2024年中国AIGC行业应用价值研究报告-干行百业AI in Al重构数字经济的生产模式.pdf

出品机构：甲子光年智库智库院长：宋涛撰写人：甲子光年分析师 刘瑶时间版本：2024.06*胡博文，李怡然等其他甲子光年智库团队伙伴亦对本文有贡献*后续，AIGC行业应用发展迅猛，甲子光年智库将根据行业情况进行不定时进行更新、补充及迭代前言：当我们在谈论AIGC，到底希望讨论什么？目前广受热议的“AIGC”实际是对此次AI技术变革的一种描述概念，如果说2023年是“大模型”元年，那么2024年则是“AIGC”应用元年。而我们今天谈论的AIGC概念是泛化的，包括具备狭义和广义概念，狭义概念更强调内容属性，广义概念强调AI的技术属性：狭义的概念重点关注的是数字内容的生产形式（Synthetic Media），和人类生成内容方式对比，例如文字、图片、视频等常规内容形式如何一步通过AI生产；广义的概念则突出生成式AI（Generative AI）的概念，即如何通过生成式AI的技术解决以往决策式AI（也会称为决策式AI）难以完成的问题，尤其在泛数字内容上实现“质的突破”。随着生成式对抗网络（Generative Adversarial Network，GAN）等的演进及迭代，生成式AI可以结合自动化、数字化、决策式AI等等多种的形式，解决数字化时代信息的解构、生成、交互、传播、反馈等诸多链路（例如数据治理、知识管理、流程自动化、人机协作和交互等等），即意味着凡是可以涉及数字内容形式的产业，AIGC通通可以“重新做一遍”。AIPGCUGCProfessionally-Generated Content内容生成成本高，需要专业人士完成内容生成，总体内容生产数量低User-Generated Content内容生成及传播成本由于互联网时代的，无需专业人士完成，总体内容生产数量有所提升GC应用创新希望AIGC去解决旧时代的“老问题”，创造属于当下的“新需求”AIGC关注内容（Generated Content）的生成方式，即是否内容的最终形态由AI完成，来自于互联网之前对内容生成方式描述比较（PGC&UGC），对生成主体的不同（人VS机器）、数量及规模的上限，生成速度的巨大差异进行比较AIGCAIGC的商业价值核心逻辑是什么？技术和产品力如何形成更好的化学反应？哪些具体的行业和场景在2024年会成为关键的破局点？“大模型”怎么用？是否要唯“大模型”论？AIGC能否“击穿”当下数字化不得解决的问题？AIGC是否会形成新时代的生产力？AIGC能给行业带来什么样的新体验、新思路？目 录Part 01背景：AIGC将迎来“寒武纪”式的爆发Part 02价值：重新探索数字生产力的实现模式Part 04落地：当下商业实践值得关注的里程碑Part 05守望：AI新世代下的审慎与期待Part 03探索：垂直领域数智化的再次出发AI浪潮发展的必然要求：商业应用落地是时代发展的“飞轮”加速器大模型的发展开启了AIGC时代（第四次AI浪潮），从人工智能产业的发展中可以看出，技术是AI每次革命性发展的起点，但商业应用是发展的加速器，AI的持久发展看商业落地。商业应用可以为AIGC技术提供实际的测试环境，通过不断的实践和反馈，促进技术的迭代和优化。而资源则借助商业应用向技术研发倾斜，技术可以拥有极大的试错空间。先进的技术可以帮助企业更有效地利用资源，包括数据、人才和资本等，形成正向循环。1956202319802006产业热度人工智能产业的发展历程简述1950s-1980s第一次浪潮1980s-2000s第二次浪潮2000s-2020s第三次浪潮2023-至今第四次浪潮AIGC的持久发展需要商业应用落地第一次浪潮：达特茅斯会议之后，大量AI程序和创新研究涌现，尝试实现AI应用第二次浪潮：“专家系统”可实现人工智能与专业知识结合，实现特殊领域的实践落地第三次浪潮：深度学习助力语音识别、图像和视频处理等AI应用逐渐渗透到各行各业应用技术资源“应用”&“技术”&“资源”相互促进，实现飞轮式发展，“没有大模型是万万不能的，只有大模型是万万不行的”数据来源：公开资料，专家访谈，甲子光年智库整理技术储备的不断深化和完善：技术爆发后迎来商业加速，应用热度上升随着人工智能技术的飞速发展，大模型（包括开源模型及闭源模型）的数量和能力都在显著增长，为AIGC（人工智能生成内容）应用的爆发提供了坚实的技术基础。