2023年中国AIGC产业全景报告.docx

《2023年中国AIGC产业全景报告.docx》由会员分享，可在线阅读，更多相关《2023年中国AIGC产业全景报告.docx（112页珍藏版）》请在课桌文档上搜索。

1、2023年中国AlGc产业全景报告中国AlGC产业之变与新技术变革的原生驱力一大模型层CONTENTS01目录0203价值传递的实际落位一应用层04不可忽视的资源引擎一算力层05中国AlGC产业之标杆企业06中国AlGC产业之发展趋势01/中国AIGC产业之变与新Overview报告研究范围-AIGCAlGC与大模型将引领Al产业与产业Ar发展AIGC（AI-GeneratedContent）指利用人工智能技术（生成式Al路径）来生成内容的新型内容生产方式。2022年11月上线的AlGC应用ChatGPT,凭借其在语义理解、文本创作、代码编写、逻辑推理、知识问答等领域的卓越表现，以及自然语言对

2、话的低门槛交互方式，迅速获得大量用户，于23年1月突破1亿月活，打破前消费级应用的增速记录。ChatGPT等AIGC应用在多个领域的问题解决能力已超出一般人类水平,微软称其在GPT-4（ChatGPTPIUS背后运行的大模型）中看到了AGI（通用人工智能）的雏形。大众的生活工作日常出现了MidjoUrney等新形态的各类AlGC应用，各行业的智能化升级也看到了新的可能性，AI产业与产业AI的想象空间进一步拓展。AIGC应用创新的技术支撑为“生成对抗网络（GAN）/扩散模型（Diffusion）”与叮ransfome1预训练大模型的两类大模型分支，在国外AIGC应用展示出大模型的能量的同时，我国

3、企业也加强了相关产品技术布局,云厂商、AI大厂、创企、各行业公司及技术服务商等产业各领域玩家纷纷发布大模型或基于大模型的应用产品及各类技术服务。相较于一般Al应用，大模型应用的训练及推理需要更强的算力支持。综上，本报告将围绕模型、应用、算力三个角度对AIGC产业的发展进行探讨，试图在讨论开源闭源、垂直通用、知识幻觉等大模型未来发展的各种不确定性的同时，为AIGC应用的迭代升级、产业的智能化应用，提供尽可能多的研究辅助，为那个不一定是AGl但一定更AI的未来提供确定性的加速度。生成式Al显现通用人工智能雏形本报告主要研究范畴大模型参皿可妨亿, 训练及推理对算力有强需求伴随模型迭代及应用渗透，模型

4、 对算力模、雌、 的要求在发展变化AlGC应用大模型大模型的通用性拓展了应用的产品形态 及能力边界预训练大模型+微调”的开发方式降 低了应用的开发门槛;可以自然语言交 互的prompt工程提升了应用匹配满足 终端用户特定需求的能力来源：艾瑞咨询研究院自主研究绘制.算力中国AlGC产业发展环境-政策(Politics)以包容审慎的态度，支持引导AlGC可靠、可控发展为促进AIGC产业健康发展、规范应用，央地各级政府围绕算力、数据、模型、应用等不同方面逐渐完善朝政策体系，且国家层面快速出台聚焦AIGC的合规监管政策。支持政策方面，以完善算力与数据等要素供给为基础，以模型算法创新为关键，以场景应用为

5、牵引，构建活跃的AIGC创新与应用生态。分区域来看，以北京为代表的AlGC创新及产业要素聚集地在政策层面支持力度更大。合规监管政策方面，生成式人工智能服务管理暂行办法奠定了我国对于AIGC包容审慎、分级分类监管的主基调，明确生成式人工智能服务提供者应承担网络信息安全、个人信息保护等义务，提出需进行安全评估与备案、对生成内容进行标识等服务规范。中国部分AlGC产业相关政策中国AlGC产业政策分析命 支持引导类政策-强化基础资源，营造应用生态i政策名称发文单位I发文时间I类别关于加快场景创新以人工智能高水平应 用促进经济高质量发展的指导意见科技部 等六部门2022-08-12支持类互联网信息服务深

