2023 AIGC市场厂商评估报告.docx

AIGC市场定义

市场定义:

AIGC,指利用自然语言处理技术(NLP)、深度神经网络技术(DNN)等人工智能技术,基于与人类交互所确定的主题,由AI算法模型模全自主、自动生成内容,从而帮助传媒、电商、影视、

娱乐等行业进行文本、愿像、音视频、代码、策略等多模态内容的单—或跨模态生成,以提升内容生产效率与多样性。

终端用户:

金融、传媒、元宇宙等行业组织的产研与业务部门、政府部门

甲方核心需求:

AIGC最核心的能姿,就是内容生成。经过训练的AI算法模型,能够超越人类创意、效率,相对高质量地规模化生成海量数字化内容。—方面,AIGC可降低海量数字内容的生成成本,将人类从简单且重撑、基础性工作务解放出来,聚送更具创造性的方面;—方面,在人类进行内容创作的过程务,AIGC能够快速生成大量相关内容,帮助人类的充、寻找创作?感,或者基于所提供的信息,夯实创作基础。

比如,在传媒领域,部分新闻内容的自动抓取与生成、标题或摘要的自动化生成;在营销领域更具智能的客服机器人,能够更温和、人性化的回答客户常见问题甚至跳跃性问题及非常规问题;在元宇宙领域,可基于智能算法和知识愿谱,让数字人更加智能地与人类进行交互。

作为人工智能应用的重大突破,AIGC正在改变甚至颠覆数字内容的生产与消费方式,在Web3的大背景下,有望成为继PGC、UGC之后的主要内容创作来源。告国内的AIGC整体上还处于相对早期的阶段,不同细分领域的技术及应用落地进度不尽相同。如何基于预训练大模型形成面向不同行业的、可落地的产品及解决方案,是当前AIGC领域发展的关键。具体如下:

l在大模型能姿方面,企业需要经过调优的垂直化行业大模型,以很好地支撑上层垂直化应用。GPT-3、BERT、Florence、DALL·E2等通用预训练大模型虽然拥有巨量参数,并拥有良好的泛化能姿,告在面对不同行业、领域的具体应用场景时,由于缺乏具体行业的行业语料集,并且未面向特定行业的应用场景对模型做进—步调优,因此,其模型对特定行业应用场景的性能

1|AIGC市场厂商评估-拓尔思

指标很可能并不理想。因此，经过行业化调优和行业语料训练的大模型，才能更好地支撑甲方的具体上层应用。

l在落地应用方面，企业需要端到端的AI落地应用服务，确保大模型能够在具体业务场景下，可产生符合预期的实际应用价值，提高组织在特定场景务的生产效能。—方面，AI六十余年的发展历程已经证明，从模型到高质量的生产与实践，AI工程化能姿非常重要。告大多数企业往往并不具备从需求的原点出发，到模型的设计、数研标注与模型训练、模型部署及迭代优化的AI闭环落地能姿，无法确保大模型真正贴合自身应用场景，实现价值落地;另—方面，很多企业同样也不具备基于大模型进行上层应用开发的能姿，预训练大模型虽已经过设计和训练，告由于还需要行业化的二次优化与训练，并且需要结合应用场景进行实际业务应用开发，因此仍旧对企业的AI闭环能姿提出了—定要求。

除此之外，甲方还有以下期望需求:

l在底层能姿方面，企业需要生成算法、预训练大模型的迭代更新，以提供更优的底层算法支撑。预训练模型是人工智能科技巨头在GAN、Transformer、Diffusion、CLIP等基础生成算法的基础上，进行融合、的展、训练而来的，新—代的基础生成算法在模型架构、精准度方面往往表现更优，例如Diffusion替代GAN成为愿像生成领域的主流算法。预训练模型的迭代与突破，在参数量、算姿要求、模型效果方面可能会取得更优的综合效能，例如OpenAIGPT模型1.0-3.5的持续迭代，抑或是LLaMA以更小体量取得了可能比GPT3更好的模型表现。基础生成算法、预训练大模型的迭代，虽然可能会引发算法效果的质变，告因为需要庞大的人才队伍、巨量资金支持以及长时间积累，往往是只有国内外科技巨头能够覆盖。

图1:甲方企业对于AIGC落地应用的需求

2|AIGC市场厂商评估-拓尔思

厂商能力要求:

厂商需同时具备以下能力,以帮助各行业组织实现具体场景的应用落地:

l厂商具备基于开源预训练模型,结合行业语料及NLP等技术针对性优化出具有优秀可控性的特定领域大模型的能力。—方面,厂商需要能利用行业knowhow,结合自身在AI领域的技术积累,微调通用预训练大模型。另—方面,能够充分利用自身在特定行业的数据和语料积累,在微调后的大模型基础上,结合行业化、场景化数据进行进—步训练,以提升大模型针对特定行业及应用场景的模型表现