AIGCAI生成内容产业展望报告.pdfVIP

AIGC，AI-GeneratedContent

AIGC/AI生成内容

Industryinsightreport

产业展望报告

•在技术上，AIGC已经可以完成哪些创作？

•在价值上，AIGC除了直接生成艺术作品还能做什么？

•在未来，AIGC将如何改变内容及相关产业？

•

量子位硬科技深度产业报告—AI生成内容AIGC

关键结论

1.区别于GenerativeAI和Syntheticmedia，AIGC中的跨模态生成和策略/线索生成应当得到重视，

这两者也是AIGC长期的重要价值增长点。

2.按照模态区分，AIGC可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的

跨模态生成，细分场景众多，跨模态生成需要重点关注。GameAI和虚拟人生成是目前变现较为明确

的两大综合赛道，预计对原行业产生整体性影响。

3.以下技术要素值得关注：长/开放式文本生成、NeRF模型、Diffusion模型、跨模态大型预训练模

型、小样本学习及自监督算法、强化学习及环境学习。以下技术场景值得关注：闲聊式文本生成、个

性化营销文本、富情感及细节TTS、拼凑式视频生成、基于文本的AI绘画、语音复刻。

5.除降本增效、提供参考外，AIGC的以下两点价值更值得关注：对不同模态元素进行二次拆解组合，

改变内容生产逻辑及形式；和其他AI系统或数据库进行联动，有实现高度个性化/高频优化。

6.我国AIGC行业仍处于刚刚起步阶段，距离大规模验证和体系化发展仍有距离，“模块分拆+个性

化推荐”的“泛AIGC”形式预计将有所发展。

我国AIGC行业阶段划分

AIGC相关技术场景及成熟度分类

我国AIGC产业链划分

AIGC相关业务场景分析

感谢以下机构及个人参加深度访谈：倒映有声、Deepmusic、高林教授、黄民烈教授、rctAI、腾讯AILab、小冰公司

量子位硬科技深度产业报告—AI生成内容AIGC

技术及场景篇

1.1技术定义

AIGC全称为AI-GeneratedContent，指基于生成对抗网络GAN、大型预训练模型等人工智能技术，通过已有数

据寻找规律，并通过适当的泛化能力生成相关内容的技术。与之相类似的概念还包括Syntheticmedia，合成式媒

体，主要指基于AI生成的文字、图像、音频等。

Gartner也提出了相似概念GenerativeAI，也即生成式AI。生成式AI是指该技术从现有数据中生成相似的原始数据。

相较于量子位智库认为的AIGC，这一概念的范围较狭窄。

Gartner《2021年预测：人工智能对人类和社会的影响》给出积极预测：

•至2023年将有20%的内容被生成式AI所创建

•至2025年，Gartner预计生成式AI产生的数据将占所有数据的10%，而今天这个比例不到1%

•根据Gartner披露的“人工智能技术成熟度曲线”，生成式AI仍处于萌芽期，但其广阔的应用场景和巨大需求空间吸引着大量资本和

技术的投入，预计将在2-5年内实现规模化应用

一方面，这一概念忽略了跨模态生成（如基于文本生成图像或基于文本生成视频）这一愈加重要的AIGC部分。我们

会在下一部分对跨模态生成进行重点讲解。另一方面，在结合现有技术能力和落地场景进行分析后，我们认为“生

成”和“内容”都应该采取更为广泛的概念。例如，生成中可以包含基于线索的部分生成、完全自主生成和基于底

稿的优化生成。内容方面，不仅包括常见的图像、文本、音频等外显性内容，同样也包括策略、剧情、训练数据等

内在逻辑内容。

从特定角度来看，AI内容生成意味着AI开始在现实内容中承担新的角色，从“观察、预测”拓展到“直接生成、决

策”。

从商业模式来看，我们认为，AIGC本质上是一种AI赋能技术，能够通过其高通量、低门槛、高自由度的生成能力广

泛服务于各类内容的相关场景及生产者。因此，我们不会将其定义为PGC\UGC之后的新内容创作模式，而是认为

其在商业模式上会有大量其他交叉。我们会在价值篇对其商业模式进行进一步展开。

1.2技术及落地场景