6、度合成管理规定国家网信办 等三部门2022-11-25监管类中共中央国务院关于构建数据基础制 度更好发挥数据要素作用的意见国务院2022-12-19支持类生成式人工智能服务管理暂行办法国家网信办 等七部门2023-07-13监管类北京市通用人工智能产业创新伙伴计划北京市经信局2023-05-19支持类北京市促进通用人工智能创新发展的若 干措施北京市 政府办公厅2023-05-30支持类成都市加快大模型创新应用推进人工智 能产业高质量发展的若干措施成都市经信局 市新经济委2023-08-04支持类应用西阿：等.重点领域：政务(城市治理)、交通、医疗、金融、 等社会重点领域应用。模型却通用大模型与

7、行业模型的开发，并给予专项奖励；支持企业, 高校院所等建设A数据A算力支持建立统一的，增等数据资源的建设；强算力统筹能力；,推进数据支持大型云厂商等市场化企业分级分类共享、交流、交易； 建设.命合规监管类政策包容审慎、分级分类监管明确生成式人工智能服务提供者应承担的责任与义务：基于提供者的责任与义务，提出服务规范：依法承担网络信息内容生产者责任，履行网络信息安全义务依法进行安全评估申报与备案采取措施提高训练糠质量并保障训练数据安全依法承担个人信息处理者责任，履行个人信息保护义务依法对相关生成内容进行标识不得收集非必要个人信息来源：艾瑞咨询研究院根据公开政策资料研究及绘制。中国AIGC产业发展环

8、境-经济（ECOrlOmy）模型创业初抬头，多模态、跨模态备受青睐，资本扎堆优质项目2021年至2023年7月期间AIGC赛道共发生280笔投融资,展现了其高热度与高成长性。从产业细分维度,应用层创业机会最多,模型层创业受到ChatGPT影响，在2023年集中涌现;在获投的应用与模型层创业项目中，文本、影像、语音平分秋色，但相比单一模态，多模态和跨模态的应用前景更加为资本所看好。从投融资轮次维度，70%左右的项目仍处于A轮及以前阶段，同时有高达14.6%的比例属于股权、战略融资，说明赛道虽然处于起步期，但其战略价值已被公认。在全部获投的00家公司中，获投3次及以上公司约占17%。同一标的的高频

9、融资，从企业需求侧反应AlGC前期创业所需大量资金支持，从资方供给侧表明优质创业项目仍非常稀缺。20212023年AIGc产业链各环节及各模态融资热度情况58.6%14.4%应用层 工具层 模型层 算力层 2023年融资热度分希（%） 2022年融资热度分布（% ） 2021年融资热度分布（% ） 2021-2023年AlGC各模态融资热度分布（% ）20212023年AlGC产业总体及各公司融资轮次分布情况35.0%2.9%15.4% 种子轮及天使轮 A轮相关 B-C 轮 D轮及以上股权融资及战略融资注：数据截止2023年7月31日来源：IT桔子；艾瑞咨询研究院自主研究绘制.65.9%4.5

10、%12.3% 1次 2次 3次 4次中国AIGe产业发展环境-社会(Society)引领数实融合新浪潮，以内容生产模式变革为根本引爆生产力革命AlGc将引领数实融合浪潮下的产业变革智能对话系统高效场景生成受惠于各行业不断丰富的数据资源、算力硬件资源的持续发展以及大模型技术的突破性发展，AIGC得以更好的抽象来自于真实世界的多模态数据源并进行有效表达，展现出其作为内容生产的通用工具在各行各业大规模应用的巨大潜力。放眼未来，AIGC将以内容生产模式变革催动生产力革新，引领数实融合浪潮下的产业变革，对人们生产生活方式带来深远的影响。一方面，AlGC将革新数字内容产业的发展范式，增加内容生产的价值和影

11、响力。另一方面，AIGc将加速产业数字化进程，改善实体经济对于数据资源的应用模式与利用效率，赋能实体经济实现数智化转型。更进一步，AIGC将极大地激活数据要素潜能，更广泛地拓展数实融合空间，促进数字经济与实体经济的深度融合，数字产业化和产业数字化的范围将持续扩大交融，实体经济整体上出现创新驱动和结构升级的路径特征。放眼未来，随着实体经济中更多领域加速数字化进程，实体经济体系将进一步完成数字化效率变革。作为现阶段Al产业的排头兵,AlGC对生产力的革新，将一定程度引领产业涌进从IT化、互联网化到智能化的第三阶段数实融合浪潮。革新内容产业AIGC可降低数字内容生产的成本和门槛、拓展数字内容底层大模

