原創(chuàng) | 文 BFT機器人

03

電子：AIGC 帶動算力需求爆發(fā)，?AI?芯片迎來高速成長期

AIGC 模型預訓練數(shù)據(jù)量呈指數(shù)級增長， 帶動算力需求爆發(fā)。從 GPT-1 到 GPT-3，模型參數(shù)量從GPT的1.17億增加到 GPT-2的15億，再到GPT-3的1750億:訓練數(shù)據(jù)量也由GPT的5GB，增加到 GPT-2的40GB，再到 GPT-3的45TB。AIGC 模型預訓練數(shù)據(jù)量呈指數(shù)級增長，帶動算力需求爆發(fā)。

云邊端算力協(xié)同融合，有望滿足不同應用需求并提升算力效率。

人工智能在云端、邊緣端、終端都有廣泛應用， 對算力有不同需求。云端具有海量數(shù)據(jù)處理與計算能力， 可以承載云端訓練和推理的任務:將算力從云端向邊緣側(cè)擴展，支持在網(wǎng)絡邊緣執(zhí)行深度學習、強化學習等人工智能算法，避免計算任務從網(wǎng)絡邊緣傳輸?shù)皆浦行牡某L網(wǎng)絡傳輸延遲，可以滿足高實時性應用的需求; 通過算力前置實現(xiàn)終端分布式算力與云端中心算力的動態(tài)平衡，可以大幅提升算力效率。通過云邊端算力協(xié)同融合， 有望滿足不同應用需求， 并提升算力效率。

算力基礎設施云、邊、端 AI 芯片作為算力載體，將迎來高速成長期。

人工智能的各類應用場景，從云端溢出到邊緣端， 或下沉到終端，都離不開智能芯片對于“訓練”與“推理任務的高效支撐，算力基礎設施云、邊、端 A 芯片作為算力載體， 將迎來高速成長期。

云、邊、 端三種場景對于智能芯片的運算能力和功耗等特性有著不同要求， 云端承載處理海量數(shù)據(jù)和計算任務，需要高性能、高計算密度，典型計算能力一般要大于 30TOPS; 終端對低功耗、高能效有更高要求， 典型計算能力一般小于8TOPS，典型功耗一般小于 5 瓦: 邊緣端對功耗、性能的要求通常介于終端與云端之間。

3.1 AI大模型生產(chǎn)海量算力需求，驅(qū)動云端AI芯片快速成長

大模型及人工智能在多場景廣泛、深入應用， 驅(qū)動智能算力規(guī)模高速增長。

AI 大模型訓練和推理過程消耗海量算力，帶動算力需求爆發(fā)式的增長，以及人工智能在智慧交通、智慧金融、生物識別、智能制造、智慧醫(yī)療、自動駕駛等場景的廣泛、深入應用， 中國智能算力規(guī)模將持續(xù)高速增長。根據(jù) IDC 的數(shù)據(jù)， 2021 年智能算力規(guī)模為 155.2 百億億次/秒(EFLOPS)2022 年智能算力規(guī)模達到 268 百億億次/秒(EFLOPS)，預計 2022-2026 年中國智能算力規(guī)模的年復合增長率將達 52.3%，同期通用算力規(guī)模復合增速為 18.5%。

AI 服務器專為人工智能訓練和推理應用而設計，大模型有望推動 AI 服務器市場加速成長。
服務器一般可分為通用服務器、云計算服務器、邊緣服務器、 AI 服務器等類型，AI 服務器專為人工智能訓練和推理應用而設計， 大模型帶來算力的巨量需求，有望進一步推動 AI 服務器市場的增長。根據(jù) IDC 的數(shù)據(jù)，2020 年全球 A1服務器市場規(guī)模為 112 億美元， 2025 年預計全球人工智能服務器市場規(guī)模將達到 266 億美元，五年復合增長率為 18.9%。根據(jù) IDC的數(shù)據(jù)，2020 年中國 Al 服務器市場規(guī)模將為35 億美元， 2025 年預計中國 AI 服務器市場規(guī)模將達到 108.6 億美元， 五年復合增長率為 25.3%。

AI 芯片占 AI 服務器成本主要部分。CPU+GPU 是目前 AI 服務器主流的異構計算系統(tǒng)方推理型和機器學習型服務器中CPU+GPU 成本占案，根據(jù) IDC 2018 年服務器成本構成的數(shù)據(jù)，比達到 50-82.6%，其中機器學習型服務器 GPU 成本占比達到 72.8%。

AI 芯片以GPU為主，NPU成長迅速。

Al 芯片主要包括 GPU、NPU、FPGA、專用集成電路等，根據(jù)的 IDC 數(shù)據(jù)，2021 年中國人工智能芯片中，GPU 依然是實現(xiàn)云端數(shù)據(jù)中心加速的首選， 占據(jù) 89%的市場份額，GPU 芯片多用于圖形圖像處理、復雜的數(shù)學計算等場景，可較好地支持高度并行的工作負載，常用于云端的 AI 模型訓練，也可應用于邊緣端和終端的推理工作載: NPU 占據(jù) 9.6%的市場份額，NPU 增速較快， NPU 芯片設計邏輯更為簡單，常用于云端、邊緣端和終端的模型推理，并生成結果， 在處理推理工作負載時， 能顯著的節(jié)約功耗; 而ASIC 和 FPGA 占比較小， 市場份額分別為 1%和 0.4%。

AI 芯片是 A1服務器算力的核心組成，有望暢享 AI 算力需求爆發(fā)浪潮。

AI 芯片是 AI服務器算力的核心組成，隨著 AI 算力規(guī)模的快速增長將催生更大的 AI 芯片需求。根據(jù)億歐智庫的數(shù)據(jù)，預計 2022 年中國人工智能芯片市場規(guī)模為 850 億元， 2023 年中國人工智能芯片市場規(guī)模將達到 1039 億元， 2025 年中國人工智能芯片市場規(guī)模將達到 1780 億元。

英偉達主導云端 AI 計算市場，國內(nèi)企業(yè)加速發(fā)展。

在云端智能計算市場，主流的芯片和加速卡方案提供商主要包括英偉達、寒武紀和華為海思等。由于軟件生態(tài)優(yōu)勢，英偉達的 GPU芯片和加速卡產(chǎn)品占據(jù)大部分市場份額。國內(nèi)寒武紀、華為海思等企業(yè)市場份額相比于英偉達均較小，但處于加速發(fā)展中。?

