部门：TMT 研究一部 2023 iResearch Inc.AIGC 场景应用展望研究报告 2023 年2 2023.12 iResearch I AIGC 研究范畴界定 AIGC 是内容生产方式的进阶，实现内容和资产的再创造 AIGC（AI-Generated Content）本质上是一种内容生产方式，即人工智能自动生产内容，是基于深度学习技术，输入数据后由人工智 能通过寻找规律并适当泛化从而生成内容的一种方式。过往的内容创作生态主要经历了 PGC、UGC 到 AIUGC 的几个阶段，但始终难以 平衡创作效率、创作成本及内容质量三者之间的关系，而 AIGC 可以实现专业创作者和个体自由地发挥创意，降低内容生产的门槛，带 来大量内容供给。此外，对于仍处于摸索阶段的元宇宙世界，AIGC 技术的发展也带来了解决元宇宙内容创造问题的解决可能，可实现 为元宇宙世界构建基石的关键作用。来源：艾瑞咨询研究院自主研究及绘制。内容创造的最高阶段，可实现 低成本高产能 且高质量 的内容生产 AIUGC（AI 辅助生成内容）低成本高产能 且 内容质量较高 UGC（用户生成内容）低成本 质量参差 满足个性化需求 PGC（专家生成内容）成本高产能有限 但内容质量高 内容创作生态产业的发展阶段 AIGC 跟元宇宙是什么关系？理想中的元宇宙世界 虚实融合无边界的沉浸体验 实时全景，不受空间限制 可塑造每个人的虚拟世界化身 存在的关键问题 难以处理大规模、非结构化数据 难以构建个人的元宇宙化载体 以上问题导致元宇宙生态是一个“空荡荡的世界”AIGC 可以做的事 支持媒体融合，可处理多模态信息 可开发制作交互式内容，将所有行为 编码到其中，帮助用户创造具有内置 行为的集成 3D 对象3 2023.12 iResearch I AI&AIGC 的演进历程 从决策判别到创造生成，人工智能进入双“G”时代来源：朱松纯，公开资料搜集，艾瑞咨询研究院自主研究及绘制。1956 年 2011年 历史上第一次人工智能研 讨会召开，标志着人工智 能的诞生 1986 年 早期萌芽阶段（1950s1980s）技术积淀阶段(1980s2010 年)快速发展阶段（2011 年 2016 年）2017 年 爆发阶段（2017 年）决策+认知+感知+学习+执行+社会 协作 决策式 AI 生成式 AIGeoffrey Hinton 等人提出了一种名为 Backpropagation 的神经网络训练算法，被认为是神经网络技术的一次重大突破 IBM 的 Watson 计算机在美国电视节目 Jeopardy 中战胜了两位前冠军 1965 年 Herbert Simon 和 Allen Newell 开发了一个名为 Logic Theorist 的程序，它可以用逻辑推理的方式 解决数学证明问题，这被 认为是人工智能领域的一 次重大突破 1997 年 国际象棋世界冠军 Kasparov 在与 IBM 开 发的 Deep Blue 计算机的比赛中失利，标志着人工智能开始在一些传统的思维 活动上超越人类 2006 年 深度学习技术发明，带来了革命性突破 2015 年 Google 的 AlphaGo 程序在围棋比赛中 战胜了世界冠军李世石，标志着人工智 能开始在更复杂的思维活动上超越人类 2013 年 Transformer 架构提出，为 大模型发展打下基础 DeepMind 提出基于深度学习的强化学 习模型 2018 年 GPT 与 BERT 模型推出，开启“大模型时代”2022 年 ChatGPT 推出 2022 年 Transformer 架构提出，为 大模型发展打下基础 2014 年 GAN 可生成图像但分辨率有限 小规模专家知识 浅层机器学习算法 深度机器学习算法 大规模预训练模型 AI 的发展经历了从决策式 AI 到生成式 AI 的过程。在 2010 年之前，AI 以决策式 AI 为主导，决策式 AI 学习数据中的条件概率分布，底层逻 辑是 AI 提取样本特征信息，与数据库中的特征数据进行匹配，最后对样本进行归类，主要针对对样本的识别和分析。2011 年之后随着 深度机器学习算法以及大规模预训练模型的出现，AI 开始迈入生成式 AI 时代，生成式 AI 的特征是可以根据已有的数据进行总结归纳，自动生成新的内容，在决策式 AI 决策、感知能力的基础上开始具备学习、执行、社会协作等方面的能力。当下人工智能在生成（Generation)和通用(General)两条主线上不断发展。