人工智能系列深度报告：AIGC行业综述篇-开启AI新篇章.pdf

行业发展：人工智能步入新发展阶段，逐步迈向AGI；AIGC拥抱人类，创造人机交互新变革，将迎来更多新机遇。人工智能从理论发展分为四个阶段：规则导 向、机器学习、深度学习、自主学习阶段，目前处于深度学习阶段；从应用成熟度可分为三个阶段：弱人工智能阶段（ANI）、强人工智能阶段（AGI）、超人 工智能阶段（ASI），目前处于ANI阶段；从应用类型可分为四种：感知式AI与分析式AI应用较成熟，决策式AI近年来发展迅速，生成式AI迎来突破。生成式AI， 即AIGC，较传统内容创作模式UGC、PGC可实现更大数量、更高质量、更低单位成本，未来将从辅助创作生成趋向高度自动化自主创造。此外，AIGC将赋 能多领域，加速人机共生的建设，迎接更多机遇与挑战。 ◆ 技术进步：算力是支撑，数据是瓶颈，算法迎来突破。算力层，近年来大模型流行，模型参数量迅速膨胀，所需计算资源越来越大，算力是AIGC核心生产要素； 而AI芯片全球短缺，美对华芯片制裁升级，我们认为国内短期算力充足，长期仍需要逐步实现AI芯片国产化替代。数据是机器学习的核心，AI发展的瓶颈,数据 决定模型质量的上限；大模型训练需要海量且优质数据，A 《人工智能系列深度报告：AIGC行业综述篇——开启AI新篇章》 人工智能（AI）作为科技进步的重要驱动力，正在逐步迈入新发展阶段，走向通用人工智能（AGI）。AI的发展经历了规则导向、机器学习、深度学习和自主学习四个阶段，当前正处于深度学习阶段。在这个阶段，神经网络和大数据的结合使得AI在图像识别、语音识别等领域取得了显著成果。 从应用成熟度来看，AI分为弱人工智能（ANI）、强人工智能（AGI）和超人工智能（ASI）三个阶段。当前，我们正处在一个AI能够处理特定任务但尚无法全面理解和执行复杂任务的弱人工智能阶段。随着技术的进步，AI正逐步接近能够理解世界和自我学习的强人工智能目标。 AI的应用类型主要分为感知式AI、分析式AI、决策式AI和生成式AI。其中，感知式AI和分析式AI已经在图像处理和数据分析等领域得到广泛应用，而决策式AI如自动驾驶等正在快速发展。生成式AI，即AIGC（Artificial Intelligence Generated Content），是近年来的一大亮点。AIGC通过算法模型生成内容，如文本、图像、音频等，相比于传统的UGC（User-Generated Content）和PGC（Professional-Generated Content），AIGC可以实现更高的效率、质量和规模化，未来有望实现高度自动化的内容创造。 在技术进步方面，算力是AIGC的核心生产要素，大模型的兴起对计算资源需求急剧增加。然而，全球AI芯片短缺以及美国对华芯片制裁给国内AI发展带来挑战，国内短期内算力供给相对充足，但从长远看，国产化替代是必然趋势。数据是AI学习的基础，但数据获取、标注成本高，速度难以跟上模型训练的需求。因此，加速商业化进程，通过数据反哺来提升数据质量和降低成本显得尤为重要。 算法层面上，Transformer架构的出现解决了RNN并行计算的问题，并在NLP和CV领域展现出优越性能。随着多模态发展，Transformer将进一步推动AI向人类推理方式靠近，为实现AGI奠定基础。AIGC涵盖了广泛的生成内容形式，包括文本、音频、图像等，其中GPT和Difussion模型分别在文本和图像生成领域取得突破。 应用层面，小模型已在B端部分行业得到应用，而大模型在影视、传媒、电商等领域展现出潜力，但商业价值闭环尚未形成。科技巨头如微软、谷歌、Meta以及国内的百度、腾讯、阿里、华为等都在全面布局，中下游厂商则通过细分领域的深耕和技术积累，共同推动产业发展。 商业模式方面，小模型在B端以服务形式存在，大模型则倾向于MaaS（Model-as-a-Service）模式，提供云服务和工具以替代人力完成特定工作。然而，大模型的商业化仍面临挑战，需要建立完善的产业生态，提升用户付费意识，并共同应对技术发展、市场竞争和国际科技竞争不确定性带来的风险。 AIGC正引领AI进入新篇章，开启人机交互的新变革，为各行各业带来新机遇和挑战。随着技术不断进步和应用深化，AIGC有望重塑内容创造模式，加速人机共生的未来。