據(jù) Liftr lnsights 數(shù)據(jù)， 目前在 A 技術進展最為前沿的北美數(shù)據(jù)中心 A 芯片市場， 英偉達市場份額占比超過 80%，且在訓練、推理環(huán)節(jié)均保持持續(xù)領先:在數(shù)據(jù)中心 AI 加速市場， 2022 年英偉達市場份額達 82%，AWS 和 Xilinx 分別占比8%、4%，AMD、 Intel、Google 均占比 2%。

美國限制高端 GPU 供應，國產(chǎn) GPU 芯片廠商迎來黃金發(fā)展期。

2022 年 8 月31 日英偉、AMD 生產(chǎn)的 GPU 產(chǎn)品被美國列入限制范圍，英偉達被限制的產(chǎn)品包括 A100 和 H100，AMD受管制 GPU 產(chǎn)品包括 M1100 和 M1200 系列。海光 DCU 屬于 GPGPU 的一種，在典型應用場景下海光深算一號指標達到國際上同類型高端產(chǎn)品的水平，在海外監(jiān)管趨嚴的背景下。以海光為代表的國產(chǎn) GPU 廠商迎來黃金發(fā)展期。

AI 芯片專用于人工智能領域，國產(chǎn) AI 芯片廠商迎來高速發(fā)展期。

AI 芯片是專門針對人工智能領域設計的芯片， 其架構和指令集針對人工智能領域中的各類算法和應用作了專門優(yōu)化，可高效支持視覺、語音、自然語言處理和傳統(tǒng)機器學習等智能處理任務。在人工智能領域， AI 芯片的優(yōu)勢明顯，可以替代 CPU、 GPU 等傳統(tǒng)芯片。國內(nèi) AI 芯片以寒武紀思元系列、華為異騰系列等為代表，寒武紀和華為異騰部分 AI 芯片產(chǎn)品性能已達到較高水平， 有望加速實現(xiàn)國產(chǎn)替代，迎來高速發(fā)展期。

3.2 AI技術推動算力需求從云端向邊緣延伸，帶動邊緣段智能芯片穩(wěn)步增長

邊緣人工智能解決實時性、安全性需求。

邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡邊緣側(cè)，融合網(wǎng)絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業(yè)數(shù)字化在敏捷連接、實時業(yè)務、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關鍵需隨著人工智能技術的發(fā)展， 越來越多的數(shù)據(jù)處理需求必須在邊緣側(cè)完成，例如工廠智能控求。制、智能家居、自動駕駛等。

這些場景往往需要很強的實時性，對延時敏感，并且有很強的數(shù)據(jù)隱私性要求， 相關生產(chǎn)數(shù)據(jù)不能上傳到云端。邊緣人工智能則很好地解決了這個需求，通過在產(chǎn)線等邊緣處直接部暑智能計算設備， 在無需將數(shù)據(jù)傳出工廠的同時，實時地進行數(shù)據(jù)處理并對產(chǎn)線進行決策和控制。

算力需求從云端向邊緣延伸，帶動邊緣計算服務器和邊緣端智能芯片穩(wěn)步增長。

隨著人工智能、5G、物聯(lián)網(wǎng)等技術的逐漸成熟， 算力需求從云端不斷延伸至邊緣，帶動邊緣計算服務器和邊緣端智能芯片市場穩(wěn)步增長。

根據(jù) IDC 的數(shù)據(jù)，預計 2022 年中國邊緣計算服務器市場規(guī)模達到 42 7 億美元， 同比增長 25.6%; 預計 2021-2026 年中國邊緣計算服務器整體市場規(guī)模年復合增長率將達到 23.1%，高于全球的 22.2%。與云端智能芯片相比，邊緣智能芯片的使用場景更加豐富，同時芯片售價并不昂貴。根據(jù) ABI Research 預計， 邊緣智能芯片市場規(guī)模將從 2019 年的26 億美元增長到2024 年的76 億美元。

國內(nèi)邊緣端智能芯片廠商崛起，部分產(chǎn)品性能指標已可對標海外龍頭廠商。

在邊緣場景下，運算量依然很大、多樣化場景要求具備多種算法的兼容性，對邊緣智能芯片的計算能力要求低于云端，但對成本控制和功耗則提出了更高的要求。

從市場認知度上看，英偉達的邊緣計算芯片在全球范圍內(nèi)仍處于領先地位，但國內(nèi)寒武紀、華為海思等廠商的邊緣端智能芯片的性能指標與英偉達部分產(chǎn)品基本處于同一水平， 國內(nèi)邊緣智能芯片廠商主要包括有寒武紀、華為海思、 瑞芯微、北京君正、全志科技、紫光展銳、地平線、平頭哥、九天賽芯、杭州國芯等。