12、型技术的快速迭代生产模式的变 第，期爆生产 力革命，激发 AIGC向社会经济生产活动 广泛渗透、引 领数实融合浪 潮下产业变革发展，支撑AIGC以内容生产的空间和维度，从而创新数字内容生产的流程和范 式，快速升级甚至颠覆以内容生产为核心的游戏、影视 等行业的发展范式。自动化剧本生成 高效率后期制作的潜力。能实AIGC可以强大的信息获取能力、数据处理能力、逻辑推理能力、内容创作能力，辅助或承担部分繁复的基础性 内容生产工作，一定程度上解决b端边际成本和碎片化问题，加速产业数智化转型。特点和需求，定制化生成适应性强、价值高的数字内容，促进数字内容与其他产业的深沉浸式购物体睑高效营销活动创作智能车载

13、系统，智慧交管系统电子病例讯合成医护陪伴高效教案设计制作 智能化教学测评度融合，使数字经济与实体经济形成良性互动，孕育新的爆发式增长赛道。来源：艾瑞咨询研究院根据公开资料研究及绘制.中国AlGC产业发展环境-技术(TeChnoIogy)各模态生成质量均初步达到应用水平，可控性成为最大短板AlGC技术可按照模态分为文本、图像、语音以及多模态等。音频生成技术成熟度最高，其余各模态技术发展稍缓，核心算法仍存在大面积黑箱，虽然在生成效果上整体能够达到人类平均水平，部分场景达到人类优秀水平，但在算力成本、生成稳定性、个性化精细化需求满足等方面存在明显瓶颈。如大部分Al生成图像目前无法支持画师对细节进行精

14、细化的修改，文本生成内容仍会出现事实性错误，因而目前无法达到大规模成熟应用水平。从技术迭代速度看，各模态呈现出成熟度越低，迭代速度越快的特点，文本和图像生成领域几乎每1-2个月就能出现突破性技术进展,未来可期。AIGC各模态技术成熟度分析文本生成：文本生成可细分为对话、提炼总结、创作等多种能力，以 GPT-3为代表的大语言模型将Al文本生成能力拉升至接近 人类平均水平。当前在语言理解能力、稳定性、可控性和 安全性上还存在非常明显的应用瓶颈，且具体技术路径及 对应的训练效果也尚无定论.技术成熟度语音 合成AlGC技术成熟度示意图文本生成 图像生成 语音合成 多模态2D图形技术迭代速度A生成内容质

15、量个性化生成与定向微调效果技术成熟度 技术稳定性评价维度 技术可解释性应用成本(生成时间周期、部署难度、算力成本等)图像生成：图像生成可分为2D、3D及视频生成三个分支。在GAN、dufffusion.NeRF等模型框架基础上,图像生成技术正在以超乎想象的速度迭代升级，部分散点应用已取得良好效果，在生成精准可控性及算力成本等方面仍需优化。语音合成.语音合成技术经历了拼接合成、参数合成和端到端合成三代技术演进，已实现规模化应用，当前技术升级方向在于通过提升语音的韵律感和情绪表达等达到完全拟人的效果,以及实现语音实时合成。多模态：多模态技术是文本、图像、语音等模态之间的转换与融合，技术难度最大，当

16、前成熟度水平较低，仅在文图，文-语音等领域有达到商用水平的表现。艾瑞咨询自主研究绘制中国AlGC产业市场规模市场规模呈指数级增长，突破规模化临界点攫取万亿产业价值根据第50次中国互联网络发展状况统计报告,截至2022年6月，中国互联网普及率已高达74.4%。在网民规模持续提升、网络接入环境日益多元、企业数字化进程不断加速的宏观环境下，AIGC技术作为新型内容生产方式，有望渗透人类生产生活，为干行百业带来颠覆变革，开辟人类生产交互新纪元。艾瑞咨询预测，2023年中国AIGC产业规模约为143亿元，随后进入大模型生态培育期，持续打造与完善底层算力基建、大模型商店平台等新型基础设施，以此孕育成熟技术

17、与产品形态的对外输出。2028年，中国AIGC产业规模预计将达到7202亿元，中国AlGC产业生态日益稳固，完成重点领域、关键场景的技术价值兑现，逐步建立完善模型即服务产业生态，2030年中国AIGC产业规模有望突破万亿元，达到11441亿元。2022-2030年中国AIGC产业规模1144120222023e2024e2025e2026e2027e2028e2029e2030e中国AIGC产业规模（亿元）中国AIGC产业规模增长率（%）来源：艾瑞咨询研究院根据公开资料、专家访谈自主研究绘制.中国AlGC产业图谱全景图2023年中国AIGC产业图谱AlGC应用层APPiiCatiOnforAl