同时海外以知名风险投资公司 Y Combinator 为主要跟踪指标看，全球AIGC融资热度在2024年加速上升，从侧面显示其商业价值逐步受到关注。Llama3 70b InstructQwen1.5-32B-ChatZephy-orpo-141bGPT-4Claude1GPT-3.5 TurboGPT-4Claude2GPT-3.5 TurboGPT-4GPT-4Gemini ProMistral MediumClaude 3 OpusGPT-4 TurboClaude 3 SonnetClaude 3 HaikuMistral LargeVicuna 33BLlama-2-70b-chatLlama-2-13b-chatMPT-30B-chatVicuna-13B-v1.5Llama-2-7b-chatWizardLM 70bYi-34BSOLAR-10.7B-Instruct-v1.0OpenHermes-2.5-Mistral-7BDeepSeek-LLM-67B-ChatMixtral Instruct 8x7BOpenChat-3.5Gemma-1.1-7B-itDBRX InstructStarling-LM-7B-betaLlama3 8b Instruct105011001150120012502023.32023.52023.72023.92023.112024.12024.32024.5闭源模型开源模型Arena ELO大模型的数量及能力均不断上升，AIGC应用爆发具有技术基础61404176.4229.630101002003004000204060802024.12024.22024.32024年1-3月全球AIGC赛道融资情况全球AIGC赛道融资次数全球AIGC赛道融资金额（亿元人民币）1919276.781.648.502040608010001020302024.12024.22024.320242024年1 1-3 3月中国AIGCAIGC赛道融资情况国内AIGC赛道融资次数国内AIGC赛道融资金额（亿元人民币）全球及中国AIGCAIGC融资数据显示AIGCAIGC商业价值关注上升数据截止2024年5月公开资料，-Y combinator为主要跟踪指标公开资料，-非凡产研数据来源：公开资料，专家访谈，甲子光年智库整理AI应用亟待爆发的核心逻辑：AI生产力推动生产作业模式的改变大模型应革命性地改变人机交互方式和机器的决策能力，大模型的下半场已经开始，内容生产释放生产力，人机交互改变生产关系。人机交互的改变将直接影响工作流程，进而对产业上下游链条和生态合作方式产生重要作用，进而改变整体的数字管理体系。最终价值：生产力显著提升，生产关系逐步发生变化工作范式或核心需求发生改变各类内容形态的生产时间大幅降低基于内容的交流效率大幅提升，工作流程的改变直接价值：内容的生成成本下降，生成效果提升间接价值：人与人之间，人与机器之间的交互效率提高内容流程治理AIGC解决了内容创作效率的核心矛盾：环节中始终存在大量个性化的重复性工作，内容创作的门槛及成本皆源于此。AIGC可以在部分环节实现“工程化”的工作模式AIGC解决了工作过程中流程的核心矛盾：人与人交互，人机交互环节中面对信息（文字风格、图片、视频等等无法用进行准确描述）的环节，都可以采用新的内容进行直接沟通，颠覆了沟通方式AIGC重构了作业环节的劳动力（生产时间变化所致）与物质资料（能耗、技术等）分配，生产力的发展会促使新的生产关系的出现AIGCAIGC从“内容生成”入手，结合商业应用的不断迭代，最终指向数字工作作业模式及治理模式的改变58%83%2016年的传统AI2023年的生成式AI企业高管对AI的认知水平变化“让AI成为核心生产力”已经成为企业领导的迫切需求根据IBM的全球调研，如今对生成式AI的认知水平远高于2016年传统AI出现第一波发展浪潮时的认知水平。数据来源：公开资料，专家访谈，甲子光年智库整理市场对于AIGC应用的期待：宁可试错，不能错过66%64%55%55%49%49%48%高层管理者投资者方员工媒体非政府机构/宣传团体业务合作伙伴客户各参与方对于AIGC在行业应用层面的实施意愿加速实施AIGC减缓实施AIGC24%21%19%15%13%8%企业AIGC预算的来源分布创新预算业务部门预算面向大语言模型的全新IT预算从IT重新分配的资金从其他AI重新分配的资金产品开发预算信息化数字化数智化传统的业务流程和信息以数字化的形式展示对数据的采集、整合、分析和利用，供数据驱动的支持，并推动业务创新和发展企业数字化转型的三大阶段实现业务流程的自动化、智能化和个性化。