3.3?A速IGC有望加智能在終端上的應用，終端AI芯片迎來升級與發(fā)展機遇

AIGC 應用領域廣泛，插件有望推動AIGC 應用爆發(fā)。

AIGC 是一種利用 AI 技術自動生成內(nèi)?容的生產(chǎn)方式， 包括文本、圖片、視頻等多種形式的內(nèi)容，AIGC 可以應用在文本、代碼、圖?像、語音、視頻、3D 模型、游戲、音樂、音頻等領域。目前 ChatGPT 已支持插件功能， 首批?上架 11 個插件，包括旅行軟件、數(shù)據(jù)提供商、視頻創(chuàng)意平臺、電商平臺、配送服務等公司， 插件有望加速 AIGC 的應用爆發(fā)。

AIGC 有望成為物聯(lián)網(wǎng)應用的重要助手，推動物聯(lián)網(wǎng)行業(yè)快速發(fā)展。

物聯(lián)網(wǎng)可以提供大規(guī) 模的數(shù)據(jù)，能一定程度上解決 AIGC 模型訓練所需的數(shù)據(jù)來源；物聯(lián)網(wǎng)技術能夠?qū)崿F(xiàn)對物理世?界的狀態(tài)數(shù)據(jù)、定位數(shù)據(jù)、行為數(shù)據(jù)等采集， 在獲得這些數(shù)據(jù)后， AIGC 模型能夠更深入地學?習各行業(yè)具體場景知識， 輸出更精準的信息， 為行業(yè)經(jīng)營者提供參考， 加速產(chǎn)業(yè)數(shù)字化升級的步伐， 以及簡化人們與智能家居、智能硬件交互的方式。AIGC 有望成為物聯(lián)網(wǎng)應用的重要助?手，推動物聯(lián)網(wǎng)行業(yè)快速發(fā)展。根據(jù) IDC 的數(shù)據(jù)， 預計到2026 年中國物聯(lián)網(wǎng)設備連接數(shù)總量?將達到 102.5 億個， 2022-2026 復合增長率為 18%。

AIGC 有望加速智能在終端上的應用，終端 AI 芯片迎來升級與發(fā)展機遇。

隨著 AI 技術在?手機、智能音箱、智能攝像頭、無人機、自動駕駛汽車等終端上的應用，曾經(jīng)很多人工智能的 推理工作， 諸如模式匹配、建模檢測、分類、識別、檢測等逐漸從云端轉(zhuǎn)移到了終端側(cè)，賦予?終端設備更多“智慧”。智能終端在不同應用場景下對算力、功耗、時延的多元化需求， 使得?人工智能芯片在端側(cè)可以擁有更多元化的應用場景。

AIGC 有望進一步加速智能在終端上的應?用，終端 AI 芯片迎來升級與發(fā)展機遇。根據(jù)甲子光年的數(shù)據(jù)， 隨著人工智能在終端的廣泛應?用， 2018-2023 年中國終端 AI 芯片市場規(guī)模復合增速達到 62.2%，2023 年中國終端 AI 芯片市?場規(guī)模將超過 160 億元。

04

傳媒：AI賦能內(nèi)容創(chuàng)作

以 AI 繪畫工具 Midjourney 生成的畫作《太空歌劇院》獲美國科羅拉多州藝術博覽會數(shù)字?藝術類別比賽冠軍這一事件為催化劑， 自 2022 年開始，AIGC 技術走入大眾視野，包括ChatGPT、Midjourney、Stable Diffusion、Adobe Firefly、Googe Bard 等 AIGC 相關的應用?產(chǎn)品及其迭代版本開始能夠觸達到 C 端的普通大眾用戶，與 AIGC 有關的內(nèi)容在社交網(wǎng)站的討論熱度持續(xù)攀升，引發(fā)了較大范圍的好奇與關注， AIGC 在 2022 年開始有明顯的破圈跡象。

隨?著 2023 年 GPT-4、Midjourney V5 等新一代 AI 技術及應用的再次迭代更新并表現(xiàn)出優(yōu)異的內(nèi)?容生成能力，AIGC 技術正在逐漸改變當前的內(nèi)容生產(chǎn)模式，帶來全新的變革。

4.1 AIGC：從感知理解內(nèi)容到創(chuàng)造內(nèi)容

AIGC (Artificial Intelligence Generated Content)或稱生成式 AI (GenerativeAI)是將人工智能技術用于生產(chǎn)內(nèi)容，是 AI技術從過去的被動分析到現(xiàn)在的主動創(chuàng)造的迭代。

早期的 AI 技術更偏向于數(shù)據(jù)的分析和總結，通過已知數(shù)據(jù)中提取出相應規(guī)律和模式并進行應用，其中最為廣泛的用途就是個性化推薦算法；

而生成式 AI 并不僅僅分析已經(jīng)存在的數(shù)據(jù)，而是通過學習大量的數(shù)據(jù)內(nèi)容用以形成全新的數(shù)據(jù)，生成式 AI 實現(xiàn)了 AI 技術從感知理解內(nèi)容到創(chuàng)造內(nèi)容的進步。

從更寬泛的角度理解，AIGC 既可以指利用 AI 技術生成的文本、圖像、音視頻等創(chuàng)造性內(nèi)容，也可以指用于內(nèi)容自動化生產(chǎn)的一種技術合集，還可以指利用 AI 技術的一種新型內(nèi)容生產(chǎn)方式。在當前階段將 AIGC 看作一種新型的內(nèi)容生產(chǎn)方式更符合普遍的認知。