18、GCjl内容消费赛道企业B艮务创作工具赛道金融0,：r-.11Xante零售W三三JVT电关网Il金?会配SWbmmJOTeMi政务*i*三三tKS三f电力MMZfadgc)v用及；IanaM*，量文*行业金融医疗电商建筑智能问答病例生成设备运检企业服务MAdobe固限战卜映然aOiS5WM.E哼数字化与大模型方案提供商SOFTSTONEPctra2DNeusoftftSXn-。3a二二五二Mllr。百SHWS三2）Rfflc也华为云JDT京东科技fi三全4k会=5运仅豁麒通用基础大模型闭源厂商voesrorZMDI亚努垂直型基础天模型AIGS(AIGC+软件生成)Jr.*KMicrosoft

19、婴作:息IIS眩网MdKGRiiflMR/；*”全nspur/邓H。磊就2三c用友RfiB社区开源厂商OgAJlGPTrs；I遗ZDlmW文心蛇TJT式说r1.(clLlamaJ悟道-MOSS混元云|盘古卡nr山海人.星火JHIBaichuanMMr|通义.ChatGLM-lHuggingFaceMlKI魔搭JaiwKl飞桨InrrastructurerorAibCIOOISTOrAlUCAIAgentsAl芯片（异构FabIeSS）Al基础数据服务智能服务器9nspu5u011智算中心企业自建智管中心城市智管中心智能云服务E二些物云（三）HfflnG天“己3WSO三SBKE过浪涮云三LDc俄

20、）*云g京东云AAZUre向量数据库*ZillizPinecone二TssOrDB魂舞ItTgBM公共开源数据集高校数据集企业私有数据柒政府数据集CjSIIBIEc数据众包工具层算力层应用层；资源要素：算力层模型层应用层工具层；市场机会：应用层工具层模型层算力层2023年中国AIGC产业全景总览及机会前瞻应用层模型层算力层ToC应用试水，合规性与付费意愿等要素限制有规模化难度；ToB应用将在数字化基础做进一步渗透扩张，场景边界仍在探寻MaaS是大模型能力落地输出的新业态,模型层将更贴近应用侧，工具链完完善度影响用户体验,进一步催生工具层发展带动算力基础设施建设，大模型运行对其提出更高要求C端洞

21、察：AIGC进一步下放内容创作权,极大激发用户创作热情，加速内容裂变，并带来一系列AI-NatiVe的新生机会。从内容/社交平台角度出发，以社区形式通过用户自发创作交流形成粘性是未来发力方向.而国内用户在SaaS服务上仍是较低付费意愿和购买力，如何聚集流量、从尝鲜行为转为深入重复使用且满足强监管要求是C端运营难点.B端洞察：在产业S艮务中，AIGC将从内容生产与交互方式改变企业数字化产品服务.AIGC在B端应用推广与企业自身的雌基础、上云进程、数字化进度等息息相关.艾瑞从供需两侧访谈了解，目前B端AIGC应用正处于场景探索期,双方正努力搭建标杆业务场景与典型行业模型，共同推广AlGC技术的应用

22、渗透.纯应用开发技术门槛的降低将数据要素与行业know-how的重要性置顶，拥有垂类I婶积累与业务理解的B端厂商可利用AIGC赋能升级获得迸/增埴空间.能力输出业态：大模型成为未来AI产业的操作系统，带来“以云计算为基础，将大模型作为一项服务提供给用户使用“MaaS模式的新业态，重构Al产业链价值流通环节和技术传递路径。模型路径演变：基础大模型落地会因需求差异展开产业路径分化，以行业级、企业级大模型方式支撑上层应用。从开闭源角度来看，基模厂商普遍采用轻量级开源、千亿级闭源”的发展路径，而向上分化的垂直领域厂商将基于开源模型或基模平台开发部署细分领域模型产品，厂商优势在垂会据与业务理解.AIAg