目标是利用数字及智能提升企业的运营效率、降低成本并创造新的价值核心来自于市场对于“智能”的渴望，希望AIGCAIGC可以破局过往企业数智化过程中的困境，给予技术充分的探索的空间企业的建设需要创新的方案数据来源：公开资料，专家访谈，甲子光年智库整理不唯“大模型”论：带着行业理解，在具体场景中寻找答案AIGC应用的落地思索场景（数据+算力+算法）大模型的能力依然是基础：决定AIGC技术能力可以超越现有解决方案的能力深入理解业务需求，在细化需求中寻找到核心矛盾并解决商业价值产品设计业务理解用户需求资源匹配目标规划风险管控技术需求行业Know-HowKnow WhyHow DoAIGCAIGC的应用核心：专注于场景的细分需求，结合业务问题，寻找AIGCAIGC可实现的最佳落地点，更快地为企业提供商业价值 基于用户的细分行业属性，熟悉细分行业的需求价值 基于用户的业务流程细节，对用户的需求矛盾分析 基于用户的资源能力，明确产品和商业的平衡点 在不同阶段和层面对项目的工作内容从主项、分项、子项甚至单体的各个部分进行拆分（例如采用WBS），实现项目关键节点的管理，完成项目人员的协同、管理、分工及时间资源调配对风险的预知、判断及合理控制数据来源：公开资料，专家访谈，甲子光年智库整理目 录Part 01背景：AIGC将迎来“寒武纪”式的爆发Part 02价值：重新探索数字生产力的实现模式Part 04落地：当下商业实践值得关注的里程碑Part 05守望：AI新世代下的审慎与期待Part 03探索：垂直领域数智化的再次出发效果必须要超越“过往”才会被承认过往技术手段劳动价值AIGC奇点AIGC应用构建的逻辑：通过AIGC实现“击穿”式的业务效果从1994年中国接入国际互联网开始，2024年已经是中国经济社会探索数字化发展的30年；AI早已不是可以解决企业问题，产生效能的唯一答案，应用AIGC需要直击业务的痛点，以数量级（十倍、百倍甚至千倍）的实践效果去证明其商业价值。“击穿”过往数字化、自动化、智能化难以逾越的墙壁企业资源计划客户关系管理财务软件合同管理供应链管理资源管理营销科技软件司库管理办公自动化项目管理营销科技软件客服机器人RPA工具文档管理数据采集数据清洗数据挖掘数据分析数据决策语义切割视觉识别预测分析推荐系统*以上仅为示例行业数字化解决方案：金融、医疗、工业、教育、科学、农业、能源、广告、法律AIGC可能的效果体现：1.效果超越：生成的内容在质量上要优于或至少等同于传统方法。2.效率提升：在生产速度和成本效益上要显著优于人工操作。3.用户价值：为用户带来实际的好处，解决具体问题。4.可靠性：技术稳定可靠，减少错误和故障。5.易用性：简单易集成，用户界面友好。6.合规性：遵守法律法规，避免伦理争议。7.单点场景及关键节点“质”与“量”的双重飞跃重新整合流程与AIGCAIGC单点能力，形成新的工作流程提供规模化、智能化的整体解决方案点线面数据来源：公开资料，专家访谈，甲子光年智库整理AIGC的PMF：M可以是“market（市场）”，也可以是“model”（模型）只利用AIGC内容生成能力，“Market”的反馈可以作为应用衡量的标尺PMFPMF 一般是 Product-Market Fit 的缩写，意为产品市场契合度。这是一个关键的商业概念，指的是产品能够满足目标市场的需求并且具有吸引力，从而实现销售和市场接受度的理想状态。当一个产品与市场契合时，它就能够吸引并保留用户，实现增长和盈利 理解用户需求：深入了解目标用户群体的需求和痛点。独特价值主张：产品需要有一个清晰和独特的价值主张，解决用户的问题或满足他们的需求。市场接受度：产品不仅要技术上可行，还要在市场上受到欢迎。用户反馈：通过用户反馈来验证和改进产品。增长指标：产品应该有积极的增长指标，如用户增长率、留存率和推荐率。竞争优势：产品需要有明显的竞争优势，能够在市场中脱颖而出。可扩展性：产品应该能够随着用户基础的增长而扩展，满足更大的市场需求。盈利潜力：产品应该有明确的盈利模式和潜力。在“AI+”的复杂场景下，AIGC的能力需要和其他自动化能力及流程匹配，“Model”的适配更为重要productfit 持续学习：AIGC模型应具备自我学习和适应新数据的能力，以应对不断变化的市场和用户需求。合规性和安全性：在处理敏感数据和特定行业内容时，AIGC需要符合相关的法律法规和安全标准。