CIC灼识咨询-大模型与AIGC蓝皮书-2023-43页_3mb

灼识咨询大模型与AIGC蓝皮书总结

大模型核心技术与演进

• 定义与类型：
  • 人工窄智能（ANI）：专注于特定领域任务，当前主要应用形态。
  • 通用人工智能（AGI）：具备类人认知能力，尚处研发阶段，大模型是其实现路径。
  • 超级人工智能（ASI）：超越人类智能，仍处于理论层面。
• 关键特性：
  • 涌现性：参数量超百亿级别时能力呈现指数级增长。
  • 工程化：需严格数据清洗、大规模算力支撑。
  • 高投入：训练一次成本高达千万美元。
  • 通用性：可快速集成云计算、互联网技术。
• 发展阶段：
  • 基础大模型：知识储备丰富，内容质量一般。
  • 精调大模型：生成内容质量高，需人工标注。
  • 能力涌现大模型：接近人类水平，支持多领域应用。

AIGC与AI应用现状

• AIGC定义：继PGC、UGC后的新内容生产方式，依托AI自动生成内容。
• AI应用挑战：

  行业	主要障碍
  金融	数据整合程度低，AI解决方案分散
  医疗	数据分散在各机构，系统安全问题
  零售	传统零售商缺乏可用数据
  制造业	单点技术突破难规模化，数据管理不足

• AI支出趋势（2022-2027E）：
  • 全球AI市场预计2030年达1万亿美元，15%GDP将由AI驱动。
  • AI占IT支出比例（2027E）：金融198%、零售57%、制造业86%、医疗82%等。

AIGC应用场景与产业链

• 产业图谱：
  • 基础层：算力（GPU）、数据、算法模型。
  • 应用层：文本、图像、音频、视频、编程等多领域。
  • 终端层：内容创作平台、电商、娱乐、教育等行业。
• 典型应用场景：
  • 金融：风险评估、量化交易。
  • 医疗：医学影像识别。
  • 零售：个性化推荐、内容营销。
  • 制造业：工业自动化、供应链优化。
• 内容生产方式演变：
  • PGC（专业用户主导）→ UGC（普通用户创作）→ AIGC（AI辅助创作）。

细分技术与设备支撑

• GPGPU角色：为大模型训练和推理提供核心算力支持。
  • 工作原理：通过并行计算提升通用场景处理能力。
  • 市场增长：2022-2027年全球GPGPU市场规模年复合增长率555%。
• AIGC关键技术：
  • 生成对抗网络（GAN）、扩散模型、Transformer等。
  • 核心驱动力：算法升级（如CNN/RNN→Transformer）和算力提升。

政策与市场前景

• 发展驱动因素：
  • 算力需求指数级增长：大模型训练算力每3-4个月翻倍。
  • 政策支持：中国“十四五”规划强调AI重点领域应用。
  • 变现模式多元：按API调用、内容输出、会员制等多重收费方式。

彩蛋：生成式AI效率提升

• 文字类场景：翻译、写作、数据分析。
  • 技巧：明确角色设定、分步提问、样例引导。
• 图像与音视频类场景：自动设计、视频生成。
  • 工具使用：Midjourney、Perplexity等辅助创作。
• 应用限制：
  • 数据隔离：多数AIGC依赖公开数据，私有数据整合不足。
  • 技术门槛：模型应用需一定专业知识，普及尚需降本增效。