23、ent与大模型服务/平台是AIGC时代下新衍生的工具层，已成为继大模型之后，更有想象空间却也更贴近应用的下一爆点.对于AlAgent来说，将宝贵的垂类数据与业务理解集成到Agent框架之中，保证大模型应用在执行任务时可以访问到正确的信息并高效执行产出，是未来AlAgentS能发挥出实际效用的关键。随着大模型工程化能力提升，模型服务定位的人才及资源投入需求将降低，市场机会不明朗。而模型商店/平台将呈现明显双边效应，技术资源聚集及应用生态搭建是关键.作为数智化时代的资源引擎，算力正逐渐成为影响国家综合实力和经济发展的关键性要素。随着AIGC时代大模型参数的提级提升,算力供需结构承压持续加大.训推算

24、力需求先呈指数级上涨.顺应先训练后推理逻辑，未来仍有巨量边缘及端侧算力需求待程放.预训练大模型的训练推理需要巨星数据斐源与高性能计算机的全天候高速运转，对数据中心的网络带宽、能源消耗与散热运维能力，Al芯片的内存、带宽、互联能力、软硬协同均提出更高要求，极大影响算力利用率与芯片性能发挥。MaaS将云计算、智能算力、模型能力等资源实现高度融合,艾瑞判断，未来智能算力资源或将更多承我于云服务产品，以MaaS模式服务干行百业，而随着大模型轻量级开源版本的发布，大模型有望进行进一步剪裁优化，将推理能力部署在端侧，并带动手机、机器人等端侧芯片发展.来源：艾瑞咨询研究院根据公开资料与专家访谈自主研究绘制。

25、L4 :产业生态期Ll :大模型成熟期来源：华为预训练大模型白皮书，艾瑞咨询研究院自主研究绘制。挖掘充分体现其核心价值的关键场 景，从而让大模型能力充分发挥通用/行业/场景基础大模型的评测指 标趋于稳定，是产品和技术持续输出 的关键和基础；底层算力基建等基座打造和完善1)大模型将成为Al应用开发的操作系统模型即服务(MaaS)构建新型Al基础设施，重构Al开发部署范式Al产业的场景落地一直面临碎片化困境。随着企业上云进程中智能化转型需求的逐步增多和传统行业领域数据的不断积累，Al应用开发过程中逐渐面临大量细分领域的深耕、非典型客户需求，对算法的通用性和延展性提出了较高要求。传统“小模型范式的A

26、l应用开发流程一般针对单一场景，独立完成模型选择-数据处理-模型优化-模型迭代等一系列开发环节。因此，Al应用在定制化需求、长尾需求下的开发效率较低，且模型精度、性能、可扩展性等指标质量也会受到影响。随着Al产业深入及智能化需求增加，Al在研发门槛及开发效率的问题日益凸显。预训练大模型应运而生，其将数据中蕴含的知识通过无监督或者自监督学习方式提取出来，存储在具有大量参数的神经网络模型中。Al应用开发流程转变为，调用通用流程-结合行业经验-解决实际问题。未来，大模型将成为Al产业的操作系统，其基础设施特性可为AI应用开发做好底座，将Al模型变得可维护、可扩展、可迭代，极大降低Al应用的开发门槛。

27、从需求侧来看，客户能通过更低成本、高效率的MaaS(ModelAsaService)路径获得AI能力，完成AIGC应用的个性化开发、优化及部署，持续兑现大模型的技术红利，将Al能力应用渗透到各行各业的场景业务中。模型即服务(MaaS,Modelasaservice)范式演进历程1.3:核心场景稳定期随着业务流程、产业基础设施的发展而完善和融入，模型即服务产业生态建立1.2:产品形态成熟期产品优化，符合创作者使用习惯，可提供低代码或者零代码开发服务2）厂商合作关系演化及周边工具服务发展模型层与应用层边界渐弱，带动数据层、开发平台等工具服务高效发展伴随大模型通用性的提升，模型开发厂商可能因其模型被

28、广泛使用调用汇聚多维场景数据、积累行业场景认知并集成部分垂类功能特性，进而向上延伸拓展至完整功能应用；原有垂类应用，为巩固市场地位,可能探索开源甚至自研模型，凭借既有资源、经验积淀及领域聚焦，同样打造模型开发及应用服务的闭环迭代，因此模型层、应用层有交错发展之势。此外，企业客户参差的数字化基础及个性化的软件、流程需求依然需要解决方案厂商定制优化并部署实施，而Al开发平台也将与大模型合力，通过“稀疏、蒸播、剪裁”等手段肋力大模型解决训练、推理部署困难问题，进一步实现低门槛、低成本、高效率”的开发部署与应用。数据标注、安全合规等周边工具服务亦是促进AIGC产品高效开发、产业有序发展的可观商机。AI