4目 录 CONTENTS01 技术视角：AIGC 产业技术新突破 02产业视角：AIGC 的产业新变革 03典型企业案例 Technical perspective Industrial perspective Case study 04AI 场景应用领航者评选 Piloting Enterprises5技术视角 Technical perspective 016 2023.12 iResearch I 如何理解“iPhone 时刻”？为何 C hatGPT 被称为 AI 的“iPhone”时刻？代表了大模型时代的爆发，使得 AI 的可用性与易用性大幅提升 ChatGPT 达到 1亿用户只用了 2个月，与之对应，即便是 Apple APP store 也花费了 2年时间才达到 1亿用户，人工智能正以摧枯拉朽的 势头席卷整个科技圈，英伟达 CEO 黄仁勋更是喊出 ChatGPT 就是 AI 的“iPhone 时刻”。来源：公开资料搜集，艾瑞咨询研究院自主研究及绘制。iPhone 代表了计算机从功能性向易用性的转变，在发明 iPhone 之前，上网还是一个动词，我要去上 网，但现在，我们每时每刻都在上网，跟呼吸一样。iPhone 通过各种各样的应用解决了大家接入互联 网的门槛问题 1为什么说 ChatGPT 是 AI的“iPhone 时刻”2功能性 易用性 计算机变革 过去：PC 接入网络 现在：手机随时上网 大数据+小算力+专用范式 大数据+大算力+通用范式 人工智能变革 基于数据库+知识图谱 基于机器学习 购买昂贵 AI 硬件设备 通过客户端程序，轻 松体验大模型服务 ChatGPT 是 AI 易用性 革新的一大步，让用户可以通 过 自然语言 便捷的使用。过去很长一段时间内，专 业 人士都认为机器学习不适合自然语言处理。通常 的处理方式是建立某个领域的语料库，在不同语料 库之间搭建知识图谱等关联，通过逻辑搜索方式实 现答案反馈；但 ChatGPT 可以被视作是 AI 能力的集 成，还可以内嵌入各类软件，实现对 生产力的革命；GPT、BERT 等大模型架构，有望成为 AIGC 时代的“操作系统”。而 Jasper、Waymark、Inworld 等 AI 公司就是基于它开发的应用，提供各种不同的 AI生成能力 过去 现在 不同模型做不同任务 通用模型“大力出奇迹”可用性提升 通用性提升 易用性提升7 2023.12 iResearch I 从 ChatGPT 的爆火看 AIGC 的技术发展 Transformer 类架构的发展带动多模态融合，为范式转变奠定基础 在图像生成领域内，CNN 类架构是一个重要的里程碑，尤其擅长图像分类和目标检测任务，但由于难以生成高分辨率任务、难以捕捉 图像全局结构和语义信息。近年来，Transformer 类架构在图像生成领域也开始逐渐被应用，在自然语言处理领域的机器翻译任务中，Transformer 已经成为了一种主流的模型架构。在图像生成领域，Transformer 类架构可以有效地捕捉图像的全局结构和语义信息，同 时也可以生成高分辨率、逼真的图像，多模态架构逐渐成为了图像生成领域的研究热点。多模态架构可以建立统一的、跨场景/任务的 模型，将不同类型的数据（如图像、文本、音频等）融合起来，极大地拓展了人工智能认知并理解世界的能力边界。多模态学习在不同 模态间搭建了桥梁，使得基础模型通过迁移学习和规模涌现达到能力跃迁成为可能，极大加速了通用模型的演进。来源：公开资料搜集，艾瑞咨询研究院自主研究及绘制。语 言 处 理 视 觉 处 理 LSTM 类架构 Transformer 类架构 CNN 类架构 Transformer 类架构 多模态 Transformer类架构 BERTGPT-4Transformer GRU Seq2SeqGPT-1 GPT-2 GPT-3 chatGPT2020 年 2023 年 2014 年 2017 年 LAMDAViT（Vision Transformer）BEiT-3传统的自然语言/计算机视觉处理 深度神经网络 多模态+大模型 引入注意力机制 引入人工反馈强化学习（RLHF）生成式对抗神经网络 GANKosmos-1PaLM-E处理图像预训练大模型成为趋势 CLIPVGGAlexNetResNetDenseNetXLNetYOLODETR T2T-ViT8 2023.12 iResearch I“成熟”的 AIGC 大模型需要哪些要素？