可解释性：在复杂场景中，AIGC的决策过程需要是可解释的，以便用户和监管机构理解和信任。多模态能力：AIGC不仅要处理文本数据，还可能需要处理图像、声音、视频等多种数据类型，这要求模型具备多模态处理能力。反馈循环：建立有效的反馈机制，以便从用户和业务流程中收集反馈，不断优化AIGC模型。集成性：AIGC需要能够无缝集成到现有的工作流程中。定制化：不同行业和场景对AIGC的需求各异，因此模型需要能够根据特定需求进行定制和适配。数据驱动：AIGC模型需要能够处理和学习大量行业特定的数据，以提高生成内容的相关性和准确性。用户交互：在复杂场景中，AIGC应能够理解并适应用户的交互方式和偏好，提供个性化的内容。流程优化：AIGC应帮助优化业务流程，提高效率，减少人工干预，实现自动化的端到端流程。因此不唯“大模型”论，与场景更为适配垂直及专业的模型是在专业领域更为适用的选择（参数量可以少，但更为精准）数据来源：公开资料，专家访谈，甲子光年智库整理AIGC实现行业know-how的具象化：个性化+专家级的知识库构建技术窍门：指的是企业在生产过程中掌握的特定技术，这些技术可能未被广泛知晓，是企业保持竞争力的关键。操作技巧：涉及日常操作中的技巧和方法，这些技巧可能来自于员工的个人经验或企业多年的实践。工艺流程：企业在生产过程中形成的特定工艺流程，这些流程可能经过多次优化，以达到提高效率和质量的目的。商业策略：企业在市场竞争中形成的特定商业策略，包括市场定位、产品定价、营销推广等。管理方法：企业在管理过程中形成的有效管理方法，如人力资源管理、财务管理、供应链管理等。市场洞察：企业对市场的深入理解和预测，包括消费者行为、市场趋势、竞争对手分析等。知识产权：知识产权通常被视为正式的知识，但它们也是know-how的一部分，因为它们保护了企业的创新成果，如专利、商标、版权等。企业文化：企业的价值观、行为准则和工作氛围，这些文化因素可以影响员工的行为和企业的决策。客户关系：企业与客户建立的长期关系，包括客户信任、忠诚度和口碑等。企业真正的“专家级知识”藏于大量资料及流程之下公司运营积累的丰富经验、专业知识及行业Know-how对于企业来说非常宝贵，因为它很难被竞争对手复制或购买随着中国企业数字化进程不断发展，部分企业已经积累了大量的数字文档、资料等文档资料财务数据人力资源信息市场资料供应链信息运营数据法律和合规文件电子邮件记录客户数据供应链信息销售数据研发资料AIGC通过挖掘企业流程、文档及相关信息化知识完成知识库的具象化专家知识的数字化是AIGC成功落地的关键。通过不断标注和反馈，专家的个人知识可以丰富和完善知识库，形成知识闭环，使系统能够持续学习并提升性能。数据来源：公开资料，专家访谈，甲子光年智库整理 大模型的平台架构设计一大模型的训练部署、大模型的业务服务应用、大模型的平台管理 大模型的全生命周期管理 平台的稳定性、安全性 模型问答的提示与引导(LLM Prompt)：模型的应用 模型回答的打分、打标及排序：模型的优化 知识库的迭代更新：知识的不断累积，模型的优化。训练的数据质量：数据质量要求高(内部的数据集)训练的数据治理：知识库的建立(专用领域的(知识)模型微调、知识扩充：建模的能力(全参数Fine Tuning、外接知识库等)算力资源成本考量：合适的大模型而不是规模大的模型(考虑模型的规模vs.资源消耗)通用领域大模型预训练：问题的回答具有随机性（一般公开的数据集，通用知识)AIGC可利用垂类数据实现模型的优化及迭代，实现知识资产和模型的结合AIGC内容生成，降本数字员工，增效辅助决策，提质公有数据私有数据经营数据垂直/专用大模型部署垂直/专用大模型反馈阶段垂直/专用大模型训练阶段通用大模型预训练AIGC垂直性解决方案落地示例要利用“看得见”的数据更要利用“看不见”的数据，训练属于企业自己的模型垂直模型通过深度使用企业自身的内部数据，尤其是深度挖掘企业的私有数据和经营数据，实现自身垂直/专用大模型的部署。