中國信通院發(fā)布的《人工智能生產(chǎn)內(nèi)容白皮書》表示， 目前國內(nèi)產(chǎn)學研各界對于 AIGC 的理解也是?“繼專業(yè)生成內(nèi)容(PGC) 和用戶生成內(nèi)容(UGC) 之后，利用人工智能技術自動生成內(nèi)容的新?型生產(chǎn)方式?！?/p>

根據(jù) a16z，目前在內(nèi)容生成領域可以分為 4 個不同的階段，分別是專業(yè)生產(chǎn)內(nèi)容(PGC)、用戶生產(chǎn)內(nèi)容(UGC)、 AI 輔助生成內(nèi)容和進入完全階段后的 AIGC。當前的時點正處于 PGC 較為成熟、UGC 蓬勃發(fā)展并即將進入大規(guī)模 AI輔助生成內(nèi)容的初級階段。

PGC內(nèi)容通常由具備一定專業(yè)技能的團隊操辦，其專業(yè)化程度、創(chuàng)作門檻以及資源投入都比較高，普通人難以企及，同時創(chuàng)作出的內(nèi)容質(zhì)量也更好，但受制于較高的專業(yè)技術門檻、較長的創(chuàng)作周期和昂貴的制作成本，PGC 的參與者以及產(chǎn)出內(nèi)容數(shù)量也相對有限，典型的 PGC 內(nèi)容包括 3A 級別游戲大作、院線級別電影大片、電視綜藝節(jié)目等。

而移動互聯(lián)網(wǎng)和智能手機的普及大幅降低了內(nèi)容創(chuàng)作的門檻和專業(yè)化要求，推動了 UGC 的快速發(fā)展，能夠參與內(nèi)容創(chuàng)作的?普通用戶以及產(chǎn)出的內(nèi)容數(shù)量急劇增加， 如抖音、快手、小紅書、B 站等新型互聯(lián)網(wǎng)內(nèi)容平臺中都擁有海量的用戶和大量的 UGC 內(nèi)容，但基于UGC模式下會根據(jù)內(nèi)容生產(chǎn)者的所掌握的創(chuàng)作技能水平不同導致 UGC 內(nèi)容的質(zhì)量也參差不齊。

隨著技術的進步，AIGC能夠?qū)崿F(xiàn)對PGC和UGC的賦能， 在PGC創(chuàng)作過程中代替部分人工工作，?有效實現(xiàn)創(chuàng)作效率的提升和創(chuàng)作成本的降低并逐漸拓展更多新的內(nèi)容生產(chǎn)邏輯及形式；?在 UGC 領域則能夠幫助提升內(nèi)容創(chuàng)作的專業(yè)化水平，進一步降低內(nèi)容創(chuàng)作的準入門檻， 提升輸出內(nèi)容的質(zhì)量；在更加中長期的發(fā)展中， AI 的作用有望從內(nèi)容生產(chǎn)的輔助性功能逐步過渡至完全由 AI 自主生產(chǎn)內(nèi)容，從而進入真正的 AIGC 階段，實現(xiàn) AI 技術 24 小時不間斷自動生產(chǎn)內(nèi)容，內(nèi)容供給實現(xiàn)大規(guī)?？焖僭鲩L。

4.2 文字、圖像生成日趨成熟，跨模態(tài)功能具備高潛力

在 AIGC 的產(chǎn)業(yè)生態(tài)體系中，可以分為基礎層、中間層和應用層三層架構。

第一層為基礎層，是整個AI 生態(tài)體系中十分重要的一層，主要是提供預訓練模型， 是 AIC 技術的基礎設施層，為中間層和應用層提供支持和保障，但由于預訓練模型通常需要比較?高的技術投入和訓練成本，因此具有一定的準入門檻。

目前頭部的基礎設施型的公司包括OpenAI、Stablilty.ai 等都屬于基礎層的主要參與者。第二層是中間層，是在預訓練的大模型基礎上針對部分垂直化、場景化、個性化的特定需求場景進行二次開發(fā)，實現(xiàn) AI 在不同行業(yè)、不同垂直領域和不同應用場景中的定制化需求。例如同樣基于 stable diffusion 開源模型訓練的作圖軟件，Novel-AI 在生成的圖像上就更加偏向于動漫、二次元風格。

第三層是應用層，在基礎層和中間層的基礎上，將 AI技術應用到實際的場景中， 幫助用?戶解決各類問題和需求，實現(xiàn) AIGC 技術的產(chǎn)業(yè)落地，例如面向 C 端用戶的各類文字、圖像、?音視頻的生成服務等。

在內(nèi)容生產(chǎn)的層面，

包括繪畫、寫作、音樂等內(nèi)容的生產(chǎn)創(chuàng)作都屬于創(chuàng)意性工作，以往被視為人類的專屬技能和智能的體現(xiàn)，是無法被機器替代的部分，但在如今不斷進步的 AI 模型、算法和數(shù)據(jù)面前，AIGC 已經(jīng)開始越來越多地介入到數(shù)字內(nèi)容生產(chǎn)的各個領域，擔任畫家、寫手、作曲家、程序員等角色， 從事創(chuàng)意性的創(chuàng)造工作。

基于模態(tài)分類， 利用 AI 技術實現(xiàn)文本生成、音頻生成、圖像生成、視頻生成、策略生成以及圖像、視頻、文本間的跨模態(tài)生成的功能都是當前和未來 AIGC 重要的技術落地場景，其中跨模態(tài)/多模態(tài)的內(nèi)容生成將成為未來 AIGC 的關鍵發(fā)展節(jié)點。

從目前的效果來看，AIGC 在?生成文本、圖像、語音等方面已經(jīng)初步得到應用，效果也可達到比較令人滿意的程度， 在視頻、3D 等更加復雜的領域則還需要進行更多的探索和進步。