29、GC厂商合作关系演化及周边工具服务发展r Al应用1 k开发平台,数据标注】针对企业服务市场，各行业客户的数字化基础及建设 的发展规划、具体需求各有不同，在AlGC重构企业软 件及业务流程的同时，依然需要方案集成商来贴合具 体客户的特定需求优化并部署实施在模型层、应用层的交错发展中，在部分领域两类公 司的原有合作关系弱化，背后是模型开发与应用服务 的一体化快速迭代，AlGC产品体验跃升原有垂类应用，可凭借场景的精准理 解、专项体验的优化、渠道资源的积 累、行业经验的积淀，探索开源甚至 自研模型,巩固现有市场地位模型开发商从通用问题解决、模型算 法支持向上延伸拓展，可能取代部分 原有垂类应用类比

30、“淘金潮中售卖铁锹、牛仔裤、水的生意， AlGC产业的模型、应用可视为金矿，芯片 等算力支持可视为铁锹，Al应用开发平台、 数据标注、安全合规、开发平台等周边工具服务 亦是促进AlGC产业高效有序发展的可观商机。提升模型的微调及管理、评估效率. 以弹性、稳定、低成本的方式保障 模型的训练、部署及运转AIGC大模型的重要成因之一在于 对RHIF （基于人类反馈的强化学 习）的使用，需人功模型生成 的多个结果迸行排序标注偏见评估系统、伪造监汛情法等为模型及应用的健康发展保驾护航3）生产力变革带动海量下游应用优化生活领域充分释放用户创新能力，生产领域全面革新交互体验和效率以大模型为标志，生成式Al是

31、一次新的技术革命，同时还具有极强的普适性，能够对人类生产、生活的方方面面进行改造与升级。在生活领域，AlGC将通过迸一步下放内容创作权，激发UGC创作热情，加速内容裂变。加之社区玩法在部分内容平台的良好盈利表现，内容消费领域从技术到商业模式的路径已全线打通，以社区形式，通过用户自发交流自主创作形成粘性，是各类平台的发力方向。在生产领域，大模型能从研发流程、产品能力和交互上全方位为企服软件带来提升，也充分开拓了新的服务场景，因此各类企业数字化厂商都将围绕大模型寻找自身优势空间与定位。AlGC全面落地应用的影响分析UGC大门加速敞开内容分发、社交媒体等平台要加大力度做社区化内容创作门槛降低， 创作

32、速度大幅提升生产领域全员参与基于大模型的产品形态与功能创新对话式Al厂商升级技术底座决策Al厂商大模型赋能决策Al落地内容社区或是最适合承 载这种新变化的形式通过海量内容及生活服务，衍生出多种新玩法 来源：艾瑞咨询研究院自主研究绘制.SaaS厂商开发AIGC新功能数字化解决方案厂商提供大模型开发部署能力云厂商打造MaaS服务模式4)AIGC将在全行业引发深度变革线上化程度、数字化基础、行业内容占比等影响AlGC应用前景与渗透速度总体而言，AIGC主要影响内容创作与人机交互，因此价值链线上化程度越高，内容在价值链中占比越高，AIGC对其颠覆效应越明显;另一方面，行业自身的数据、知识、监管要求等特

33、点也会深刻影响到AIGC技术的渗透速度。比如电商、游戏、广告、景须传媒等以内容生产为价值核心的行业，以及电商、金融等研发设计、营销等环节在行业价值链中地位较高的行业，能够快速看到AIGC应用对原有生产工具的替代和业务流程的变革。AIGC对各行业影响与变革分析渗 透速 度4、潜能拾掘类这类行业以实体部分为重，内容在其营销、销 售等个别环节充当辅助角色，这决定了AlGC 技术在其中产生的影响相对有限，同时这些行 业数字化水平偏低，付费能力相对偏弱，企业 间发展差距大，因此AIGC应用极可能表现为 各行业领军公司快速落地尝试腰部尾部公 司缓慢踉进的态势,从而加剧行业内部分化L快速颠覆类电商、游戏和广