随着模型的不断迭代，优化，企业的“垂类自由模型成为知识资产数据来源：公开资料，专家访谈，甲子光年智库整理AIGC试图可以让流程的自动化更合理，以实现复杂流程的重新设计行政人力组织文化行政管理绩效管理法律顾问公司培训招聘管理财务资金财务管理税务管理资金统筹预算分析成本控制内部审计生产制造技术开发生产计划采购供应仓储物流设备维护质量检测市场营销市场运营商务销售渠道管理客户服务广告投放品牌公关IT信息IT规划信息安全功能开发项目管理系统运维企业具有多个部门采购创意产品开发开发资金管理设计用户反馈战略决策行政财务物流销售制造过往的工作流程及系统设计围绕“机器”进行AIGCAIGC通过数字员工与系统重构，试图去实现“以人为本”的数字流程建设真实的工作流程：系统复杂，需要同时和多个部门和人员同步协调AI员工人类员工AI员工实现复杂问题的简单化AIGC可以最小成本地构建数字员工与自动化流程，更快更敏捷地构建以人和业务的流程设计“假想”的工作流程往往过于美好：个人工作流程、部门间的流程、部门内部的流程有序明确，各工种之间分工极其明确，单人认知清晰共通；实际的产品的应用中需要大量的培训、对齐、流程设计，往往失去了数字化产品的核心初衷往往为了数字化而数字化流程示意图数据来源：公开资料，专家访谈，甲子光年智库整理AIGC的最终目标：从单点应用到构建完整的数字化作业体系的通路企业数字化平台供应端（交易）品牌端（交易+运营）平台端（后台管理）渠道端/终端（交易）用户端（交互）数字化采购数字化组织数字化系统数字化分销数字化终端数字化营销应用管理数据管理业务管理PC运营管理App管理/商城小程序商城商品中心渠道中心会员中心结算中心分账中心业务数据存储数据集成数据分销分销分销分销门店客户分销一级分销电商渠道传统渠道大客户线上电商直营/加盟/KA线上社会化营销线下社会化营销线上用户线下用户三方平台下单自有平台下单交易订单门店下单门店订单线上营销推广线上用户活动线下营销推广线下用户活动商品管理销售订单销售结算售后服务物流发货仓库接单物流接单第三方物流送货上门订单中心库存中心商品中心渠道中心会员中心结算中心品牌中心物流中心客服中心仓库接单总仓+电商仓物流接单第三方物流送货上门线上电商AIGCAIGC不仅仅可以去需要解决单点问题，更可以向作业的前后链路、企业的内外链路扩展，每个企业都可以去尝试自己的AIGCAIGC打法（定制化ITIT的普惠化），而不是去适配通用的数字化功能人“找”数字化流程数字化流程“找”人AIGC过往的数字化流程是没有办法实现流程中端到端的落地打通，没办法把各种能力足够细分（或者原子化），无论是成本和技术都无法满足AIGC在提供这种可能性：大模型的能力让开发、流程建设、功能设计、产品原型的门槛大幅降低，规模化能力上升数据来源：公开资料，专家访谈，甲子光年智库整理目 录Part 01背景：AIGC将迎来“寒武纪”式的爆发Part 02价值：重新探索数字生产力的实现模式Part 04落地：当下商业实践值得关注的里程碑Part 05守望：AI新世代下的审慎与期待Part 03探索：垂直领域数智化的再次出发千行百业的应用探索：让AIGC生成的能力与数智化进程融合数据来源：公开资料，专家访谈，甲子光年智库整理专业性高（容错性低）自由度高（容错性高）重复性工作交互性工作金融、医疗、法律、财务、生产、物流、资管、人力等专业性极强的领域，往往需要专岗专职人员进行多年学习完成金融、医疗、法律、财务、生产、物流、资管、人力等专业性极强的领域，往往需要专岗专职人员进行多年学习完成游戏、娱乐、影视、营销、广告、教育等需要更多灵感及创意的领域游戏、娱乐、影视、营销、广告、教育等需要更多灵感及创意的领域更自然，更类人，带有情绪价值的表达，并且表达中迅速形成合理的反馈专业性内容的整理、收集、分析、反馈及生成交付专业性内容的整理、收集、分析、反馈及生成交付更自然，更类人，带有情绪价值的表达，并且表达中迅速形成合理的反馈“专家级的数字员工”“顾问型的服务模式”“放飞想象的翅膀”“贴心的沟通交流”通过对特定行业、场景的数据中进行专业知识的提炼、分析和加工，并且结合自动化生成，机器人、AI Agent等成为企业流程中的“超级员工”。为部分专精领域实现创新与变革提供新的流程和方式。让更多面向用户的前端人员充分理解行业或者专业知识，整体提高客户服务流程的阶段经验水平与智能化水平，用“群体智慧”解决单点问题。借助AIGC规模化及高效生成模式，实现低成本、高质量的创意素材生成，加速互联网内容的制作流程变革，为新的制作方式及分发模式提供基础，为产业提供创新基础。更好的自然语言处理，可以让规模化、自动化与“个性化”实现更好的方式呈现。让人类感受到科技的温度，机器的温情。