AIGC 产业的发展是对于技术条件、人才条件和资本条件的综合试炼场，其中技术条件无疑是核心的核心。AIGC 技术主要由算法、算力 和数据构成，三者互为因果。来源：OpenAI；浙商证券；人力条件资本条件技术条件算力 算法 数据 模型算法 是 AIGC 发展的推手，也是一系列解决问题、实现特定功 能的有序指令和步骤，它直接决定了内容的生成能力和效果；目 前的 AI 大模型涉及到机器学习、自然语言处理、深度学习、计算 机视觉等方面；训练数据 是 AIGC 发展的燃料，体现了对现实世界的反映与提现，大模型的质量与训练数据量呈正相关关系；数据环节涉及到数据 挖掘、数据仓库、数据可视化、隐私保护等内容；算力 是 AIGC 发展的基础，体现了对信息数据的处理能力；自深度 学习等算法出现以后，全球的算力需求快速上涨，2012 年以来，全球的算力需求增长 30 万倍；算力主要涉及到数据中心、云计算、分布式计算、边缘计算等内容；开发大模型需要尖 端人才和一批中坚 力量工程师的结合；同时，也需要许多 从事数据清洗、提 示工程的相关工作 人员 投入 预训练大模型由于 参数量不断提升，带来了超大的算力 需求，对应着极高 的训练成本；以 ChatGPT 为例，其单次训练成本高 达 1200 万美金 大模型是一场综合战斗，需要兼顾技术、人力和资本要素“成熟的”大模型 算法模型 训练数据 足够算力=大模型的训练过程 数据搜集 数据预处理 框架模型选择 模型训练 结果评估 模型调优 模型部署及应用 调 参 大模型训练所需要素9 2023.12 iResearch I 通用基础的 AIGC 大模型发展重点 来源：浙商证券；算力：高端 GPU由美国垄断，可曲线提升算力 算法：大模型考验底层算法创新 数据：数据质量 有待提升 背景：AI 服务器芯片是大模型的基础，可由满足高吞 吐量互联需求的 CPU+XPU 的异构结构组成 可能路径：硬件性能提升和部署架构调整是可能的算 力能力提升方向 目前 AI 大模型底层算法主要以 Transformer 模型为基础发展而来；底层算法的短时间内得到提升可能性 较 小，需要顶尖人才的长时间投入；现状：用户量高，但中 文内容少，且高质量数 据集严重不足 技术能力是大模型发展基石，算力、算法和数据三者互为推手 硬件提升 部署架构 单核心 CPU 多核心 CPU异构设计 存算一体 CPU 加速芯片 主要负责系统管控 通用性 GPU FPGA ASIC适合模型 训练阶段 适合研发 阶段 适合规模 量产阶段 开发难度 主要负责任务加速 低 中 高 低 高 中 任务 CPU 核心数量、操作系统、调度算法、应用与驱动等 方面均会影响系统性能优劣；除了硬件算力外，数据传输能力也是算力的隐形限制；虽然目前 GPU 的并行计算高度适配神经网络，但存算 一体设计的发展或可以一定程度加速算力进展；格局：预训练大模型强调泛化能力；领 域模型强调专业能力 可能路径：底层创新或现有算法能力的提 升，其中算法优化更为现实“大”模型“小”模型 面向通用任务 面向特定领域任务 知识蒸馏 迁移学习 可能路径：提升数据预 处理能力与数据共享机 制的建设 数 据 处 理 数 据 共 享 对互联网直接搜到的 信息进行数据预处理，规范数据结构与质量，保障 AI 训练前提 中文互联网的数据壁 垒需要有关部门或社 会组织出面，设立数 据共享机制等可能的 解决方案 自适应学习 网络剪枝 正则化 参数初始化 算 法 优 化 底 层 突 破 大参数大算力大数据 小参数小算力小数据 强调泛化能力，解 决多种任务需求 强调领域知识，一 般专注于某类任务 注：需要强调的是大模型和小模型之间并非 对立，而是一个可以互相促进的关系。截至 2021 年，简体中文 互联网用户和英文互联网 用户规模相当；但在全球 排名前 1000 万个网站中，英文内容占比 60.4%，中 文仅占 1.4%；且用于训 练还需要先将数据进行预 处理，规范数据结构与质 量10 2023.12 iResearch I AIGC 产业链路 AIGC 产业可分为三层，其中模型层和应用层值得关注 AIGC 现有产业链由数据供给、模型开发与定制、应用与分发构成。目前来看，模型层为关键因素之一；其次，应用层发展空间巨大。上游数据供给由收集大量原始数据对其进行预处理，以便提供给模型训练，投资确定性强。