(1)?文本生成

以 OpenAI 旗下的 ChatGPT 為代表，在文本生成領域，AI 技術已經(jīng)得到了比較廣泛的應用，可以完成從互動型的人機交流對話到較為復雜的創(chuàng)作型文章的自動生成等工作。

由于應用型文本大多為結構化寫作， 相對固定，難度較小，新聞稿件、公司財報、客服聊?天問答等都是比較典型的應用型文本，當前的 AI 技術在結構化寫作上已經(jīng)可以實現(xiàn)比較高的?完成度并實現(xiàn)商業(yè)化應用；創(chuàng)作型文本的寫作則需要一定的創(chuàng)意和個性化，對于 AI 生成能力的要求更高。

例如營銷文案、小說續(xù)寫等都屬于此類，目前 ChatGPT 已經(jīng)可以滿足一定程度的創(chuàng)作型文本生成的需求，但在長文本方面的生成能力仍待改進，未來有望實現(xiàn)突破；基于沉浸 式溝通社交的需求，?閑聊型的交互式文本生成有望在虛擬伴侶、心理咨詢、游戲中的智能 NPC 等方面成為重要的應用場景。

(2)?音頻生成

AI 技術在音頻生成領域既可以實現(xiàn)從文字到語音的識別轉(zhuǎn)化、語音的克隆 (TTS)， 也可以用于歌曲、樂曲以及視頻、游戲、影視等領域的配樂創(chuàng)意性創(chuàng)作以達到降低音樂版權采購成 本以及提高音樂制作效率的目的。

TTS?(Text-to-speech)在 AI 語音生成領域已經(jīng)進入相對成熟的階段，被廣泛應用于客服 機器人、有聲讀物制作、新聞語音播報、短視頻配音等各類場景， 其核心原理是通過 AI技術

自動將文字信息進行提取并轉(zhuǎn)化為語音。此外，AI 在 TTS 領域已經(jīng)發(fā)展出了語音克隆技術，??可以理解為通過 AI技術來模仿某個特定發(fā)言人的音色、音調(diào)以及說話方式等要素， 并結合給定的文字或語音內(nèi)容合成一段全新的語音，語音克隆技術可以用于虛擬歌手演唱、自動配音等 領域。

在音樂內(nèi)容的創(chuàng)作上，AIGC 可以拆分為作詞、作曲、編曲、人聲錄制和整體混音。目前 AIGC 已經(jīng)可以實現(xiàn)基于開頭旋律、圖片、文字描述、音樂類型、情感類型等信息生成特定的?樂曲或音效。

其中 AI 作曲以語言模型為中介，對音樂數(shù)據(jù)進行雙向轉(zhuǎn)化；AI 編曲基于主旋律?和創(chuàng)作者的個人偏好，生成不同樂器的對應和弦，完成整體編配。

(3)?圖片生成

AI 在圖片生成領域的技術場景可以分為圖像屬性編輯、圖像局部生成及更改、端到端的圖像生成。

圖像屬性編輯技術包括了圖片去水印、自動調(diào)整光影、設置濾鏡等功能；圖像局部生成及更改則能夠更改圖像的部分構成、例如修改面部表情、局部換臉等，圖像屬性編輯和圖像局部 生產(chǎn)與修改可以被看作以 AI 處理的低門檻方式一定程度上實現(xiàn) PhotoShop 的功能。

圖像端到端生成對應創(chuàng)意性圖像生成以及功能性圖像生成兩大應用場景，能夠?qū)崿F(xiàn)基于草圖生成完整圖像、有機組合多張圖像生成新圖像、根據(jù)指定屬性生成目標圖像等需求。目前 Midjourney、 文心一格、 DALL ·E2、Stable Diffusion 等產(chǎn)品都能夠以比較高的質(zhì)量實現(xiàn)圖像的生成。

(4)?視頻生成

AI 技術在視頻生成領域的使用主要集中在視頻屬性編輯、視頻自動剪輯和視頻部分生成 3 個領域，

視頻屬性編輯主要在畫質(zhì)修復、刪除特定主體、增加特定內(nèi)容等方面，通過 AI 的方式代替大量人工操作環(huán)節(jié)， 目前已經(jīng)實現(xiàn)相對廣泛的應用，視頻自動剪輯和視頻部分生成對? AI 的智能化要求更高， 因此還處于技術拓展的階段。

雖然目前 AI 技術在視頻生成領域的技術還遠未達到成熟的地步，難以發(fā)揮理想中的效果，但基于目前互聯(lián)網(wǎng)上長視頻和短視頻內(nèi)容數(shù)量的急劇膨脹，視頻內(nèi)容生成的需求將會大幅 提升，未來 AI 技術進步后視頻生成有望成為 AIGC 的高潛力場景。

(5)?跨模態(tài)生成

AIGC 本質(zhì)是一種利用 AI 技術實現(xiàn)高效便捷的內(nèi)容生產(chǎn)方式， 按照生成內(nèi)容的模態(tài)來劃分， AI 已經(jīng)能夠不同程度地在文字、圖像、音頻、視頻等多個領域?qū)崿F(xiàn)內(nèi)容生成。

基于對未來 AIGC 技術易用性以及內(nèi)容生產(chǎn)的豐富性的需求，單一模態(tài)的內(nèi)容生產(chǎn)方式已經(jīng)難以滿足多?元化內(nèi)容的生成需求，因此對于從文字、圖像、音頻、視頻等多個不同模態(tài)之間的互相轉(zhuǎn)化和生成的需求不斷提升，進一步催生內(nèi)容的生產(chǎn)方式的變革，拓展 AIGC 內(nèi)容生產(chǎn)的邊界，實現(xiàn) AIGC 從“能用”進化到“好用”。