34、告行业线上化程度高，且内容质量直接决定其价值创造， 这两大特征使得AIGC应用在其中能够产生最大化的价值，并能够迅速渗 透至核心生产环节.据统计，AIGC相关应用已经帮助游戏行业在研发制 作环节节约50-70%人力或时间成本.行业中大小公司均有机会抢占先机,甚至受到个人开发者的冲击,行业 可能面临洗牌。2、匀速增长类这类行业也以内容为价值核心，但与第1类区别在于其内容生产更多环 节在实体环境完成，具有更强的专业性、灵活性，在这些行业中AlGC 可变革上限略低，且会更加考验AlGC技术的成熟度，当前应用多属于 单点尝新而非刚性替代，未来市场空间大，但实现大规模行业渗透需要 更长时间.行业格局预计

35、产生局部波动,行业价值链各环节地位排序面临重构。注：圆圈大小代表AIGC应用在该行业带来的价值；3、稳中求变类金融、电信和政府行业价值链中涉及大量内容生产和人与人交互的环节， 数字化转型付费意愿和付费能力强。但同时因为其具有业务流程与组织 架沟的可变性低，对数据安全极为敏感等特质，因此对AIGC应用的态 度最为保守，解决大模型私有化部署的Rol问题是打开这类市场的关键。行业可变革程度：在行业价值链中涉及到内容生产和人机交互的环节占比，以及AIGe对相关环节的影响程度;港透速度：由各行业政策监管、数字化特别是数据基础建设水平、数据安全要求、行业创新能力等)旨标构成来源：艾瑞咨询研究院自主研究绘制

36、.5）算力资源决定大模型发展高度中国坚持自主创新道路，大模型为算力设施带来更高要求与发展机遇顺应大模型趋势，算力需求急剧攀升，算力正在成为影响国家综合实力和经济发展的关键性要素。面对AI大模型算力挑战，数据中心会建设大量服务器节点，通过网络构建集群互联协作完成训推任务。若网络带宽不够大、时延不够低，不仅会让算力边际递减，还会进一步增加大模型训练的时间成本。未来，数据中心需夯实优化算力基础设施建设，积极提升网络带宽、能源散热等方向以应对大模型带来的高运行要求。此外，实现AI芯片的自主性供给，是中国中长期发展算力产业的重中之重。为了适配大模型的训练及推理，AI芯片对其内存、软硬架构协同、片间及片内

37、互联能力等提出更高要求，给国内厂商带来挑战与机遇，可进一步关注存算一体、ChiPIet等技术发展方向。当前国内寒武纪、华为、海光、昆仑芯、燧原等一二线厂商推出的Al推理芯片产品成熟度较高，处于规模化商用进程中；AI训练芯片普遍与国外旗舰产品在性能上存在1-2代际显著差距,会率先在国家智算中心唯广应用，并积极与国内互联网大厂适配调整，优化软硬件适配及生态成熟度。整体来看，中国算力层正尝试脱离对头部厂商英伟达的依赖，以云巨头自研自用+独立/创业公司服务于信创、运营商等T。GToB市场为两条主线发展路径，静待国产替代曙光，实现国产算力+应用”的正循环。AIGC浪潮下的中国算力产业分析强化顶层设计推动

38、算力基础设施发展政策文件构建云端协同、计算、存储、 运输一体化、多层次舞力基础设施体系自 主 创 新数据中心将迸一步优化网络带宽、能源消耗与散热运维等能力加强CPU、GPU和围绕算力软硬件生态体系建设，服努器等重点产品研加强硬件、基础软件、应用软件培育良好生态发等适配协同 TranSfOrmer密度模型加大基础设施的带宽要求，模型训练要求网络架构走更 多东西向流量,未雌理逐步加大南北流量比重。 电力占据大模型训练成本的近六成，AlGC下的电力消耗问题值得关注，进一 步发展如核聚变等能源方向. 大算力需求需要更高散殿率。液冷有望替代风冷达到更高效的散腼期.散热预计将从房间级、机柜级、服务器级向芯

39、片级演进,更贴近核心发热源.Al芯片需迸一步升级内存、带宽、互联、软硬协同等能力建优算网落地推进网络设施与算力 设施配套部署，优化 升级网络体系架构强化算力资源统筹调度，提高 算力利用效能，推动模式新颖.特色鲜明的算力应用力腱落地为了适配大模型的训练及推理，Al芯片要求有更大的内存访问带宽并减少内存 访问延迟，因此带动由GDDR到HBM的技术升级，另一方面需要更高的片间 互联甚至片内互联能力以满足AI加速器访存、交换数据的需求。 面对海量数据,Al芯片异构化需求加大，需要与软件保持更好地一体化协同， 让软硬件的功能完成更紧密的加强，以满足目前高速爆发的数据增长。来源：艾瑞咨询研究院自主研究绘制