在中游，使用注释数据开发和训练 AI 模型以 生成内容，在垂直细分领域进行二次开发，来适应定制化需求；下游协助用户使用模型和算法生成内容，例如：文本、图像、视频等。基于不同的价值创造逻辑，将生成的内容分发到各种渠道。来源：公开资料，艾瑞咨询研究院整理及绘制。模型开发平台 计算平台 训练平台 平台方 数据平台 机器学习框架 深度学习框架 风险管理数据 CRM 系统数据 中间层模型 中间集成商 行业大模型 二次开发商 文本生成 图像生成 音/视频生成 跨模态生成 合成数据 开 发 与 定 制 数 据 供 给 算力集群商 芯片商 算力方 云服务商 检测审核 交易撮合方 第三方确权 创作配合工具 其他配套设施 计价方 底层通用大模型 开源模型 完全自有，不对外开放的 API 对外开放 模型站 应用 与分发 应用层 模型层 框架层 基础 设施层 消费级终端 行业解决方案 游戏行业 营销行业 电商行业 医疗行业 金融行业 11 2023.12 iResearch I 产业链中的模型层有望实现分化 通用大模型一时风头无两，但未来多种模型组合是更可能方向 我们认为，短周期内通用类大模型市场热度较高，长周期内多种模型组合是未来发展方向。根据模型体量，AIGC 模型可分为大模型、小模型、微模型。大模型参数量大，算力强，具备通用类问题处理能力。小模型多专注于垂类领域，往往在垂直场景具备充足的数据以 及问题处理能力。微模型更加个性化，由用户个人数据训练而成。大模型和小模型具备不同的优势，分别通过压缩技术以及教师模型进 行整合来提高问题处理能力，能够实现 1+1 大于 2的效果，可能是未来模型层的发展方向。来源：艾瑞咨询研究院自主研究及绘制。较大模型 较小模型：大模型能够通过压缩技术向小模型输出知识能力；或从大模型中抽取小模型，以轻量化 的小模型向下游场景赋能。较小模型 较大模型：小模型可作为教师模型加速大模型收敛，或作为样本价值判断模型帮助大模型迭代，增 强大模型的行业知识积累。大模型/通用模型 小模型/领域模型 微模型/个性化模型 压缩/抽取 教师/样本 以大模型的涌现现象为基础，通过大参数量、大算力和大 数据的“暴力美学”实现 以领域数据、有限算力和有 限参数量训练，更关注场景 应用和领域理解 可以由用户个人数据进行训 练，成为定制化模型，完成 个性化任务 可能的 AIGC 模型格局及各方关系12 2023.12 iResearch I 产业链中的应用层尤其值得关注 应用层更像是移动互联网时代的工具，有望生长出巨大的价值 我们认为，AI 以基础设施层、框架及模型层、应用层为主要的领域，分别对于产业链的上游、中游、下游。基础设施层的核心是提供算 力，包含 CPU、GPU 等服务器设施。模型层以 AI 模型产品为主，投入周期较长，存在一定的技术壁垒。应用层是 AI 产业链的下游，直 接对接客户以及用户，主要包含面向 C端的消费级终端以及面向 B端的行业解决方案，应用层本身进入壁垒较低，同时中国具备广阔的 AI 应用层落地场景，因此我们认为应用层存在较多机会。来源：艾瑞咨询研究院自主研究及绘制。应用层 应用层包含主要面向 C端用户的消费级终端和主要面向 B端服务的行业解决方案，应用层更 多是基于模型能力和对用户需求的洞察，直接面向用户/客户进行服务；可将其简单理解为 移动互联网时代的各类工具，未来的潜力空间较大，有较大创业空间；模型层 模型层的发展需要顶尖科学家长时间的投入，不太可能短期内产生突破，目前国际上主流 的 AI 模型多是来自 OpenAI、Google 等国际科技巨头；未来模型层能力预计也将是大厂之 间的斗争；基础设施层 基础设施层的核心是支撑算力的 AI 服务器（CPU/GPU/FPGA/ASIC 等），其中适合 AI 训 练的 GPU 主要由英伟达和 AMD 垄断，此方面中国与国外在硬件上的能力差距较大，创业 机会小。1 消费级终端 2 行业解决方案 主要服务于 C端用户，提供各类内容的生成服务 先发优势、生态能力、大模型能力 ChatGPT、Midjourney 等 主要服务于 B端客户，围绕业务做全链路支持服务 行业理解、服务能力、领域数据 百度、蓝色光标等 简介 竞争壁垒 典型企业 简介 竞争壁垒 典型企业13 2023.12 iResearch I 未来中国的 AIGC 产业将走向何方（1/3）大模型多模态：进一步深化，其中文生视频能力将进一步提升 在目前的市场下，AI 已经具备生成文本、音频、图像、视频的能力。