為了更加接近人類的多模態(tài)能力，大型預訓練模型的發(fā)展重點也開始向橫跨文本、圖像、 語音、視頻的全模態(tài)通用模型發(fā)展并成為主要趨勢。

在跨模態(tài)領域，“文字-圖像”的跨模態(tài)生成正在快速發(fā)展并進入較為成熟的階段， 通過輸入風格、色彩、內(nèi)容元素等關鍵字就可以得到

相應的圖像，MidJourney V5、Stable Diffusion 等 AI 繪圖產(chǎn)品已經(jīng)可以以比較高的質(zhì)量實現(xiàn)文字到圖片的生成；“文字-視頻”可以被看作“文字-圖像”的進階技術，通過關聯(lián)文本和圖像生成，逐幀生成所需的圖片，最后進行組合生成完整的視頻， 但由于視頻生成需要面臨不同幀之間的連續(xù)性問題， 需要確保視頻整體的連貫流暢， 因此技術要求也更高。

目前基于文字搜索合適的配圖、音樂等素材在已有模板下完成自動剪輯的“拼湊式生成”已經(jīng)進入商用階段 并存在較為成熟的產(chǎn)品， 但不直接引用現(xiàn)有素材， 只基于 AI 模型自身能力的 “完全從頭生成”還處于技術嘗試階段，生成的視頻時長、清晰度、邏輯程度等還有比較大的提升空間。

4.3 商業(yè)變現(xiàn)路徑日趨清晰，市場規(guī)模有望快速增長

AIGC 在文字、代碼、圖片的生成領域已經(jīng)進入相對成熟階段并能夠?qū)崿F(xiàn)一定程度的規(guī)模?化內(nèi)容產(chǎn)出的背景下，AI 技術的商業(yè)化路徑和變現(xiàn)模式也日益清晰。

目前的 AIGC 下幾種主流?的商業(yè)模式分別是 MaaS、根據(jù)產(chǎn)出數(shù)量收費、訂閱收費等：

MaaS (Model as a Services)：擁有預訓練模型的大型公司對外開放 API接口，基于模型 的調(diào)用量進行收費，適合底層大模型和中間層進行商業(yè)化變現(xiàn)。例如 OpenAI 允許第三方通過 API 將 ChatGPT 集成到第三方的應用程序和服務中心之中，定價為 0.002 美元/750 字。

根據(jù)內(nèi)容產(chǎn)出數(shù)量計費：向用戶提供內(nèi)容生成服務，按照生成的內(nèi)容數(shù)量進行收費。例如 DALL ·E、Midjourney 等繪圖軟件會按照圖片產(chǎn)出的張數(shù)進行收費。

訂閱制：類似于流媒體平臺，用戶按月支付費用獲取基本服務或增值服務。例如 ChatGPT 會向ChatGPT Plus 用戶收取 20 美元/月的訂閱費， 付費訂閱的用戶能夠享受更快的響應速??度、高峰時期的使用權限以及優(yōu)先享受新功能等附加服務。

根據(jù)量子位測算，2023 年國內(nèi)AIGC 市場規(guī)模預計可達到 170 億元， 自2025 年開始， 隨著產(chǎn)業(yè)生態(tài)越發(fā)完善，應用層將會蓬勃發(fā)展并帶動產(chǎn)業(yè)快速增長， 自 2028 年開始， AIGC 將延?展出完整的產(chǎn)業(yè)鏈并持續(xù)拓寬拓深商業(yè)化場景，預計到 2030 年市場規(guī)模有望超過萬億元。

4.4?AIGC有望帶來內(nèi)容產(chǎn)業(yè)的降本增效和模式創(chuàng)新

傳媒行業(yè)本質(zhì)是一個內(nèi)容型產(chǎn)業(yè)，尤為注重內(nèi)容的生產(chǎn)創(chuàng)作。

對于傳媒產(chǎn)業(yè)下的游戲、影視、廣告營銷等細分領域來說，生產(chǎn)的內(nèi)容即是產(chǎn)品，內(nèi)容供給端的豐富性會在較大程度上影 響用戶的需求，并且技術的進步也會催生更多對于內(nèi)容的需求。因此，能夠降低內(nèi)容生產(chǎn)的門 檻和成本、提高內(nèi)容生產(chǎn)的效率和質(zhì)量的AIGC 也將率先在傳媒領域得到比較廣泛的重視和應用。

短期來看， AIGC 所帶來的文本生成、音頻生成、圖像生成、視頻生成以及跨模態(tài)生成等?多個應用功能都能夠在游戲、廣告、影視等多個傳媒細分領域得到比較好的體現(xiàn)， 為傳媒產(chǎn)業(yè)?持續(xù)賦能。AIGC 目前在傳媒領域的應用短期將體現(xiàn)在兩大通用功能：(1) 作為內(nèi)容輔助生產(chǎn)?工具，在內(nèi)容創(chuàng)作過程中實現(xiàn)降本增效；(2)利用 AIGC 技術實現(xiàn)內(nèi)容產(chǎn)品質(zhì)量和使用體驗的 提升。

(1)?AIGC+游戲

游戲產(chǎn)業(yè)從研發(fā)到發(fā)行環(huán)節(jié)涉及的內(nèi)容創(chuàng)作環(huán)節(jié)數(shù)量眾多，流程復雜， 從產(chǎn)業(yè)鏈來看， 游戲的研發(fā)過程中包含了人物設定、劇情設計、美術繪畫、程序代碼、音樂音效、 3D 建模等大量的內(nèi)容要素， 在游戲發(fā)行過程中也包含了營銷素材制作、廣告投放策略等環(huán)節(jié)。

