2023年AIGC场景应用展望研究报告.pdf

部门：TMT研究一部2023 iResearch Inc.AIGC场景应用展望研究报告2023年22023.12 iResearch IAIGC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32023.12 iResearch IAI&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 perspectiveIndustrial perspectiveCase study04AI场景应用领航者评选Piloting Enterprises5技术视角Technical perspective0162023.12 iResearch I如何理解“iPhone时刻”？为何ChatGPT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72023.12 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-4TransformerGRUSeq2SeqGPT-1GPT-2GPT-3chatGPT2020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CLIPVGGAlexNetResNetDenseNetXLNetYOLODETRT2T-ViT82023.12 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92023.12 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GPUFPGAASIC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102023.12 iResearch IAIGC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 112023.12 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122023.12 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132023.12 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。T1T2T3TnN1N2N3NnMiDaSCLIPAI多模态生成机制Stability AIStable Video Difusion(SVD)Pika LabsPika 1.0RunwayGen-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MetaEmu 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142023.12 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152023.12 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 perspective02172023.12 iResearch I2023.12 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）20192020202120222023YTD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A13亿美金通用人工智能服务商2023/10/26WorkMagic天使轮数百万美元生成式AI驱动Agent营销SaaS平台182023.12 iResearch IAIGC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192023.12 iResearch IAIGC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202023.12 iResearch IAIGC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“iResearch：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。212023.12 iResearch IAIGC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222023.12 iResearch IAIGC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232023.12 iResearch IAIGC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 242023.12 iResearch IAIGC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对经营流程分析，辅助人工进行经营决策AI在电商链条中的应用商品销售商品推广客户反馈分析经营分析AI通过对商品的分析，辅助进行商品的选品、上架等售前环节市场洞察消费者洞察竞品分析虚拟带货直播虚拟客服营销内容生成个性化推广智能导购搜索推荐智能选品3D展示智能标签虚拟试穿虚拟模特产品定价自然语言处理能力计算机视觉个性化处理能力电商行业变革人工运营成本大幅下降，生产力大幅提升，商家聚集在创意领域B端商家精准匹配和描述其个性化需求，为消费者提供高效选品服务C端消费者营销场景：分析数据、识别目标用户、只能生成广告内容内容生产：提升素材生成能力丰富社区互动电商平台帮商家智能发布&管理商品：提供实时翻译、数据分析、高效生成图片视频等面向消费者搜索的AI产品：AI聊天机器人 供内部运营员工使用的产品：AI营销助理、广告ROI预测的产品252023.12 iResearch IAIGC通过病例、医学影像数据分析，实现疾病的早期诊断和预测医疗诊断AIGC实践及应用：医疗行业AIGC在医疗行业的应用主要集中在诊断、药物研发、医疗数字化三个方向。医疗诊断方面，AIGC目前正处于辅助诊断的发展阶段，可参与到疾病筛查、医学影像分析、诊疗等工作当中，提升服务效率。在制药上AIGC主要在药品研发环节有所应用，药品研发涉及到药物的探索、设计、临床研究等环节，AIGC可进行靶点的发现、药物的生成筛选、临床受试者筛选等工作。此外，AIGC还可以通过强大的数据分析能力提高医疗数字化的程度。诊断药物研发医疗数字化AI病理诊断AI医学影象分析AI疾病筛查医学影像生成疾病治疗AI诊疗药品发现阶段临床前研究阶段临床研究阶段AI主要介入环节靶点发现化合物合成医保信息化智能分诊电子病历药店分销医学科研平台智慧药房CDSS前景广阔，AIGC有效提升病理诊断效率、缩短药品研发周期AI在医疗行业的可参与环节药品销售阶段药物筛选品类预测药理评估制剂研发临床受试者筛选优化药品药物重定向检验审批批量生产2-3年2-3年5-7年AI驱动1-3年ChatGPTAIGC通过对患者数据分析处理，实现针对性个性化药品推荐，提升在治疗效果ChatGPT等聊天机器人可充当心理医生，为咨询者提供心理疏导及建议CDSS等临床诊断工具可通过强大的自然语言处理能力对患者进行诊疗，辅助医师判断早期疾病诊断预判个性化药品推荐方案AI产业入口医院药企药品零售提高药品的零售分发效率，利用AI进行营销、管理等工作利用AI深度学习能力辅助药品研发各个环节利用AI深度学习能力赋能诊断环节，同时加速医疗数字化来源：艾瑞咨询研究院自主研究及绘制。262023.12 iResearch IAIGC实践及应用：金融行业前台营销及中台商业化程度高，复杂性投研工作发展潜力大AIGC在金融行业的应用存在前台、中台和后台的分野，基本涵盖金融行业前中后台中的市场营销、投研项目、产品设计、风控合规、客户服务、运营管理，并基于底层五大人工智能技术支撑来得以实现。在短期的前景来看，前台营销及中台部门应用较为广泛，前台营销部门利用AIGC智能撰写及推荐等，中台部门利用AIGC可打造风控中台、客服中台等，商业化产品已经较为成熟。前台投研存在较为复杂的建模、尽调等工作，但目前生成式AI产品主要为开源的大模型，商业化程度低，AIGC在短周期内仍主要承担辅助性工作。来源：艾瑞咨询研究院自主研究及绘制。前