基础的生成式 AI 以文本模态为主要特征，音频、图像、视频等模态 市场热度较高。文生图像以 CLIP 为主要训练的神经网络模型，其中文本和图像通过编码器进行分解，分解后进行映射，完成训练，文 生音频具备相似的训练模式。随着 大模型多模态能力升级，文生视频快速发展。继文生图能力融入各个大模型之后，文生视频成为大模 型多模态应用的 新趋势。近期多家厂商发布相关产品或更新，大幅提升文生视频效果。来源：国泰君安证券，Structure and Content-Guided Video Synthesis with Diffusion Models，招商证券，艾瑞咨询研究院自主研究及绘制。T1 T2 T3 TnN1 N2 N3 NnMiDaSCLIPAI 多模态生成机制 Stability AIStable Video Difusion(SVD)Pika Labs Pika 1.0Runway Gen-2支持文本、图 形到视频生成、物体从单视角 到到多视角的 转化、3D合 成等 视频样式转换、画布拓展、内 容编辑等 Meta Emu Video字节跳动 PixelDance产品 公司 更新介绍 作品升级至可 支持 4K清晰度 训练有效性、模型性能、关 键设计决策、用户评估 生成有高度一 致性且有丰富 动态性的视频 等 音频 视频 图像 AI 可实现模态 文本 文生图/音频训练模型 文生视频训练模型 文本 编码器 文本 图像 音频 图像/音频 编码器 文本 编码器 文本 编码器 文本 映 射 视频 映射 结 构 内 容 近期文生视频产品动态频繁14 2023.12 iResearch I 未来中国的 AIGC 产业将走向何方（2/3）应用层：进入壁垒较低具备更加广阔的创业空间，对中小企业的容纳性高 模型层以高研发壁垒以及高运行成本为主要特点，一方面从数据基础和训练成本来看，模型层的研发均需要体量较大的数据以及充足的 算力来完成，另一方面从运行成本来看，模型层的运行需要较强算力的支持。应用层本身目前的运维成本较低，同时适合对底层算法能 力有着不同期望的企业。大厂存在数据和资金两方面的基础，在模型层具备优势。应用层目前受惠于行业普遍较低的模型 API 调用价格，运行成本目前还较低，适合初创企业。来源：安信证券，中金公司，艾瑞咨询研究院自主研究及绘制。高研发壁垒 数据壁垒：模型能力较大程度上依靠训练数据，大厂往往具 备优质数据 训练成本：模型训练对芯片、服务器等算力设施的需求较大，带来较高的训练成本，每个 token 的训练成本大概为六倍的 模型参数数量 高昂运行成本 运行成本：根据安信证券推算，ChatGPT 运行成本在 9.1-45.6 亿美元每年，运行成本较为高昂 保守 中性 乐观 每年总成本 9.1 亿美元 19.2 亿美元 45.6 亿美元 服务器需求量 3210 个 6741 个 16049 个 模型层 VS应用层 模型层 应用层 API 调用模式 成本仅包含大模型 API 调用成本，成本较低 GPT-4.0 文心大模型 通义千问-TurboAPI 调用成本（每千 tokens）0.03 美元（输 入）、0.06 美 元（输入）0.012 元 0.008 元 私有大模型部署模式 成本包含模型及算力成本 适用于希望掌握底层算法能力的应用层企业 模型成本 算力成本（租 用）算力成本（购 置）年成本 约 4000 万 约 2.6 亿 约 3-4亿 模型层及应用层进入壁垒对比15 2023.12 iResearch I 行动 规划 工具 未来中国的 AIGC 产业将走向何方（3/3）大模型应用能力：能力提升带来 AI Agent，帮助 AI 智能化 随着大模型技术的成熟，规模增大，大模型为 AI Agent 提供强大能力。Agent+大模型将有望构建具备自主思考、决策和执行能力的智 能体，进一步提升大模型的应用能力。在人工智能领域，AI Agent 视为能够使用传感器感知周围环境、做出决策并使用执行器做出响应 的人工实体。对比 AI 与人类的交互模式，AI Agent 较目前广泛使用的 Copilot 模式更加的独立，能够自主调用资源完成任务，人类在其 中起到督促和评估的作用。AI Agent 具有更广泛的应用范围可处理多个任务，并在不同领域中执行各种功能；具有更自然和灵活的交互 方式，能够理解复杂的自然语言指令，与用户进行更智能对话。来源：腾讯研究院,，GitHub，艾瑞咨询研究院自主研究及绘制。