数字内容产业-重塑机器媒体内容生成能力，单点加速数字内容的生产分级0级1级2级3级4级5级发展趋势内容生产模式生产人生产内容机器辅助审核机器辅助加工机器有条件自动生产内容机器高强度生产内容 机器完全自动生产内容生产主体采集生产人生产人生产人生产人和机器生产人和机器机器AI渗透率加工生产人生产人生产人和机器生产人和机器机器机器审核生产人生产人和机器生产人和机器机器机器机器机器生产力的限制情况采集受限受限受限部分受限部分受限不受限生产力加工受限受限部分受限部分受限不受限不受限审核受限部分受限部分受限不受限不受限不受限技术示例 素材上传、存储、分类、检索、权限设置 多媒体内容编辑，提供文字、图片、视频功能 内容在线批注、修改 支持内容审核，包括文字规范性核查，人物/机构/地域等实体属性核查 自动标题、自动摘要、智能字幕、文本生成 在内容审核过程中自动屏蔽、剔除或修改内容 抓取线上数据 根据内容模板利用线上数据自动生成内容 采集素材的规范性与准确性审核 支持固定位置的线下设备进行数据采集 支持根据已设定的内容模板对原始数据进行加工后自动生成内容 支持可移动设备自动进行数据采集 分析原始数据，自动判断是否需要进一步采集，并根据素材挑选模板自动生成内容技术能力AIGC技术参与内容生产流程判断，大多数情况下是AI作为辅助完成内容的生产AIGC技术使得机器可以在内容生产过程中尽量实现“自动化”，减少人的工作量；AIGC技术进步使得机器越来越走向“自动化”，实现了“从无到有”。完全态“AIGC”数据来源：公开资料，专家访谈，甲子光年智库整理数字内容产业-内容制作环节难度下降，同时要求高竞争力内容产生IP制作宣发播映映后开发策划/剧本视频生成应用层视频生成中间层视频生成基础层文本+剧本文本+小说图片+设计图片+海报视频+剪辑音频+配乐创意生成环节视频生成环节宣发播映环节细节说明文本生成模型图片生成模型音频生成长视频生成模型音频生成短视频生成模型图片生成模型视频+特效视频+3D视频+动作视频+渲染图片+美术图片+设计视频+剪辑音频+配乐视频+元宇宙视频+人机交互文本+创意文本+策划 创意生成：主要包括原IP、策划/剧本和映后开发环节。主要以讲好故事、做好创意策划为目的。需要整合文本生成和图像生成模型。视频生成：主要包括制作环节。主要负责将故事由文本变为视频内容。需要具备长视频生成和音频生成模型。宣发播映：主要包括宣发与播映环节。主要负责将生成视频内容进行宣传和播放。需要具备短视频生成、音频生成和图片生成模型。以长视频为例，制作环节难度下降，将会助推产业链上游的创意环节和下游宣发播映环节重要程度上升，好故事、好脚本、好平台将成为视频产业的核心竞争力以长视频为例，视频产业链将整合简化为三大环节：创意生成视频生成宣发播映数据来源：公开资料，专家访谈，甲子光年智库整理数字内容产业-AIGC实现游戏行业作业模式的加速变化探索阶段原型阶段开发阶段测试阶段上线阶段游戏开发市场分析产品核心成本、周期预估竞争分析方案策划技术确定美术、音乐原型程序代码编写美术设计音效制作测试BUG修复数据监控紧急情况处理策划美术素材音乐和音效对战策略图像、文本素材生成原画设定（2D）3D游戏3D角色3D场景和物体3D角色模型3D角色动作3D角色表情3D技能特效Photo-to-3DText-to-3DGPTCodeDCC3DScan(Laser+Photos)2D游戏2D角色2D场景和物体3D角色表情3D技能特效2D角色动作2D角色设计代码逻辑游戏的内容生成效率及效果提升赋能游戏开发全流程游戏的开发过程涉及了AIGC内容生成的诸多方向，以游戏为例，可以体现AIGC相关内容的生成效率及效果直接加速了整个开发流程。*其中部分内容生成的成熟度尚且不足数据来源：公开资料，专家访谈，甲子光年智库整理专业性行业-以金融为例，专业的工作+个性化服务，改善作业流程自动化完成繁琐的工作来改变金融专业工作流程。AIGC可直接嵌入到工作流程中，可通过搜索网络、分析公开文件、与财务数据源集成以及利用语言大模型为上市和私营公司生成文件，通过专有数据集成以客户自定义格式自动生成报告。AIGC同时可以支持金融科技公司的用户服务体验，以高专业度的形象为用户提供服务。通过缩短审计时间帮助审计员实现增长，提供分析财务记录、执行审计程序辅助，以更高效率起草文件。风控流程为金融科技公司和银行实现手动风险和合规操作的自动化。建立能够提取内部政策和程序、法律承诺、过去的隐私和合规评估的推理引擎，并与外部立法同步实现风险追查。帮助金融科技风险和反洗钱合规团队利用生成式人工智能自动化和客户调查。银行流程使用 AI 原生记录系统为银行构建 AIGC，实现银行流程中手动工作的自动化。