在玩家公認的質(zhì)量上乘的 3A (3A 為 A lot of money、A lot of time、A lot of resources)級別游戲研發(fā)過程中，存在“成本、質(zhì)量和速度”的不可能三角，質(zhì)量的保障伴?隨高昂的成本和大量的研發(fā)時間，因此游戲產(chǎn)業(yè)對內(nèi)容創(chuàng)作環(huán)節(jié)的降本增效需求也十分強烈。AIGC 技術所帶來的內(nèi)容創(chuàng)作模式變革將打破人力生產(chǎn)內(nèi)容的產(chǎn)能天花板，提升研發(fā)過程中內(nèi)容產(chǎn)出的效率和發(fā)行的效率，在保障內(nèi)容產(chǎn)品質(zhì)量甚至進一步提升質(zhì)量的同時還能夠使研發(fā)和 發(fā)行成本下降。

在研發(fā)階段， 目前文字生成領域的代表性產(chǎn)品 ChatGPT 已經(jīng)可以實現(xiàn)創(chuàng)作型文本的生成到?代碼編寫工作，?通過創(chuàng)作型文本的生成可以為游戲的世界觀、角色設定、劇情設計提供創(chuàng)意思路，策劃人員也可以基于AI生成的文本內(nèi)容進行二次加工，節(jié)省構思時間；同時ChatGPT還具有編程能力，能夠根據(jù)需求生成代碼，替代部分程序員的基礎代碼編寫工作。在美術階段，

目前有 Stable Diffusion、Midjourney 等產(chǎn)品能夠?qū)崿F(xiàn)文字到圖像的跨模態(tài)生成，依據(jù)給定?的 prompt 指令快速生成不同要素、不同風格的圖片，將概念性的文字轉(zhuǎn)化為可視化的圖像，?提高策劃和美術之間的溝通效率或直接用于游戲之中。

此外 AI 也能夠?qū)崿F(xiàn)從線稿草圖到完整?圖像的快速生成、繪圖風格的快速切換等功能，節(jié)約大量的繪畫美術工作的時間。在配樂階段，AI 能夠根據(jù)游戲風格和背景設定快速生成大量與游戲調(diào)性相符的音樂和音效供選擇，降低游戲研發(fā)過程中音樂方面的制作成本。

在對游戲可玩性的提升方面，AI 可以基于特定的場景和問題， 自主提出解決方案，生成?游戲操作策略， 可以用于注重對抗類的游戲產(chǎn)品。

例如 Deepmind 的 AlphaGO 在圍棋領域就展?現(xiàn)出了十分強大的策略生成能力，能夠戰(zhàn)勝大量國內(nèi)外頂尖棋手。

在以《英雄聯(lián)盟》為代表的 MOBA 類游戲以 《星際爭霸》為代表的 RTS 類游戲中，AI 的決策生成能力也能夠得到比較好的應用，由于這類游戲機制復雜， 十分考驗臨場反應、戰(zhàn)略戰(zhàn)術和玩家操作， AI 能夠通過強化?學習的方法模仿真實玩家，包括發(fā)育、運營、協(xié)作等指標，以及 APM、技能釋放頻率、命中??率、擊殺數(shù)等具體參數(shù)，使 AI 更加接近玩家的真實表現(xiàn)，豐富 MOBA 類和 RTS 類游戲的可玩度?和對戰(zhàn)的真實感。

另一種能夠?qū)?AI 和游戲內(nèi)容進行有效結合的方式是打造智能 NPC (非玩家角色)以提升游戲體驗。

在以往的游戲中， NPC 的所有行為邏輯是基于游戲策劃的設定驅(qū)動，雖然 NPC 也能夠根據(jù)玩家的不同選擇做出不同的行為， 但依然無法做到脫離原本設定的分支樹實現(xiàn)更加自由的交互。

在接入AI后，由 AI 來驅(qū)動 NPC 的行為和邏輯，使 NPC 能夠基于自己的理解對玩家的操作和文字交互行為產(chǎn)生反映， 智能化程度得到較大程度的提升， 一改以往游戲模式下 NPC 只?能根據(jù)系統(tǒng)設定的固定路徑與玩家進行交互。

通過 AI賦能能夠在游戲世界中構建幾乎無限且 不重復的劇情，達到 NPC 的 “千人千面”，實現(xiàn)完全的開放世界，豐富用戶的游戲體驗和自由度，增加游戲整體敘事的可能性。

(2)?AIGC+廣告營銷

廣告營銷領域的工作涉及數(shù)據(jù)資料收集和處理、宣傳文案的撰寫、宣傳內(nèi)容的制作、投放渠道的管理與效果分析等工作， 需要消耗大量的時間，其中有較多的工作都可以通過 AI 代替?人工的方式實現(xiàn)效率的提升。

在前期的數(shù)據(jù)收集和處理方面，AI 可以實現(xiàn)數(shù)據(jù)的獲取、 整合和分析的全過程參與，AI 能夠在社交媒體、搜索引擎、新聞網(wǎng)站等平臺自動抓取數(shù)據(jù)并將數(shù)據(jù)進行整合、優(yōu)化和分析， 幫助廣告主更好地了解當前的市場趨勢、競爭情況以及受眾群體的偏好并制定相應的廣告投放策略， 同時 AI 還能夠基于數(shù)據(jù)分析的結果和加上模型訓練對廣告投放策略進行模擬，對轉(zhuǎn)化率、點擊量、ROI 等指標進行預測并根據(jù)預測結果實時優(yōu)化投放策略并反饋給廣告主和營銷策劃機構。