基于 LLM 驱动的 Agent 基本框架 记忆 计算器 交互协作 代码解释器 搜索 更多 日历 智能体 短期记忆 长期记忆 反射 自我反思 思维链 子目标拆解 智能体 智能体 人类与 AI 协作的三种模式 人类完成绝大部分工作 人类设立 目标 某几个任务 AI 提供信息 及建议 Embedding 模式 人类自主 结束工作 人类和 AI协作工作 Agent 模式 设立目标、提供资源、监督结果 某几个流程 AI完成初稿 人类设立任务 目标 人类修改调整 确认 人类自主结束 工作 Copilot 模式 AI完成绝大部分工作 任务拆分 工具选择 进度控制 AI 全权 代理 AI 自主 结束 工作16产业视角 Industrial perspective 0217 2023.12 iResearch I 2023.12 iResearch I 来源：CB insights，艾瑞咨询研究院自主研究及绘制。来源：IT 桔子，艾瑞咨询研究院自主研究及绘制。AIGC 产业融资概览 AIGC 在全球范围内迎来融资热潮，国内多行业企业备受投资机构关注 从全球的视域来看，全球 AI 产业在 22 年经历了微小的回落之后，23 年迎来强劲反弹，仅上半年生成式 AI 在资本市场便募集约 141 亿美 元的资金，产业在资本市场异常火爆，同时大部分的企业仍处在早期融资轮次，后期仍存在大量的资金需求。从中国的视域来看，中国 AIGC 产业呈现相似的趋势，21 年达到峰值，受疫情影响 22 年产业融资数额较低，随后在 23 年呈现反弹。AIGC 本身对资金需求较大，随着 AIGC 在国内应用场景的逐步落地，我们预计 24年 AIGC 在资本市场仍然是投资热点。全球生成式 AI产业融资规模 2023年中国 AIGC融资情况 2023年 10月国内部分 AIGC行业投融资事件 全球生成式 AI企业融资轮次分布 125352514120192020202120222023H1融资金额（亿美元）27%36%15%12%1%7%未融资 种子轮&天使轮 A轮 B&C 轮 D+轮 其他 早期轮次 AI企业约 78%27243143476117202572融资金额（亿元）2019 2020 2021 2022 2023YTD时间 公司名称 轮次 金额 行业分类 2023/10/8 九章云极 D1轮 3亿人民币 人工智能基础软件 提供商 2023/10/9 西湖心辰 股权 投资 未批露 人工智能内容生成 服务提供商 2023/10/16 智谱 AI 股权 投资 未批露 新一代认知智能通 用模型开发商 2023/10/17 百川智能 A1 3亿美金 通用人工智能服务 商 2023/10/26 WorkMagic 天使轮 数百万美元 生成式 AI驱动 Agent营销 SaaS平台18 2023.12 iResearch I AIGC 场景应用图谱 AIGC 场景应用包含通用的消费级终端和针对各行业的解决方案服务商 注释：现图谱范围中面向 B端的企业客户为不完全统计，政务、运营商、企业工具、能源、工业等行业暂无在图谱中进行展示。来源：艾瑞咨询研究院自主研究及绘制。2023 年中国 AIGC 场景应用图谱 媒体/影视 电商 在线教育 广告营销 金融 游戏 医疗 消 费 级 终 端 行 业 解 决 方 案 文本生成 图片生成 音视频生成 其他生成 腾讯 AI 写作助手 创意画廊 字节跳动 剪映 快手云剪 蓝标分身 我国 AIGC 产业发展目前已经发展出了两类主要业态，其一是主要面向 C端用户，提供的产品主要可以以模态划分为文本生成、图片生 成、音频生成、视频生成、虚拟人生成等多样内容形态；其二是主要面向 B端企业客户，提供的产品更多是基于特定领域的专业服务，目前布局较多的赛道包括游戏、媒体/影视、电商及广告营销等重内容赛道。未来相信 AIGC 将继续延展产业链，并在商业化场景上持续 拓宽拓深，深入变革各个行业。其他19 2023.12 iResearch I AIGC 实践及应用：行业应用变革分析 以内容生产力、技术成熟度维度来评价行业是否会被 AIGC 颠覆 该评价体系按照系统性和典型性原则，将通过从内容生产力、技术成熟度维度去评价 AIGC 对于各行业的影响程度。来源：专家访谈，艾瑞咨询研究院自主研究及绘制。