40、.02填术变革的原生驱力大模型层LargeModel19预训练大模型分类与介绍基于两大类基础架构衍生出各类大模型；多模态已成趋势预训练大模型按照模态可以分为文本、图像、视频、代码、音乐生成等多种，但从底层架构上都分属两类。TQnSfOrmer是一种编解码模型框架，适用于处理文本、代码这类强连续性生成任务;Diffusion.GAN、NeRF等框架善于处理图像生成类任务。劫口文-图转换技术可以形成文生图模型。由单模态模型在实际训练时融合其他模态技术，可形成多模态、跨模态大模型,如GPT4、文心一言、Midj。Umey等，由于多模态模型可接受文本、图像等不同输入输出形式，对应用场景能够更广泛适配，

41、着力发展多模态模型成为产研两界共同趋势。预训练大模型各模态技术分支与功能定向输入信息NLP多模态大语言模型 代表模型：GPT-4文心一言文生音乐模型 科学研究大模型请帮我找到2023 年所有Al创业公司信 息并以表格呈现“请用林俊杰的风格 为这首歌编曲”请帮我画出这基础框架单模态模型多模态模型功能示例Diffusion、 GAN、NeRF等文一图转换模型CLIP 等来源：艾瑞咨询研究院自主研究绘制。文生图模型文生视痛型文生3D模型代表模型：MidjourneyStable Diffusion请帮我画一个在 田野中奔跑的女孩请根据这段文字帮我生成一个视频预训练大模型的发展业态中美引领大模型产业发

42、展，NLP仍是大模型的重点活跃领域从全球范围来看，中美两国在大模型领域都取得了令人瞩目的成果。2019年，美国率先在大模型领域取得突破性进展，推出了BERT、GPT等具有里程碑意义的预训练模型。2020年，ERN正系列模型和TinyBERT等轻量化模型的推出拉开了中国大模型产业快速发展的序幕。2021年以来，中美在大模型领域逐渐呈现出分庭抗礼的趋势,共同引领全球大模型产业的发展；聚焦国内，从技术领域来看，国产大模型广泛的覆盖了自然语言处理、多模态、机器视觉等多个技术分支，形成了紧跟世界前沿的大模型技术群。其中，自然语言处理是目前国内大模型最为活跃的技术领域，超六成的国产大模型主要基于自然语言处

43、理技术进彳亍预训练和微调；多模态领域活跃度仅次于自然语言处理技术，超两成的国产大模型可处理图像、视频、音频等多模态数据；而聚焦在计算机视觉和智能语音等领域的国产大模型数量相对较少。从研发主体来看，国内企业、高校、科研机构等不同创新主体均积极参与大模型研发。其中，企业仍是国内大模型研发的主力军，约46%的大模型由企业独立研发；高校及科研机构也对大模型的研发做出较大贡献，约37%的大模型由高校/科研机构独立研发。同时，我们也观察到目前由企业与高校/科研机构联合研发的大模型尚不足20%,展现出大模型开发在产学研合作方面仍有较大潜力。2019年至2023年全球大模型数量统计2023年中国各技术领域大模

44、型数量统计20192020202120222023.5美国（个） 中国（个）其他国家（个）CV NLP 多模态 语音智能决策AI4S高校/科研机构大模型（个）联合发布大模型（个）企业发布大模型（个）来源：中国人工智能大模型地图研究报告，中国科学技术信息耐所、科技部新Tt 人工智能发展研究中心，艾瑞咨询研究院自主研究绘制.来源：中国人工智能大模型地图研究报告,中国科学技术信息研究所、科技部新Tt 人工智能发展研究中心，艾瑞咨询研究院自主研究绘制.预训练大模型的路径探讨了解人工智能时代的Tos与安卓，闭源与开源市场将并存互补在以OPenAl为代表的闭源模型厂商开放对外技术服务后，开源模型厂商也在加紧发力，以Meta的IJama模型为代表陆续开源迭代，意图进一步实现生态层面的跑马圈地，2023年上半年LLM与数据集迎来开源季。大模型的开源可根据开源程度分为“可研究与可商用级别。2023年2月，Meta发布了开源大模型LLM的第f版本Llama,授予可研究用途。2023年7月进一步发布可商用的Llama2版本，虽然有日活超过7亿产品需额外申请、不能服