在文案撰寫方面，與游戲策劃類似， AIGC 也可以在文本生成上實現(xiàn)創(chuàng)意性的廣告文案創(chuàng)作、品牌營銷軟文以及相關的拍攝腳本思路的生成，能夠降低廣告文案的創(chuàng)作門檻，節(jié)約策劃和文案創(chuàng)作的時間，提升效率。

另外在 AIGC 的圖像生成功能也可以用于一部分的廣告內(nèi)容制作。以服裝展示為例， 傳統(tǒng)?模式下的服裝展示需要聘請專業(yè)的模特、攝影師、燈光師和后期修圖人員，花費較高的時間成 本和金錢成本；

但通過 AI 生成的模特同樣可以達到展示服裝的效果，并且 AI 模特也可以根據(jù)目標消費者的年齡、?體型、臉型、膚色、發(fā)色、服裝搭配等不同情況進行動態(tài)調(diào)整并生成出多?類型的效果展示圖，?相比使用真人模特來說成本更低，效率更高并且能夠更加多樣化展示。

當技術不斷進步， AI 模特圖也會不斷優(yōu)化，在展現(xiàn)效果上也將會越來越接近真人實拍，實現(xiàn)廣?告內(nèi)容制作領域的降本增效和轉(zhuǎn)化率的提升。

(3)?AIGC+影視

影視行業(yè)產(chǎn)業(yè)鏈中包含了上游的劇本創(chuàng)作、中游的影視內(nèi)容拍攝、后期制作、宣發(fā)以及下游的播放環(huán)節(jié)。其中 AIGC 技術能夠在在上游的影視劇本創(chuàng)作和中游的影視內(nèi)容拍攝與后期制作領域進行深度參與。

在劇本創(chuàng)作方面，目前的影視劇本創(chuàng)作高度依賴編劇團隊，導致劇本的撰寫速度和質(zhì)量會 受編劇團隊的靈感、狀態(tài)等不確定性因素的影響。

與游戲策劃、廣告文案撰寫類似，AIGC 在?文本生成領域可以高度參與劇本創(chuàng)作，根據(jù)主題或情節(jié)梗概自動生成相關的劇本構思大綱和創(chuàng)意內(nèi)容甚至完全獨立撰寫劇本， 在短時間內(nèi)給作者和編劇提供不同的想法和思路， 也能夠基于特定的需求幫助編劇修正和優(yōu)化劇本，使劇本的語言和劇情的推進更加流暢，縮短劇本的創(chuàng)作 周期， 增加劇本產(chǎn)出的穩(wěn)定性。

另外 AI 也能夠通過分析大量影視戲劇作品的表現(xiàn)及數(shù)據(jù)的方式獲取市場和觀眾的偏好，?幫助劇本作者和制片方快速評估劇本的市場潛力， 并根據(jù)市場偏好及時進行內(nèi)容調(diào)整。

在影視拍攝和后期制作環(huán)節(jié)， AIGC 能夠利用計算機視覺和機器學習等技術在一些恢宏場景下自動批量生成大量不同體態(tài)、不同表情、不同動作、不同著裝的數(shù)字人演員來替代真人群演，實現(xiàn)數(shù)字演員“千人千面”。

另外在重要演員的場景方面， 通過 AI分析演員表情、語調(diào)、?表演的方式實現(xiàn)部分演員功能的替代，例如通過換臉的方式替代影視作品中部分劣跡藝人的戲 份，能夠在不影響劇情表現(xiàn)的情況下降低藝人道德風險， 減少制片方損失；或者通過讓 AI 學??習目標演員的職業(yè)生涯劇照及表演視頻素材， 生成目標演員的數(shù)字人， 使已故的演員“復活”?或讓演員實現(xiàn)屏幕中的增齡或減齡。

4.5?AIGC應用破圈，引發(fā)市場關注

目前的 AI 技術的應用已經(jīng)從最初的數(shù)據(jù)分析突破到創(chuàng)意性內(nèi)容的生成， 優(yōu)秀的內(nèi)容生成能力引發(fā)了大范圍的關注，GPT-4、Midjourney 等 AIGC 類應用產(chǎn)品的快速迭代和更新表明了 AIGC 的發(fā)展已經(jīng)步入快車道并正在為內(nèi)容創(chuàng)作領域帶來深刻的變革。

隨著算法、模型、算力?的持續(xù)優(yōu)化，未來的 AIGC 將實現(xiàn)更加高質(zhì)量的內(nèi)容產(chǎn)出， 當前技術成熟度相對欠缺的長文本?生產(chǎn)、視頻生成以及橫跨更多模態(tài)的多模態(tài)生成等方面也將逐一被突破、解決，進一步擴大AIGC 技術的應用范圍和普及率。

在內(nèi)容生產(chǎn)領域，AIGC 已經(jīng)率先被應用于游戲、影視、新聞媒體、文學創(chuàng)作、音樂、廣告等多個內(nèi)容領域， AIGC帶來的高效率創(chuàng)作能夠幫助B端和C端的內(nèi)容創(chuàng)作者降低創(chuàng)作門檻?和成本，提升內(nèi)容創(chuàng)作效率并帶來更多的商業(yè)化變現(xiàn)可能，未來的 AI 技術影響范圍還將進一?步擴大，有望實現(xiàn)全行業(yè)的“AI+”。

報告出品：中原證券

報告編輯：智能機器人系統(tǒng)

更多精彩內(nèi)容請關注公眾號：BFT機器人

本文為原創(chuàng)文章，版權歸BFT機器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時回應。