AIGC 对行业影响评估模型 搭建逻辑 内容生产力 内容质量需求 内容生产效率需求 技术成熟度 大 模 型 能 力 人 机 交 互 能 力 垂 类 模 型 定 制 化 开 源 能 力 技 术 迭 代 能 力 数 据 密 集 能 力 工 作 重 复 度 任 务 决 策 复 杂 创 意 密 集 程 度 专 业 知 识 性 内容生产力 主要用于客观评价行业内容的全 面性、丰富性、创意性、专业性，能够匹配当前 AIGC 市场对于内 容的高需求 技术成熟度 数字化程度对于行业影响情况，具备相应技术能力的行业更有 发展优势 iResearch：2023 年中国 AIGC 对行业变革影响评估模型 技术发展水平 技术能力20 2023.12 iResearch I AIGC 实践及应用：行业应用变革分析 各行业应用 AIGC 商业实践分析 在“i Research：2023 年中国 AIGC 对行业变革影响评估模型”的研究基础上，我们聚焦“AIGC 在行业可变革程度、行业商业变现潜 力两个维度进行解读。iResearch：2023 年各行业应用 AIGC 潜力矩阵 Section 1:整体商业化潜力分析 热门发展市场：行业可变革程度较高的同时商业化潜力高，最有可能率先受到 AIGC 产业发展的影响；平缓上升市场：行业可变革程度较高，但商业化驱动力稍 差，较有可能受 AIGC 产业发展冲击，但程度低于热门发展 市场；潜力拓展市场：行业可变革程度较低，但商业化驱动力强，有可能受 AIGC 产业发展冲击，但程度低于热门发展市场；初步探索市场：行业可变革程度较低同时商业化驱动力不 强，预计受 AIGC 产业发展的影响相对较小；Section 2:细分领域商业化潜力情况 电商行业：涉及到内容生产环节多，数字化程度高且行业 商业化能力强，预计将率先嵌入 AIGC 能力；广告营销行业：对于创意类工作 AIGC 能够起到效率提升的 作用，且广告营销的商业变现空间大，预计也会是首批受 AIGC 产业影响的行业；金融行业：高可变现空间和知识专业性，但安全性要求较 高，因此 AIGC 的可变革程度略低；教育行业：较高可变现空间，但对内容个性化要求较高，AIGC 对其可变革程度稍低；高 低 高 低 AIGC在 行 业 可 变 革 程 度 行业商业变现能力 热门发展市场 平缓上升市场 潜力拓展市场 初步探索市场 电商 广告 营销 金融 教育 医疗 媒体 影视 游戏 农业 物流 旅游 坐标释义：行业商业化变现能力：通过行业市场空间、行业用户规模、用户付费金额等维度综合反映；AIGC 在行业可变革程度：通过内容生 产力、技术成熟度等维度综合反映。来源：结合专家访谈，艾瑞咨询研究院自主研究及绘制。21 2023.12 iResearch I AIGC 实践及应用：游戏行业 游戏行业具备高交互性、内容创意密集等特点，是最容易受益于 AIGC 影响的领域之一。在游戏行业，AIGC 的应用越来越广泛，它不仅 可以帮助游戏开发者降低成本、改善效益、打造创新玩法等，还能为玩家提供更加丰富、逼真的游戏体验。在国内，已有越来越多的游 戏厂商将 AIGC 技术接入工作流。游戏行业本身对内容需求较高，一方面，游戏行业要求更加多样的内容形式，包括画面、语音、人物 对话、剧情故事等。另一方面，游戏行业需要较高质量的内容以实现高交互性，这也使得游戏行业在前 AI 时代在策划、美术、配音等内 容环节具备极高的成本，而 AIGC 技术的出现为游戏内容生产带来了新可能。来源：西部证券，艾瑞咨询研究院自主研究及绘制。AI 助力内容生成效率及效果提升，赋能游戏开发全流程 AI 游戏产业全链路的应用 前期 中期 其他 场景生成 美术图标 动作生成 人物交互 剧情策划 游戏开发 素材设计 程序设计 性能测试 游戏测试 功能测试 智能 NPC体验优化 MOD托管 BOT违规审判 运营优化 平衡匹配 对局陪伴 锦集自动生成 直播 比赛解说 语音互动 与 AI team训练 训练 模拟对手打法 与风格 辅助游戏开发，降低制造成本 优化游戏用户使用体验，提高玩家粘性 赋能游戏经济发展 游 戏 行 业 变 革 重构游戏行业，内容创新生 产及成本的结构性改变，为 行业带来潜在机会 强内容生成能力，全新的创 作范式、降低厂商制造成本 智能推荐、智能交互、个性 化生成等方式，加强游戏可 玩性与互动性，增加用户粘 性 机器学习 深度学习 自然语言处理 兼容性测试 前期制作 方面 美术方面：利用 AI 生成基础素材等，能够高效的完成游戏基 础美术设计 开发方面：AI 在开发环节中发挥技术辅助的力量，降低制作 门槛，推动游戏创新 辅助游戏测试：AI 在游戏测试中执行一些自动化任务，降低 游戏发布风险，为玩家提供更好的游戏体验 中期运营方面 体验优化：智能 NPC 提升用户游戏 体验感，让游戏 NPC“活起来”生成新的数字世界22 2023.12 iResearch I AIGC 实践及应用：广告营销行业 全链赋能多维增效，提供精准、创新、前瞻性的解决方案 来源：艾瑞咨询研究院自主研究及绘制。