CIC灼识咨询2023大模型与AIGC行业蓝皮书43页_6mb

CIC灼识咨询大模型与AIGC 2023蓝皮书

一、核心定义与演进

• AI三大类型：

  • 专用人工智能（ANI）：当前主流，执行特定任务，如GPT系列。
  • 通用人工智能（AGI）：研发阶段，需达到人类认知水平。
  • 超级人工智能（ASI）：远期目标，超越人类能力。

• 大模型特征：

  • 涌现性：千亿级参数下性能指数增长，非线性突破能力。
  • 工程化与高投入：需大规模高质量数据和成本（单次训练可达千万美元）。
  • 通用性：可跨界融合云计算/互联网等技术，赋能各行业。

二、AIGC生态解析

• 发展历程与价值：

  • 提供降本增效、内容多样性与创作门槛降低，推动产业变革。
  • 应用场景覆盖娱乐、电商、教育、金融等领域，如虚拟主播、智能商品生成。

• 底层技术架构：

  • 生成算法：扩散模型（Diffusion）、GAN、Transformer（如CLIP）。
  • 技术层：算力（GPU/TensorFlow）、数据（多源整合）、平台（OpenAI、百度文心）。

三、垂直行业渗透

• 金融：风险评估、量化交易、智能客服（如第四范式）。
• 医疗：影像识别、药物发现（科大讯飞星火平台）。
• 制造与零售：供应链优化、个性化推荐（京东言犀大模型）。
• 政策支持：中国自2017年起将AI列为国家战略，规范生成式服务管理办法。

四、算力与基础设施支撑

• GPGPU主导：英伟达A100等芯片并行计算架构是模型训练基础。
• 算力增长：预计2022-2027年智能算力市场年复合增速超65%，支撑大模型发展。

五、生态变现与关键限制

• 商业模式：
  • C端：用户订阅（如ChatGPTPlus，$20/月）。
  • B端：API调用、定制化模型，如百度智云赋能长安汽车。
• 现存问题：
  1. 应用端不成熟，需调试优化（如图像生成）。
  2. 数据隐私限制，企业敏感数据难以使用。
  3. 用户专业门槛高，默认依赖领域知识。

六、生成式AI优化效率

• 典型场景应用：

  • 文字：自动翻译、内容扩写、报告修订。
  • 图像：商业图标、插画生成（Midjourney挑战）。
  • 代码与行业报告工具（MindOS）。

• 现状与挑战：AI增效显著，但需解决版权、人才与访问成本问题。