为客户节省人均参保额度，为客户员工提供全家健康费用全免等福利，并设置、员工教育和索赔报销流程。可简化健康保险经纪人的保险报价、续保和收入运营流程。审计流程保险流程金融领域中的AIGCAIGC在流程中的作用实例，提升流程中的自动化数据来源：公开资料，专家访谈，甲子光年智库整理Stripe 是一家金融科技公司，利用 GPT-4 技术简化用户体验并打击欺诈行为。Stripe 的员工使用 GPT-4 生成 50 个潜在应用程序，其中 15 个被认为具有很强的集成潜力，包括支持定制、文档答疑和社区平台上的欺诈检测。通过 GPT-4，Stripe 能够快速扫描和总结业务网站内容，提供比人工更准确的结果。此外，GPT-4 能解读技术文档，回答用户问题，并检测社区中的恶意行为。Stripe 报告显示，GPT-4 的应用显著提高了支持服务的效率和准确性，并大大增强了欺诈检测能力。Klarna 是一家金融科技公司（支付类公司），通过 GPT-4 技术革新个人购物体验。GPT-4 被用于个性化推荐和客户服务，提高了用户的购物满意度和转化率。使用 GPT-4 后，用户报告显示购物转化率提高了 20%，客户服务响应时间减少了 50%。GPT-4 的应用还帮助用户更好地管理购物清单和支付，提高了整体购物体验。企业结合OpenAIOpenAI的产业实践实例，提升用户体验专业性行业-以医疗为例，AIGC贯穿医疗服务全流程，提质增效通过分析患者的影像学、生理和临床数据，AIGC系统能够提供精准的疾病诊断，避免疏漏和误诊，从而为后续治疗奠定良好基础。AIGC可模拟和评估不同手术方案，协助医生选择最佳的治疗路径，提高手术成功率。并且在手术过程中，可提供实时的导航和机器人辅助，确保精准度。AIGC能够根据患者的具体情况(年龄、伤情、生理状况等)，生成个性化的康复训练方案，并通过持续监测调整方案，最大限度提高康复效果。AIGC可以通过自然语言交互、虚拟现实等技术，优化医患沟通体验，并为患者提供智能辅助和虚拟康复指导，缓解痛苦，提高依从性。AIGC的介入有望减少医疗资源浪费，降低手术风险和康复周期，从而降低整体医疗成本，使优质骨科和运动康复服务更加可负担和可及。提高诊断准确性优化手术方案个性化康复方案优化患者患者体验降低医疗成本诊前诊中诊后知识科普智慧体检智慧预约促防诊控治康科普教育智能可穿戴设备智能可穿戴设备监测反馈辅助临床决策智能问诊智慧影像手术机器人手术导航治疗性影像辅助康复机器人智慧康复方案术后感染评估智慧导诊远程患者监护患者自我报告结果患者自我报告结果姿态矫正康复机器人远程患者监测智能可穿戴设备智能可穿戴设备监测反馈患者自我报告结果远程患者监护急诊临床辅助决策自查分诊预约挂号预问诊辅检诊断治疗用药病案质控疾病随访AIGC能够更好地处理包括文本、图像、声音在内的多种数据类型，适用于不同的医疗场景，例如可以快速生成医疗报告、病例摘要等文本内容，提高医生的工作效率。并且利用出色的语言能力，整合和分析大量医学文献和临床数据，为医生提供决策支持。生成易懂的医疗健康教育内容，帮助患者更好地理解疾病和治疗方案等。数据来源：公开资料，专家访谈，甲子光年智库整理制造业AIGC可探索场景研发设计生产制造仓储物流产品服务工业安全生成式设计生产计划与调度数据分析与决策支持智能客服与支持模型与算法安全虚拟制造与测试工艺流程优化供应链管理销售与培训安全生产管理材料与工艺规划智能资源管理设备安全管理智能生产与质量控制智能监控与分析数据安全智能调优经营管理管理决策智能办公智能营销市场洞察代码生成复杂领域的破局-以制造业为例，在系统中寻找对原有场景增强辅助的环节产品外观设计CALA作为时装设计平台，将 OpenAI 的 DALLE 生成式设计工具整合到其服务体系中，极大地促进了设计师创意的快速实现。通过输入相关的设计概念关键词，CALA能够迅速产生一系列的服装设计初稿，显著地缩短了设计周期，提高了工作效率。然而，CALA 并非一个完全自动化的设计工具，其使用过程依然依赖于设计师的专业技能和丰富经验。尽管如此，CALA 显著降低了新设计师的入门难度，并有效提升了资深设计师的工作效率。工业代码生成Siemens与微软合作推出了 Siemens Industrial Copilot，西门子 Industrial Copilot允许用户迅速生成、优化自动化代码并加速仿真流程，将原本需要数周的任务缩短至几分钟。