营销环节目前仍然是 AIGC 应用最多的业务场景之一，AIGC 在营销行业从初期的市场分析、中期的客户转化以及后期的客户复购均可参 与打开营销生态新思路，为消费者提供更个性化、智能化和互动性强的营销体验。AIGC 技术的应用给广告行业带来直观地好处，大幅 降低内容生产制作成本，从理解语义进化到了对语义的分析归纳，实现了从无到有生成内容，加速创意落地。AIGC 在营销场景中可参与的具体环节 通过分析用户数据，AI 可以不断优化生成的内容，推荐用户更感兴趣的内容，提高用户满意度和转化率 持续优化和个性化推荐 AIGC 通过挖掘用户的兴趣、行为和历史数据，生成出与用户相关的推荐内容，提供更精准前瞻性的解决方案 提升内容创作效率，降低成本 提供个性定制化内容，提高内容质量 过去的内容创作需要投入大量的时间及资源。而 AIGC 实现了从无到有生成内容，减少创作的时间和成本，降本增效的满足不断增长的营销需求 通过 AI 创造力和算法能力，可以帮助发现新颖的营销创意和独特的内容形式，深化营销内容创作 加深 AI创意生产 市场分析 广告策略 品牌传播 市场分析 CEM客户复购 客服 复购策略营销 售后服务 用户成长 客户转化 CRM策略分析 精准需求分析 CDP运营方式 渠道倒流 活动吸引 营销推广 EDM视频营销 活动营销 内容营销 营销优化 营销动作分析 策略复盘营销 媒介监测分析 营销预算分析 23 2023.12 iResearch I AIGC 实践及应用：媒体影视行业 AI 加速媒体行业智能化发展，塑造数字内容生产与交互新范式 来源：艾瑞咨询研究院自主研究及绘制。AIGC 在媒体影视方面的应用贯穿前中后期的策划、制作、宣发等环节。AIGC 的出现提升了生成内容的质量，前期策划应用中，剧本生 成工具成为了可能，但尚处于初期目前仍只能完成辅助性工作。AIGC 在中期制作环节中的应用已经较为成熟，通过 AIGC 可以生成虚拟 画面，同时可以对影像进行自动剪辑、AI 换脸等操作，对画面进行智能化的标注，为制作团队提供更加清晰和高效的素材管理方式。后 期的宣发环节，AIGC 能够生成各种高质量的宣传片，并通过多种渠道进行精准推广，并且进一步实现营销、经营分析等工作。人物描述 协助写作 剧情生成 场景、对话 前期策划 中期制作 后期宣发 影视项目商业化分析 商业评估 受众观影情绪分析 IP 价值分析 虚拟场景生成 虚拟画面生成 虚拟人生成 画面处理 编辑处理 AI 换脸 字幕生成 海报预告片生成 影片营销 个性化营销 票房预测 票房分析 AIGC 在媒体影视行业的应用 影视行业变革 替代重复性工作，逐步渗透 创意性工作环节 生成式 AI 的出现使得用 AI 完成重复 性工作的效率更高，包括剪辑、字 幕生成等环节 生成式 AI 逐步渗透剧本写作、商业 评估等创意性环节，随着未来 AI 算 力的增强，AIGC 在媒体影视行业 的应用前景广阔 拓展创作空间，提升作品质量 AIGC 可以渗透产业链取代人工，提升影视创作效率 技术发展推动内容创作延展 更多可能性 虚拟人、数字人 AI 主播、AI 辅助创作 24 2023.12 iResearch I AIGC 实践及应用：电子商务行业 AI 能力在电商场景里的应用并非刚开始，但基于自然语言的交互，生成图片、视频等内容的大模型 AI 从商品销售、市场推广、经营分析 等方向存在商业化应用，为电商行业注入新活力。在售前环节，通过 AIGC 强大的产品和市场分析能力可以进行商品的包装以及进行选 品和定价。在推广环节，AIGC 可以生成虚拟带货主播以及虚拟客服，同时使得针对具体受众的个性化推广成为可能。此外，AIGC 可以 对市场和消费者进行洞察，辅助人工决策。在 web3.0 时代，人工智能赋能电商行业迎来新的时代机遇。来源：艾瑞咨询研究院自主研究及绘制。大模型增效，AI+电商迎来新机遇 通过生成式 AI 进行商品推广，主要集中在营销内容的个性 化生成以及分发等方面 通过生成式 AI 对经营流程