护、可以扩展、可以迭代，从而极大地降低了 AI 应用的开发门槛。客户可以通过成本更低、效率更高的 MaaS（模型即服务）来获得 AI 能力，进而完成 AIGC 应用的个性化开发、优化以及部署，将 AI 能力渗透到各行各业的场景业务中。
市场需要对大模型的产品服务能力进行评估，艾瑞咨询提出了 EPS-EPD 这样一个评估体系。
https://img0.baidu.com/it/u=798399504,4026926354&fm=253&fmt=JPEG&app=138&f=JPEG?w=667&h=500
大模型能力评测具有重要意义。评测结果能够让供需双方了解各家大模型能力的长处与短处，从而做出更优质的产品与应用选择。基于此，艾瑞咨询提出了 EPS-EPD 评估体系，该体系能够全方位测评大模型产品的基模性能和商业能力，为业界提供信息参考。
大模型需以行业级、企业级方式支撑上层应用
基础大模型落地遭遇两大难题，其一为终端客户对于算力成本的接受程度；其二为大模型虽在通用领域问题上表现出色，但在垂直行业任务中通常表现不佳。所以，基础大模型需要进行训练和调优，以此形成垂直领域大模型；部分企业存在较多诸如深度定制、私有化部署等方面的需求。
连接模型能力与应用需求是落地关键
在大模型所推动的技术浪潮当中，要将模型能力与上层应用进行连接，实现商业化变现，并且构建起以人工智能应用为主导的生态系统，这是 AIGC 各层厂商重点关注的一个课题。艾瑞咨询觉得，数据准备、ROI 的衡量以及工程能力，这三者是连接模型层与应用层并使其得以落地的核心要素。
厂商合作关系演化及周边工具服务的发展
未来，模型开发厂商和垂类应用厂商为了巩固市场地位，会向产业链上下游进行拓展。这样一来，模型层和应用层将会呈现交错发展的态势。企业客户由于其数字化基础参差不齐，以及软件和流程需求具有个性化，仍然需要解决方案厂商为其定制优化并进行部署实施。同时，AI 开发平台也将与大模型共同发力，进一步实现“低门槛、低成本、高效率”的开发部署与应用。数据标注是可观商机，安全合规等周边工具服务也是可观商机，这些都能促进 AIGC 产品高效开发，也能促进产业有序发展。
工具层成为AIGC产业新热点
艾瑞咨询觉得，大模型的中间层与工具层的构成可以分为 AI 代理（Agent 角色）以及 AI 微调（大模型服务）这两类。AI Agent 是在大模型、AIGC 之后越发火爆的中间层产品，它可以被看作是能够感知环境以及需求，并且进行决策和执行的智能体。大模型服务平台为企业提供多方面服务，包括模型训练、推理、评测、精调等。同时，它会依据供给侧的能力和需求侧的要求，进行 B 端私有化部署（这是创业公司的切入点），或者进行平台资源调用（这是云厂商的切入点）。
AI Agent 具有更广阔的角色价值，同时也拥有更广阔的发展空间。其中，沉淀垂类数据以及形成业务理解是最为关键的。
大模型的语料资源包含大量人类行为数据，这填补了 AI Agent 可行性与合理性的关键要素。大模型具有优秀的上下文学习能力和复杂推理能力，在接受目标及设定后，能自发地将其拆解为简单细化的子任务，无需人类干预就能完成剩下的全部工作。目前 AI Agent 成为了继大模型之后的一个新的热点。它具有更广阔的想象空间，也更加贴近实际应用。
03
价值传递的实际落位：应用层
AIGC产业化价值与影响
AIGC 的产业价值主要体现在两个方面，一是以大模型为核心的“变革内容生产方式”，二是“变革人机交互方式”。未来，全行业会借助大模型能力衍生出的众多 AI 生产工具，从而实现内容生产效率的大幅提升，并且能进一步降低数字生态中人机交互的门槛。
生产力变革带动海量下游应用优化
在生活领域，AIGC 会把内容创作权进一步下放，从而激发 UGC 的创作热情，并且加速内容的裂变。在生产领域，大模型能够在研发流程、产品能力以及交互等方面，全方位地给企服软件带来提升。
AIGC将在全行业引发深度变革
AIGC 主要是通过对内容创作以及人机交互产生影响，从而推动行业变革。同时，线上化的程度、数字化的基础以及行业内容所占的比例等这些因素，会对 AIGC 的应用前景以及渗透速度产生影响。
内容消费赛道：内容分发平台为核心的AIGC布局