该工具整合了西门子 Xcelerator 平台的自动化与仿真信息，并结合微软Azure OpenAI 服务提升数据处理能力，同时确保客户对数据的完全控制，不用于 AI模型训练。Industrial Copilot 旨在提升整个工业生产周期的效率，通过自然语言交互，使维修人员得到精确指导，工程师能迅速使用仿真工具，从而推动工业创新和生产力的提升。知识管理与问答助手Andonix推出了 Andi，一个专为工厂工人设计的AI驱动的制造聊天机器人。Andi实现了工厂数据的智能化分析和处理，并提供了一个自然语言用户界面，使工厂工人可以与聊天机器人进行人性化的对话，请求专家的帮助和支持。Andi 可以协助工人完成诸如自动监控机器和流程性能、解决问题、生成行动计划、检查清单和工作指导等任务，还可以学习公司特定的信息，如机器操作和故障排除手册、质量系统、人力资源手册等，为工人提供即时的支持，回答特定的问题，如如何修复特定的机器故障代码、识别导致机器停机最多的三个问题、确定最近一小时的一次合格率（FTQ）或者澄清公司的假期政策等。研发设计软件辅助Back2CAD基于 Elaine CAD Bot、ChatGPT 和 Amazon AWS 等的支持推出CADGPT，支持虚拟助手、智能推荐、文档生成、代码生产、CAD 项目辅助等各类功能。以虚拟助手为例，CADGPT 能够基于用户前期的设计和偏好，提出替代性的方案或者现有方案的改进意见，帮助用户短时间内能够获得更好的设计结果。在代码生成方面，CADGPT 可基于用户输入的提示词生成适当的代码片段。探索场景示例数据来源：公开资料，专家访谈，甲子光年智库整理复杂领域的破局-利用原有环节，结合针对性的数据及行业know-how完成升级客户关系管理（CRM）产品生命周期管理（PLM）企业资源计划（ERP）供应链管理（SCM）物料清单（BOM）制造执行系统（MES）仓储管理系统（WMS）可编程序控制器（PLC）分布式控制系统（DCS）人机界面（HMI）商务计划物流质保技术技术产品和工艺管理在产品和工艺管理环节，AIGC技术通过分析历史设计数据和市场需求，为设计师提供有价值的改进建议资料。工艺规划时，AIGC技术能够对生产线进行仿真，生成工艺优化方案，从而提高生产效率和产品质量。这种智能化管理减少了设计到生产过程中的迭代时间，加速产品上市速度。计划调度管理计划调度管理环节中，AIGC技术根据订单需求、资源和设备状况，辅助生成智能生产计划调度方案。这不仅提高了生产调度的效率，降低了生产延误，而且通过实时设备数据监控，生成预警信息，及时降低潜在损失，确保生产流程的顺畅和高效。生产质量管理在生产质量检测环节，AIGC技术利用图像识别和传感器数据分析等技术，辅助提升智能检测方案水平。AIGC生成的产品追溯记录使得质量追溯更加高效，降低了风险，提高了产品质量管理的精确性和响应速度。物料物流管理物料物流管理环节通过分析历史数据和市场趋势，生成智能需求预测方案。这种预测方案提高了物料的利用率和供应链的响应速度，减少了库存积压和物流成本，优化了物料管理的整个流程。车间设备维护管理车间设备维护管理环节中，AIGC技术通过分析设备数据，生成智能故障诊断和预警方案。同时，根据设备的使用历史和状况，制定智能维护计划，降低了维护成本，提高了设备的运行效率和可靠性。库房管理功能库房管理功能环节中，AIGC技术辅助实时监控库存状况，生成库存管理优化建议。这提高了库存周转率，降低了库存成本。自动化的出入库管理方案提高了物流效率，减少了人为错误。可视化管理可视化管理环节根据生产线上的实时数据，生成智能可视化界面设计方案。这使得管理人员能够直观地了解生产过程，提高了生产过程的透明度，方便了人员管理和决策，增强了生产过程的可控性。AIGC在MES领域的应用示例产品开发在产品开发阶段，AIGC技术能够自动分析和提取物料相关数据，生成详尽的物料信息和参数配置。这一过程显著提高了物料建档的效率和准确性，确保了产品数据的一致性和可追溯性，为后续的生产和供应链管理打下坚实基础。生产计划生产计划环节通过对生产数据和历史记录的深入分析，AIGC辅助生成生产计划和资源优化方案。这包括各阶段任务的分配和时间节点的设定，确保生产流程的顺畅和资源的合理配置，提高生产效率和响应速度。销售管理销售管理中，AIGC技术能够辅助分析客户数据，生成客户关系优化建议和档案更新。这有助于提升客户满意度和客户关系管理水平，通过精准的客户洞察和个性化的服务，增强客户忠诚度和企业竞争力。采购管理在采