深度报告-20230320-国海证券-人工智能系列深度报告_AIGC行业综述篇——开启AI新篇章_65页_2mb

人工智能系列深度报告：AIGC行业综述篇——开启AI新篇章

核心内容

本报告系统分析了人工智能（AI）及生成式AI（AIGC）的发展阶段、技术演进、应用场景、企业布局及商业模式，并指出AIGC作为AI的最新形态，正在引发新一轮的生产力变革。AIGC具备生成内容规模大、质量高、成本低的优势，未来将从辅助创作逐步发展为高度自动化的独立创作。

主要观点

1. AI发展阶段：

   • AI发展分为四个阶段：规则导向、机器学习、深度学习、自主学习，目前处于深度学习阶段。
   • 应用成熟度分为三个阶段：弱人工智能（ANI）、强人工智能（AGI）、超人工智能（ASI），当前处于ANI阶段。
   • 应用类型分为感知式AI、分析式AI、决策式AI和生成式AI，生成式AI（即AIGC）迎来突破。

2. 技术进步：

   • 算力是AI发展的支撑，但数据是核心瓶颈，算法则逐步迎来突破。
   • Transformer架构在NLP领域取得突破，提升了AI的推理能力，向AGI迈进。
   • AIGC采用GAN算法，已在文本、音频、图像、视频等领域取得显著进展。

3. 应用现状与前景：

   • AIGC已在影视、传媒、电商、娱乐等领域实现规模化应用。
   • 游戏、金融、医疗、法律、设计等专业领域正在逐步拓展。
   • AIGC将推动人机共生，成为元宇宙内容生成的重要支撑。

4. 企业布局：

   • 国际巨头如微软、谷歌、Meta、OpenAI等全面布局AIGC。
   • 国内企业如百度、阿里、腾讯、华为等也在大模型领域发力。
   • 中小企业则集中在中下游环节，如数据标注、内容生成、虚拟人等。

5. 商业模式：

   • AIGC商业化初启，主要以MaaS（Model as a Service）为主。
   • 小模型已在部分B端领域实现商业价值闭环，大模型仍需探索商业模式。
   • 国内SaaS生态尚不成熟，商业化进程需各方协同推进。

关键信息

• AIGC的生产要素：算力、数据、算法是AIGC发展的三大核心要素。
• 算力需求：随着模型参数量的增加，算力需求显著上升，但模型压缩技术有望降低单位算力消耗。
• 数据瓶颈：AI训练依赖海量高质量数据，但数据获取与标注成本高，未来需通过数据反哺降低边际成本。
• 算法突破：Transformer架构在NLP领域的广泛应用，推动了AI向人类推理方式靠拢。
• ChatGPT的突破：ChatGPT通过RLHF（人类反馈强化学习）机制，提升了模型与用户需求的匹配度，成为AIGC领域的重要代表。
• 行业趋势：AIGC将从辅助创作向自动化创作发展，产业链将呈现“头部效应”与“百花齐放”并存的格局。

产业链发展趋势

风险提示

• 人工智能发展不及预期
• AIGC发展不及预期
• 技术发展不及预期
• 商业化拓展不及预期
• 行业竞争加剧
• 中美科技竞争不确定性

AIGC产业链图谱

• 上游：云计算（阿里、百度、腾讯、华为）、AI芯片（英伟达、寒武纪、地平线）、数据服务商（海天瑞声、奥飞数据）等。
• 中游：NLP（科大讯飞、百度）、3D生成（聚力维度）、代码生成（清华大学、中国科学技术大学）等。
• 下游：虚拟人（腾讯、倒映有声）、视频生成（当虹科技、影谱科技）、电商（值得买）、传媒（汉仪股份、中文在线）等。

商业模式分析

未来展望

• AIGC将实现从辅助创作到自动化独立创作的转变，提升内容生产效率。
• 内容创作模式将从供给导向转向需求导向，从单次生产转向多次生产。
• 随着技术进步，AIGC将在更多领域应用，推动人机共生与智能化发展。

结论

AIGC正在成为AI技术应用的新引擎，其发展依赖于算力、数据和算法的持续突破。随着技术成熟和商业化落地，AIGC有望成为推动多行业创新的重要力量，但同时也面临数据、算力、人才、资金等多方面的挑战。未来，AIGC将加速与各行业融合，推动AI技术进入新的发展阶段。