内容分发平台的一端与创作者相连接，另一端与大量用户相绑定，它拥有最为完整的内容消费生态，因此成为了 AIGC 内容消费的布局核心。AIGC 技术已经在营销文案、电商图片以及评论的自动生成等方面得到了应用。
创作工具赛道：模型能力为核心，文、图发展路径将分化
AIGC 内容创作工具与传统内容创作工具相比，其最大的特点是“底层模型重、前端轻”。正因如此，产品竞争的核心要素从功能设计转变为了模型能力。文本类应用和图像类应用的发展路径，会因模型的成熟度以及成本等因素而出现较大的差异。
企业服务赛道：产品化价值与商业变现
https://img1.baidu.com/it/u=2670335960,1756417278&fm=253&fmt=JPEG&app=120&f=JPEG?w=950&h=500
AIGC 融入了现有的应用，降低成本的效果较为显著。营收的增长主要是依靠对新场景的服务。
04
不可忽视的资源引擎：算力层
AIGC带动中国算力产业发展机遇总览
这一领域重点关注的是“芯片硬件”这一算力模块，同时也关注“服务器”“应用模式”“能源散热”等算力模块。
全球会大力推进算力基础设施的建设。AIGC 有着巨大的算力需求，这使得算力的供需结构承受着压力。
相关报告显示，计算力指数每提升 1 个点，数字经济会增长千分之 3.3，GDP 会增长千分之 1.8。当下，中国各地正加紧推进新一批数据中心与智算的建设工作，持续对算力资源进行优化，目的是满足快速发展的算力需求。
算力产业模式将在AIGC时代有所演变
AIGC 时代，数据中心会配置更多的 AI 服务器，以满足不断剧增的算力需求。云厂商还提出了 MaaS（模型即服务）这种商业模式，把云计算、智能算力、模型能力等资源进行高度融合，从而能够更好地满足客户的个性化需求。
AI芯片是算力皇冠，关注其性能与利用率
算力是评价 AI 芯片的重要方面。除了运算次数外，芯片的性能衡量还得考虑运算精度。为适配大模型的训练及推理，AI 芯片需有更大的内存访问带宽且减少内存访问延迟，要有更高的片间互联甚至片内互联能力，以满足 AI 加速器访存和交换数据的需求。但是，大集群和大算力并不等同。增加 GPU 卡数或者计算节点，无法实现算力收益的线性提升。单卡芯片性能的差距，将更难以通过增加物料等方式来解决。
中国算力产业将坚持自主创新道路
AIGC 产业的基建层是算力，它是 AIGC 生产力卡脖子的关键环节。基于此，算力生产商纷纷开始发力，像 AMD 这类追赶型企业以及英特尔等，它们针对 AIGC 的新品动作十分频繁。中国算力层会进一步减少对头部厂商的依赖。其主要路径是以“云巨头自行研发并自用，以及独立或创业公司为信创、运营商等 To G 与 To B 市场提供服务”。同时，它会静静地等待国产替代的曙光，以实现国产“算力+应用”的良性循环。
04
中国AIGC产业发展趋势
技术发展：科研与产业两端突围
产业侧和科研侧一直在不断地探索和优化，这暴露出了标准架构存在着巨大的瓶颈，也就是“不可能三角”。各个机构以及开发团队都在快速地推进对架构的改进工作，在未来，极有很大的可能性会出现一种具备推广价值的新架构。
应用前景：软硬一体化
大模型逐步被应用于手机等终端设备侧，也被应用于物联网等终端设备侧。“软硬一体”会带来广阔的应用场景。
社会影响：新一波自动化浪潮
AI 成为了基础设施，一些基础工作被 AI 所替代，这会使社会人力结构得到重塑。智力要素的重要性会提升，附加值也会提高，这将促使社会资源和财富向顶尖人才和组织聚集；为了维持供需的平衡，分配制度也将进行重塑。
AIGC的监管瞭望：宽松鼓励与整顿规范
AIGC 有了应用，这引发了知识幻觉方面的问题，引发了数据安全方面的问题，引发了个人隐私方面的问题，引发了道德伦理方面的问题，还引发了诸多讨论。这些问题亟需监管措施的跟进和引导。2023 年 7 月，网信办等七部门发布了《生成式人工智能服务管理暂行办法》，该办法的监管要求比较宽松，并且反复强调了鼓励发展的态度。国家通过立法打造了数据和算力协同共享平台，这样做能够最大化地促进资源的利用，并且有利于为中小型企业减轻负担，还能降低它们的研发成本。
页:
[1]